从2019年4月11日发布7.0到2021年12月8日发布7.16，历时2年8个月，17个功能版本，是Elastic历史上跨度最长，版本最多的系列。 而社区很多用户还停留在5和6版本，对于很多7的新功能并没有全面的了解。在这个主题里面我会把新功能分门别类，并放到具体的业务场景里面去介绍，从而让听众可以高效地掌握这些新功能的设计目的和应用场景。

随着 NLP 技术的持续发展以及对精准搜索越来越频繁的需求，在需要准确理解用户表达和需求的领域，如O2O搜索，舆情监控，用户喜好度分析，问答系统等，往往需要情感分析，命名实体识别，语义搜索，分类分析等自然语言处理技术与 Elasticsearch 一起提供技术支撑。然而过高的技术准入和成本门槛，让很多用户难以简单的快速构架一套方案用于业务尝试。本次分享，以 Elasticsearch 8.0 beta 版本为基础，为大家介绍 Elasticsearch 与 NLP 快速结合的一种简单方案。

企业在使用ELK在应对日志场景的需求时，在成本、日志容灾、冷热多级存储、横向扩展效率、并发性能及稳定性相关问题上，往往需要投入不少集成封装，机器冗余，运维相关的人和资源的投入。阿里云Elasticsearch通过Serverless的方式，充分利用云端的服务化产品能力的优势，帮助企业解决痛点问题，助力企业的数字化转型。

本次分享的主要内容如下：
1. ES 在腾讯的应用简介；
2. 云原生架构之高性价比；
3. 云原生架构之服务化；
4. 云原生架构之多源多模融合。

ES自定义评分及其在广告推荐中的应用
ES应用一：索引自定义评分
ES应用二：检索自定义评分
ES应用三：文本半自动标注
项目应用效益

ES在字节有着非常广泛的应用，不论是常规的全文检索和日志搜索，还是结构化搜索、POI搜索、向量检索均可看见ES的身影。但如何让业务用好ES，依然还是任重道远，本次分享主要介绍ByteES团队在服务全公司业务时所做的一些实践和探索。

在企业业务系统越发复杂的今天，日志的并发量越来越高，传统的ELK架构，受制于Logstash在性能、稳定性上的局限性，在解决日志全观测相关问题时会遇到或多或少的问题。看看阿里云基于EFK(Elasticsearch+Flink+Kibana)的解决方案，是如何解决相关问题的。

Elasticsearch 经常被用于知识图谱的搜索和查询。除了简单的实例数据的检索，如何用 Elasticsearch 实现较高级的知识推理呢？本讲座探讨用ES实现知识图谱语言OWL的部分表达力的一些方法

在迅猛迭代的技术趋势，推陈出新的架构策略，花样百出的数据实践背景下，无论是多中心、分布式，亦或是微服务、云原生，如何审视应用程序运行所依赖的那些看似简单又“深不见底”的软硬资源负载关系和存算复杂又“四分五裂”的数据资源流转关系？此次分享将围绕控制Beat实现对软硬件资源负载关系的数据获取和使用Elasticsearch实现对数据资源流动性任务观测等两个项目实践展开，从而探讨全域数据的取用协同模式及配套工具建设。

图片直播领域为了满足用户快速获取照片的需求，需要人脸搜索的需求。最初用第三方的付费接口，但是有诸多限制，比如人脸库有上限，单次搜索只能返回5个结果，一段时间后已经不满足业务需求。

阿里云 Elasticsearch 面向海量日志的分析检索场景，提供了高性价比的Openstore多级存储解决方案，使总体部署成本降低了60%。