- 0.90 的 percolator 先把查询注册到 percolator 索引，再发文档过去问哪些查询命中。 0.90 的 percolator 先把查询注册到 percolator 索引，再发文档过去问哪些查询命中。
- 0.90 早期改分要靠三个查询：customboostfactor 乘系数、customscore 写脚本…… 0.90 早期改分要靠三个查询：customboostfactor 乘系数、customscore 写脚本……
- 9.0 给 Inference API 加了节点本地限流。 9.0 给 Inference API 加了节点本地限流。
- 9.0 起 Elasticsearch 的超时异常从 5xx 变成 429（Too Many Requests）。 9.0 起 Elasticsearch 的超时异常从 5xx 变成 429（Too Many Requests）。
- 0.90 里给 mapping 加一个 ttl，文档到期就会被自动删掉——不用定时任务、不用 delete-by-query。 0.90 里给 mapping 加一个 ttl，文档到期就会被自动删掉——不用定时任务、不用 delete-by-query。
- ES 9.1 引入 Failure Store，把 ingest 失败或 mapping 冲突的文档存下来，9.2 起对日志流默认开启。 ES 9.1 引入 Failure Store，把 ingest 失败或 mapping 冲突的文档存下来，9.2 起对日志流默认开启。
- ES 9.4 给 ES|QL 加了 Views：把一段查询定义成有名字的视图，之后在 FROM 里当索引用。 ES 9.4 给 ES|QL 加了 Views：把一段查询定义成有名字的视图，之后在 FROM 里当索引用。
- ES|QL 的 LOOKUP JOIN 让查询时关联另一张表成为可能，不用再靠应用层拼或者写入时冗余。 ES|QL 的 LOOKUP JOIN 让查询时关联另一张表成为可能，不用再靠应用层拼或者写入时冗余。
- 一、Elasticsearch 是什么Elasticsearch（简称 ES）是一个基于 Apache Lucene 构建的分布式搜索与数据分析引擎。它把「倒排索引」技术包装成一套可以横向扩展的服务集群，让海量数据的全文检索从几秒甚至几分钟变成毫秒级返回。在典型业务场景里，ES 主要用来做四件事：场景说明典型用法全文检索关键词模糊匹配、相关性排序商品搜索、文档搜索日志分析海量日志的聚合与筛... 一、Elasticsearch 是什么Elasticsearch（简称 ES）是一个基于 Apache Lucene 构建的分布式搜索与数据分析引擎。它把「倒排索引」技术包装成一套可以横向扩展的服务集群，让海量数据的全文检索从几秒甚至几分钟变成毫秒级返回。在典型业务场景里，ES 主要用来做四件事：场景说明典型用法全文检索关键词模糊匹配、相关性排序商品搜索、文档搜索日志分析海量日志的聚合与筛...
- 9.0 起高亮的 forcesource 参数不再支持。 9.0 起高亮的 forcesource 参数不再支持。
- 9.3 把 SCORE 函数放进了正式构建。 9.3 把 SCORE 函数放进了正式构建。
- ES|QL 的 FORK 和 INLINE STATS 都已转正：前者把一条查询劈成几路并行跑，后者聚合完还能保住原始行。 ES|QL 的 FORK 和 INLINE STATS 都已转正：前者把一条查询劈成几路并行跑，后者聚合完还能保住原始行。
- 6.x 及更早版本建索引不指定分片数，默认给 5 个； 6.x 及更早版本建索引不指定分片数，默认给 5 个；
- 搜索相关性差，很多人的第一反应是调 BM25 的 k1 和 b。但这两个参数控制的是词频饱和和文档长度归一化，调它们之前，先确认问题真的出在这里。BM25 的评分由三部分构成：词频（TF）、逆文档频率（IDF）和文档长度归一化。k1 控制词频饱和速度，值越大，高频词的影响越持续；b 控制长度归一化的强度，b=1 表示完全按长度惩罚，b=0 表示不惩罚。默认 k1=1.2、b=0.75 在大多... 搜索相关性差，很多人的第一反应是调 BM25 的 k1 和 b。但这两个参数控制的是词频饱和和文档长度归一化，调它们之前，先确认问题真的出在这里。BM25 的评分由三部分构成：词频（TF）、逆文档频率（IDF）和文档长度归一化。k1 控制词频饱和速度，值越大，高频词的影响越持续；b 控制长度归一化的强度，b=1 表示完全按长度惩罚，b=0 表示不惩罚。默认 k1=1.2、b=0.75 在大多...
- 针对 Elasticsearch 在海量日志或大批量商品检索时，因使用传统的 from + size 语法进行深分页，导致协调节点内存（Heap）瞬间打满并触发 OOM 的痛点，本文分享一套基于 Search_After 与 PIT（Point In Time）快照机制的毫秒级全量遍历解法。 针对 Elasticsearch 在海量日志或大批量商品检索时，因使用传统的 from + size 语法进行深分页，导致协调节点内存（Heap）瞬间打满并触发 OOM 的痛点，本文分享一套基于 Search_After 与 PIT（Point In Time）快照机制的毫秒级全量遍历解法。
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签