Elasticsearch Curator v8.0.18发布:全面兼容Elasticsearch 7.x系列的重大更新
Elasticsearch Curator是一个用于管理Elasticsearch索引的强大工具,它可以帮助用户自动化执行日常的索引管理任务,如创建、优化等操作。最新发布的Curator v8.0.18版本带来了一个重要的改进:全面兼容Elasticsearch 7.14.x及更高版本,这对于仍在使用Elasticsearch 7.x系列的用户来说是一个重大利好。
版本兼容性扩展
Curator v8.0.18通过升级其依赖的es_client库至8.17.2版本,实现了对Elasticsearch 7.14.x及更高版本的全面支持。经过严格测试,该版本已确认可以与Elasticsearch v7.14.0、v7.14.2、v7.17.7、v7.17.25和v7.17.27等版本完美配合工作。虽然由于M系列处理器上的JVM问题(OpenJDK 16至19之间的版本存在兼容性问题)导致无法在MacBook Pro上测试v7.15.x至v7.17.6版本,但由于7.14和7.17系列之间没有影响Curator的API变更,我们有理由相信这些版本也能正常工作。
系统索引默认排除
新版本中,Curator默认会排除系统索引,这一改进增强了操作的安全性。默认排除的系统索引模式包括:
-.kibana*,-.security*,-.watch*,-.triggered_watch*,-.ml*,-.geoip_databases*,-.logstash*,-.tasks*
这一变更减少了意外操作系统索引的风险,特别适合在生产环境中使用。
功能增强
在测试过程中,开发团队发现了一个与恢复功能相关的重要问题。原先的恢复操作类要求用户提供确切的索引名称来进行恢复,而实际上Elasticsearch的恢复API支持使用多目标语法(逗号分隔的模式)来选择和取消选择索引。虽然这种模式匹配功能并未明确禁止使用,但由于无法正确验证和匹配模式而非精确名称,导致功能存在缺陷。
为解决这一问题,开发团队在helpers.utils模块中新增了三个关键函数:
- multitarget_match:用于多目标模式匹配
- multitarget_fix:用于修复多目标模式
- regex_loop:提供正则表达式循环支持
现在,Restore类在其_get_expected_output方法中调用multitarget_match来从列表对象中获取名称,这使得使用模式匹配成为可能,相关测试也已更新以确保这一功能的可靠性。
代码质量提升
本次发布还包含了大量代码风格改进,使其更加符合PEP8规范。这些改进包括:
- 大量注释和代码换行的优化
- 集成测试的相应更新
- 在curator.defaults中新增了VERSION_MAX和VERSION_MIN常量,用于版本兼容性检查(VERSION_MIN设置为7.14.0)
日期数学功能修复
开发团队还修复了包含冒号的日期模式(datemath)的集成测试问题。过去由于Elasticsearch将冒号字符评估为远程索引的潜在指示符,导致这一问题。该问题已在Elasticsearch 8.7.0版本中得到修复。
迁移注意事项
虽然Curator v8可以使用v7版本的动作配置文件,但客户端配置文件需要进行调整。文档中详细说明了这些语法差异,用户在升级时应当仔细阅读相关说明以确保平滑过渡。
这一版本的发布为仍在使用Elasticsearch 7.x系列的用户提供了升级到Curator v8的机会,使他们能够享受到新版本带来的各种改进和增强功能,同时保持与现有Elasticsearch版本的兼容性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00