여행하는개발자

핵심 요약: 본 문서는 Elasticsearch 8.18의 혁신적인 기능인 ES|QL의 LOOKUP JOIN을 심층적으로 다룬다. 새로운 'lookup' 인덱스 모드 설정부터 기본 및 복합 조인 쿼리, 보안 및 인프라 모니터링 등 고급 활용 사례, 그리고 기존 ENRICH 방식과의 비교 분석까지, SQL 스타일의 데이터 조인을 마스터하는 데 필요한 모든 것을 제공한다.Elasticsearch는 오랫동안 강력한 검색 및 집계 기능을 제공해왔지만, 서로 다른 인덱스의 데이터를 실시간으로 연결하는 데에는 한계가 있었다. Elasticsearch 8.18에서 ES|QL에 도입된 LOOKUP JOIN 기능은 이러한 패러다임을 완전히 바꾸는 혁신이다. 이제 사용자들은 데이터 인덱싱 시점에 모든 정보를 보강할 필요 ..

핵심 요약: 본 문서는 Elastic Observability AI Assistant를 조직의 내부 데이터(런북, 기술 문서, 과거 인시던트)와 통합하여 차세대 지능형 관찰 가능성 플랫폼을 구축하는 방법을 상세히 다룬다. Knowledge Base 설계, GenAI Connector 설정, 자동화된 지식 수집, AI 기반 하이브리드 검색, 그리고 해결된 인시던트로부터 학습하는 동적 업데이트 파이프라인 구축까지 전 과정을 안내한다.Elastic Observability의 AI Assistant는 그 자체로 강력한 도구이지만, 조직 내부의 축적된 지식과 결합될 때 그 잠재력이 폭발적으로 증가한다. 일반적인 LLM이 제공할 수 없는, 우리 조직만의 컨텍스트를 이해하는 AI를 구축하는 것이 핵심이다. 이 가이드..

핵심 요약: 본 문서는 Elastic Observability 플랫폼의 모든 것을 다루는 포괄적인 가이드이다. LogsDB, AI Assistant, Universal Profiling 등 핵심 기능부터 OpenTelemetry 네이티브 통합, 쿠버네티스 및 클라우드 환경 설정, SLO 및 합성 모니터링 구현까지, 차세대 관찰 가능성 플랫폼을 구축하고 운영하는 데 필요한 모든 기술적 지식과 실제 예제를 제공한다.현대의 분산 시스템과 하이브리드 클라우드 환경은 전례 없는 복잡성을 야기하며, 기존의 사일로화된 모니터링 방식으로는 효과적인 대응이 어렵다. Elastic Observability는 이러한 문제를 해결하기 위해 로그, 메트릭, 트레이스를 단일 통합 데이터 저장소에서 유기적으로 분석하는 차세대 관찰..

핵심 요약: 본 문서는 Elasticsearch의 혁신적인 로그 관리 기술인 LogsDB 인덱스 모드를 상세히 다룬다. 스마트 인덱스 정렬, 고급 압축, 합성 _source 등의 핵심 기술을 통해 로그 데이터 저장 공간을 최대 65%까지 절약하고, 이를 통해 관찰 가능성 및 보안 데이터 관리의 비용 효율성을 극대화하는 방법을 설명한다.관찰 가능성(Observability) 및 보안 팀은 끊임없이 증가하는 로그 데이터와 한정된 예산 사이에서 어려운 싸움을 하고 있다. Elasticsearch의 새로운 인덱스 모드인 LogsDB는 이러한 문제를 해결하기 위해 탄생한 혁신적인 기술이다. LogsDB는 기존 방식 대비 로그 데이터의 저장 공간을 최대 65%까지 획기적으로 줄여주며, 이를 통해 조직은 비용 부담 ..

핵심 요약: 본 문서는 Elasticsearch 8.14 이상 버전의 Open Inference API를 활용하여, Elastic Cloud 또는 Self-Hosted(온프레미스) 환경에서 AlibabaCloud의 AI Search 서비스를 통합하는 포괄적인 가이드를 제공한다. 설치, 설정, 실제 사용 예제부터 고급 활용까지 전 과정을 다룬다.Elasticsearch의 강력한 검색 기능과 AlibabaCloud의 최첨단 AI 서비스를 결합하여 차세대 지능형 검색 솔루션을 구축할 수 있다. 이 가이드는 Elastic의 Open Inference API를 매개로 하여, 사용자가 직접 운영하는 Elasticsearch 환경(클라우드 또는 온프레미스)에서 AlibabaCloud의 텍스트 임베딩, LLM 기반 답..

핵심 요약: 본 문서는 Anthropic의 Model Context Protocol(MCP)을 사용하여 Elasticsearch 데이터와 자연어로 상호작용할 수 있는 MCP 서버를 구축하는 전 과정을 단계별로 설명한다. 이 가이드를 통해 사용자는 복잡한 Query DSL 없이 AI 에이전트로 데이터를 탐색하고 비즈니스 인사이트를 도출하는 방법을 습득할 수 있다. AI 모델을 활용할 때 가장 큰 제약 중 하나는 실시간 외부 데이터 소스에 접근하는 것이다. 기존의 RAG(Retrieval-Augmented Generation) 시스템은 정적인 문서 검색에 그치는 경우가 많지만, Anthropic에서 개발한 오픈 표준인 Model Context Protocol(MCP)는 AI 에이전트가 데이터 소스와 안전한..