ElasticSearch初识之Restful

通过curl调用进行学习。

需要安装的工具

ElasticSearch,由于项目开始使用了Spring JPA,这里先用了2.4.0版本;
curl,7.58.0版本,路径加入PATH环境变量;利用URL语法在命令行方式下工作的开源文件传输工具。
cygwin,Windows平台的类UNIX环境,执行curl命令的命令行窗口。

curl调用的Restful API格式

VERB PROTOCOL://HOST:PORT/PATH?QUERY_STRING -d BODY
VERB:HTTP方法,GET POST PUT HEAD DELETE
PROTOCOL:http或者https协议(ES前面有https代理的时候可用)
HOST:ES集群中的任何一个节点的主机名,如果是本地节点,就是localhost
PORT:ES的HTTP服务所在的端口,默认9200
PATH:API路径,譬如_count,_search,_cluster,_nodes等;可以包含多个组件,如_cluster/stats或者_nodes/stats/jvm
QUERY_STRING:一些可选的查询请求参数,譬如?pretty
BODY:JSON格式的请求主体。

范例:

curl -XGET 'http://localhost:9200/_count?pretty' -d
'{
    "query": {
        "match_all": {}
    }
}'

ES的返回体:

{
    "count" : 0,
    "_shards" : {
        "total" : 5,
        "successful" : 5,
        "failed" : 0
    }
}

入门命令

文档索引:PUT命令(参数包含索引、类型、ID,带ID索引),POST命令(参数包含索引、类型,不带ID索引);
文档检索:GET命令(参数包含索引、类型、ID);
文档删除:DELETE命令(参数包含索引、类型、ID);
文档存在判断:HEAD命令;
文档更新:PUT命令;
简单搜索:GET /db/table/_search,GET /db/table/_search?q=name:xxx(查询语句传递给参数q)

DSL查询

GET方法,_search命令,JSON请求体参数。

GET /db/table/_search
{
    "query" : {
        "match" : {
            "last_name" : "Smith"
        }
    }
}

过滤器:

GET /megacorp/employee/_search
{
    "query" : {
        "filtered" : {
            "filter" : {
                "range" : {
                    "age" : { "gt" : 30 } <1>
                }
            },
            "query" : {
                "match" : {
                    "last_name" : "smith" <2>
                }
            }
        }
    }
}

其他相关概念

全文搜索:结果相关性评分,分词后处理
短语搜索:确切匹配若干个单词或者短语
高亮搜索:highlight参数
聚合分析:aggs

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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