- 综合排序
- 最热优先
- 最新优先
- 来自专栏Elastic Stack专栏
Elasticsearch 新的索引 mode: Logsdb 初体验
Logsdb 模式的突破：从膨胀到精简Logsdb 索引模式是 Elasticsearch 针对日志存储需求专门设计的解决方案，旨在克服传统索引模式中因索引膨胀造成的存储压力。 Logsdb 模式，专门优化日志数据的存储和查询性能。 Logsdb 配置步骤与实践启用 Logsdb 模式相对简单，只需在索引配置中指定 index.mode 为 logsdb。 通常我们在预估日志大小的时候，会使用 1.2 的索引膨胀率Logsdb 模式的存储大小：启用 Logsdb 后，索引大小缩减至 10.82GB，实现了约 2.87 倍 的存储优化。 Logsdb 的出现表明，Elasticsearch 不仅仅是一个搜索引擎，更是一个持续创新、不断优化的日志分析平台。如果你还没有尝试 Logsdb 模式，现在正是时候。
1.5K33编辑于 2024-09-10 - 来自专栏Elastic Stack专栏
三分钟带你了解ES降本利器-LogsDB
LogsDB 的诞生与优势概述幸运的是，Elasticsearch 8.17 为我们带来了 LogsDB，这是日志存储的全新解决方案。 ZSTD 压缩：高效缩小数据体积ZSTD 压缩算法的应用也为 LogsDB 增色不少。它实现了快速无损压缩，能让数据体积大幅缩小。 实例见证 LogsDB 成效我们来看一个具体的例子，原始数据为 32GB 的 HTTP Logs 数据，在未启用 LogsDB 时索引的大小为 16.17GB，而在 LogsDB 持续迭代的过程后，一路降到了 LogsDB 的未来展望并且，LogsDB 还在不断发展，我们计划持续提升其效能，以帮助用户进一步降本增效。在 8.17 版本之后，它将继续为企业的日志存储带来更多优势。还等什么呢？ 快来使用 LogsDB，让您的企业在日志管理方面迎来全新的变革！
62031编辑于 2025-01-09 - 来自专栏北京马哥教育
有福了！六步使用Python写一个小小的自动化项目监控
获取数据库的连接： defget_con(): host="127.0.0.1" port=3306 logsdb="logsdb" user="root" password="never tell you " con=MySQLdb.connect(host=host,user=user,passwd=password,db=logsdb,port=port,charset="utf8") returncon importsmtplib fromemail.mime.textimportMIMEText fromlogimportlogger defget_con(): host="127.0.0.1" port=3306 logsdb ="logsdb" user="root" password="never tell you" con=MySQLdb.connect(host=host,user=user,passwd=password ,db=logsdb,port=port,charset="utf8") returncon defcalculate_time(): now=time.mktime(datetime.now().timetuple
3.5K100发布于 2018-05-02 - 来自专栏python3
python用作监控
logging.getLogger('root') return logger def get_con(): host = "120.138.75.88" port = 5849 logsdb = "xxxx" password = "xxxxx" con = MySQLdb.connect(host=host, user=user, passwd=password, db=logsdb
1.1K30发布于 2020-01-14 - 来自专栏服务器运维笔记
LogDevice：一种用于日志的分布式数据存储系统
在LogDevice，它的本地日志存储被称为LogsDB，是一个写优化数据存储，旨在保持磁盘搜索的数量小和受控，并且存储设备上的写和读IO模式基本上是顺序的。 LogsDB是RocksDB之上的一个层，是基于LSM树的一种有序持久键值数据存储。LogsDB属于RocksDB列族按时间排序的集合，是完全成熟的RocksDB实例，共享一个共同的预写日志。 每个RocksDB实例被称为LogsDB分区。 LogsDB的控制读取放大，是以一种特别适合日志数据模型的方式：不可变的LSN识别的不可变记录并随时间而单调递增。 在控制文件数量方面，当SST文件的数量达到最大时，LogsDB不考虑分区，而是新创建一个最新分区，而不是通过合并排序（merge-sorting）成一个更大的有序LogsDB。
1.4K20发布于 2020-05-26 助力腾讯云打造业界首个十亿级向量RAG应用，实现成本降低超90%与性能显著提升
其企业版提供以云为基础的全套功能（如可搜索快照、LogsDB、AutoOps），确保系统在高性能、高可用和安全合规的前提下，持续降低运维复杂度与成本。
25610编辑于 2026-04-17腾讯云ES与Elastic合作构建十亿级向量RAG应用，实现90%成本降低与12倍查询提速
选择腾讯云的三大技术优势 全链路自研AI能力：混元大模型在数理逻辑、代码生成等高难度场景表现业界领先，OCR解析准确率提升30%（效果全国第一） 云原生基础设施集成：提供运维编排平台、推理服务集成、LogsDB
25220编辑于 2026-04-08腾讯云Elasticsearch解决方案：规模化AI搜索的性能与成本优化实践
完整AI生态集成（含AI助手与知识库方案），首个支持复杂文档版面分析、元素排序，OCR解析大模型准确率提升30%，效果全国第一； 云为本功能：运维编排平台、推理服务集成、云基础设施集成、可搜索快照、LogsDB
16610编辑于 2026-04-24腾讯云ES联合Elastic：以Agentic RAG技术构建高效AI应用平台
在高质量内容创作、数理逻辑、代码生成、多轮对话性能业界领先，OCR解析准确率提升30%（效果全国第一）；AI生态覆盖模型部署/训练/推理、NLP、语音识别等能力；以云为本功能（运维编排、推理服务集成、可搜索快照、LogsDB
25010编辑于 2026-04-12腾讯云联合Elastic构建Agentic RAG解决方案 助力企业高效落地生成式AI应用
—— 客户创新故事 选择腾讯云的核心优势 合作深度与稳定性：2019年启动合作，提供稳定基础设施+敏捷上层开发，覆盖运维编排、推理服务集成、云基础设施（可搜索快照、LogsDB、AutoOps、Otel
19810编辑于 2026-04-08腾讯云联合Elastic构建首个“十亿级向量”RAG应用：统一架构驱动90%降本与搜索提效
Elastic企业版底座：全面拥抱AI Search，提供业界领先的向量模型与重排模型集成，结合云基础设施（包含可搜索快照、LogsDB、Otel等），提供高弹性的底层架构支撑。
20510编辑于 2026-04-17ES|QL LOOKUP JOIN实现日志去重现代方案
在使用此方法移除高容量、重复内容后，可以在主数据流上启用logsdb索引模式（在9.0及更高版本的集群上默认启用）。
29210编辑于 2025-08-31- 来自专栏Elastic Stack专栏
拆解"ES已死"伪命题：Agentic RAG时代搜索引擎的终极形态
自动推导“季度营收异常”与“广告投放时段”的空间相关性 生态扩展 无缝集成 LogsDB（分析PB级日志）、MetricDB（实时指标聚合）、APM（应用性能数据） 安全分析场景：1.
68011编辑于 2025-02-06 - 来自专栏云计算与大数据技术
大数据日志收集框架之Flume实战
sinks.k1.channel = c1 a1.sinks.k1.hive.metastore = thrift://127.0.0.1:9083 a1.sinks.k1.hive.database = logsdb
1.3K20发布于 2021-04-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号