Elastic Cloud on Kubernetes中Beats预定义角色与ECS规范的兼容性改进
在Elastic Stack生态系统中,Elastic Common Schema(ECS)作为一套标准化的数据模型规范,不仅定义了字段名称和类型,还包含了对索引命名模式的标准化要求。ECS规范中定义的data_stream字段明确规定了索引的命名规则,其中data_stream.type字段目前支持"logs"和"metrics"两种类型,未来还将扩展支持"traces"和"synthetics"。
当前在Elastic Cloud on Kubernetes(ECK)项目中,Beats组件的预定义角色权限存在一个与ECS规范不完全兼容的问题。具体表现为:Beats的预定义角色仅允许对以特定Beats类型名称(如filebeat-*)为前缀的索引进行操作,而按照ECS规范,日志类数据应当使用logs-*作为索引前缀。这种不一致性导致用户在使用ECS兼容的索引命名时需要自定义角色权限,而这种自定义又可能在未来集群升级时被覆盖或失效。
相比之下,Logstash组件已经实现了对ECS规范的完整支持,其预定义角色允许创建以logs-*为前缀的索引。这种差异使得Beats用户在遵循ECS规范时面临额外的配置负担。
针对这一问题,社区提出了一个简洁有效的解决方案:在保留现有*beat-*索引权限的同时,为Beats预定义角色添加对logs-*索引模式的支持。这一改进将允许Beats组件既保持向后兼容性,又能无缝支持ECS规范的索引命名方式。
从技术实现角度看,这一变更涉及修改ECK项目中的角色定义文件,具体是在Beats角色的索引权限部分增加logs-*模式。修改后的角色定义将同时包含两种索引模式,确保用户无论采用传统命名还是ECS规范命名都能正常工作。
这一改进具有以下技术优势:
- 提升与ECS规范的兼容性,使Beats组件能够更好地融入Elastic Stack生态系统
- 减少用户配置复杂度,避免因自定义角色带来的维护负担
- 保持向后兼容,不影响现有部署
- 与Logstash等组件保持一致的权限策略
该方案已经获得项目维护者的认可,并计划在后续版本中实现。对于使用ECK部署Elasticsearch集群并希望遵循ECS规范的用户来说,这一改进将显著简化他们的配置工作流程。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00