ElasticSearch-全文检索简介
https://www.elastic.co/cn/what-is/elasticsearch
全文搜索属于最常见的需求，开源的 Elasticsearch 是目前全文搜索引擎的首选。
它可以快速地储存、搜索和分析海量数据。维基百科、 Stack Overflow 、 Github 都采用它
Elastic 的底层是开源库 Lucene 。但是，你没法直接用 Lucene ，必须自己写代码去调用它的
接口。 Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。
REST API ：天然的跨平台。
官方文档： https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html
官方中文： https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html
社区中文：
https://es.xiaoleilu.com/index.html
http://doc.codingdict.com/elasticsearch/0/

一、基本概念

1 、 Index （索引）
动词，相当于 MySQL 中的 insert ；
名词，相当于 MySQL 中的 Database
2 、 Type （类型）
在 Index （索引）中，可以定义一个或多个类型。
类似于 MySQL 中的 Table ；每一种类型的数据放在一起； 3 、 Document （文档）
保存在某个索引（
Index ）下，某种类型（
Type ）的一个数据（ Document ），文档是 JSON 格
式的， Document 就像是 MySQL 中的某个 Table 里面的内容；
4 、倒排索引机制

二、Docker 安装 Es

1、下载镜像文件

docker pull elasticsearch:7.4.2 存储和检索数据
docker pull kibana:7.4.2
可视化检索数据

2、创建实例

1、ElasticSearch

mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data
echo "http.host: 0.0.0.0" >> /mydata/elasticsearch/config/elasticsearch.yml
chmod -R 777 /mydata/elasticsearch/ 保证权限
docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e "discovery.type=single-node" \ -e ES_JAVA_OPTS="-Xms64m -Xmx512m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch: 7.4.2
以后再外面装好插件重启即可；
特别注意：
-e ES_JAVA_OPTS="-Xms64m -Xmx256m" \ 测试环境下，设置 ES 的初始内存和最大内存，否则导
致过大启动不了 ES

2、Kibana

docker run --name kibana -e ELASTICSEARCH_HOSTS= http://192.168.56.10:9200 -p 5601:5601 \
-d kibana:7.4.2
http://192.168.56.10:9200 一定改为自己虚拟机的地址

三、初步检索

1、_cat

GET /_cat/nodes ：查看所有节点
GET /_cat/health ：查看 es 健康状况
GET /_cat/master ：查看主节点
GET /_cat/indices ：查看所有索引
show databases;

2、索引一个文档（保存）

保存一个数据，保存在哪个索引的哪个类型下，指定用哪个唯一标识
PUT customer/external/1 ；在 customer 索引下的 external 类型下保存 1 号数据为
PUT customer/external/1 {
"name": "John Doe"
}
PUT 和 POST 都可以，
POST 新增。如果不指定 id ，会自动生成 id 。指定 id 就会修改这个数据，并新增版本号
PUT 可以新增可以修改。 PUT 必须指定 id ；由于 PUT 需要指定 id ，我们一般都用来做修改
操作，不指定 id 会报错。

3、查询文档

GET customer/external/1
结果：
{
"_index": "customer",
// 在哪个索引
"_type": "external",
// 在哪个类型
"_id": "1",
// 记录 id
"_version": 2,
// 版本号
"_seq_no": 1,
// 并发控制字段，每次更新就会 +1 ，用来做乐观锁
"_primary_term": 1,
// 同上，主分片重新分配，如重启，就会变化
"found": true,
"_source": {
// 真正的内容
"name": "John Doe"
}
}
更新携带 ?if_seq_no=0&if_primary_term=1

4、更新文档

POST customer/external/1/_update
{
"doc":{
"name": "John Doew"
}
}
或者
POST customer/external/1
{
"name": "John Doe2"
}
或者 PUT customer/external/1
{
"name": "John Doe"
}
不同： POST 操作会对比源文档数据，如果相同不会有什么操作，文档 version 不增加
PUT 操作总会将数据重新保存并增加 version 版本；
带 _update 对比元数据如果一样就不进行任何操作。
看场景；
对于大并发更新，不带 update ；
对于大并发查询偶尔更新，带 update ；对比更新，重新计算分配规则。
更新同时增加属性
POST customer/external/1/_update
{
"doc": { "name": "Jane Doe", "age": 20 }
}
PUT 和 POST 不带 _update 也可以

5、删除文档&索引

DELETE customer/external/1
DELETE customer

6、bulk 批量 API

POST customer/external/_bulk
{"index":{"_id":"1"}}
{"name": "John Doe" }
{"index":{"_id":"2"}}
{"name": "Jane Doe" }
语法格式：
{ action: { metadata }}\n
{ request body
}\n
{ action: { metadata }}\n
{ request body
}\n
复杂实例：
POST /_bulk
{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "create": { "_index": "website", "_type": "blog", "_id": "123" }} { "title":
"My first blog post" }
{ "index": { "_index": "website", "_type": "blog" }}
{ "title":
"My second blog post" }
{ "update": { "_index": "website", "_type": "blog", "_id": "123", "_retry_on_conflict" : 3} }
{ "doc" : {"title" : "My updated blog post"} }
bulk API 以此按顺序执行所有的 action （动作）。如果一个单个的动作因任何原因而失败，
它将继续处理它后面剩余的动作。当 bulk API 返回时，它将提供每个动作的状态（与发送
的顺序相同），所以您可以检查是否一个指定的动作是不是失败了。

7、样本测试数据

准备了一份顾客银行账户信息的虚构的 JSON 文档样本。每个文档都有下列的 schema
（模式） :
{
"account_number": 0,
"balance": 16623,
"firstname": "Bradshaw",
"lastname": "Mckenzie",
"age": 29,
"gender": "F",
"address": "244 Columbus Place",
"employer": "Euron",
"email": "bradshawmckenzie@euron.com",
"city": "Hobucken",
"state": "CO"
}
https://github.com/elastic/elasticsearch/blob/master/docs/src/test/resources/accounts.json?raw
=true 导入测试数据
POST bank/account/_bulk
测试数据

四、进阶检索

1、SearchAPI

ES 支持两种基本方式检索 :
一个是通过使用 REST request URI 发送搜索参数（
uri+ 检索参数）
另一个是通过使用 REST request body 来发送它们（
uri+ 请求体） 1 ）、检索信息
一切检索从 _search 开始
GET bank/_search
检索 bank 下所有信息，包括 type 和 docs
GET bank/_search?q=*&sort=account_number:asc
请求参数方式检索
响应结果解释：
took - Elasticsearch 执行搜索的时间（毫秒）
time_out - 告诉我们搜索是否超时
_shards - 告诉我们多少个分片被搜索了，以及统计了成功 / 失败的搜索分片
hits - 搜索结果
hits.total - 搜索结果
hits.hits - 实际的搜索结果数组（默认为前 10 的文档）
sort - 结果的排序 key （键）（没有则按 score 排序）
score 和 max_score – 相关性得分和最高得分（全文检索用）
uri+ 请求体进行检索
GET bank/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"account_number": {
"order": "desc"
}
}
]
}
HTTP 客户端工具（
POSTMAN ）， get 请求不能携带请求体，我们变为 post 也是一样的
我们 POST 一个 JSON 风格的查询请求体到 _search API 。
需要了解，一旦搜索的结果被返回， Elasticsearch 就完成了这次请求，并且不会维护任何
服务端的资源或者结果的 cursor （游标）

2、Query DSL

1 ）、基本语法格式
Elasticsearch 提供了一个可以执行查询的 Json 风格的 DSL （
domain-specific language 领域特
定语言）。这个被称为 Query DSL 。该查询语言非常全面，并且刚开始的时候感觉有点复杂，
真正学好它的方法是从一些基础的示例开始的。
一个查询语句 的典型结构 {
QUERY_NAME: {
ARGUMENT: VALUE,
ARGUMENT: VALUE,...
}
}
如果是针对某个字段，那么它的结构如下：
{
QUERY_NAME: {
FIELD_NAME: {
ARGUMENT: VALUE,
ARGUMENT: VALUE,...
}
}
}
GET bank/_search
{
"query": {
"match_all": {}
},
"from": 0,
"size": 5,
"sort": [
{
"account_number": {
"order": "desc"
}
}
]
}
 query 定义如何查询，
 match_all 查询类型【代表查询所有的所有】， es 中可以在 query 中组合非常多的查
询类型完成复杂查询
除了 query 参数之外，我们也可以 传递其它的参数以改变查询结果 。如 sort ， size
 from+size 限定，完成分页功能
 sort 排序，多字段排序，会在前序字段相等时后续字段内部排序，否则以前序为准
2 ）、返回部分字段
GET bank/_search
{
"query": { "match_all": {}
},
"from": 0,
"size": 5,
"_source": ["age","balance"]
}
3 ）、 match 【匹配查询】
基本类型（非字符串），精确匹配
GET bank/_search
{
"query": {
"match": {
"account_number": "20"
}
}
}
match 返回 account_number=20 的
字符串，全文检索
GET bank/_search
{
"query": {
"match": {
"address": "mill"
}
}
}
最终查询出 address 中包含 mill 单词的所有记录
match 当搜索字符串类型的时候，会进行全文检索，并且每条记录有相关性得分。
字符串，多个单词（分词 + 全文检索）
GET bank/_search
{
"query": {
"match": {
"address": "mill road"
}
}
}
最终查询出 address 中包含 mill 或者 road 或者 mill road 的所有记录，并给出相关性得分 4 ）、 match_phrase 【短语匹配】
将需要匹配的值当成一个整体单词（不分词）进行检索
GET bank/_search
{
"query": {
"match_phrase": {
"address": "mill road"
}
}
}
查出 address 中包含 mill road 的所有记录，并给出相关性得分
5 ）、 multi_match 【多字段匹配】
GET bank/_search
{
"query": {
"multi_match": {
"query": "mill",
"fields": ["state","address"]
}
}
}
state 或者 address 包含 mill
6 ）、 bool 【复合查询】
bool 用来做复合查询：
复合语句可以合并 任何 其它查询语句，包括复合语句，了解这一点是很重要的。这就意味
着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。
must ：必须达到 must 列举的所有条件
GET bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } }, { "match": { "gender": "M" } }
]
}
}
}
should ：应该达到 should 列举的条件，如果达到会增加相关文档的评分 ，并不会改变
查询的结果。如果 query 中只有 should 且只有一种匹配规则，那么 should 的条件就会
被作为默认匹配条件而去改变查询结果
GET bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } },
{ "match": { "gender": "M" } }
],
"should": [
{"match": { "address": "lane" }}
]
}
}
}
must_not 必须不是指定的情况
GET bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } },
{ "match": { "gender": "M" } }
],
"should": [
{"match": { "address": "lane" }}
],
"must_not": [
{"match": { "email": "baluba.com" }}
]
}
} }
address 包含 mill ，并且 gender 是 M ，如果 address 里面有 lane 最好不过，但是 email 必
须不包含 baluba.com
7 ）、 filter 【结果过滤】
并不是所有的查询都需要产生分数，特别是那些仅用于 “ filtering ” （过滤）的文档。为了不
计算分数 Elasticsearch 会自动检查场景并且优化查询的执行。
GET bank/_search
{
"query": {
"bool": {
"must": [
{"match": { "address": "mill"}}
],
"filter": {
"range": {
"balance": {
"gte": 10000,
"lte": 20000
}
}
}
}
}
}
8 ）、 term
和 match 一样。匹配某个属性的值。 全文检索字段用 match ， 其他非 text 字段匹配用 term 。 GET bank/_search
{
"query": {
"bool": {
"must": [
{"term": {
"age": {
"value": "28"
}
}},
{"match": {
"address": "990 Mill Road"
}}
]
}
}
}
9 ）、 aggregations （执行聚合）
聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于 SQL GROUP
BY 和 SQL 聚合函数。在 Elasticsearch 中，您有执行搜索返回 hits （命中结果），并且同时返
回聚合结果，把一个响应中的所有 hits （命中结果）分隔开的能力。这是非常强大且有效的，
您可以执行查询和多个聚合，并且在一次使用中得到各自的（任何一个的）返回结果，使用
一次简洁和简化的 API 来避免网络往返。
搜索 address 中包含 mill 的所有人的年龄分布以及平均年龄，但不显示这些人的详情。
GET bank/_search
{
"query": {
"match": {
"address": "mill"
}
},
"aggs": {
"group_by_state": {
"terms": {
"field": "age"
}
},
"avg_age": {
"avg": { "field": "age"
}
}
},
"size": 0
}
size ： 0 不显示搜索数据
aggs ：执行聚合。聚合语法如下
"aggs": {
"aggs_name 这次聚合的名字，方便展示在结果集中 ": {
"AGG_TYPE 聚合的类型（
avg,term,terms ） ": {}
}
},
复杂：
按照年龄聚合，并且请求这些年龄段的这些人的平均薪资
GET bank/account/_search
{
"query": {
"match_all": {}
},
"aggs": {
"age_avg": {
"terms": {
"field": "age",
"size": 1000
},
"aggs": {
"banlances_avg": {
"avg": {
"field": "balance"
}
}
}
}
}
,
"size": 1000
}
复杂：查出所有年龄分布，并且这些年龄段中 M 的平均薪资和 F 的平均薪资以及这个年龄
段的总体平均薪资
GET bank/account/_search {
"query": {
"match_all": {}
},
"aggs": {
"age_agg": {
"terms": {
"field": "age",
"size": 100
},
"aggs": {
"gender_agg": {
"terms": {
"field": "gender.keyword",
"size": 100
},
"aggs": {
"balance_avg": {
"avg": {
"field": "balance"
}
}
}
},
"balance_avg":{
"avg": {
"field": "balance"
}
}
}
}
}
,
"size": 1000
} 3 、 Mapping
1 ）、字段类型
2 ）、映射
Mapping （映射）
Mapping 是用来定义一个文档（
document ），以及它所包含的属性（
field ）是如何存储和
索引的 。比如，使用 mapping 来定义：
哪些字符串属性应该被看做全文本属性（
full text fields ）。
哪些属性包含数字，日期或者地理位置。
文档中的所有属性是否都能被索引（
_all 配置）。
日期的格式。
自定义映射规则来执行动态添加属性。
查看 mapping 信息：
GET bank/_mapping
修改 mapping 信息
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html
自动猜测的映射类型
3 ）、新版本改变
Es7 及以上移除了 type 的概念。
关系型数据库中两个数据表示是独立的，即使他们里面有相同名称的列也不影响使用，
但 ES 中不是这样的。 elasticsearch 是基于 Lucene 开发的搜索引擎，而 ES 中不同 type
下名称相同的 filed 最终在 Lucene 中的处理方式是一样的。
两个不同 type 下的两个 user_name ，在 ES 同一个索引下其实被认为是同一个 filed ，
你必须在两个不同的 type 中定义相同的 filed 映射。否则，不同 type 中的相同字段
名称就会在处理中出现冲突的情况，导致 Lucene 处理效率下降。
去掉 type 就是为了提高 ES 处理数据的效率。
Elasticsearch 7.x
 URL 中的 type 参数为可选。比如，索引一个文档不再要求提供文档类型。
Elasticsearch 8.x
不再支持 URL 中的 type 参数。
解决：
1 ）、将索引从多类型迁移到单类型，每种类型文档一个独立索引
2 ）、将已存在的索引下的类型数据，全部迁移到指定位置即可。详见数据迁移
1 、创建映射
1 、创建索引并指定映射
PUT /my-index
{
"mappings": {
"properties": { "age":
{ "type": "integer" },
"email": { "type": "keyword" },
"name":
{ "type": "text" }
}
}
}
2 、添加新的字段映射
PUT /my-index/_mapping
{
"properties": {
"employee-id": {
"type": "keyword",
"index": false
}
}
}
3 、更新映射
对于已经存在的映射字段，我们不能更新。更新必须创建新的索引进行数据迁移
4 、数据迁移
先创建出 new_twitter 的正确映射。然后使用如下方式进行数据迁移
POST _reindex [ 固定写法 ]
{
"source": {
"index": "twitter"
},
"dest": {
"index": "new_twitter"
}
}
将旧索引的 type 下的数据进行迁移
POST _reindex
{
"source": { "index": "twitter",
"type": "tweet"
},
"dest": {
"index": "tweets"
}
}
4 、分词
一个 tokenizer （分词器）接收一个字符流，将之分割为独立的 tokens （词元，通常是独立
的单词），然后输出 tokens 流。
例如， whitespace tokenizer 遇到空白字符时分割文本。它会将文本 " Quick brown fox! " 分割
为 [ Quick , brown , fox! ] 。
该 tokenizer （分词器）还负责记录各个 term （词条）的顺序或 position 位置（用于 phrase 短
语和 word proximity 词近邻查询），以及 term （词条）所代表的原始 word （单词）的 start
（起始）和 end （结束）的 character offsets （字符偏移量）（用于高亮显示搜索的内容）。
Elasticsearch 提供了很多内置的分词器，可以用来构建 custom analyzers （自定义分词器）。
1 ）、安装 ik 分词器
注意： 不能用默认 elasticsearch-plugin install xxx.zip 进行自动安装
https://github.com/medcl/elasticsearch-analysis-ik/releases?after=v6.4.2 对应 es 版本安装
进入 es 容器内部 plugins 目录
docker exec -it 容器 id /bin/bash
wget
https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-anal
ysis-ik-7.4.2.zip
unzip 下载的文件
rm –rf *.zip
mv elasticsearch/ ik
可以确认是否安装好了分词器
cd ../bin
elasticsearch plugin list ：即可列出系统的分词器
2 ）、测试分词器
使用默认
POST _analyze
{
"text": " 我是中国人 "
}
请观察结果
使用分词器
POST _analyze
{ "analyzer": "ik_smart",
"text": " 我是中国人 "
}
请观察结果
另外一个分词器
ik_max_word
POST _analyze
{ "analyzer": "ik_max_word",
"text": " 我是中国人 "
}
请观察结果
能够看出不同的分词器，分词有明显的区别，所以以后定义一个索引不能再使用默
认的 mapping 了，要手工建立 mapping, 因为要选择分词器。
3 ）、自定义词库
修改 /usr/share/elasticsearch/plugins/ik/config/ 中的 IKAnalyzer.cfg.xml
/usr/share/elasticsearch/plugins/ik/config
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 扩展配置 </comment>
<!-- 用户可以在这里配置自己的扩展字典 -->
<entry key="ext_dict"></entry>
<!-- 用户可以在这里配置自己的扩展停止词字典 -->
<entry key="ext_stopwords"></entry>
<!-- 用户可以在这里配置远程扩展字典 -->
<entry key="remote_ext_dict"> http://192.168.128.130/fenci/myword.txt </entry>
<!-- 用户可以在这里配置远程扩展停止词字典 -->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
原来的 xml
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 扩展配置 </comment> <!-- 用户可以在这里配置自己的扩展字典 -->
<entry key="ext_dict"></entry>
<!-- 用户可以在这里配置自己的扩展停止词字典 -->
<entry key="ext_stopwords"></entry>
<!-- 用户可以在这里配置远程扩展字典 -->
<!-- <entry key="remote_ext_dict">words_location</entry> -->
<!-- 用户可以在这里配置远程扩展停止词字典 -->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
按照标红的路径利用 nginx 发布静态资源 , 按照请求路径，创建对应的文件夹以及文件，放在
nginx 的 html 下
然后重启 es 服务器，重启 nginx 。
在 kibana 中测试分词效果
更新完成后， es 只会对新增的数据用新词分词。历史数据是不会重新分词的。如果想要历
史数据重新分词。需要执行：
POST my_index/_update_by_query?conflicts=proceed
五、 Elasticsearch-Rest-Client
1 ）、 9300 ： TCP
  spring-data-elasticsearch:transport-api.jar ；
  springboot 版本不同， transport-api.jar 不同，不能适配 es 版本  7.x 已经不建议使用， 8 以后就要废弃
2 ）、 9200 ： HTTP
JestClient ：非官方，更新慢
RestTemplate ：模拟发 HTTP 请求， ES 很多操作需要自己封装，麻烦
HttpClient ：同上
Elasticsearch-Rest-Client ：官方 RestClient ，封装了 ES 操作， API 层次分明，上手简单
最终选择 Elasticsearch-Rest-Client （
elasticsearch-rest-high-level-client ）
https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html
1 、 SpringBoot 整合
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
<version>7.4.2</version>
</dependency>
2 、配置
@Bean
RestHighLevelClient client() {
RestClientBuilder builder = RestClient.builder(new HttpHost("192.168.56.10", 9200,
"http"));
return new RestHighLevelClient(builder);
}
3 、使用
参照官方文档：
@Test
void test1() throws IOException {
Product product = new Product();
product.setSpuName(" 华为 ");
product.setId(10L);
IndexRequest request = new IndexRequest("product").id("20")
.source("spuName"," 华为 ","id",20L);
try {
IndexResponse response = client.index(request, RequestOptions.DEFAULT);
System.out.println(request.toString()); IndexResponse response2 = client.index(request, RequestOptions.DEFAULT);
} catch (ElasticsearchException e) {
if (e.status() == RestStatus.CONFLICT) {
}
}
}
六、附录 - 安装 nginx
随便启动一个 nginx 实例，只是为了复制出配置
docker run -p 80:80 --name nginx -d nginx:1.10
将容器内的配置文件拷贝到当前目录： docker container cp nginx:/etc/nginx .
别忘了后面的点
修改文件名称： mv nginx conf 把这个 conf 移动到 /mydata/nginx 下
终止原容器： docker stop nginx
执行命令删除原容器： docker rm $ContainerId
创建新的 nginx ；执行以下命令
docker run -p 80:80 --name nginx \
-v /mydata/nginx/html:/usr/share/nginx/html \
-v /mydata/nginx/logs:/var/log/nginx \
-v /mydata/nginx/conf:/etc/nginx \
-d nginx:1.10
给 nginx 的 html 下面放的所有资源可以直接访问；

Elsticsearch相关推荐

  1. 搭建elsticsearch集群 报错 failed to send join request to master [{data-node-0}(已经测试)

    版权声明:本文为博主原创文章,未经博主允许不得转载.    https://blog.csdn.net/qq_24879495/article/details/77718032 搭建elsticsea ...

  2. filebeat收集日志到elsticsearch中并使用ingest node的pipeline处理

    filebeat收集日志到elsticsearch中 一.需求 二.实现 1.filebeat.yml 配置文件的编写 2.创建自定义的索引模板 3.加密连接到es用户的密码 1.创建keystore ...

  3. 架构设计：Vue+nginx+jwt+zuul+eureka+ribbon+hystrix+rabbitmq+mysql集群+redis集群+elsticsearch集群

  4. ELK5.3环境部署

    1.环境说明 服务器角色: 192.168.50.211         kafka+zookeeper 192.168.50.212          kafka+zookeeper 192.168 ...

  5. 配置三台服务器组成的ELK集群（二）

    上一篇里主要是介绍了ES和ES-Head的安装过程,这一篇继续介绍ELK集群的其他核心组件安装过程. 五.安装Logstash: 本案的Logstash安装在10.113.130.117上:燃鹅,Lo ...

  6. 如何爬取了知乎用户信息，并做了简单的分析

    转载请标明出处: http://blog.csdn.net/forezp/article/details/68951699 本文出自方志朋的博客 一.使用的技术栈: 爬虫:python27 +requ ...

  7. Kafka：ZK+Kafka+Spark Streaming集群环境搭建（十九）ES6.2.2 安装Ik中文分词器

    注: elasticsearch 版本6.2.2 1)集群模式,则每个节点都需要安装ik分词,安装插件完毕后需要重启服务,创建mapping前如果有机器未安装分词,则可能该索引可能为RED,需要删除后 ...

  8. Elasticsearch高级（Shards、高可用集群搭建）

    一.ES核心概念 1. ES基本概念名词: Cluster 代表一个集群,集群中有多个节点,其中有一个为主节点,这个主节点是可以通过选举产生的,主从节点是对于集群内部来说的.es的一个概念就是去中心化 ...

  9. 23_深度探秘搜索技术_best fields策略的dis_max、tie_breaker参数以及multi_match语法

    目录 一.引入dis_max 实现best fields 的必要性 1.使用bulk批量添加测试数据 2.搜索title或content中包含java或solution的帖子 3.结果分析 二.bes ...

最新文章

  1. python爬虫之Scrapy框架的post请求和核心组件的工作 流程
  2. android 的listview 3大优化策略
  3. 如何通过其他主机查看Apahce服务器的运行状态
  4. ST单片机使用ST Visual Programmer软件烧录程序简易教程
  5. sdut 2136 数据结构实验之二叉树的建立与遍历
  6. luogu1347 排序
  7. [转] .NET 3.5中MSChart组件的ImageLocation属性含义
  8. 服务器日志记录_5种改善服务器日志记录的技术
  9. 我从参加#PerfMatters会议中学到的东西
  10. 利用FPGA加速实现高性能计算
  11. 广联达文件被锁怎么修复_事无巨细的绕过Apple id教程+修复蜂窝数据/电话
  12. 信息学奥赛一本通C++语言——1006：A+B问题
  13. 在不如意的世界里全力以赴_我如何在“外展之旅”中全力以赴
  14. sql单表简单的分页脚本
  15. 精通那么多技术，你为何还是受不到重用？
  16. java循环第四次处理_JAVA第四次实验
  17. Ubuntu 安装 tensorflow-gpu 1.4 包含 CUDA 8.0 和cuDNN
  18. java pdf绘图_Java 在PDF文档中绘制图形
  19. Python: 模糊综合评价法
  20. iOS App 性能优化总结

热门文章

  1. MAC地址更改----校园网MAC绑定破解
  2. com域名和cn域名net域名的区别是什么
  3. 三维空间点集的最小外接矩形
  4. Flutter Clip剪裁组件
  5. 数据科学家定位和职业规划
  6. 农地里怒放的生命：常锋植保无人机
  7. 存在哪些生物信息学子领域？
  8. 不知道吃什么？来个随即点餐，点到啥吃啥！
  9. 企业培训考试、知识竞赛、考评考核，倾力支持
  10. C语言程序之经典习题：给出一百分制成绩,要求输出成绩等级‘A‘B ‘C‘D‘E ‘,90 分以上为‘A”，80~89 分为‘B‘,70~79 分为‘C‘,60~69 分为‘D‘,60 分以下为‘E‘