इस प्रोजेक्ट के बारे में

Elasticsearch एक वितरित खोज और विश्लेषण इंजन, स्केलेबल डेटा स्टोर और वेक्टर डेटाबेस है, जो उत्पादन-स्तरीय वर्कलोड पर गति और प्रासंगिकता के लिए अनुकूलित है। यह Elastic के ओपन Stack प्लेटफ़ॉर्म की नींव के रूप में कार्य करता है, जो विशाल डेटासेट पर लगभग वास्तविक समय की खोज, वेक्टर खोज और जनरेटिव AI अनुप्रयोगों के साथ एकीकरण को सक्षम बनाता है। प्रमुख उपयोग मामलों में रिट्रीवल ऑगमेंटेड जनरेशन (RAG), वेक्टर खोज, पूर्ण-पाठ खोज, लॉग, मेट्रिक्स, एप्लिकेशन परफॉर्मेंस मॉनिटरिंग (APM) और सुरक्षा लॉग विश्लेषण शामिल हैं। यह प्रोजेक्ट मुफ़्त और ओपन सोर्स है, जिसमें Lucene में योगदान और कई मशीन लर्निंग नवाचार शामिल हैं। शुरुआत करना: सबसे सरल तरीका एक प्रबंधित Elastic Cloud परिनियोजन है, या elastic.co से डाउनलोड करके स्व-होस्टेड। स्थानीय विकास और परीक्षण के लिए, Elastic एक start-local स्क्रिप्ट प्रदान करता है जो Docker में Elasticsearch और Kibana सेट करता है: curl -fsSL https://elastic.co/start-local | sh यह एक elastic-start-local फ़ोल्डर बनाता है, elastic उपयोगकर्ता के लिए एक यादृच्छिक पासवर्ड उत्पन्न करता है, .env में एक API कुंजी संग्रहीत करता है, और Elasticsearch को http://localhost:9200 पर और Kibana को http://localhost:5601 पर उजागर करता है। सेटअप Basic auth का उपयोग करता है और केवल localhost के माध्यम से सुलभ है; यह उत्पादन के लिए अभिप्रेत नहीं है। उपयोगकर्ता REST API के माध्यम से Elasticsearch के साथ इंटरैक्ट करते हैं। Curl उदाहरण इंडेक्स निर्माण, दस्तावेज़ जोड़ने और खोज दिखाते हैं। आधिकारिक भाषा क्लाइंट (जैसे, Python) बेसिक प्रमाणीकरण का समर्थन करते हैं। Kibana का Dev Tools कंसोल अनुरोधों के साथ प्रयोग करने के लिए एक सुविधाजनक इंटरफ़ेस प्रदान करता है। दस्तावेज़ JSON ऑब्जेक्ट हैं, और बल्क इंडेक्सिंग _bulk API के माध्यम से न्यूलाइन-डेलिमिटेड JSON का उपयोग करती है। खोजें लगभग वास्तविक समय में उपलब्ध हैं। Kibana Discover डेटा दृश्यों, विज़ुअलाइज़ेशन और डैशबोर्ड के माध्यम से इंटरैक्टिव अन्वेषण की अनुमति देता है। पुराने संस्करणों से अपग्रेड करना आधिकारिक अपग्रेड दस्तावेज़ में शामिल है। स्रोत से निर्माण Gradle का उपयोग करता है; ./gradlew localDistro चलाने से स्थानीय OS के लिए एक वितरण बनता है, और Linux, macOS और Windows के लिए प्लेटफ़ॉर्म-विशिष्ट असेंबली कमांड मौजूद हैं। परीक्षण TESTING.asciidoc में वर्णित हैं। पूर्ण दस्तावेज़ elastic.co पर उपलब्ध है। elasticsearch-labs रिपॉजिटरी में Python नोटबुक, नमूना ऐप्स और वेक्टर खोज, हाइब्रिड खोज और जनरेटिव AI उपयोग मामलों के लिए संसाधन शामिल हैं। CONTRIBUTING.md के माध्यम से योगदान का स्वागत है; बग और फीचर अनुरोध GitHub Issues के रूप में दर्ज किए जा सकते हैं, और सामुदायिक समर्थन Elastic Forum और Slack के माध्यम से उपलब्ध है।