ElasticSearch第一课-初步认识

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

一、pandas是什么？

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、使用步骤

1.引入库

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.读入数据

代码如下（示例）：

data = pd.read_csv(
    'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())

该处使用的url网络请求的数据。

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

---

第一节

1）方便进行水平扩展

2）建议一些好的插件使用

第二节-开发知识

1. 文档

2. 元数据

1）index-文档所属的索引名
2）type-文档所属的类型名
3）id-文档的唯一ID
4）source-文档的原始json数据
5）all-整合所有字段到该字段，现已被废除
6）version-文档的版本信息
7）score-相关性打分

3.详细索引
索引的不同语意
1）名词：一个Elasticsearch集群中，可以创建很多个不同的索引
2）动词：保存一个文档到Elasticsearch的过程也叫索引
3）名词：创建一个倒排索引的过程
名词：一个B树索引，一个倒排索引

4.与关系型数据库的类比

Elasticsearch偏向于高性能全文检索/相关性
RDMS偏向于事务性/join

第三节-节点、集群、分片以及副片

1）高可用性
服务可用性-有节点停止服务，不影响全局
数据可用性-部分节点丢失，不会丢失数据

2）可扩展性
请求量提升/数据的不断增长

---

1.节点
节点是一个Elasticsearch的实例

2.keyword
text和keyword的区别
text:
会分词，然后进行索引
支持模糊、精确查询
不支持聚合

keyword：
不进行分词，直接索引
支持模糊、精确查询
支持聚合