作者来自 Elastic Sarah Leslie今天我们很高兴宣布作为 Elasticsearch Platform 最新版本的 Elastic 9.5 正式发布。此次发布包含一系列新功能旨在帮助开发者更充分地利用数据更有信心地构建 AI agent并通过在 Elasticsearch、 Elastic Observability 和Elastic Security 中引入全新能力提升安全运营水平。Elasticsearch PlatformElastic 9.5 有哪些新功能Elastic 9.5 持续提升 Elasticsearch 在效率、可观测性和性能方面的能力帮助企业数据变得更加易于访问和更具价值。借助 Elastic 9.5用户可以借助 Columnar Mode 存储更多数据、实现更快查询并延长数据保留时间 —— 将 Elasticsearch 作为原生列式数据库借助 VectorDB 索引模式和自动校准无需配置和索引调优 —— 开箱即用的向量搜索随着原生 Prometheus 和 PromQL 支持正式发布将 Prometheus 工作负载迁移到 Elasticsearch助力实现 Alert Zero —— SOC 版本的 Inbox Zero —— 将告警队列缩减到真正重要的内容由 agent 与分析师共同完成借助最新的 Elastic Agent Builder 增强功能构建更智能的 AI agent包括 Agent Observability and Monitoring以及高级人工参与审批 human-in-the-loop approvals 请继续阅读下文了解这些功能以及更多新增功能亮点。ElasticsearchElastic 9.5 带来了多项改进旨在帮助每位用户以更快的速度开展工作、更有信心地运营并以更少的阻力从数据中获取更多价值。此次发布在 Elasticsearch Platform 的多个方面进行了创新从数据存储与查询到构建和治理 AI agent再到 Kibana 仪表板增强功能。下面将详细介绍这些内容。适用于任何工作负载的多信号数据存储Elastic 很高兴宣布推出技术预览版的 Columnar Mode。这是一种可选启用 opt-in 的索引模式默认情况下将每个字段仅存储一次到列式存储中而不创建倒排索引从而显著减少存储占用并为更快的索引、更快的分析查询以及更长的数据保留时间奠定基础。它与现有索引模式一同提供无需对 API、仪表板或集成进行任何修改。在此基础上Columnar Logs是首个专为日志数据打造的专用配置它仅在 message 字段上保留一个倒排索引因此在保持全文搜索速度的同时其余所有数据均采用完全列式存储。最终结果是在不改变团队所依赖搜索体验的前提下相比当前日志存储方式大幅降低存储占用。这两种模式均为可选启用现有索引不会受到影响。向量数据库为检索增强生成 RAG 应用和 agentic AI 构建检索能力的团队通常需要在创建索引时做出大量配置决策而随着生产环境规模扩大这项工作也会随之增加。我们推出这些功能就是为了免去配置和索引调优的工作让向量搜索开箱即用。VectorDB 索引模式只需一个设置即可提供高性能向量搜索无需任何手动配置。它会自动应用已经针对向量优化的默认配置自动调优量化 quantization 、合并策略 merge policy 和缓存加载 cache loading 使向量搜索更容易部署并能够开箱即用地获得优异性能。DiskBBQ 向量搜索的自动校准 auto-calibration 会基于索引中向量的统计分析自动配置量化深度 quantization depth 、预处理 preconditioning 和过采样 oversampling 。原本需要专业知识和反复实验才能完成的调优工作现在可借助 Elastic 开发的独特算法自动完成。多模态语义搜索Multimodazl semantic search 让开发者能够更轻松地实现图像搜索。通常图像搜索需要配置嵌入模型、摄取并嵌入图像以及对查询进行嵌入。全新的 semantic 字段简化了这些步骤使用户能够像使用 semantic_text 搜索文本一样轻松地搜索图像。更多 Agent Builder 增强功能Elastic 9.5 为开发者在生产环境中构建 AI agent 提供了更高的可观测性和控制能力。现已推出技术预览版的 Agent Observability and Monitoring可将大语言模型 LLM 调用、工具调用以及推理步骤作为 OpenTelemetry OTel 跟踪数据记录到 Elasticsearch 中同时人工参与审批human-in-the-loop approvals可对敏感操作进行把关并将每次决策记录到审计日志中。开发者还可以直接通过聊天创建 skills、查询和工作流只需描述所需能力例如 “创建一个用于生成仪表板的工作流”。随后 Agent Builder 会自动起草配置、命名并保存无需离开当前对话从而减少配置时间也无需深入了解底层配置模型。AI 原生 Kibana在 9.5 中我们的Dashboards Visualizations API已正式发布为平台团队提供了一种稳定且受支持的方式以代码创建、更新和管理仪表板及可视化。此外聊天中的仪表板dashboards in chat现已正式发布并带来了更高质量的聊天体验、更完善的控件创建能力以及更快的执行速度。这些改进显著缩短了从数据到洞察的时间无需用户手动构建仪表板从而加快事件调查速度因为更快获得清晰的可视化结果能够直接缩短问题解决时间。对于速度至关重要的使用场景可启用Fast Mode UI使 Dashboards 和 Discover 中基于 STATS 的查询在采样数据集上运行而不是扫描全部数据并将结果推算回真实数据规模同时保持与精确结果非常接近的准确性。在数据所在位置实现更强大的自动化Elastic 9.5 中的 Elastic Workflows 使自动化更易于构建并且能够在运行之前准确展示工作流将执行的操作。自然语言创作Natural language authoring现已正式发布并默认启用因此团队只需使用自然语言描述所需的自动化流程即可自动生成工作流。版本管理功能现已内置可跟踪每一次变更允许团队比较任意两个版本并通过一次点击回滚到可正常工作的版本因此始终能够记录是谁在什么时候进行了哪些修改。可视化模式Visual mode会将工作流以图形方式展示使触发器、步骤、分支和逻辑与 YAML 并排显示一目了然拖放式编辑功能即将推出。此外人工参与审批 human-in-the-loop 现已扩展到 Kibana 之外。当工作流需要人工审批或提供意见时它会暂停执行并将请求发送到 Slack 等工具。自动化负责处理日常事务而团队则专注于那些需要人工判断的决策。这些都是 Elasticsearch Platform 的能力可在 Search、Observability 和 Security 中统一使用。Elastic ObservabilityElastic 9.5 带来了多项可观测性升级旨在让统一监控更快落地、更易于扩展。无论你是从 Prometheus 迁移、接入 Kubernetes还是连接云平台和 SaaS 数据都可以以更低的运维开销更轻松地开始使用。改进后的 SRE 工作流、托管集成以及面向 AI 的上下文帮助团队更快地从检测进入诊断阶段。原生 Prometheus 和 PromQL 支持正式发布借助 9.5整合可观测性与业界领先的指标数据比以往任何时候都更加容易。通过 Prometheus remote-write 端点以及直接嵌入 ES|QL 的原生 PromQL 支持团队只需极少的迁移工作即可将现有的 Grafana 仪表板和查询指向 Elastic而无需放弃多年来构建的查询语言和工作流。全新的迁移工具现已正式发布可自动将 Grafana 和 Datadog 的仪表板及告警迁移到 Elastic使用户无需从头开始即可享受 Elasticsearch 更高的存储效率最高可比 Prometheus 提高 2.5 倍和更快的查询性能最高可比 Prometheus 快 30 倍。在 9.5 中全新的 ES95 编解码器 codec 在Elasticsearch已具备的列式指标存储高效率基础上进一步优化将存储成本再降低约 20%达到每个采样点约 3 字节。这意味着用户能够监控更多服务并保留更长时间的指标数据而无需担心成本大幅增加。结合以代码定义仪表板 dashboards-as-code 和聊天中的仪表板 dashboards in chat 这些更新使用户能够在统一平台上整合指标、日志和追踪数据并在三者之间进行关联分析以更快完成根本原因分析同时继续使用他们已经熟悉的工作流和标准。全面集成 AI 的完整集成方案Elastic 最新提供的 Kubernetes 和 AWS 开箱即用集成技术预览意味着你只需几分钟即可从零开始实现全面监控。Kubernetes 监控现已正式发布并提供预配置的仪表板、告警、SLO 以及机器学习作业。此外 Agent Skills 和 Observability MCP 应用使健康监控、异常检测、事件调查和问题修复能够通过任何支持 MCP 的 AI 工具完成让 SRE 可以直接在日常工作的工具中完成这些任务。这些完整的集成方案使团队从连接数据开始的第一刻起就能够立即从指标数据中获得价值。更轻松地接入云原生数据Elastic 托管集成消除了接入云数据源的运维负担。现在用户只需点击几下无需部署或维护本地 agent即可完成数据摄取并开始获得价值。秉承 “Easy Button” 理念我们还简化了 Kubernetes 和 AWS的接入流程将两者默认采用推荐的 OTel 接入路径。这意味着平台工程师和 SRE 无需在多个配置页面之间切换并做出各种配置决策即可快速完成部署。增强的 APM 和 LLM 可观测性9.5 为调查服务故障的 SRE 和开发者带来了重要的易用性提升。告警和仪表板中的依赖关系分析提供了更快的分类处理路径通过直接在告警或自定义仪表板中展示服务拓扑图 service maps 避免了在多个界面之间来回切换。APM 服务健康视图进一步增强了异常展示能力使基于机器学习的性能退化信号更容易被发现。Elastic 针对LLM 可观测性推出了全新的 Anthropic 集成可轮询 Anthropic 的 Admin API将 Claude API 平台的组织级遥测数据、 Token 使用情况、成本以及速率限制配置摄取到 Elasticsearch并提供预构建的 Kibana 仪表板和开箱即用的告警。直接在你的告警详情页面中识别依赖关系。Elastic SecurityElastic Security 9.5 让分析师有更多时间进行决策并减少需要处理的告警数量。更强大的端点防护能够在威胁产生告警之前阻止更多攻击。 Attack Discovery 会像分析师一样处理实际触发的告警发现真正的攻击让团队无需每天一开始就淹没在原始告警中。自动化能力贯穿整个流程在底层触发调查并处理机械性工作让决策始终由分析师掌控。Alert Zero从告警队列到已验证威胁Alert Zero 是 SOC 版本的 Inbox Zero意味着将告警队列缩减到真正重要的内容由 agent 和分析师共同实现。这是团队持续努力接近的目标。它并不意味着告警数量为零也不意味着取代分析师。Attack Discovery 帮助 SOC 更接近 Alert Zero。现在它会像分析师一样进行调查通过对原始事件进行威胁搜寻、检查实体风险并在最初触发告警之外进行关联验证然后才将某个事件认定为攻击。因此团队看到的是一份经过验证的攻击列表而不是一整面原始告警墙。当它发现规则遗漏的问题时会生成一个 ES|QL 规则草稿来填补检测缺口并由分析师审批后再保存。现在无论调查是手动启动、按照周期计划运行还是由 Elastic Workflow 触发每次执行都会经过相同的调查流程。独立的告警分析工作流则从另一侧处理噪声通过将告警分类为真实告警或误报帮助分析师不再将数小时浪费在低可信度告警上从而让 Attack Discovery 能够专注于调查更高质量的告警集合。增强的端点防护借助 Elastic Security 9.5全新的端点能力进一步增强了防护能力并将覆盖范围扩展到更多设备。针对攻击者利用已经签名并受信任的漏洞驱动程序进入内核的问题我们的威胁研究团队会监控 VirusTotal、 loldrivers.io 和 Microsoft 的阻止列表等公开披露来源。通过持续运行的流程 Elastic 会在新的驱动程序被披露后自动生成并立即部署 YARA 规则使防护能力能够跟上威胁变化而无需等待版本发布周期。当由 AI 驱动的攻击能够在一分钟内从一台机器传播到下一台机器其速度超过任何响应工作流的反应能力时这种速度至关重要。Windows on ARM 现已在 Elastic Defend 中获得完整支持使 Surface 和其他基于 ARM 的笔记本电脑获得全面防护。此外 Agent Builder 中新增的端点故障排查 skill 能够识别策略和性能问题让团队减少在追踪端点问题上花费的时间。覆盖整个 SOC 的自动化Elastic Workflows 为 SOC 带来了原生自动化能力使检测结果能够自动触发数据增强、案例创建和响应流程无需额外购买、集成或维护独立的 SOAR。人工仍然专注于需要判断的决策。如果你错过了这些……在各个版本发布之间我们并不是停留在已有成果上。 Elastic 9.4 和 9.5 之间的这段时间一点也不平静。以下是一些重要公告的汇总以防你错过 ICYMI Jina AI 更新jina-embeddings-v5-omni 在 v5-text 模型系列基础上扩展提供原生图像、音频和视频支持在单一 embedding 空间中支持近 100 种语言和全部四种模态无需重新索引。Jina On-Prem 现已面向具有严格数据驻留要求的团队提供。它将完整的 Jina AI 模型系列例如 reader、embedding 和 reranking 打包使其能够完全运行在你自己的硬件上部署后实现完全隔离 air-gapped 不会产生任何出站调用。成本固定且可预测而不是按照 token 数量计费。 embedding 模型能够在单一 embedding 空间中跨近 100 种语言搜索文本、图像、音频和视频并且在普通硬件上的准确性可媲美规模大得多的模型。我们已发布 jina-reranker-v3.5这是 jina-reranker-v3 的直接替代版本。 jina-reranker-v3.5 仅有 600M 参数但在案例法领域相比前代模型提升超过 50%并且在医疗和金融领域的 reranking 任务中进一步提升在长文档处理方面速度最高提升 56%。与 Qwen3-Reranker-4B 相比后者是一款广泛使用的开源 reranker规模超过其七倍 jina-reranker-v3.5 在通用搜索和一个结构化数据基准测试中直接胜出并在其他场景中缩小了大部分剩余差距。远程重新索引 Reindex from remote 现已在 Elastic Cloud Serverless 中正式发布为团队提供了一种无缝方式可以将来自任意 Elastic Cloud Hosted 部署或 Serverless 项目的索引无论区域在哪里直接迁移到他们的 Serverless 环境中。该操作针对 Serverless 基础设施的实际情况进行了设计它能够在由扩展事件或软件部署触发的节点关闭期间自动恢复因此迁移过程无需人工干预即可持续进行。立即从这里开始Elastic 9.5 包含大量全新和增强功能可帮助组织充分发挥其数据价值。Elastic 9.5 现已在 Elastic Cloud 上提供。 Elastic Cloud 是托管式 Elasticsearch 服务其中包含此次最新版本中的所有新功能。本文中描述的任何功能或特性的发布时间和安排均由 Elastic 自行决定。目前尚未提供的任何功能或特性可能不会按时交付甚至可能不会交付。在这篇博客文章中我们可能使用或引用了由各自所有者拥有和运营的第三方生成式 AI 工具。 Elastic 无法控制这些第三方工具并且我们不对其内容、运行或使用承担任何责任或义务也不对因你使用此类工具而可能产生的任何损失或损害承担责任。在使用 AI 工具处理个人、敏感或机密信息时请谨慎操作。你提交的任何数据可能会被用于 AI 训练或其他用途。无法保证你提供的信息会被安全保管或保持机密。在使用任何生成式 AI 工具之前你应了解其隐私实践和使用条款。Elastic、 Elasticsearch 以及相关标识是 elasticsearch B.V. 在美国和其他国家/地区的商标、标识或注册商标。所有其他公司名称和产品名称均为其各自所有者的商标、标识或注册商标。原文Elastic 9.5: Columnar, VectorDB index mode auto-calibration, and AI-driven alert triage | Elastic Blog