商城-商品搜索（Elasticsearch、IK分词器、Kibana使用）

最新推荐文章于 2024-03-14 11:42:30 发布
最新推荐文章于 2024-03-14 11:42:30 发布
阅读量634 收藏 5
点赞数
分类专栏： 畅购商城
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ZHOU_VIP/article/details/118001100
版权

1. Elasticsearch安装

本章节将采用Docker安装，不过在市面上还有很多采用linxu安装，关于linux安装，已经提供了安装手册，这里就不讲了。

(1)docker镜像下载

docker pull elasticsearch:5.6.8

查看已经安装好了，所以在此我不安装了

(2)安装es容器

docker run -di --name=changgou_elasticsearch -p 9200:9200 -p 9300:9300 elasticsearch:5.6.8

9200端口(Web管理平台端口) 9300(服务默认端口)

浏览器输入地址访问：http://192.168.2.132:9200/

(3)开启远程连接

上面完成安装后，es并不能正常使用，elasticsearch从5版本以后默认不开启远程连接，程序直接连接会报如下错误：

failed to load elasticsearch nodes : org.elasticsearch.client.transport.NoNodeAvailableException: None of the configured nodes are available: [{#transport#-1}{5ttLpMhkRjKLkvoY7ltUWg}{192.168.211.132}{192.168.211.132:9300}]

我们需要修改es配置开启远程连接，代码如下：

登录容器

docker exec -it changgou_elasticsearch /bin/bash

进入config目录

修改elasticsearch.yml配置

同时添加下面一行代码：

cluster.name: my-application

 跨域配置

http.cors.enabled: true
http.cors.allow-origin: "*"
network.host: 192.168.2.132

其中：

http.cors.enabled: true：此步为允许elasticsearch跨域访问，默认是false。

http.cors.allow-origin: "*"：表示跨域访问允许的域名地址（*表示任意）。 

重启docker

docker restart changgou_elasticsearch

(4)系统参数配置

重启后发现重启启动失败了，这时什么原因呢？这与我们刚才修改的配置有关，因为elasticsearch在启动的时候会进行一些检查，比如最多打开的文件的个数以及虚拟内存区域数量等等，

如果你放开了此配置，意味着需要打开更多的文件以及虚拟内存，所以我们还需要系统调优

修改vi /etc/security/limits.conf ，追加内容 (nofile是单个进程允许打开的最大文件个数 soft nofile 是软限制 hard nofile是硬限制 )

* soft nofile 65536
* hard nofile 65536

修改vi /etc/sysctl.conf，追加内容 (限制一个进程可以拥有的VMA(虚拟内存区域)的数量)

vm.max_map_count=655360

执行下面命令 修改内核参数马上生效

sysctl -p

重新启动虚拟机，再次启动容器，发现已经可以启动并远程访问

reboot

小提示：如果想让容器开启重启，可以执行下面命令

docker update --restart=always 容器名称或者容器id

2. IK分词器安装

(1)安装ik分词器

IK分词器下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

找到自己需要的版本5.6.8，下载

将ik分词器上传到服务器上，老师没讲，可以参考网上的步骤：https://www.cnblogs.com/dazhan/p/9371818.html，等项目做完了试下

查找所有容器

docker ps -a

找出我们想要的容器名字 ，查找容器长ID

docker inspect -f '{{.ID}}' XXXX

拷贝本地文件到容器

docker cp 本地路径 容器长ID:容器路径，请注意，两边路径都要加上文件名+文件后缀

docker cp /Users/xubowen/Desktop/auto-post-advance.py 07f22eb41bb5f34c56af95b9258e3228283cbf4b77d3041a750503b836e7f869:/root/auto-post-advance.py

------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

查看已经拷贝好了

然后解压，并改名字为ik

将ik目录拷贝到docker容器的plugins目录下

(2)IK分词器测试

访问：http://192.168.2.132:9200/_analyze?analyzer=ik_smart&pretty=true&text=我是程序员

访问：http://192.168.2.132:9200/_analyze?analyzer=ik_max_word&pretty=true&text=我是程序员

补充知识：

ES可视化插件ES-HEAD也已经安装好了

但是我们打算换一个专业的工具

3. Kibana使用-掌握DSL语句

我们上面使用的是elasticsearch-head插件实现数据查找的，但是elasticsearch-head的功能比较单一，我们这里需要一个更专业的工具实现对日志的实时分析，也就是我们接下来要讲的kibana。

Kibana 是一款开源的数据分析和可视化平台，它是 Elastic Stack 成员之一，设计用于和 Elasticsearch 协作。您可以使用 Kibana 对 Elasticsearch 索引中的数据进行搜索、查看、交互操作。

您可以很方便的利用图表、表格及地图对数据进行多元化的分析和呈现。

Kibana 可以使大数据通俗易懂。它很简单，基于浏览器的界面便于您快速创建和分享动态数据仪表板来追踪 Elasticsearch 的实时数据变化。

搭建 Kibana 非常简单。您可以分分钟完成Kibana 的安装并开始探索 Elasticsearch 的索引数据 — 没有代码、不需要额外的基础设施。

Kibana下载安装

我们项目中不再使用linux，直接使用Docker，所有这里就不演示在windows的下载安装了。

(1)镜像下载

docker pull docker.io/kibana:5.6.8

为了节省时间，虚拟机中已经存在该版本的镜像了

(2)安装kibana容器

由于已经安装好了，所以我先停用，然后移除

//停用

docker stop kibana

//移除

docker rm kibana

执行如下命令，开始安装kibana容器

docker run -it -d -e ELASTICSEARCH_URL=http://192.168.2.132:9200 --name kibana --restart=always -p 5601:5601 kibana:5.6.8

ELASTICSEARCH_URL=http://192.168.2.132:9200：是指链接的ES地址

restart=always:每次服务都会重启，也就是开启启动

5601:5601:端口号

(3)访问测试

访问http://192.168.2.132:5601如下：

---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

DSL语句使用

Query DSL结构化查询介绍

Query DSL是一个Java开源框架用于构建类型安全的SQL查询语句。采用API代替传统的拼接字符串来构造查询语句。

目前Querydsl支持的平台包括JPA,JDO，SQL，Java Collections，RDF，Lucene，Hibernate Search。elasticsearch提供了一整套基于JSON的查询DSL语言来定义查询。

Query DSL当作是一系列的抽象的查询表达式树(AST)特定查询能够包含其它的查询，(如 bool ), 有些查询能够包含过滤器(如 constant_score),

还有的可以同时包含查询和过滤器 (如 filtered). 都能够从ES支持查询集合里面选择任意一个查询或者是从过滤器集合里面挑选出任意一个过滤器,

这样的话，我们就可以构造出任意复杂（maybe 非常有趣）的查询了。

索引操作

(1)查询所有索引

GET /_cat/indices?v

结果如下：

(2)删除某个索引

DELETE /userinfo

(3)新增索引

PUT /user

(4)创建映射

PUT /user/userinfo/_mapping
{
  "properties": {
    "name":{
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart",
      "store": false
    },
    "city":{
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart",
      "store": false
    },
    "age":{
      "type": "long",
      "store": false
    },
    "description":{
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart",
      "store": false
    }
  }
}

(5)新增文档数据

PUT /user/userinfo/1
{
  "name":"李四",
  "age":22,
  "city":"深圳",
  "description":"李四来自湖北武汉！"
}

我们再增加3条记录：

#新增文档数据 id=2
PUT /user/userinfo/2
{
  "name":"王五",
  "age":35,
  "city":"深圳",
  "description":"王五家住在深圳！"
}

#新增文档数据 id=3
PUT /user/userinfo/3
{
  "name":"张三",
  "age":19,
  "city":"深圳",
  "description":"在深圳打工，来自湖北武汉"
}

#新增文档数据 id=4
PUT /user/userinfo/4
{
  "name":"张三丰",
  "age":66,
  "city":"武汉",
  "description":"在武汉读书，家在武汉！"
}

#新增文档数据 id=5
PUT /user/userinfo/5
{
  "name":"赵子龙",
  "age":77,
  "city":"广州",
  "description":"赵子龙来自深圳宝安，但是在广州工作！",
  "address":"广东省茂名市"
}

#新增文档数据 id=6
PUT /user/userinfo/6
{
  "name":"赵毅",
  "age":55,
  "city":"广州",
  "description":"赵毅来自广州白云区，从事电子商务8年！"
}

#新增文档数据 id=7
PUT /user/userinfo/7
{
  "name":"赵哈哈",
  "age":57,
  "city":"武汉",
  "description":"武汉赵哈哈，在深圳打工已有半年了，月薪7500！"
}

(6)修改数据

a.替换操作

更新数据可以使用之前的增加操作,这种操作会将整个数据替换掉，代码如下：

#更新数据,id=4
PUT /user/userinfo/4
{
  "name":"张三丰",
  "description":"在武汉读书，家在武汉！在深圳工作！"
}

使用GET命令查看：

#根据ID查询
GET /user/userinfo/4

b.更新操作

我们先使用下面命令恢复数据：

#恢复文档数据 id=4
PUT /user/userinfo/4
{
  "name":"张三丰",
  "age":66,
  "city":"武汉",
  "description":"在武汉读书，家在武汉！"
}

使用POST更新某个列的数据

#使用POST更新某个域的数据
POST /user/userinfo/4/_update
{
  "doc":{
    "name":"张三丰",
    "description":"在武汉读书，家在武汉！在深圳工作！"
  }
}

使用GET命令查看：

#根据ID查询
GET /user/userinfo/4

(7)删除Document

#删除数据
DELETE user/userinfo/7

数据查询

(1)查询所有数据

(2)根据ID查询

#根据ID查询
GET /user/userinfo/2

(3)Sort排序

#搜索排序
GET /user/_search
{
  "query":{
    "match_all": {}
  },
  "sort":{
    "age":{
      "order":"desc"
    }
  }
}

(4)分页

#分页实现
GET /user/_search
{
  "query":{
    "match_all": {}
  },
  "sort":{
    "age":{
      "order":"desc"
    }
  },
  "from": 0,
  "size": 2
}

解释：

from:从下N的记录开始查询

size:每页显示条数

过滤查询

(1)term过滤

term主要用于分词精确匹配，如字符串、数值、日期等（不适合情况：1.列中除英文字符外有其它值 2.字符串值中有冒号或中文 3.系统自带属性如_version）

#过滤查询-term
GET _search
{
  "query":{
    "term":{
      "city":"武汉"
    }
  }
}

(2)terms 过滤

terms 跟 term 有点类似，但 terms 允许指定多个匹配条件。 如果某个字段指定了多个值，那么文档需要一起去做匹配 。

#过滤查询-terms 允许多个Term
GET _search
{
  "query":{
    "terms":{
      "city":
        [
          "武汉",
          "广州"
        ]
    }
  }
}

(3) range 过滤

range过滤允许我们按照指定范围查找一批数据。例如我们查询年龄范围

#过滤-range 范围过滤
#gt表示> gte表示=>
#lt表示< lte表示<=
GET _search
{
  "query":{
    "range": {
      "age": {
        "gte": 30,
        "lte": 57
      }
    }
  }
}

(4)exists过滤

exists 过滤可以用于查找拥有某个域的数据

#过滤搜索 exists：是指包含某个域的数据检索
GET _search
{
  "query": {
    "exists":{
      "field":"address"
    }
  }
}

(5) bool 过滤

bool 过滤可以用来合并多个过滤条件查询结果的布尔逻辑，它包含一下操作符：

  • must : 多个查询条件的完全匹配,相当于 and。
  • must_not : 多个查询条件的相反匹配，相当于 not。
  • should : 至少有一个查询条件匹配, 相当于 or。

这些参数可以分别继承一个过滤条件或者一个过滤条件的数组：

#过滤搜索 bool 
#must : 多个查询条件的完全匹配,相当于 and。
#must_not : 多个查询条件的相反匹配，相当于 not。
#should : 至少有一个查询条件匹配, 相当于 or。
GET _search
{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "city": {
              "value": "深圳"
            }
          }
        },
        {
          "range":{
            "age":{
              "gte":20,
              "lte":99
            }
          }
        }
      ]
    }
  }
}

(6) match_all 查询

可以查询到所有文档，是没有查询条件下的默认语句。

#查询所有 match_all
GET _search
{
  "query": {
    "match_all": {}
  }
}

(7) match 查询

match查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。

如果你使用 match 查询一个全文本字段，它会在真正查询之前用分析器先分析match一下查询字符：

#字符串匹配
GET _search
{
  "query": {
    "match": {
      "description": "武汉"
    }
  }
}

(8)prefix 查询

以什么字符开头的，可以更简单地用 prefix ,例如查询所有以张开始的用户描述

#前缀匹配 prefix
GET _search
{
  "query": {
    "prefix": {
      "name": {
        "value": "赵"
      }
    }
  }
}

(9)multi_match 查询

multi_match查询允许你做match查询的基础上同时搜索多个字段，在多个字段中同时查一个

#多个域匹配搜索
GET _search
{
  "query": {
    "multi_match": {
      "query": "深圳",
      "fields": [
        "city",
        "description"
      ]
    }
  }
}

完整DSL语句代码

#查看所有索引
GET /_cat/indices?v

#删除某个索引
DELETE /skuinfo

#新增索引
PUT /user

#创建映射
PUT /user/userinfo/_mapping
{
  "properties": {
    "name":{
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart",
      "store": false
    },
    "city":{
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart",
      "store": false
    },
    "age":{
      "type": "long",
      "store": false
    },
    "description":{
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart",
      "store": false
    }
  }
}

#新增文档数据 id=1
PUT /user/userinfo/1
{
  "name":"李四",
  "age":22,
  "city":"深圳",
  "description":"李四来自湖北武汉！"
}

#新增文档数据 id=2
PUT /user/userinfo/2
{
  "name":"王五",
  "age":35,
  "city":"深圳",
  "description":"王五家住在深圳！"
}

#新增文档数据 id=3
PUT /user/userinfo/3
{
  "name":"张三",
  "age":19,
  "city":"深圳",
  "description":"在深圳打工，来自湖北武汉"
}

#新增文档数据 id=4
PUT /user/userinfo/4
{
  "name":"张三丰",
  "age":66,
  "city":"武汉",
  "description":"在武汉读书，家在武汉！"
}

#新增文档数据 id=5
PUT /user/userinfo/5
{
  "name":"赵子龙",
  "age":77,
  "city":"广州",
  "description":"赵子龙来自深圳宝安，但是在广州工作！",
  "address":"广东省茂名市"
}

#新增文档数据 id=6
PUT /user/userinfo/6
{
  "name":"赵毅",
  "age":55,
  "city":"广州",
  "description":"赵毅来自广州白云区，从事电子商务8年！"
}

#新增文档数据 id=7
PUT /user/userinfo/7
{
  "name":"赵哈哈",
  "age":57,
  "city":"武汉",
  "description":"武汉赵哈哈，在深圳打工已有半年了，月薪7500！"
}

#更新数据,id=4
PUT /user/userinfo/4
{
  "name":"张三丰",
  "description":"在武汉读书，家在武汉！在深圳工作！"
}


#根据ID查询
GET /user/userinfo/4

#恢复文档数据 id=4
PUT /user/userinfo/4
{
  "name":"张三丰",
  "age":66,
  "city":"武汉",
  "description":"在武汉读书，家在武汉！"
}

#使用POST更新某个域的数据
POST /user/userinfo/4/_update
{
  "doc":{
    "name":"张三丰",
    "description":"在武汉读书，家在武汉！在深圳工作！"
  }
}

#根据ID查询
GET /user/userinfo/4

#删除数据
DELETE user/userinfo/4

#查询所有
GET /user/_search

#根据ID查询
GET /user/userinfo/2

#搜索排序
GET /user/_search
{
  "query":{
    "match_all": {}
  },
  "sort":{
    "age":{
      "order":"desc"
    }
  }
}

#分页实现
GET /user/_search
{
  "query":{
    "match_all": {}
  },
  "sort":{
    "age":{
      "order":"desc"
    }
  },
  "from": 0,
  "size": 2
}

#过滤查询-term
GET _search
{
  "query":{
    "term":{
      "city":"武汉"
    }
  }
}

#过滤查询-terms 允许多个Term
GET _search
{
  "query":{
    "terms":{
      "city":
        [
          "武汉",
          "广州"
        ]
    }
  }
}

#过滤-range 范围过滤
#gt表示> gte表示=>
#lt表示< lte表示<=
GET _search
{
  "query":{
    "range": {
      "age": {
        "gte": 30,
        "lte": 57
      }
    }
  }
}


#过滤搜索 exists：是指包含某个域的数据检索
GET _search
{
  "query": {
    "exists":{
      "field":"address"
    }
  }
}

#过滤搜索 bool 
#must : 多个查询条件的完全匹配,相当于 and。
#must_not : 多个查询条件的相反匹配，相当于 not。
#should : 至少有一个查询条件匹配, 相当于 or。
GET _search
{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "city": {
              "value": "深圳"
            }
          }
        },
        {
          "range":{
            "age":{
              "gte":20,
              "lte":99
            }
          }
        }
      ]
    }
  }
}

#查询所有 match_all
GET _search
{
  "query": {
    "match_all": {}
  }
}

#字符串匹配
GET _search
{
  "query": {
    "match": {
      "description": "武汉"
    }
  }
}

#前缀匹配 prefix
GET _search
{
  "query": {
    "prefix": {
      "name": {
        "value": "赵"
      }
    }
  }
}

#多个域匹配搜索
GET _search
{
  "query": {
    "multi_match": {
      "query": "深圳",
      "fields": [
        "city",
        "description"
      ]
    }
  }
}

ZHOU_VIP
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
分布式电商项目——10.商品搜索 springboot 集成ES+kibana+logstash+Ik分词器+Ik拼音分词器
qq_28461661的博客
11-13 679
前提 当你使用docker安装 es、kibana、ik的版本必须是一致的 es 必须是集群的环境 理解 es(elasticsearch) ：一个搜索服务器，必须搭建集群的环境。 kibana:是一个对es的一个可视化的页面 logstash：是一个同步数据到es的工具，当你的数据库有操作的时候就会把你操作的数据更新到es中去。但是你的表需要维护update_time字段当你每次操作该条数据的时...
elasticsearch-6.2.2，ik分词器，kibana-6.2.2-windows-64
04-29
Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。...Elasticsearch用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。
centos7使用docker-compose安装es(包括IK分词器扩展)+kibana
04-13
环境：centos7.7_x86_64 1、虚拟机内存要稍大些至少2G 2、es需要修改linux宿主机的一些参数 设置vm.max_map_count=262144 vim /etc/sysctl.conf vm.max_map_count=262144 不重启， 直接生效当前的命令 sysctl -w vm.max_map_count=262144 3、docker和docker-compose安装要提前安装完成 4、将下载内容解压一个目录 5、运行 docker-compose up # 此命令环境会在终端前台运行 docker-compose up -d # 加上-d会放入后台进行环境的启动 如有问题，欢迎进行联系交流
主动气调包装技术：定义、市场分析与未来趋势
LPiling的博客
03-13 362
其次，食品工业对高效、环保的包装技术的需求日益迫切，主动气调包装技术作为一种绿色、可持续的包装方式，正逐渐成为行业发展的趋势。例如，在冷链物流、海产品保鲜和军需食品等领域，主动气调包装技术都有着广阔的应用前景。该技术采用特殊的气体调节装置，将包装内的气体成分（如氧气、二氧化碳和氮气等）调节至最适宜食品保存的状态，从而有效抑制细菌繁殖和食品氧化，确保食品的新鲜度和口感。随着消费者对食品品质和安全的追求，以及食品工业对高效、环保包装技术的需求，主动气调包装技术的应用范围将进一步扩大，市场规模也将持续增长。
EMR与自然语言处理相关几个问题的总结
weixin_33991727的博客
07-21 387
一，国内外EMR应用情况 近年来，EMR作为医疗信息化的一个重点方向，在国内外均有很大的发展，以下分别以美国和日本为例，简单介绍下国内外EMR的应用状况。 美国的情况： 美国在电子病历相关的模型与理论等多个方面均完成了大量工作，同时，结合美国的卫生管理部门对于医药行业存在问题的分析，美国的电子病历系统建设具有十分明显的针对性，所建设的系统一定要立足于解决在医疗实践中切实存在的错误与问题。 ...
机器学习： 贝叶斯算法的应用
qq_41224370的博客
12-02 580
机器学习： 贝叶斯算法的应用 背景 互联网经济蓬勃发展的背景下,食品经营模式发生了天翻地覆的变化,人们的消费习惯也悄然发生了转变。通过点击手机APP上自己喜欢的食品, 这些食品就能按时准确送达指定的区域，这就是当下最受学生和白领喜欢的外卖。然而随着其迅猛发展带来了一定的食品安全隐患，食品安全 事故的发生对消费者、外卖平台、食品商家和社会的危害性远远超出想象。 本课题旨在通过对O2O店铺评论的监测，...
提升零售行业竞争力的信息抽取技术应用与实践
最新发布
03-14 1008
通过信息抽取技术的实施，我们成功提升了数据处理的自动化程度。在项目初期，数据处理依赖大量的人工操作，成本高昂且效率受限。而如今，自动化技术的应用大幅降低了人工成本，提高了数据处理速度和准确性。以项目中的实体抽取为例，模型准确识别出商品描述中的关键实体，如品牌、型号等，极大地优化了库存管理和商品信息管理流程。
ES搜索框架--设置IK分词器
qq_51641196的博客
04-08 3307
ES的默认中文分词效果太差了，稍微长一点的词句就完全匹配不到，于是选择使用安装IK中文分词器来实现索引的分词。参考：https://blog.csdn.net/w1014074794/article/details/119762827https://www.bbsmax.com/A/6pdDqDaXzw/一、安装官网教程：https://github.com/medcl/elasticsearc...
Elasticsearch电商搜索分词效果调优
1.02^365=1377.41
08-06 5260
分词是搜索中非常核心的一步，下面通过一个案例介绍在没有专业分词系统的情况下，如何做分词性能的调优。
【ElasticSearch】进阶电商检索实战必备：分词-同义词-联想词-增量同步-全量同步---持续更新)
ykx____h的博客
01-12 1184
【ElasticSearch】进阶电商检索实战必备：进阶电商检索实战必备：分词-同义词-联想词-增量同步-全量同步-持续更新】ElasticSearch电商检索实战必备---持续更新1、ES中的几个重要概念：集群、节点、文档、索引、分片及插件ik分词器2、商品检索模糊匹配、过滤、排序、分页、高亮及聚合分析3、es中商品数据的增删改查，canal增量同步4、nested 内嵌属性的保存，使用script进行增删改查操作5、搜索联想词suggestor的使用，汉语拼音插件的安装6、同义词分析检索，同义词插件的安
商品搜索： Elasticsearch、IK分词器、Kibana（DSL语句）、数据导入ES、关键字搜索、分类统计
weixin_41942838的博客
12-16 801
商品搜索 1. Elasticsearch 安装 (1)docker镜像下载 docker pull elasticsearch:5.6.8 注意：由于镜像有570MB，所以提供的虚拟机里已经下载好了该镜像，如下图： (2)安装es容器 docker run -di --name=changgou_elasticsearch -p 9200:9200 -p 9300:9300 elasticsearch:5.6.8 9200端口(Web管理平台端口) 9300(服务默认端口) 浏览器输入地址访问：h
ES+IK分词器+kibana 7.6.2.txt
04-23
2020年4月最新ES压缩包： 包含： elasticsearch-7.6.2-linux-x86_64.tar elasticsearch-analysis-ik-7.6.2 kibana-7.6.2-linux-x86_64.tar 链接：https://pan.baidu.com/s/1c4dnND9KLA2thrI7l47-_Q
window版本elasticsearch+elasticsearch-head-maste+kibana+ik分词器
04-26
window版本elasticsearch+elasticsearch-head-maste+kibana+ik分词器 支持win7、jdk1.8
ElasticSearch + IK中文分词器 + kibana.zip（6.2.4版本）
10-29
ElasticSearch + IK中文分词器 + kibana.zip（6.2.4版本），SpringBoot 整合 Elasticsearch、IK分词器 实现全文检索所需软件包，文章说明：https://blog.csdn.net/qq_38762237/article/details/89552017
餐饮油烟的危害及安科瑞油烟监测系统的介绍
keeplovingice的博客
05-04 57
餐饮油烟的危害及解决措施
大规模1.4亿中文知识图谱数据，我把它开源了
热门推荐
AI科技大本营
10-16 1万+
作者 | Just出品 | AI科技大本营（ID:rgznai100）人工智能从感知阶段逐步进入认知智能的过程中，知识图谱技术将为机器提供认知思维能力和关联分析能力，可...
电商项目商品搜索模块 - ES&ik分词器安装
weixin_34162695的博客
09-26 1469
2019独角兽企业重金招聘Python工程师标准>>> ...
lucene 分词解析器 将商品名全部切成各种词方便匹配
追求专业
01-10 315
1、附件附上中文解析器的相关包 2、代码 package com.yihaodian.pricehisotry; import java.io.BufferedReader; import java.io.File; import java.io.FileInputStream; import java.io.FileWriter; import java.io.IOExcept...
Elasticsearch构建商品搜索系统
JavaEdge全是干货的技术号
05-10 2559
搜索这个特性可以说是无处不在，现在很少有网站或者系统不提供搜索功能了，所以，即使你不是一个专业做搜索的程序员，也难免会遇到一些搜索相关的需求。搜索这个东西，表面上看功能很简单，就是一个搜索框，输入关键字，然后搜出来想要的内容就好了。 搜索背后的实现，可以非常简单，简单到什么程度呢？我们就用一个SQL，LIKE一下就能实现；也可以很复杂，复杂到什么程度呢？不说百度谷歌这种专业做搜索的公司，其他非专业做搜索的互联网大厂，搜索团队大多是千人规模，这里面不仅有程序员，还有算法工程师、业务专家等等。二者的区别也仅仅是
kibana中如何设置并查看分词器ik
07-15
1. 确保已经在 Elasticsearch 中安装和配置了 IK 分词器插件。您可以按照 Elasticsearch 官方文档提供的步骤进行安装和配置。 2. 打开 Kibana 控制台，通过浏览器访问 Kibana 的 URL 地址。 3. 在左侧导航栏中选择...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ZHOU_VIP

您的鼓励将是我创作最大的动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值