タグ

Elasticsearchに関するreannkaraのブックマーク (5)

  • Amazon Elasticsearch Service で k 近傍法 (k-NN) 類似検索エンジンが構築可能に

    Amazon Elasticsearch Service で、製品の推薦、不正検出、画像の取得、動画の取得、セマンティックドキュメントの取得といった類似性ユースケースでの検索を強化する、k 近傍法 (k-NN) 検索の提供が開始されました。軽量かつ効率的な非距離空間ライブラリ (NMSLIB) を使用して構築された k-NN を利用すると、通常の Elasticsearch クエリの実行と同じくらい簡単に、数千もの次元にわたる数十億ものドキュメントに対して、ハイスケールで低レイテンシーな最近傍探索を実行することができます。 k-NN プラグインは、データポイントの空間から、クエリデータポイントに最も近い距離のデータポイントを k 個見つけます。k-NN の新しいフィールドタイプにより、集約やフィルタリングといった Elasticsearch の広範な機能群にシームレスに k-NN 検索を統

    Amazon Elasticsearch Service で k 近傍法 (k-NN) 類似検索エンジンが構築可能に
  • トラブルシュート時などの現状ざっくり把握のためのAPI一覧まとめ (Elasticsearch) - はてだBlog(仮称)

    検索アプリエンジニアの立ち位置視点で、Elasticsearchのモニタリング全般やテーブル構造(テーブルではありませんが...、たとえ話として)、インデックスに抱えているデータをマシンルームのような制限がある場所で(※そのような状況が良いかは別に置いておいて)、コンソール・ターミナルでカタカタ調べる場合に役立つElasticsearchのビルトインのエンドポイント(APIといった方が良いのかな?)をまとめました。 公式Rをある程度なぞった程度にすぎませんし、他のチートシートやテック記事に比べると深さ不足ですが、 しばしば担当を離れていた検索サイトで「検索の当たり方が悪い」というクレームが発生して、レスキューに入ることになった。 *(それが良いか悪いかはともかく)Elasticsearchにしばらくふれておらず、調査の勘所を思い出すにも、急遽駆けつけてくれと無理筋オーダーで現地に向かうこと

    トラブルシュート時などの現状ざっくり把握のためのAPI一覧まとめ (Elasticsearch) - はてだBlog(仮称)
  • 決済サービスの監視を支えるElastic Stack

    Elastic{ON} TOUR Tokyo 2017 ユーザ事例紹介 発表資料 "膨大な取引データ、サービス提供状態の可視化やElastic Machine Learningによる異常検知の仕組化など年間取扱額2兆円を超える決済システムを支えるElastic活用事例をお話しします。 またシステムリソース以外のビジネスデータの可視化についても取り上げます。" Elasticsearch elasticsearch elastic elasticonRead less

    決済サービスの監視を支えるElastic Stack
    reannkara
    reannkara 2018/10/31
    基本構成で上手く運用していて良いな。
  • Elasticsearchの運用に関する典型的な4つの誤解 | Elastic

    初のフライト変更ということで、羽田空港で5時間の待ち時間ができたのでブログを書いているところです。 皆さんの使用方法などを知りたいと思い、日語で書かれたツイートやブログを時々みていますが、 共通で見受けられるElasticsearchに関する誤解があるようです。 よりよくElasticsearchを利用していただくために、よく陥る誤解とどうすれば良いかというのを紹介しようと思います。 誤解:2台でHA構成 「1台では、マシントラブルなどがあった場合に、Elasticsearchが利用できなくなるという心配から、2台でElasticsearchのクラスターを構成すれば1台ダウンしてもサービスを維持できるだろう。」 残念ながら2台では完全なHA構成にはならないのがElasticsearchです。2台構成のクラスターは、データの欠損という障害に対しては有効です。 が、1台故障してもクラスターが

    Elasticsearchの運用に関する典型的な4つの誤解 | Elastic
  • Hadoop+Embulk+Kibanaのデータ集計基盤によるデータ可視化と集計データを活用したキーワードサジェストの仕組み

    連載目次 リクルートの全社検索基盤「Qass」の事例を基に、大規模BtoCサービスに求められる検索基盤はどう構築されるものなのか、どんな技術が採用されているのか、運用はどうなっているのかなどについて解説する連載。 初回の「リクルート全社検索基盤のアーキテクチャ、採用技術、開発体制はどうなっているのか」では全体的なアーキテクチャ、採用技術、開発体制について紹介しました。 検索システムを構築する際に、最も重要なのは、前回の「ElasticsearchとKuromojiを使った形態素解析とN-Gramによる検索の適合率と再現率の向上」でも紹介した、検索品質の向上です。Qassでは、いろいろなログを組み合わせて分析したり、ランキングデータに活用したりと、ログデータはシステムの中核となっています。 第3回の今回はQassの検索基盤を支えるデータ集計基盤と、それによるデータ可視化、集計したデータを生

    Hadoop+Embulk+Kibanaのデータ集計基盤によるデータ可視化と集計データを活用したキーワードサジェストの仕組み
  • 1