Elasticsearch Curator v8.0.19版本发布:新增隐藏索引支持功能
项目简介
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各种索引管理任务,如索引的创建、移除、优化、备份等。作为Elasticsearch生态系统中重要的运维工具,Curator通过简洁的YAML配置文件或命令行界面,让复杂的索引管理操作变得简单高效。
版本亮点:隐藏索引支持
最新发布的v8.0.19版本中,Curator引入了一项重要功能——对隐藏索引的支持。这一改进使得用户现在可以显式地控制Curator是否处理被标记为隐藏的索引。
隐藏索引的背景
在Elasticsearch中,索引可以被标记为"hidden"(隐藏)。这种索引通常用于特定场景,如:
- 系统内部使用的索引
- 作为数据流(data streams)后端的索引
- 不希望直接暴露给终端用户的索引
默认情况下,Elasticsearch的API调用会忽略这些隐藏索引,除非明确指定要包含它们。
新功能详解
配置文件支持
在新版本中,用户可以在Curator配置文件的options部分添加include_hidden参数来控制是否包含隐藏索引:
options:
include_hidden: True
当设置为True时,Curator将在执行操作时考虑隐藏索引;默认情况下或设置为False时,则忽略隐藏索引。
命令行支持
对于使用CLI单例命令的用户,新增了--include-hidden选项。默认行为相当于--no-include-hidden,即不包含隐藏索引。
已知问题与解决方案
在测试过程中发现了一个Elasticsearch本身的潜在问题:当索引名称以点开头(如.my_index),且该索引被设置为隐藏状态时,如果使用同样以点开头的通配符模式(如.my_*)进行搜索,即使设置了expand_wildcards参数包含隐藏索引(open,closed,hidden),该隐藏索引仍可能出现在搜索结果中。
这个问题已经被报告给Elasticsearch团队,在修复之前,建议用户采取以下替代方案:
- 使用更精确的
search_pattern来匹配目标索引 - 通过过滤器明确排除需要保持隐藏的索引
兼容性说明
新版本已经通过Elasticsearch 7.17.25和8.17.2版本的全面测试,确保功能稳定性和兼容性。
技术意义
这一改进为需要管理隐藏索引的用户提供了更大的灵活性,特别是在以下场景中尤为有用:
- 管理数据流背后的隐藏索引
- 对系统索引进行维护操作
- 在复杂环境中精确控制索引生命周期
升级建议
对于需要使用隐藏索引管理功能的用户,建议升级到此版本。升级过程通常只需替换Curator二进制文件或更新安装包,无需额外的数据迁移步骤。
对于不需要处理隐藏索引的用户,可以继续使用现有版本,或升级以获得其他可能的改进和错误修复。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00