elasticsearch入门详解以及mapping介绍

最新推荐文章于 2024-09-25 22:32:27 发布
最新推荐文章于 2024-09-25 22:32:27 发布
阅读量1.5k 收藏 2
点赞数
分类专栏： elasticsearch 文章标签： elasticsearch
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_32483795/article/details/90081636
版权

本文目录

elasticsearch简介

Elastic 的底层是开源库 Lucene。但是，你没法直接用 Lucene，必须自己写代码去调用它的接口。Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。
中文文档链接： https://es.xiaoleilu.com/010_Intro/30_Tutorial_Search.html
官方网站：https://www.elastic.co/cn/

elasticsearch的Type区别

核心数据类型：

1.字符串类型：text、keyworde（不分词）
2.数值型：long、integer、short、byte、dobule、float、half_float等
3.日期类型: date
4.布尔类型: boolean
5.二进制类型: binary
6.范围类型：integer_range、float_range、long_range、double_range、date_range

复杂数据类型

1.数组类型：array
2.对象类型：object
3.嵌套类型：nested object
4.地理位置数据类型：geo_point、geo_shape
5.专用类型：ip（记录ip地址）、completion（实现自动补全）、token_count（记录分词数）、murmur3（记录字符串hash值）

倒排索引

在这里插入图片描述

index内部模型

在这里插入图片描述

自动识别规则

在不指定type值的情况需下，String默认为text并且有一个子字段keyword。
指定分词器创建索引：

PUT test4_bean
{
    "settings": {
        "analysis": {
            "analyzer":{
              "ik_max_word":{
                  "tokenizer":"ik_max_word"
                   }
            }
        }
    },
    "mappings": {
        "test4_bean": {
            "properties": {
                "testStringKW": {
                    "type": "keyword"
                },
                "categoryId": {
                    "type": "long"
                },
                "testStringIk": {
                    "type": "text",
                    "analyzer": "ik_max_word"
                }
            }
        }
    }
}


public class TestBean {

    @Id
    private Long categoryId;

    /**
     * 类别名称
     */
    private String testString;

    @Field(type = FieldType.Keyword)
    private String testStringKW;

    @Field(type = FieldType.Text, analyzer = "ik_max_word", searchAnalyzer = "ik_max_word")
    private String testStringIk;

}

{
  "mapping": {
    "test_bean": {
      "properties": {
        "categoryId": {
          "type": "long"
        },
        "testString": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 256
            }
          }
        },
        "testString123": {
          "type": "text",
          "analyzer": "ik_max_word"
        },
        "testStringIk": {
          "type": "text",
          "analyzer": "ik_max_word"
        },
        "testStringKW": {
          "type": "keyword"
        }
      }
    }
  }
}

匹配查询

elasticsearch 中term与match区别

term是精确查询
match是模糊查询

使用QueryBuilder
* termQuery(“key”, obj) 完全匹配
* termsQuery(“key”, obj1, obj2…) 一次匹配多个值
* matchQuery(“key”, Obj) 单个匹配, field不支持通配符, 前缀具高级特性(会分词)
* matchPhraseQuery(“key”, Obj) 单个匹配, field不支持通配符, 前缀具高级特性(短语 不分词)
* multiMatchQuery(“text”, “field1”, “field2”…); 匹配多个字段, field有通配符忒行
* matchAllQuery(); 匹配所有文件
* fuzzyQuery 模糊查询（个人尝试，结果并不如意）
* wildcardQuery模糊查询 （类似mysql的like匹配，属于精确查询）

multiMatchQuery

中文单字：默认>ik>keyword

MultiMatchQueryBuilder multiMatchQueryBuilder = QueryBuilders.multiMatchQuery("测", "testString");
BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery().must(multiMatchQueryBuilder);

MultiMatchQueryBuilder multiMatchQueryBuilderIk = QueryBuilders.multiMatchQuery("测","testStringIk");
BoolQueryBuilder queryBuilderIk = QueryBuilders.boolQuery().must(multiMatchQueryBuilderIk);

MultiMatchQueryBuilder multiMatchQueryBuilderKw = QueryBuilders.multiMatchQuery("测", "testStringKW");
BoolQueryBuilder queryBuilderKw = QueryBuilders.boolQuery().must(multiMatchQueryBuilderKw);
结果：
CategoryBean=[TestBean(categoryId=255357, testString=预测未知, testStringKW=预测未知, testStringIk=预测未知), TestBean(categoryId=276288, testString=预测未
size=4
Total=4
CategoryBeanIk=[TestBean(categoryId=281402, testString=策测解金8, testStringKW=策测解金8, testStringIk=策测解金8)]        
sizeIk=1
TotalIk=1
CategoryBeanKw=[]
sizeKw=0
TotalKw=0

纯英文：ik>默认>keyword
主要是引文ik会将英文跟数字进行分词处理，而默认的不会
由于纯英文不会分词，所以这种查询方法并不推荐。（还有许多匹配数据没出来 例如:dskfjggg）

MultiMatchQueryBuilder multiMatchQueryBuilder = QueryBuilders.multiMatchQuery("gg", "testString");
BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery().must(multiMatchQueryBuilder);

MultiMatchQueryBuilder multiMatchQueryBuilderIk = QueryBuilders.multiMatchQuery("gg","testStringIk");
BoolQueryBuilder queryBuilderIk = QueryBuilders.boolQuery().must(multiMatchQueryBuilderIk);

MultiMatchQueryBuilder multiMatchQueryBuilderKw = QueryBuilders.multiMatchQuery("gg", "testStringKW");
BoolQueryBuilder queryBuilderKw = QueryBuilders.boolQuery().must(multiMatchQueryBuilderKw);
结果：
CategoryBean=[TestBean(categoryId=246141, testString=范德萨gg, testStringKW=范德萨gg, testStringIk=范德萨gg), TestBean(categoryId=259385, testString=GG思密达, testStringKW=GG思密达, testStringIk=GG思密达)]
size=2
Total=2
CategoryBeanIk=[TestBean(categoryId=259385, testString=GG思密达, testStringKW=GG思密达, testStringIk=GG思密达), TestBean(categoryId=206079, testString=gg0117, testStringKW=gg0117, testStringIk=gg0117), TestBean(categoryId=246141, testString=范德萨gg, testStringKW=范德萨gg, testStringIk=范德萨gg)]
sizeIk=3
TotalIk=3
CategoryBeanKw=[]
sizeKw=0
TotalKw=0

wildcardQuery

相当于mysql的like匹配
默认=ik>keyword
我做的测试里面默认的是等于ik因为这个跟分词无关，但是keyword会少一点，是因为不区分大小写。
ik与默认分词其实也不能够区分大小写，在我用“GG”测试的时候，默认与ik都没有找到数据，keyword能找到数据。
解决此问题可以参考 链接 ：https://blog.csdn.net/wessiyear/article/details/79281181

WildcardQueryBuilder wildcardQueryBuilder1 = QueryBuilders.wildcardQuery("testString","*gg*");
BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery().must(wildcardQueryBuilder1);

WildcardQueryBuilder wildcardQueryBuilderIk = QueryBuilders.wildcardQuery("testStringIk","*gg*");
BoolQueryBuilder queryBuilderIk = QueryBuilders.boolQuery().must(wildcardQueryBuilderIk);

WildcardQueryBuilder wildcardQueryBuilderKw = QueryBuilders.wildcardQuery("testStringKW","*gg*");
BoolQueryBuilder queryBuilderKw = QueryBuilders.boolQuery().must(wildcardQueryBuilderKw);
结果：
CategoryBean=[TestBean(categoryId=248259, testString=GGYY社长, testStringKW=GGYY社长, testStringIk=GGYY社长), TestBean(categoryId=251580, testString=GGQQ, testStringKW=GGQQ, testStringIk=GGQQ),....
size=10
Total=24
CategoryBeanIk=[TestBean(categoryId=248259, testString=GGYY社长, testStringKW=GGYY社长, testStringIk=GGYY社长), TestBean(categoryId=251580, testString=GGQQ, testStringKW=GGQQ, testStringIk=GGQQ).....
sizeIk=10
TotalIk=24
CategoryBeanKw=[TestBean(categoryId=249214, testString=aggie, testStringKW=aggie, testStringIk=aggie), TestBean(categoryId=206079, testString=gg0117, testStringKW=gg0117, testStringIk=gg0117).....
sizeKw=10
TotalKw=21

should用法

相当于or查询

WildcardQueryBuilder wildcardQueryBuilder1 = QueryBuilders.wildcardQuery("testString","*aa*");
WildcardQueryBuilder wildcardQueryBuilder2 = QueryBuilders.wildcardQuery("testString","*gg*");
WildcardQueryBuilder wildcardQueryBuilder3 = QueryBuilders.wildcardQuery("testString","*123*");
//        BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery().must(wildcardQueryBuilder1);
BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery().should(wildcardQueryBuilder1).should(wildcardQueryBuilder2).should(wildcardQueryBuilder3);
结果：
CategoryBean=[TestBean(categoryId=249161, testString=agg123, testStringKW=agg123, testStringIk=agg123), TestBean(categoryId=257418, testString=wzq123, testStringKW=wzq123, testStringIk=wzq123), TestBean(categoryId=257468, testString=liaowen123, testStringKW=liaowen123, testString.....
size=10
Total=180

keyword解决大小写问题

生成：

PUT test_bean
{
    "settings": {
        "analysis": {
            "normalizer": {
                "lowercase": {
                "type": "custom",
                "filter": [
                    "lowercase"
                  ]
                }
            }
        }
    },
    "mappings": {
        "test_bean": {
            "properties": {
                "testStringKW": {
                    "type": "keyword"
                },
                "categoryId": {
                    "type": "long"
                },
                "testString": {
                    "type": "text",
                    "fields":{
                      "keyword":{
                        "type":"keyword",
                        "ignore_above":256
                      }
                    }
                },
                "testStringIk": {
                    "type": "text",
                    "analyzer": "ik_max_word"
                },
                "test_bean": {
                    "type": "keyword",
                    "normalizer": "lowercase"
              }
            }
        }
    }
}

或者代码中

json文件放到 resource下：

{
  "index": {
    "analysis": {
      "normalizer": {
        "lower_case_normalizer": {
          "type": "custom",
          "char_filter": [],
          "filter": [
            "lowercase"
          ]
        }
      }
    }
  }
}

mapping：

```java
{
  "mapping": {
    "test_bean": {
      "properties": {
        "categoryId": {
          "type": "long"
        },
        "testString": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 256
            }
          }
        },
        "testStringIk": {
          "type": "text",
          "analyzer": "ik_max_word"
        },
        "testStringKW": {
          "type": "keyword"
        },
        "test_bean": {
          "type": "keyword",
          "normalizer": "lowercase"
        }
      }
    }
  }
}

api使用

分词效果测试

POST test_bean/_analyze
{
  "field": "testStringIk", 
  "text": "你弘法寺方艾欧是"
}

POST _analyze
{
  "tokenizer": "standard", 
  "filter": ["lowercase"], 
  "text": "Hello world"
}


POST _analyze
{
  "analyzer": "ik_max_word", 
  "text": "你好中国，我爱北京"
}

POST _analyze
{
  "tokenizer": "keyword", 
  "char_filter": ["html_strip"], 
  "text": "<p>I&apos;m s"
}

POST _analyze
{
  "tokenizer": "ngram", 
  "text": "sjfjkajfskljfsal"
}

POST _analyze
{
  "tokenizer": "path_hierachy", 
  "text":"/abc/oijo/jgbad"
}

POST _analyze
{
  "text":"拜仑财经真的很不错",
  "tokenizer": "standard",
  "filter": [
    "stop",
    "lowercase",
    {
      "type":"ngram",
      "min_gram":1,
      "max_gram":2
    }
    ]
}

自定义分词器结构

自定义分词器结构
无论是内置的分析器（analyzer），还是自定义的分析器（analyzer），都由三种构件块组成的：character filters ， tokenizers ， token filters。

内置的analyzer将这些构建块预先打包到适合不同语言和文本类型的analyzer中。

Character filters （字符过滤器）

字符过滤器以字符流的形式接收原始文本，并可以通过添加、删除或更改字符来转换该流。

举例来说，一个字符过滤器可以用来把阿拉伯数字（٠‎١٢٣٤٥٦٧٨‎٩）‎转成成Arabic-Latin的等价物（0123456789）。

一个分析器可能有0个或多个字符过滤器，它们按顺序应用。

（PS：类似Servlet中的过滤器，或者拦截器，想象一下有一个过滤器链）

Tokenizer （分词器）

一个分词器接收一个字符流，并将其拆分成单个token （通常是单个单词），并输出一个token流。例如，一个whitespace分词器当它看到空白的时候就会将文本拆分成token。它会将文本“Quick brown fox!”转换为[Quick, brown, fox!]

（PS：Tokenizer 负责将文本拆分成单个token ，这里token就指的就是一个一个的单词。就是一段文本被分割成好几部分，相当于Java中的字符串的 split ）

分词器还负责记录每个term的顺序或位置，以及该term所表示的原单词的开始和结束字符偏移量。（PS：文本被分词后的输出是一个term数组）

一个分析器必须只能有一个分词器

Token filters （token过滤器）

token过滤器接收token流，并且可能会添加、删除或更改tokens。

例如，一个lowercase token filter可以将所有的token转成小写。stop token filter可以删除常用的单词，比如 the 。synonym token filter可以将同义词引入token流。

不允许token过滤器更改每个token的位置或字符偏移量。

一个分析器可能有0个或多个token过滤器，它们按顺序应用。

stop 接受以下参数：

stopwords ： 一个预定义的停止词列表（比如，englisht）或者是一个包含停止词的列表。默认是 english
stopwords_path ： 包含停止词的文件路径。这个路径是相对于Elasticsearch的config目录的一个路径
stopwords指定停词

PUT test4_bean
{
    "settings": {
        "analysis": {
            "analyzer":{
              "ik_max_word":{
                  "tokenizer":"ik_max_word",
                  "type":"stop",
                  "stopwords":["你爸爸","他哥"]
                   }
            }
        }
    },
    "mappings": {
        "test4_bean": {
            "properties": {
                "testStringKW": {
                    "type": "keyword"
                },
                "categoryId": {
                    "type": "long"
                },
                "testStringIk": {
                    "type": "text",
                    "analyzer": "ik_max_word"
                }
            }
        }
    }
}

stopwords_path指定停词（好像只能识别txt文件）

PUT test4_bean
{
    "settings": {
        "analysis": {
            "analyzer":{
              "ik_max_word":{
                  "tokenizer":"ik_max_word",
                  "filter":["extra_stop"]
                   }
            },
            "filter": {
              "extra_stop":{
                "type":"stop",
                "stopwords_path":"analysis-ik/extra_stopword.txt"
              }
            }
            
        }
    },
    "mappings": {
        "test4_bean": {
            "properties": {
                "testStringKW": {
                    "type": "keyword"
                },
                "categoryId": {
                    "type": "long"
                },
                "testStringIk": {
                    "type": "text",
                    "analyzer": "ik_max_word"
                }
            }
        }
    }
}

POST test4_bean/_analyze
{
  "analyzer": "ik_max_word",
  "text": "你好中国，你爸爸，我也爱北京a你是谁"
}

ik添加分词器

IKAnalyzer.cfg.xml的配置例如以下：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户能够在这里配置自己的扩展字典 <entry key="ext_dict">ext.dic;</entry>假设有多个扩展词典。那么以分号分隔就可以，如以下的两个扩展停止词字典 -->
	<!--用户能够在这里配置自己的扩展停止词字典 -->
	<entry key="ext_stopwords">stopword.dic;chinese_stopwords.dic</entry>
</properties>

注意点：

1、停用词词典必须是UTF-8编码。

2、这里非常多跟我一样的新手没办法成功的原因就是被无bom的UTF-8格式给折磨的，IK作者自己也这样说了。

3、假设你不知道啥叫无BOM，也不确定自己的文件是不是UTF-8无bom，那么请在第一行使用回车换行，从第二行開始加入停止词。

4、该配置文件以及停用词词典均存放在src文件夹以下就可以。

示例示例
示例结果
在这里插入图片描述

自定义示例

在这里插入图片描述
效果示例：
在这里插入图片描述

深度分页

from/size 需要实时获取顶部的部分文档，且需要自由翻页
scroll 快照 需要全部文档，如到处所有数据的功能
search_after 下一页 需要全部文档，不需要自由翻页

参考资料：
elasticsearch使用指南 ： https://www.cnblogs.com/yueshutong/p/9381543.html
elasticsearch的mapping: https://blog.csdn.net/sinat_35930259/article/details/80354732

菜鸟_allen
关注
专栏目录
ElasticSearch的REST APIs 之 索引的mapping管理
aben_sky的专栏
10-21 1299
基于ES 7.7 包括4个api: Put mapping, Get mapping, Get field mapping, Type exists(7....
ElasticSearch最新版快速入门详解
热门推荐
静待花开
05-29 5万+
本文把最新版的ElasticSearch和kibana的知识点用通俗易懂的语言来展现，并会在核心概念上和MySql对比，结合示例进行图文并茂的详解，同时还给大家提供百分百成功的极速安装配置方法哦！
ElasticSearch最佳入门实践（六十二）type底层数据结构
Fireworks
11-15 470
type，是一个index中用来区分类似的数据的，类似的数据，但是可能有不同的fields，而且有不同的属性来控制索引建立、分词器 field的value，在底层的lucene中建立索引的时候，全部是opaque bytes类型，不区分类型的 lucene是没有type的概念的，在document中，实际上将type作为一个document的field来存储，即_type，es通过_type...
ElasticSearch快速入门实战
最新发布
qq_45061342的博客
09-25 1979
ElasticSearch（简称ES）是一个开源的分布式搜索和数据分析引擎，是用Java开发并且是当前最流行的开源的企业级搜索引擎，能够达到近实时搜索，它专门设计用于处理大规模的文本数据和实现高性能的全文检索。 以下是一些 Elasticsearch 的特点和优势： 分布式架构：Elasticsearch 是一个分布式系统，可以轻松地水平扩展，处理大规模的数据集和高并发的查询请求。 全文检索功能：Elasticsearch 提供了强大的全文检索功能，包括分词、词项查询、模糊匹配、多字段搜索等，并支持丰富
ElasticSearch的mapping(映射)
白羊座的橙子
12-19 215
1、ElasticSearch7去掉type的概念 关系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field最终咋Lucene中的处理方式是一样的 两个不同type下的user-name，在es同一个索引下其实被认为是同一个field,你必须在不同的 t...
关于ElasticSearch的_type类型
wangguohui0726的博客
09-08 2994
_type是es早期版本的设计缺陷。 在5.x以前的版本里边,一个index下面是支持多个type的， 在6.x的版本里改为一个index只支持一个type, type可以自定义。 7.x的版本所有的type默认为_doc（自定义type也能用，但是会提示不推荐） ...
ElasticSearch的type底层结构及弃用原因
qq_29860591的博客
10-28 735
下面的内容是视频中《ELK高级搜索》的课件，也在网上找到雷同的了，这里就简单记录一下。 1type底层结构及弃用原因 1.1type是什么 type，是一个index中用来区分类似的数据的，类似的数据，但是可能有不同的fields，而且有不同的属性来控制索引建立、分词器. field的value，在底层的lucene中建立索引的时候，全部是opaque bytes类型，不区分类型的。 l...
Elasticsearch入门详解：分布式搜索服务器
"前锋Elasticsearch笔记，详细记录了Elasticsearch的基础知识和核心概念，适合学习和参考，包括Elasticsearch的概述、基本概念以及架构解析。" Elasticsearch是一个强大且流行的开源搜索引擎，其核心特性在于分布式...
ElasticSearch入门篇.docx
03-12
### ElasticSearch 入门知识点详解 #### 一、ElasticSearch 概览 **1.1 ElasticSearch 的使用案例** ElasticSearch 在多个领域有着广泛的应用案例，这充分证明了其在大规模数据处理和搜索方面的强大能力。 - **...
Elasticsearch Mapping 详解
gnufre的专栏
05-19 797
什么是Mapping？ 这个Mapping 对应关系型数据库的schema的定义，作用如下: 定义索引中的字段的名字 定义字段的数据类型，例如字符串、数字、布尔类型... 字段、倒排索引的相关配置，Analyzed or Not Analyzed, Analyzer Mapping 会把JSON文档映射成Lucene 所需要的扁平格式 一个Mapping属于一个索引的Type 每个文档都属于一个Type 一个Type有一个Mapping 定义 7.0开始，不需要再Mapping定义中指定ty
Elasticsearch入门与API实践：高效全文检索技术详解
本文档全面介绍了 Elasticsearch 的概念、应用场景以及如何在实际开发中使用它。 首先，全文检索是针对非结构化数据的搜索技术，这些数据包括办公文档、文本、图片等多种格式，它们不遵循固定的结构，搜索时通常...
Elasticsearch之mapping映射入门
yfy的博客
06-06 841
10.1． 什么是mapping映射 概念：自动或手动为index中的_doc建立的一种数据结构和相关配置，简称为mapping映射。 插入几条数据，让es自动为我们建立一个索引 PUT /website/_doc/1 { "post_date": "2019-01-01", "title": "my first article", "content": "this is my first article in this website", "author_id": 11400 }
Elasticsearch（八）类型映射详解
街头看日出的博客
07-01 1590
前言 通过前面章节的学习，我们已经可以让elasticsearch对中文分词有比较好的效果了，就是使用IK分词器，但我们也知道，elasticsearch的默认分词器是standard分词器，那如何把standard分词器切换到IK分词器呢？ 我们在讲解elasticsearch的重要概念的时候我们提到了一个概念：type（类型），为了更好的理解该概念，我们还拿了关系型数据库的表来跟type对比...
Elasticsearch的元字段 (_index、_type、_source、_routing等)
hellozhxy的博客
07-21 975
如果不指定_routing的值, 默认使用文档的_id字段. 如果存在父文档则使用其_parent的编号.// 此文档使用'user_5220'作为其路由值, 在查询、更新、删除时同样需要提供此路由值_routing"query": {
一文读懂elasticsearch版本升级type的变化
microGP的专栏
01-19 2660
type属性的由来 从Elasticsearch的第一个发布版本以来，每一个document都被存储在一个单独的index里，并被赋予了一个type，一个mapping代表一个type相关的数据类型以及索引类型。 例如，一个twitter索引可能有一个user类型和tweet类型。 每种type都有他自己的字段，所以user类型可能有一个full_name字段，一个user_name字段和一个email字段，而一个tweet类型可能有一个content字段，一个tweet_at字段，和user类型一样
Elasticsearch--- 基本概念(Index、Type、Document、集群、节点、分片及副本、倒排索引)
alan_liuyue的博客
03-24 1550
这篇博客讲到基本概念包括:Index、Type、Document。集群，节点，分片及副本，倒排索引。 一、Index、Type、Document 1、Index index：索引是文档(Document)的容器，是一类文档的集合。 索引这个词在 ElasticSearch 会有三种意思: 1)、索引(名词) 类比传统的关系型数据库领域来说，索引相当于SQL中的一个数据库(Databa...
Elasticsearch入门教程
06-09
### Elasticsearch入门教程知识点详解 #### 一、Elasticsearch安装与基本操作 1. **解压目录结构**： - 在解压后的Elasticsearch目录中，通常包含多个子目录和文件，例如`bin`目录包含了启动脚本，`config`目录...
ElasticSearch--索引与类型
IT利刃出鞘的博客
12-27 1万+
版本变化 其他网址 ElasticSearch 中的索引与类型的前生今世 - 程序印象
elasticsearch的Search Type类型分析
likui1314159的专栏
11-16 2406
参考链接：https://www.elastic.co/guide/en/elasticsearch/reference/current/search-request-search-type.html 背景介绍：    ES天生就是为分布式而生，但分布式有分布式的缺点。比如要搜索某个单词，但是数据却分别在5个分片（Shard)上面，这5个分片可能在5台主机上面。因为全文搜索天生就要排序（按照匹
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