ElasticSearch学习中

最新推荐文章于 2022-12-30 10:51:33 发布
最新推荐文章于 2022-12-30 10:51:33 发布
阅读量306 收藏 1
点赞数
分类专栏： # Elastic
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/qq_22708467/article/details/108173945
版权

文章目录

一安装es

ES建立索引快（即查询慢），即实时性查询快，用于facebook新浪等搜索。

环境：jdk1.8,node,

官网下载，解压即可

目录 cd /Users/sunjinglei/es/elasticsearch-7.8.1

启动 bin/elasticsearch

http://localhost:9200

安装可视化插件 前端环境

https://github.com/mobz/elasticsearch-head

Running with built in server

  • git clone git://github.com/mobz/elasticsearch-head.git

  • cd elasticsearch-head

  • npm install

  • npm run start

  • open http://localhost:9100/

#关闭权限验证
# elastic/config/elasticsearch.yml
xpack.ml.enabled: false
#跨域
http.cors.enabled: true
http.cors.allow-origin: "*"

二安装Kibana

Kibana 是一个开源分析和可视化平台，旨在可视化操作 Elasticsearch 。Kibana可以用来搜索，查看和与存储在 Elasticsearch 索引中的数据进行交互。可以轻松地进行高级数据分析，并可在各种图表，表格和地图中显示数据。

Kibana 可以轻松理解海量数据。其简单的基于浏览器的界面使您能够快速创建和共享动态仪表板，实时显示 Elasticsearch 查询的更改。

ELK

cd /Users/sunjinglei/es/kibana-7.8.1-darwin-x86_64
bin/kibana

http://localhost:5601

配置文件yml汉化 zh_CN

三ES核心概念

倒排索引

倒排索引

3.1 Node 与 Cluster

Elastic 是一个分布式数据库，允许多台服务器协同工作，每台服务器可以运行多个 Elastic 实例。

单个 Elastic 实例称为一个节点（node）。一组节点构成一个集群（cluster）。

3.2 Index

Elastic 会索引所有字段，经过处理后写入一个反向索引（Inverted Index）。查找数据的时候，直接查找该索引。

所以，Elastic 数据管理的顶层单位就叫做 Index（索引）。它是单个数据库的同义词。每个 Index （即数据库）的名字必须是小写。

3.3 Document

面向文档

Index 里面单条的记录称为 Document（文档）。许多条 Document 构成了一个 Index。

Document 使用 JSON 格式表示，下面是一个例子。

{
"user": "xiaohon",
"title": "工程师",
"desc": "java开发"
}

同一个 Index 里面的 Document，不要求有相同的结构（scheme），但是最好保持相同，这样有利于提高搜索效率。

3.4 Type

Document 可以分组，比如weather这个 Index 里面，可以按城市分组（北京和上海），也可以按气候分组（晴天和雨天）。这种分组就叫做 Type，它是虚拟的逻辑分组，用来过滤 Document。

不同的 Type 应该有相似的结构（schema），举例来说，id字段不能在这个组是字符串，在另一个组是数值。这是与关系型数据库的表的一个区别。性质完全不同的数据（比如products和logs）应该存成两个 Index，而不是一个 Index 里面的两个 Type（虽然可以做到）。

根据规划，Elastic 6.x 版只允许每个 Index 包含一个 Type，7.x 版将会彻底移除 Type。

3.5 新建和删除 Index

新建 Index，可以直接向 Elastic 服务器发出 PUT 请求。下面的例子是新建一个名叫weather的 Index。

PUT /索引名/类型名/文档id
{
 请求体
}

服务器返回一个 JSON 对象，里面的acknowledged字段表示操作成功。

{
"acknowledged":true,
"shards_acknowledged":true
}

然后，我们发出 DELETE 请求，删除这个 Index。

DELETE /weather

四IK分词器插件

下载 https://github.com/medcl/elasticsearch-analysis-ik

解压后放到plugins目录下，重启elastic，打印日志会显示加载到了插件，版本要和版本对应才可以使用

下载

dic文件—配置分词

然后，新建一个 Index，指定需要分词的字段。这一步根据数据结构而异，下面的命令只针对本文。基本上，凡是需要搜索的中文字段，都要单独设置一下。

PUT /accounts
{
  "mappings": {
    "person": {
      "properties": {
        "user": {
          "type": "text",
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        },
        "title": {
          "type": "text",
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        },
        "desc": {
          "type": "text",
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        }
      }
    }
  }
}'

上面代码中，首先新建一个名称为accounts的 Index，里面有一个名称为person的 Type。person有三个字段

  • user
  • title
  • desc

这三个字段都是中文，而且类型都是文本（text），所以需要指定中文分词器，不能使用默认的英文分词器。

Elastic 的分词器称为 analyzer。我们对每个字段指定分词器。

"user": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word"
}

上面代码中，analyzer是字段文本的分词器，search_analyzer是搜索词的分词器。ik_max_word分词器是插件ik提供的，可以对文本进行最大数量的分词。

ik_max_word 和 ik_smart 什么区别?

ik_max_word: 会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合，适合 Term Query；

ik_smart: 会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”，适合 Phrase 查询。

GET _analyze
{
  "analyzer": "ik_max_word",//ik_smart
  "text": ""
}

ik分词器 配置IKAnalyzer.cfg.xml文件。建立.dic文档

五数据操作 rest风格

rest风格

索引的操作

创建一个索引

put /索引名/**类型名**/文档id  type弃用，默认_doc
{

}

ElasticSearch相关的数据类型：

  • 字符串类型：text、keyword
  • 数值类型：long、integer、short、byte、doule、float、half float、scaled float
  • 日期类型：date
  • 布尔值类型：boolean
  • 二进制类型：binary
  • 等等…

_cat/ 看es信息

PUT覆盖修改.造成数据的丢失 状态update

现在的方法：

POST /test1/_doc/1/_update
{
  "doc":{
    "name":"王"
  }
}

删除索引

DELETE操作和GET操作一样，后面的目标精确到文档就删除文档信息，精确到索引就删除索引信息。

文档的操作

基本操作

添加数据、

获取数据、

更新数据 推荐post 、 put

复杂操作 --搜索

简单搜索 GET 通过id查询

简单的条件查询 精确匹配。keyword整体

GET /book-index/_doc/_search?q=name:美人鱼
GET 索引名/类型名/_search?q=字段名:字段值

复杂查询：

排序，分页，高亮，模糊查询，精准查询

_score 多条的匹配度

查询参数体为

hits 索引和文档的信息，查询结果总数，查询出来的具体文档

两个条件，只要某个字段_source

GET /book-index/_doc/_search
{
  "query":{
    "match":{
      "name":"美人"
    }
  },
  "_source":["name"],
  "sort":[
  	{
  	"age":{
  		"order":"desc"
  	}
  	}
  ]
}

From size 分页

布尔值查询 must should must_not

过滤查询filter

匹配多个条件查询 空格分隔

精确匹配term

高亮查询highlight

服务器返回的 JSON 对象，会给出 Index、Type、Id、Version 等信息。

新增记录的时候，也可以不指定 Id，这时要改成 POST 请求。

POST /accounts/person
{
"user": "李四",
"title": "工程师",
"desc": "系统管理"
}'

上面代码中，向/accounts/person发出一个 POST 请求，添加一个记录。这时，服务器返回的 JSON 对象里面，_id字段就是一个随机字符串。

{
"_index":"accounts",
"_type":"person",
"_id":"AV3qGfrC6jMbsbXb6k1p",
"_version":1,
"result":"created",
"_shards":{"total":2,"successful":1,"failed":0},
"created":true
}

注意，如果没有先创建 Index（这个例子是accounts），直接执行上面的命令，Elastic 也不会报错，而是直接生成指定的 Index。所以，打字的时候要小心，不要写错 Index 的名称。

5.2 查看记录

向/Index/Type/Id发出 GET 请求，就可以查看这条记录。

GET /accounts/person/1?pretty=true

上面代码请求查看/accounts/person/1这条记录，URL 的参数pretty=true表示以易读的格式返回。

返回的数据中，found字段表示查询成功，_source字段返回原始记录。

{
"_index" : "accounts",
"_type" : "person",
"_id" : "1",
"_version" : 1,
"found" : true,
"_source" : {
 "user" : "张三",
 "title" : "工程师",
 "desc" : "数据库管理"
}
}

如果 Id 不正确，就查不到数据，found字段就是false。

GET /weather/beijing/abc?pretty=true'

{
"_index" : "accounts",
"_type" : "person",
"_id" : "abc",
"found" : false
}

5.3 删除记录

删除记录就是发出 DELETE 请求。

DELETE /accounts/person/1

5.4 更新记录

更新记录就是使用 PUT 请求，重新发送一次数据。

PUT /accounts/person/1
{
 "user" : "张三",
 "title" : "工程师",
 "desc" : "数据库管理，软件开发"
}' 

{
"_index":"accounts",
"_type":"person",
"_id":"1",
"_version":2,
"result":"updated",
"_shards":{"total":2,"successful":1,"failed":0},
"created":false
}

上面代码中，我们将原始数据从"数据库管理"改成"数据库管理，软件开发"。 返回结果里面，有几个字段发生了变化。

"_version" : 2,
"result" : "updated",
"created" : false

可以看到，记录的 Id 没变，但是版本（version）从1变成2，操作类型（result）从created变成updated，created字段变成false，因为这次不是新建记录。

六数据查询

6.1 返回所有记录

使用 GET 方法，直接请求/Index/Type/_search，就会返回所有记录。

GET /accounts/person/_search

{
"took":2,
"timed_out":false,
"_shards":{"total":5,"successful":5,"failed":0},
"hits":{
 "total":2,
 "max_score":1.0,
 "hits":[
   {
     "_index":"accounts",
     "_type":"person",
     "_id":"AV3qGfrC6jMbsbXb6k1p",
     "_score":1.0,
     "_source": {
       "user": "李四",
       "title": "工程师",
       "desc": "系统管理"
     }
   },
   {
     "_index":"accounts",
     "_type":"person",
     "_id":"1",
     "_score":1.0,
     "_source": {
       "user" : "张三",
       "title" : "工程师",
       "desc" : "数据库管理，软件开发"
     }
   }
 ]
}
}

上面代码中，返回结果的 took字段表示该操作的耗时（单位为毫秒），timed_out字段表示是否超时，hits字段表示命中的记录，里面子字段的含义如下。

  • total：返回记录数，本例是2条。
  • max_score：最高的匹配程度，本例是1.0。
  • hits：返回的记录组成的数组。

返回的记录中，每条记录都有一个_score字段，表示匹配的程序，默认是按照这个字段降序排列。

6.2 全文搜索

Elastic 的查询非常特别，使用自己的查询语法，要求 GET 请求带有数据体。

GET /accounts/person/_search
{
	"query" : { 
		"match" : {
			"desc" : "软件" 
			}
		}
}

上面代码使用 Match 查询，指定的匹配条件是desc字段里面包含"软件"这个词。返回结果如下。

{
"took":3,
"timed_out":false,
"_shards":{"total":5,"successful":5,"failed":0},
"hits":{
 "total":1,
 "max_score":0.28582606,
 "hits":[
   {
     "_index":"accounts",
     "_type":"person",
     "_id":"1",
     "_score":0.28582606,
     "_source": {
       "user" : "张三",
       "title" : "工程师",
       "desc" : "数据库管理，软件开发"
     }
   }
 ]
}
}

Elastic 默认一次返回10条结果，可以通过size字段改变这个设置。

$ curl 'localhost:9200/accounts/person/_search'  -d '
{
"query" : { "match" : { "desc" : "管理" }},
"size": 1
}'

上面代码指定，每次只返回一条结果。

还可以通过from字段，指定位移。

$ curl 'localhost:9200/accounts/person/_search'  -d '
{
"query" : { "match" : { "desc" : "管理" }},
"from": 1,
"size": 1
}'

上面代码指定，从位置1开始（默认是从位置0开始），只返回一条结果。

6.3 逻辑运算

如果有多个搜索关键字， Elastic 认为它们是or关系。

GET /accounts/person/_search
{
"query" : { "match" : { "desc" : "软件 系统" }}
}

上面代码搜索的是软件 or 系统。

如果要执行多个关键词的and搜索，必须使用布尔查询。

$ curl 'localhost:9200/accounts/person/_search'  -d '
{
"query": {
 "bool": {
   "must": [
     { "match": { "desc": "软件" } },
     { "match": { "desc": "系统" } }
   ]
 }
}
}'

七ppt内容

  1. term查询（精准查询）term是ES中的精准查询，不会参与ES分词查询,terms 查询是term的扩展，可以支持多个vlaue匹配，只需要一个匹配就可以了

  2. math查询（分词匹配查询）match查询是按ES分词的倒排表进行查询，而keyword不会被分词，match的需要跟keyword的完全匹配可以。可以用于一般性的匹配查询。match
    match_all match_phrase

  3. fuzzy查询（模糊查询）fuzzy查询可以用于纠正去拼写的问题

  4. wildcard(通配符查询) wildcard(通配符查询)

  5. bool查询（布尔查询）bool查询本身没有查询功能，而是基于逻辑值使用前面几种查询方式进行组合查询。

prefix 、 wildcard 和 regexp 查询是基于词操作的，如果用它们来查询 analyzed 字段，它们会检查字段里面的每个词，而不是将字段作为整体来处理。

比方说包含 “Quick brown fox” （快速的棕色狐狸）的 title 字段会生成词： quick 、 brown 和 fox 。

会匹配以下这个查询：

{ “regexp”: { “title”: “br.*” }}
但是不会匹配以下两个查询：

{ “regexp”: { “title”: “Qu." }}
{ “regexp”: { “title”: "quick br” }}

  1. 词频/逆向文档频率（TF/IDF）

    当匹配到一组文档后，需要根据相关度排序这些文档，不是所有的文档都包含所有词，有些词比其他的词更重要。一个文档的相关度评分部分取决于每个查询词在文档中的 权重

    词频：

    逆向文档频率：词在集合所有文档里出现的频率是多少？频次越高，权重 越低

    文档长度归一值：字段的长度是多少？ 字段越短，字段的权重 越高

  2. 相同的文章，查询的评分不同

    由于每个shard是一个独立的lucene 实例，所以TF/IDF也是独立计算的，每个分片的文章数量不同
    如果两个相同内容落在了不同分片上，完全可能给出不同的评分
    所以确保每个分片上有足够多的文章来减少评分在这种差异上的干扰

  3. Index Boost 索引层面修改相关性

  4. negative 修改文档相关性

  5. function_score 自定义评分

  6. 脚本

八参考链接

zookeeper环境

% docker search zookeeper 查看所有镜像

% docker pull zookeeper 拉取官方的镜像
% docker images
docker inspect 6ad6cb039dfa  查看镜像详情
docker run -d -p 2181:2181 --name zookeeper --restart always 6ad6cb039dfa 启动镜像
docker run  --name=zookeeper -p 2181:2181 --restart always -d zookeeper:latest

$ docker ps // 查看所有正在运行容器 
$ docker stop containerId // containerId 是容器的ID 
$ docker ps -a // 查看所有容器 $ docker ps -a -q // 查看所有容器ID 
$ docker stop $(docker ps -a -q) //  stop停止所有容器 
$ docker rm $(docker ps -a -q) //   remove删除所有容器

$ docker exec -it zookeeper bash 
$ ./bin/zkServer.sh status //来查看节点的状态
$ zkCli.sh  //开启客户端

安装kafka

1、拉镜像 docker pull wurstmeister/kafka

2、启动kafka镜像
docker run --name kafka -p 9092:9092 --link zookeeper:zookeeper --env KAFKA_ZOOKEEPER_CONNECT=zookeeper:2181 --env KAFKA_ADVERTISED_HOST_NAME=127.0.0.1 --env KAFKA_ADVERTISED_PORT=9092 --restart always -d wurstmeister/kafka:latest

3、验证kafka是否可以使用

3.1、进入容器
$ docker exec -it kafka bash

3.2、进入 /opt/kafka_2.13-2.6.0/bin 目录下
$ cd /opt/kafka_2.13-2.6.0/bin

3.3、运行kafka生产者发送消息
$ ./kafka-console-producer.sh --broker-list localhost:9092 --topic sun

发送消息
> {"datas":[{"channel":"","metric":"temperature","producer":"ijinus","sn":"IJA0101-00002245","time":"1543207156000","value":"80"}],"ver":"1.0"}
 
3.4、运行kafka消费者接收消息
$ ./kafka-console-consumer.sh --bootstrap-server localhost:9092 --topic sun --from-beginning

启动成功

kafka启动

测试（一）

  1. 在浏览器中输入地址：http://localhost:5601 使用dev-tools，它具有autocomplete的功能
  2. 建立一个索引和文档。创建一个叫做twitter的索引（index），并插入一个文档（document)
创建索引

成功地创建了一个叫做twitter的index（可以通过设置禁止自动创建索引）

自己创建索引 
PUT twitter/_doc/1
{
  "user": "GB",
  "uid": 1,
  "city": "Beijing",
  "province": "Beijing",
  "country": "China"
}

PUT twitter/_doc/1
{
  "user": "GB",
  "uid": 1,
  "name": "hong"
}

PUT twitter/_doc/2
{
  "user": "GB",
  "uid": 1,
  "city": "shandong",
  "province": "shandong",
  "country": "China"
}

POST twitter/_doc/1
{
  "user": "GB",
  "uid": 1,
  "city": "Shenzhen",
  "province": "Guangdong",
  "country": "China"
}

GET twitter/_doc/1

GET /_mapping?pretty=true

PUT weather
DELETE weather

GET twitter/_doc/1/_source

GET twitter/_doc/1?_source=city,age,province


GET _mget
{
  "docs": [
    {
      "_index": "twitter",
      "_id": 1
    },
    {
      "_index": "twitter",
      "_id": 2
    }
  ]
}

GET _mget
{
  "docs": [
    {
      "_index": "twitter",
      "_id": 1,
      "_source":["age", "city"]
    },
    {
      "_index": "twitter",
      "_id": 2,
      "_source":["province", "address"]
    }
  ]
}

GET twitter/_doc/_mget
{
  "ids": ["1", "2"]
}

数据爬取

数据来源：数据库，消息队列，爬虫

jsoup包，解析网页，tika包爬音乐视频

需要学习基本的网络编程

es和sql比对

ik插件放置路径

ik插件放置路径

mulumulu

终极之旅
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Elasticsearch学习（一）
mumu95406的博客
08-15 194
Elasticsearch学习（一） 本ES的学习是参考了哔哩哔哩上面的狂神说的视频 一、基本介绍 背景 现如今我们正处于大数据时代，因此每天会产生海量的数据，那么怎么从海量数据中寻找到自己想要的数据呢？那么随着ES的学习你就能得到这个答案。 ES概述 ES是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时存储、检索数据。 ES也使用Java开发并使用Lucene作为核心来实现所有索引和搜索功能，但是它的目的是通过简单的RESTFul API来隐藏Luncene的复杂性。 ES用途 它
Elasticsearch学习资料整理
wang252949的博客
03-23 737
https://juejin.im/post/5ab4496e518825556d0e0713?utm_source=gold_browser_extension
elasticsearch学习相关博客整理（golang方向）
转身那一瞬
12-01 124
1. hub.docker.com 2. github.com/olivere/elastic 3. github.com/olivere/elastic/wiki 4. java-rest-high-level 5. 官方elastic-api 6. java-ES查询示例 7. IK分词器 8. Elasticsearch原理1 9. Elasticsearch原理2 10. Elasticsearch原理2 11. elasticsearch为什么比mysql快 12. es中的term和match.
ElasticSearch学习（一）
hy2014051202的博客
03-16 305
ElasticSearch学习： 简介：是一个基于Lucene的实时的分布式搜索和分析引擎。设计与云计算中，能够达到实时搜索，稳定，可靠，快速安装使用方便，是基于RESultful接口。 天生支持分布式 ES VS Mysql 1.elasticSearch的安装和使用： 1.从官网上下载下来就可以使用。解压没有任何配置需要修改。开箱即用 bin/elasticSearch 2.验证是否启动成功：...
ElasticSearch学习笔记
qq_34039060的博客
11-30 840
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是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。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。官方客户端在Java、.NET（C#）、PHP、P...
ElasticSearch全部学习资料
04-03
ElasticSearch全部学习资料，包含如何搭建、如何写脚本、java代码、如何查询及集群的配置
ElasticSearch学习文档pdf
最新发布
06-17
ElasticSearch是一个基于Lucene构建的开源，分布式，RESTful搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。支持通过HTTP使用 JSON 进行数据索引。 我们建立一个网站或应用程序，...
Elasticsearch学习总结
01-27
在Elasticsearch中，你可以对文档（而非成行成列的数据）进行索引、搜索、排序、过滤。这种理解数据的方式与以往完全不同，这也是Elasticsearch能够执行复杂的全文搜索的原因之一。我们来看一个实际的例子，假设有...
ElasticSearch 学习案例
09-22
elasticsearch 的学习案例练习 包括原理的讲解： 结构化搜索 深度探秘搜索技术 深入聚合数据分析
Elasticsearch学习笔记1
weixin_30776273的博客
03-12 74
Json (JavaScript Object Notation)，即JavaScript对象标记法，当前十分流行和常见的互联网数据传输格式，尤其是在前端领域。Json是一种用于数据交换的文本格式，目的是取代繁琐笨重的XML格式。Json是一种轻量级（Light-Weight）、基于文本的（Text-Based）、可读的（Human-Readable）格式，相比于XML格式更小。每个Json对象就...
CentOS 7 部署 Elasticsearch7.4 集群并进行安全认证.docx
08-10
CentOS 7 部署 Elasticsearch7.4 集群并进行安全认证.docx
ElasticSearch的学习之路
guotufu的博客
05-13 234
大概在8年前，我使用compass作为搜索引擎，并深入了下lucene的源码，简单的写了一个分词器。后来工作中接触到ElasticSearch的时候，刚开始还不知道它就是compass的升级版。现在是时候好好来学习下这个ES的魔力了，据说现在的各大互联网公司都在使用它，相信我们也能从中受益。ElasticSearch的官网上有一个比较好的学习文档《Elasticsearch权益指南》，在此我将一些...
ElasticSearch学习总结（基础篇，可学习，可复习）
派大星的博客
04-28 6091
最近一周都在学习ElasticSearch，之前也零零散散的学过一点，这次下定决心花一周的时间将之前学的知识总结一下，顺便接着再往下学习，所以写篇博客总结一下最近一周的成果，本篇属于ElasticSearch的基础篇，后面会继续深入学习。也希望这篇拙作可以帮助到诸位大佬，如有不足之处，还望诸佬不吝赐教，倾囊相授。 ElasticSearch学习总结ElasticSearch概述ES和Solr的差别ElasticSearch简介Solr简介ElasticSearch安装ES核心概念IK分词器Rest风格说明
ElasticSearch学习之路-day11
大脸猫的博客
06-06 163
转载自:https://blog.csdn.net/chengyuqiang/column/info/18392，ES版本号6.3.0 新建文档：index/type/id （1）一般格式 PUT blog/csdn/1 { "id":1, "title":"Elasticsearch简介", "author":"chengyuqiang", "content":"Elast...
使用Java连接Elasticsearch数据库（验证用户/不验证用户）
weixin_64317282的博客
12-22 1734
最近用JAVA连接数据库，特别是在es上踩了很多坑，专门写一篇文章记录一下，这篇文章主要解决下面两个问题：1.Elasticsearch数据库低级客户端Java Low Level REST Client连接es数据库；2.Elasticsearch数据库使用版本不匹配
linux安装elasticsearch8.1.0教程
xingluner的博客
03-18 6483
1.下载地址 :Get Started with Elasticsearch, Kibana, and the Elastic Stack | ElasticNew to Elasticsearch? A few steps to download and you'll be searching & analyzing with Elasticsearch, visualizing with Kibana, and securing with the Elastic Stack.https://ww
Elasticsearch7 添加密码验证、并且使用postman访问带密码的es
m0_54850825的博客
04-18 892
1 使用ES自带的XPACK开启密码校验 在es7.0版本以后（之前的版本没怎么用过，不太清楚）安装包默认自带了xpack功能，所以只需要在es包下的config目录修改一下es的默认配置文件elasticsearch.yml即可， 在elasticsearch.yml中追加写入以下参数 http.cors.enabled: true http.cors.allow-origin: "*" http.cors.allow-headers: Authorization # 开启xpack功能,实现密码验证功能
Elastic Stack 兼容性之 ES 与 JDK：JDK版本兼容性及版本推荐
Elastic开源社区
05-23 5598
文章目录Elasticsearch VSVSVS Java（jdk）版本兼容性版本选择推荐及总结 Elasticsearch VSVSVS Java（jdk）版本兼容性 版本选择使用建议见文章末尾 Oracle/OpenJDK**/AdoptOpenJDK 1.8.0 Oracle/OpenJDK** 9 Oracle/OpenJDK** 10 Oracle/OpenJDK** 11 AdoptOpenJDK 11 Oracle/OpenJDK** 12 Oracle/OpenJDK**/Adop
Elasticsearch权限控制
weixin_56432168的博客
12-30 1529
Elasticsearch权限控制
elasticsearch学习
08-25
你好！关于学习Elasticsearch，我可以给你一些指导。Elasticsearch是一个开源的分布式搜索和分析引擎，主要用于快速、实时地存储、搜索和分析大量数据。下面是一些学习Elasticsearch的步骤： 1. 了解基本概念：开始学习Elasticsearch之前，你需要了解一些基本的概念，比如索引（index）、类型（type）、文档（document）、字段（field）等。这将帮助你更好地理解Elasticsearch的工作原理。 2. 安装和配置：根据你的操作系统，你可以从Elasticsearch官方网站下载并安装合适的版本。安装完成后，你需要进行适当的配置，如设置集群名称、分配内存等。 3. 学习REST API：Elasticsearch提供了丰富的REST API，用于与其进行交互。了解如何使用这些API来索引、搜索和删除数据是学习Elasticsearch的重要一步。 4. 索引和搜索数据：学习如何创建索引、添加文档以及执行搜索操作是使用Elasticsearch的关键。掌握查询语法、过滤器、聚合操作等功能可以帮助你更有效地使用Elasticsearch。 5. 数据建模和分析：学习如何设计合适的数据模型和映射，以及如何使用Elasticsearch进行数据分析和可视化是提高你的技能的重要一步。 6. 扩展和优化：学习如何在生产环境中扩展和优化Elasticsearch集群是非常重要的。了解如何分片、复制、调优性能等将帮助你更好地管理和维护你的数据。 7. 学习资源：除了官方文档，还有很多优秀的学习资源可供参考，如书籍、教程和在线课程等。利用这些资源可以更系统地学习和掌握Elasticsearch。 希望这些步骤能对你学习Elasticsearch有所帮助！如果有任何问题，请随时提问。

“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

打赏作者

终极之旅

你的鼓励将是我创作的最大动力

¥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