ElasticSearch服务器安装以及springboot集成详解

已于 2023-08-23 16:42:08 修改
阅读量277 收藏 2
点赞数
文章标签： elasticsearch jenkins 大数据
于 2023-08-22 17:30:36 首次发布
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/cqdddgs/article/details/132429576
版权

本文以环境是linux系统,使用docker容器进行学习,就不再赘述他的简介了.

直接开始:

一、在服务器安装ES

1.安装ElasticSearch:

docker pull elasticsearch:8.7.0

2.创建存储数据目录和配置文件目录

mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data

3.配置配置文件

echo "http.host: 0.0.0.0" >> /mydata/elasticsearch/config/elasticsearch.yml

 意思：往elasticsearch.yml文件的末尾添加一行 http.host: 0.0.0.0，即设置 Elasticsearch 监听的网络地址为 0.0.0.0，表示任何 IP 地址都可以访问 Elasticsearch 的 HTTP API。

 4.启动

docker run --name elasticsearch -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" -e ES_JAVA_OPTS="-Xms64m -Xmx128m" -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:8.7.0
 

不出意外,肯定会出意外:

容器会启动成功几秒钟然后退出,

原因有好几个:

1.对我们刚刚新建的几个文件没有执行权限,所以我们使用命令:

chmod -R 777 /mydata

即可将这个目录下所有文件给所有人rwx权限

2.我们再查看es容器的启动日志:

使用:docker logs 容器名

发现:Exception in thread "main" java.nio.file.FileSystemException: /usr/share/elasticsearch/config/elasticsearch.yml.jlN6aclDSv2h_bdw2cfTzw.tmp -> /usr/share/elasticsearch/config/elasticsearch.yml: Device or resource busy

 读取配置文件出现错误

我们查看配置文件:

貌似并没有问题,确实也没有问题, 因为当我们给目录x权限之后,容器还是无法启动,报这个错误的原因是es8的问题,我们要在配置文件第一行添加:

xpack.security.enabled: false

即可:

 配置好了之后,使用:docker rm elasticsearch删除已经启动但失败的这个容器,避免其他影响,在执行一次上面的启动命令,就可以启动成功了!在浏览器访问:服务器ip:9200,可以来到es的home页:

二、基本概念

首先我们先了解几个概念

1.Index（索引）

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）

文档就是最终的数据了，可以认为一个文档就是一条记录。

是ES里面最小的数据单元，就好比表里面的一条数据

4. Field 字段

类比为表的字段

5.倒排索引机制

倒排索引（Inverted Index）是信息检索领域中常用的数据结构和技术，用于加速文本搜索操作。它是将文档集合中的每个单词映射到包含该单词的文档列表的一种数据结构。这种索引机制的名称“倒排”源于其与传统的正向索引（例如字典）相反，正向索引是将文档映射到单词，而倒排索引则是将单词映射到文档。

倒排索引的基本原理如下：

  1. 分词： 首先，对文档集合中的每个文档进行分词，将文本分割成单个的词语（单词或术语）。（比如中国万岁这个单词粗分可以分为：中国和万岁）

  2. 建立倒排索引： 对每个词语，记录包含该词语的文档列表。每个文档列表中包含了该词语在对应文档中的位置信息等。这样，可以根据词语来快速找到相关的文档列表。

  3. 查询处理： 当用户输入一个查询时，系统会检索查询中包含的每个词语的倒排索引。然后，将这些倒排索引的文档列表进行交集运算，以找到同时包含所有查询词语的文档。这些文档通常是与查询最相关的。

倒排索引的优点在于它可以快速地定位包含特定词语的文档，从而加速文本搜索操作，特别是在大规模文档集合中。然而，构建和维护倒排索引需要一定的计算和存储开销，尤其是在文档集合变动较大时。倒排索引也需要考虑如何处理同义词、拼写错误等问题，以提高搜索的准确性。

倒排索引机制被广泛应用于各种信息检索系统，包括搜索引擎、数据库系统、文本分析工具等，以提供高效的文本搜索和检索功能。

6.安装可视化界面Kibana

docker run --name kibana -e ELASTICSEARCH_HOSTS= http://192.168.56.10:9200 -p 5601:5601 -d kibana:8.7.0
此处，一定要将ELASTICSEARCH_HOSTS= http://192.168.56.10:9200换成自己es的地址，

7.使用kibana

点击左上角的三条横线打开菜单，找到最底下的Dev Tools 

7.1.创建索引 

//创建索引
PUT /products

//为索引的字段定义映射，这会指定每个字段的数据类型和一些属性。
PUT /products/_mapping
{
  "properties":{
    "name":{
      "type":"text"
    },
    "price":{
      "type":"float"
    },
    "description":{
      "type":"text"
    }
  }
}
补充：

type的类型：

  1. "string"： 存储文本数据，通常被分析为词语以支持全文搜索。
  2. "integer"： 存储整数数据。
  3. "long"： 存储长整数数据。
  4. "float"： 存储单精度浮点数数据。
  5. "double"： 存储双精度浮点数数据。
  6. "boolean"： 存储布尔值数据。
  7. "date"： 存储日期和时间数据。
  8. "geo_point"： 存储地理坐标点数据（经度和纬度）。
  9. "object"： 存储嵌套的 JSON 对象。
  10. "nested"： 存储嵌套的 JSON 对象，支持嵌套查询和聚合。
  11. "ip"： 存储 IPv4 或 IPv6 地址数据。
  12. "binary"： 存储二进制数据。
  13. “keyword”：表示不被分词器分词的关键字
  14. “object”：即一个对象。对象字段可以嵌套其他字段，如：

 跟type平级的属性;

1.通过设置 "index": false，指示 Elasticsearch 不对这个字段建立反向索引。这意味着 "email" 字段不可搜索，但可以用于过滤和聚合。

2."analyzer": "ik_smart" 设置了分析器，使用了中文分词器 "ik_smart"，这会将文本内容进行中文分词

当索引创建完毕之后，我们也给他指定好属性之后，，我们就可以在里面添加数据了，不用再创建Type了，这是因为在Elasticsearch 7.0 开始，一个索引只能包含一个固定的文档类型，通常为 "_doc"。在创建索引时，你不再需要显式地指定文档类型，而是将所有类型的文档都存储在同一个 "_doc" 类型下。因此，在你的 "products" 索引中，所有的数据都可以视为商品类型，无需再新建额外的类型。

添加数据：

//添加一条数据，他的id是1

PUT /products/_doc/1
{
  "name": "幸福的勇气：阿德勒心理学",
  "price": 33.3,
  "description": "《幸福的勇气》是勇气两部曲的下卷、完结篇。同样以百年前心理学者阿德勒思想为核心..."
}

就是这么简单，你可以多添加几个数据，方便我们等会搜索

补充：

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。

简单查询;

三、进阶查询

1.ES 支持两种基本方式检索 :

1.一个是通过使用 REST request URI 发送搜索参数（uri+检索参数）
2.是通过使用 REST request body 来发送它们（uri+请求体）

如:

1的例子:查询name为非暴力沟通这本书

GET /products/_search?q=name:非暴力沟通

2.

POST /products/_search
{
  "query": {
    "match": {
      "name": "非暴力沟通"
    }
  }
}

2.Query DSL

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
他有:
  • match
  • match_all
  • multi_match
  • match_phrase
  • phrase_prefix
  • regexp
他的典型结构:

 2.1 查询products下所有

POST /products/_search
{
  "query":{
    "match_all": {}
  }
}

  • "query" 是一个查询语句的容器，在这里我们定义了一个查询。
  • "match_all" 是一种查询类型，它会匹配索引中的所有文档。

2.2 分页:

POST /products/_search
{
  "query":{
    "match_all": {}
  },
  "from": 0,
  "size":5,

  "_source": ["price"]
} 

//从0开始,返回0-5的数据

"_source": 控制返回的文档字段。在这个例子中，"price" 是一个字段名称，表示查询结果中只包含文档的 price 字段。其他字段将被排除在查询结果之外,可以提高查询性能

2.3 match【匹配查询】 

POST /products/_search
{
  "query":{
    "match": {
      "price": "33.3"
    }
  }
}

//对于基本类型（非字符串），精确匹配,也就是如果我的索引下没有price=33.3的,将查询不到结果

POST /products/_search
{
  "query":{
    "match": {
      "name": "云边 十宗罪"
    }
  }
}

//查询出name字段中包含含有云边或十宗罪的所有记录,并且记录相关性得分

2.4 match_phrase 短语匹配

POST /products/_search
{
  "query":{
    "match_phrase": {
      "name": "云边有个"
    }
  }
}

//此时,name后面的参数将会被当成一个整体,查询name字段中包含"云边有个"的所有记录,假如我们写成2.3例子中的"云边 十宗罪"将会匹配完整匹配"云边 十宗罪",则查询不到结果

2.5 multi_match【多字段匹配】

POST /products/_search
{
  "query":{
    "multi_match": {
      "query": "云边",
      "fields": ["name"]
    }
  }
}

//查询name字段中包含"云边"的所有记录

2.6 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。

POST /products/_search
{
  "query":{
    "bool": {
      "must": [
        {
          "match":
          {
          "name": "云边"
        }
          
      },
      {
        "match": {
          "price": "73.3"
        }
      }
      ]
    }
  }
}

//must:必须达到 must 列举的所有条件,

上面这个例子,我们再must里面放入了两个match条件,也就是查询出的记录name字段必须包含"云边"且price字段必须等于73.3

2.6.1 should
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
POST /products/_search
{
  "query":{
    "bool": {
      "must": [
        {
          "match":
          {
          "name": "云边"
        }
          
      },
      {
        "match": {
          "price": "73.3"
        }
      }
      ],
      "should": [
        {
          "match": {
            "name": "云边"
          }
        }
      ]
    }
  }
}
//这个例子和2.6一样,只是添加了should条件,添加了这个之后,相关得分从2.8增加到了4.7
相关性得分的提高会使这一条记录排名靠前
2.6.2 must_not 必须不是指定的情况

 几乎与should一直,就不再举例,唯一不同是不会增加相关性得分

以上都是查询语句

以下都是过滤语句

2.7 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。
有:
  • term
  • terms
  • range
  • exists
2.7.1 term和terms
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 。

POST /products/_search
{
  "query": {
    "bool":{
      "filter": [
        {
         "terms": {
          "price": [
          "33.3",
          "73.3"
       ]
         }
        }
      ]
    }
  }
}


POST /products/_search
{
  "query": {
    "bool":{
      "filter": [
        {
          "term": {
            "price": "33.3"
          }
        }
      ]
    }
  }
}

他会过滤出记录中price字段等于33.3和73.3的记录

2.7.2 range

POST /products/_search
{
  "query": {
    "bool":{
      "filter": [
        {
          "range": {
            "price": {
              "gt": 50,
              "lt": 100
            }
          }
        }
      ]
    }
  }
}

这个例子会过滤出所有记录的price字段大于50小于100的记录

2.7.3 exists

POST /products/_search
{
  "query": {
    "bool":{
      "filter": [
        {
          "exists": {
            "field": "name"
          }
        }
      ]
    }
  }
}

过滤出name字段有值的记录

2.7.4 ids


POST /products/_search
{
  "query": {
    "bool":{
      "filter": [
        {
          "exists": {
            "field": "name"
          }
        },
        {
          "ids": {
            "values": [
              "1","2","3"
            ]
          }
        }
      ]
    }
  }
}

//过滤出name字段存在的jilu,和id为等于1,2,3的记录

3.聚合函数

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。
POST /products/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "avg_prices": {
      "avg": {
        "field": "price"
      }
    }
  }
}
//求出所有记录的平均价格
由于我的记录过少,无法例举复杂的查询,这里给一个复杂查询的例子:
GET bank/account/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "age_avg": {
      "terms": {
        "field": "age",
        "size": 1000
      },
      "aggs": {
        "banlances_avg": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  },
  "size": 1000
}
// 按照年龄聚合，并且请求这些年龄段的这些人的平均薪资
更多详细的聚合可以查看这个博主的内容:

4.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
查看mapping信息
GET /products/_mapping

补充:
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
2.1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

2.2 数据迁移
先创建出 new_products 的正确映射。然后进行数据迁移
1.创建新索引和映射

PUT /new_products

PUT /new_products/_mapping
{
  "properties": {
    "description": {
      "type": "text"
    },
    "name": {
      "type": "text"
    },
    "price": {
      "type": "float"
    },
    "addr": {
      "type": "keyword"
    }
  }
}

//新映射添加了一个addr属性

2.使用Reindex API进行迁移： 使用Elasticsearch的Reindex API，从旧索引读取数据并将其重新索引到新索引。你可以通过添加一个转换步骤，将数据从旧映射的字段映射到新映射的字段。

他的语法:

POST _reindex
{
  "source": {
    "index": "old_index"
  },
  "dest": {
    "index": "new_index"
  },
  "script": {
    "source": "ctx._source.addr = ctx._source.location", // 假设将旧的 "location" 字段映射到新的 "addr" 字段
    "lang": "painless"
  }
}
示例:

 POST _reindex
{
  "source": {
    "index": "products"
  },
  "dest": {
    "index": "new_products"
  }
}

5.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）。

四.springBoot整合

1.导入依赖:

<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
    <version>7.4.2</version>
</dependency>
//此处可能会与springboot版本做的版本规定版本不一致
//在这将elasticsearch.version的版本改为和导的版本一样

<properties>
    <java.version>1.8</java.version>
    <elasticsearch.version>7.4.2</elasticsearch.version>#这样
</properties>

2.编写配置类,

新建config包,然后创建配置类：ElasticConfig 

package com.syctest.test1.conf;

import org.apache.http.HttpHost;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.springframework.context.annotation.Configuration;

@Configuration
public class ElasticConfig {

    public static final RequestOptions COMMON_OPTIONS;
    static {
        //设置elasticsearchd的请求的一些参数
        RequestOptions.Builder builder = RequestOptions.DEFAULT.toBuilder();
//        builder.addHeader( "Authorization","Bearer " +TOKEN);
//        builder.setHttpAsyncResponseConsumerFactory(
//        new HttpAsyncResponseConsumerFactory
//                .HeapBufferedResponseConsumerFactory(30 * 1024 *1024 * 1024));
        COMMON_OPTIONS = builder.build();
    }

    public RestHighLevelClient elasticClint(){
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("127.0.0.1",9200,"http")));
        return client;
    }

}

使用:

case1:查询

 @Autowired
    RestHighLevelClient client;

    @GetMapping("/test1")
    public Result test1() throws IOException {
        System.out.println("--被访问--");
//        1.创建检索请求
        SearchRequest searchRequest = new SearchRequest();
        //设置在索引下进行查询new_products
        searchRequest.indices("new_products");

//        2.创建条件构造器(DSL)
        SearchSourceBuilder builder = new SearchSourceBuilder();
        builder.aggregation(AggregationBuilders.terms("price").field("price").size(10));
        //查看price的平均值
        builder.aggregation(AggregationBuilders.avg("avePrice").field("age"));
        //其他条件
        builder.query(QueryBuilders.matchQuery("name","云边"));
        //当你要使用其他,如matchall等,直接使用QueryBuilders点他的名称即可:QueryBuilders.matchAllQuery()


//        3.执行查询
        searchRequest.source(builder);
        SearchResponse search = client.search(searchRequest, ElasticConfig.COMMON_OPTIONS);
        System.out.println(search);
        //4.分析结果:
        //{"took":17,"timed_out":false,"_shards":{"total":1,"successful":1,"skipped":0,"failed":0},
        // "hits":{"total":{"value":2,"relation":"eq"},"max_score":2.2864978,
        // "hits":[{"_index":"new_products","_id":"3","_score":2.2864978,
        // "_source":{"name":"云边有个小卖部","price":73.3,
        // "description":"《云边有个小卖部》是中国当代作家张嘉佳创作的长篇小说，首次出版于2018年7月。"}},
        // {"_index":"new_products","_id":"4","_score":2.2864978,
        // "_source":{"name":"云边有个小卖部","price":73.3,"description":"《云边有个小卖部》是中国当代作家张嘉佳创作的长篇小说，首次出版于2018年7月。"}}]},
        // "aggregations":{"sterms#agePrice":{"doc_count_error_upper_bound":0,"sum_other_doc_count":0,"buckets":[]}}}

        //4.1获取所有命中的记录
        SearchHits hits = search.getHits();
        //查询出来的数据
        SearchHit[] hits1 = hits.getHits();
        for (SearchHit documentFields : hits1) {
            /*_index:属于哪个索引
             * _id：唯一id
             * _score：得分
             * _source：真正存进去的java对象
             * */
            System.out.println(documentFields.getIndex());
            System.out.println(documentFields.getId());
            Map<String, Object> sourceAsMap = documentFields.getSourceAsMap();//返回键值对
            String sourceAsString = documentFields.getSourceAsString();//返回json字符串
            System.out.println(sourceAsString);
            // 将json转为我们需要的对象
        }
        //4.2获取这次的聚合函数分析的结果
        Aggregations aggregations = search.getAggregations();
        //获取我们命名的聚合,可以直接使用Terms对象接收
        Terms ageAgg = aggregations.get("price");
        for (Terms.Bucket bucket : ageAgg.getBuckets()) {
            String keyAsString = bucket.getKeyAsString();
            System.out.println("keyAsString:"+keyAsString);
        }

        Avg avgAgg = aggregations.get("avePrice");
        System.out.println("平均年龄："+ avgAgg.getValue());

        System.out.println(search);
        return Result.success(null);
    }
2.插入数据 
    @GetMapping("addData")
    public Result addData() throws IOException {
        //设置要插入数据的索引
        IndexRequest indexRequest = new IndexRequest("new_products");
        //设置这条数据的id，不设置的话会自动生成一个唯一的id
        indexRequest.id("12");
        //携带数据的方式
        //1.
       // indexRequest.source("name","三国演义","price",18.1,"addr","天津印刷//厂","description","关羽张飞刘备");

 //2.创建对象，将其转为jSON格式的字符串，然后将json字符串作为哦source的内容传过去
        User user = new User("syc1",18,"男");
        ObjectMapper objectMapper = new ObjectMapper();
        String s = objectMapper.writeValueAsString(user);
        indexRequest.source(s, XContentType.JSON);
        //3创建map，存储键值对
//        HashMap<String, String> map = new HashMap();
//        map.put("userName","syc");
//        map.put("age","18");
//        map.put("sex","男");
        //执行操作
        IndexResponse index = client.index(indexRequest, ElasticConfig.COMMON_OPTIONS);

        return Result.success(index);
    }

方式2最常用

五.面试题

http://t.csdn.cn/F1GLg

http://t.csdn.cn/3CxcM

面试官：说说你对ElasticSearch的理解 - 库森学长的文章 - 知乎 https://zhuanlan.zhihu.com/p/649898036
彦成-
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Springboot集成spring data elasticsearch过程详解
08-19
主要介绍了springboot集成spring data elasticsearch过程详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
Elasticsearch的安装及常用操作
weixin_49076273的博客
02-19 1226
Elasticsearch是一个全文检索服务器，全文检索是一种非结构化数据的搜索方式。结构化数据：指具有固定长度的数据，如数据库中的字段。非结构化数据：指格式和长度不固定的数据。结构化数据一般存入数据库，使用sql语句即可快速查询。但由于非结构化数据量大且格式不固定，需要采用全文检索的方式进行搜索。全文检索通过建立倒排索引加快搜索效率。索引：将数据中的一部分信息提取出来，重新组织成一定的数据结构，可以根据该结构进行快速搜索，这样的结构称之为索引。索引分为正排索引和倒排索引。
docker安装部署elasticsearch8.2.3
suicaijiao的博客
08-12 2310
docker安装部署elasticsearch8.2.3
神坑：ElasticSearch8集群启动报错“Device or resource busy”（Docker方式）
tiancao222的博客
06-30 1987
昨天在Docker中配置ElasticSearcch8集群模式时，先初步配置了master主节点。然后主节点启动就报错，看日志，提示“Device or resource busy”。直译过来就是“elasticsearch.yml”文件系统异常：设备或资源忙。搜索了一下，大概就是因为Linux系统中挂载映射目录时，引起的文件占用问题。然后从这个角度来搜索各种解决方案，然后国内的解决方案统一都是：先别使用Docker -v映射elasticsearch.yml到容器中。
Docker 运行Elasticsearch8.4.0报错FileSystemException
u011692199的博客
08-26 3146
Docker 运行Elasticsearch8.4.0报错FileSystemException
elasticsearch安装及调用
泸西凉米线的专栏
03-16 384
学习笔记
docker 安装 ES(elasticsearch)
weixin_45637293的博客
03-05 2608
1.版本声明 docker pull elasticsearch:5.6.8(镜像570MB /6.5.2 773MB) 2.安装 docker run -di --name=elasticsearch -p 9200:9200 -p 9300:9300 elasticsearch:5.6.8 3.测试 4.配置环境 docker exec -it changgou_elasticsearc...
Elasticsearch集群
IT学院
12-04 549
今日授课目标 能够完成索引库的操作：新增、查询、删除 能够完成映射操作：配置映射，查看映射 能够完成文档的操作：新增、修改、删除 能完成请求体查询：基本查询、结果过滤、高亮查询，分页及排序 ES前置准备Lombok讲解 第一章 Elasticsearch集群 1.1 单点的问题 单台服务器，往往都有最大的负载能力，超过这个阈值，服务器性能就会大大降低甚至不可用。单点的elasticsearch也是一样，那单点的es服务器存在哪些可能出现的问题呢？ 单台机器存储容量有限 单服务器容易出现单点故障，无法实
SpringBoot集成Elasticsearch（已实现各种ES操作，上手即可用
11-12
本实例为博主原创，属于简单易上手并且能够拿来就用的SpringBoot ES 项目，全文使用的是ElasticsearchTemplate进行开发。 本实例涵盖ES中的各类操作，如索引操作、CRUD操作、批处理、结果排序、分页查询、检索查询、...
最新版本springboot集成elasticsearch
05-25
一般来说我们开发Elasticsearch会选择使用集成springboot，在网上找的springboot集成elasticsearch文章几乎都是extends ElasticsearchRepository的方式来实现。但是新版本ElasticsearchRepository里的方法基本上已经...
springboot 集成elasticsearch ,api的使用
08-02
springboot 集成elasticsearch ,api的使用, elasticsearch版本为7.13.4, springboot版本 2.5.3 jdk8
SpringBoot集成Elasticsearch（已实现各种ES操作，上手即可用）
04-18
本实例属于简单易上手并且能够拿来就用的SpringBoot ES 项目，全文使用的是ElasticsearchTemplate进行开发。 本实例涵盖ES中的各类操作，如索引操作、CRUD操作、批处理、结果排序、分页查询、检索查询、关键字查询、...
SpringBoot3.0.7整合Elasticsearch8.7.1
w3133089132的博客
08-13 689
最后，前端访问/poetry/query路径就可以直接访问查询了（记得传入要进行搜索的词语）必须在nacos提前配置好datasource.yml和redis.yml。1.添加PoetryVo类、Pager分页类、DocSource文档类。创建测试类的原因是要进行创建索引和初始化数据。3.添加实现service接口的impl类。5.最后一步，添加Controller类。这里的案例是围绕着查询诗词来进行练习的。添加springboot整合es的依赖。4.添加Result工具类。8.添加查询的测试类。
elasticsearch安装部署
qwertch的博客
02-01 1418
快速docker部署elasticsearch,及发现bug解决。
springboot2.7.X+es8 集成开发
u011470853的博客
12-28 2844
springboot2.7.X+es8 集成开发
springboot集成es
lgq2016的博客
08-11 499
java操作es的api。
Elastic Search 8.7.1 整合springboot 并使用构建通用查询
qq_28036897的博客
05-31 581
Elastic Search 8.7.1 整合springboot 并使用构建通用查询。
docker device or resource busy问题排查
bee-factory
07-06 1731
最近部署应用时候，在删除原容器会出现问题，信息如下： Error response from daemon: driver "overlay" failed to remove root filesystem for 4dd0d7932970436cfc4db86169f664394868a001510ea36803f9b8a543f08613: remove /var/lib/docker/overlay/3e73e3a6d237064440036da96e72a38142215a39f43357a4b
Java代码基础算法练习-年龄问题-2024.05.07
最新发布
Sakurapaid的博客
05-07 415
因此，我们可以通过编写一个循环，从最小可能的年龄开始（考虑到立方是四位数，至少从10开始），一直到一个合理的上限（由于四次方是六位数，最大不会超过20左右，因为20的四次方已经超过了七位数）。在循环中，计算每个年龄的立方和四次方，然后检查这两个数是否包含了0-9这10个数字各一次。一次，他参加某个重要会议，年轻的脸孔引人注目。于是有人询问他的年龄，他回答说：“我年龄的立方是个4位数。这10 个数字正好包含了从0到9这10个数字，每个都恰好出现1次。，因为年龄作为一个整数，其范围是有限的。
springboot集成elasticsearch
04-09
好的，关于springboot集成elasticsearch，你可以参考以下步骤： 1. 在pom.xml中添加elasticsearch和spring-boot-starter-data-elasticsearch的依赖 2. 在application.properties中配置elasticsearch的连接地址和...

“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
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
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