প্রকল্প সম্পর্কে

Elasticsearch একটি ডিস্ট্রিবিউটেড সার্চ ও অ্যানালিটিক্স ইঞ্জিন, স্কেলেবল ডেটা স্টোর এবং ভেক্টর ডেটাবেস, যা প্রোডাকশন-স্কেল ওয়ার্কলোডে গতি ও প্রাসঙ্গিকতার জন্য অপ্টিমাইজ করা। এটি Elastic-এর ওপেন Stack প্ল্যাটফর্মের ভিত্তি হিসেবে কাজ করে, বিশাল ডেটাসেটে প্রায় রিয়েল-টাইম সার্চ, ভেক্টর সার্চ এবং জেনারেটিভ AI অ্যাপ্লিকেশনের সাথে ইন্টিগ্রেশন সক্ষম করে। প্রধান ব্যবহারের ক্ষেত্রে রয়েছে রিট্রিভাল অগমেন্টেড জেনারেশন (RAG), ভেক্টর সার্চ, ফুল-টেক্সট সার্চ, লগ, মেট্রিক্স, অ্যাপ্লিকেশন পারফরম্যান্স মনিটরিং (APM) এবং সিকিউরিটি লগ অ্যানালিটিক্স। প্রকল্পটি ফ্রি ও ওপেন সোর্স, Lucene-এ অবদান এবং বিভিন্ন মেশিন লার্নিং উদ্ভাবনসহ। শুরু করা: সবচেয়ে সহজ পথ হলো ম্যানেজড Elastic Cloud ডিপ্লয়মেন্ট, অথবা elastic.co থেকে ডাউনলোড করে সেলফ-হোস্ট করা। লোকাল ডেভেলপমেন্ট ও টেস্টিংয়ের জন্য Elastic একটি start-local স্ক্রিপ্ট প্রদান করে যা Docker-এ Elasticsearch এবং Kibana সেটআপ করে: curl -fsSL https://elastic.co/start-local | sh এটি একটি elastic-start-local ফোল্ডার তৈরি করে, elastic ইউজারের জন্য একটি র্যান্ডম পাসওয়ার্ড জেনারেট করে, .env-এ একটি API key সংরক্ষণ করে এবং Elasticsearch-কে http://localhost:9200 এবং Kibana-কে http://localhost:5601-এ এক্সপোজ করে। সেটআপটি Basic auth ব্যবহার করে এবং শুধুমাত্র localhost-এর মাধ্যমে অ্যাক্সেসযোগ্য; এটি প্রোডাকশনের জন্য নয়। ব্যবহারকারীরা REST API-এর মাধ্যমে Elasticsearch-এর সাথে ইন্টারঅ্যাক্ট করেন। Curl উদাহরণে ইনডেক্স তৈরি, ডকুমেন্ট যোগ করা এবং সার্চ দেখানো হয়। অফিসিয়াল ল্যাঙ্গুয়েজ ক্লায়েন্ট (যেমন Python) বেসিক অথেন্টিকেশন সমর্থন করে। Kibana-র Dev Tools কনসোল রিকোয়েস্ট নিয়ে পরীক্ষা-নিরীক্ষার জন্য সুবিধাজনক ইন্টারফেস প্রদান করে। ডকুমেন্টগুলো JSON অবজেক্ট, এবং বাল্ক ইনডেক্সিং _bulk API-এর মাধ্যমে newline-delimited JSON ব্যবহার করে। সার্চ প্রায় রিয়েল-টাইমে উপলব্ধ। Kibana Discover ডেটা ভিউ, ভিজ্যুয়ালাইজেশন এবং ড্যাশবোর্ডের মাধ্যমে ইন্টারঅ্যাকটিভ এক্সপ্লোরেশন ermög করে। আগের ভার্সন থেকে আপগ্রেড করা অফিসিয়াল আপগ্রেড ডকুমেন্টেশনে কভার করা হয়েছে। সোর্স থেকে বিল্ড করতে Gradle ব্যবহার করা হয়; ./gradlew localDistro চালালে লোকাল OS-এর জন্য একটি ডিস্ট্রিবিউশন বিল্ড হয়, এবং Linux, macOS ও Windows-এর জন্য প্ল্যাটফর্ম-নির্দিষ্ট অ্যাসেম্বলি কমান্ড রয়েছে। টেস্টগুলো TESTING.asciidoc-এ বর্ণিত। সম্পূর্ণ ডকুমেন্টেশন elastic.co-তে উপলব্ধ। elasticsearch-labs রিপোজিটরিতে Python নোটবুক, স্যাম্পল অ্যাপ এবং ভেক্টর সার্চ, হাইব্রিড সার্চ ও জেনারেটিভ AI ব্যবহারের ক্ষেত্রে রিসোর্স রয়েছে। CONTRIBUTING.md-এর মাধ্যমে অবদান স্বাগত; বাগ ও ফিচার রিকোয়েস্ট GitHub Issues হিসেবে ফাইল করা যায়, এবং কমিউনিটি সাপোর্ট Elastic Forum ও Slack-এর মাধ্যমে উপলব্ধ।