ElasticSearch

于 2024-05-04 23:07:33 发布
阅读量534 收藏 28
点赞数 22
文章标签： elasticsearch android 大数据
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_73182976/article/details/138381219
版权

初始ES

什么是ES

elasticsearch是一款非常强大的开源搜索引擎，可以帮助我们从海量数据中快速找到需要的内容
elasticsearch结合kibana，Logstash，Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析，实时监控等领域。
elasticsearch是elastic stack的核心，负责存储，搜索，分析数据

正向索引和倒排索引

传统数据库（如MySQL）采用正向索引。
es采用倒排索引：

  1. 文档（document）：每条数据就是一个文档
  2. 词条（term）：文档按照语义分成的词语
    在这里插入图片描述

文档

es是面向文档存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化成json格式后存储在es中

索引

索引（index）：相同类型的文档的集合
映射（mapping）：索引中文档的字段约束信息，类似表的结构约束

概念对比

MySQLES说明
TableIndex索引（Index），就是文档的集合类似数据库的表（table）
RowDocument文档（Document’），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式
ColumnField字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
SchemaMappingMapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构(Schema)
SQLDSLDSL是es提供的JSON风格的请求语句，用来操作es，实现CRUD

架构

MySQL：擅长事务类型操作，可以确保数据的安全和一致性
ES：擅长海量数据的搜索，分析，计算

索引库操作

mapping映射

mapping是对索引库中文档的约束，常见的mapping属性包括：

  1. type：字段数据类型，常见的简单类型有：
    1. 字符串：text（可分词的文本）
    2. keyword（精确值，例如：品牌，国家，ip地址）
    3. 数值：long,integet,short,byte,double,float
    4. 布尔：boolean
    5. 日期：date
    6. 对象：object
  2. index：是否创建索引，默认味true
  3. analyzer：使用哪种分词器
  4. properties：该字段的子字段

创建索引库

ES中通过RESTful请求操作索引库，文档。请求内容用DSL语句来表示。创建索引库和mapping的DSL语法如下：
在这里插入图片描述
在这里插入图片描述

查看/删除索引库

查看索引库
GET /索引库名
删除索引库
DELETE /索引库名
修改索引库（只允许添加新的字段，不允许修改）
PUT /索引库名/_mapping
{
	"properties":{
		"新字段名":{
			"type“：“integer”
		}
	}
}

文档操作

新增文档的DSL语法如下：

POST /索引库名/_doc/文档id
{
	"字段1"："值1"，
	//....
}

查看/删除文档语法：

GET /索引库名/_doc/文档id
DELETE /索引库名/_doc/文档id

修改文档
方式一：全量修改，会删除旧文档，添加新文档

PUT /索引库名/_doc/文档id
{
	"字段1":"值1"
	//......
}

方式二：增量修改，修改指定字段值

POST /索引库名/_update/文档id
{
	"doc":{
		"字段名"："新的值"
	}
}

RestClient操作索引库

什么是RestClient

ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发给ES。

操作索引库

public class test {
    private RestHighLevelClient client;

    @Test
    void testInit(){
        System.out.println(client);
    }
    @Test
    void createHotelIndex() throws IOException {
        // 1. 创建Request对象
        CreateIndexRequest request = new CreateIndexRequest("hotel");
        // 2.准备请求的参数：DSL语句
        request.source("{\n" +
                "    \"mappings\": {\n" +
                "        \"properties\": {\n" +
                "            \"id\": {\n" +
                "                \"type\": \"keyword\"\n" +
                "            },\n" +
                "            \"name\": {\n" +
                "                \"type\": \"text\",\n" +
                "                \"analyzer\": \"ik_max_word\"\n" +
                "            }\n" +
                "        }\n" +
                "    }\n" +
                "}", XContentType.JSON);
        // 3.发送请求
        client.indices().create(request, RequestOptions.DEFAULT);
    }
    @Test
    void testDeleteHotelIndex() throws IOException {
        // 1. 创建Request对象
        DeleteIndexRequest request = new DeleteIndexRequest("hotel");
        // 2.发送请求
        client.indices().delete(request, RequestOptions.DEFAULT);
    }
    @Test
    void testExistHotelIndex() throws IOException {
        // 1. 创建Request对象
        GetIndexRequest request = new GetIndexRequest("hotel");
        // 2.发送请求
        boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
        // 3.输出
        System.err.println(exists ? "索引库已经存在" : "索引库不存在");
    }
    @BeforeEach
    void setUp(){
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://101.35.251.74:9200")
        ));
    }
    @AfterEach
    void tearDown() throws IOException {
        this.client.close();
    }
}

操作文档

public class DocumentTest {
    private RestHighLevelClient client;

    @Test
    void testAddDocument() throws IOException {
        Hotel hotel = new Hotel();
        hotel.setId(1);
        hotel.setName("测试酒店");
        // 1.准备Request对象
        IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());
        // 2.准备JSON文档
        request.source(JSON.toJSONString(hotel), XContentType.JSON);
        // 3.发送请求
        client.index(request, RequestOptions.DEFAULT);
    }
    @Test
    void testGetDocuemtById() throws IOException {
        // 1.准备Request对象
        GetRequest request = new GetRequest("hotel","1");
        // 2.发送请求，得到结果
        GetResponse response = client.get(request, RequestOptions.DEFAULT);
        // 3.解析结果
        String json = response.getSourceAsString();
        Hotel hotel = JSON.parseObject(json, Hotel.class);
        System.out.println(hotel);
    }
    @Test
    void testUpdateDocumentById() throws IOException {
        // 1.准备Request对象
        UpdateRequest request = new UpdateRequest("hotel","1");
        // 2.准备参数，每2个参数为一对key value
        request.doc(
                "name","测试酒店test"
        );
        // 3.更新文档
        client.update(request, RequestOptions.DEFAULT);
    }
    @Test
    void testDeleteDocument() throws IOException {
        // 1.准备request对象
        DeleteRequest request = new DeleteRequest("hotel","1");
        // 2.发送请求
        client.delete(request, RequestOptions.DEFAULT);
    }
    @Test
    void testBulkRequest() throws IOException {
        // 1.创建request
        BulkRequest request = new BulkRequest();
        // 2.准备参数，添加多个新增的Request
        List<Hotel> list = new ArrayList<>();
        Hotel hotel = new Hotel();
        hotel.setId(1);
        hotel.setName("测试酒店");
        Hotel hotel1 = new Hotel();
        hotel.setId(2);
        hotel.setName("测试酒店2");
        list.add(hotel);
        list.add(hotel1);
        for (Hotel hotelEntity : list){
            request.add(new IndexRequest("hotel").id(hotelEntity.getId().toString()).source(JSON.toJSONString(hotelEntity), XContentType.JSON));
        }
        // 3.发送请求
        client.bulk(request, RequestOptions.DEFAULT);
    }
    @BeforeEach
    void setUp(){
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://101.35.251.74:9200")
        ));
    }
    @AfterEach
    void tearDown() throws IOException {
        this.client.close();
    }
}

DSL查询语法

DSL Query的分类

ES提供了基于JSON的DSL（Domain Specfic Language）来定义查询。常见的查询类型包括：

  1. 查询所有：查询出所有数据，一般测试用。例如：match_all
  2. 全文检索（full text）查询：利用分词器和用户输入内容分词，然后去倒排索引库中匹配。例如:match_query,multi_match_query
  3. 精确查询：根据精确词条值查询数据，一般是查找keyword，数值，日期，boolean等类型字段。例如：ids，range，term
  4. 地理（geo）查询：根据经纬度查询。例如：geo_distance，geo_bounding_box
  5. 复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。例如：bool，function_score

全文检索查询

全文检索查询，会对用户输入内容进行分词，常用语搜索框搜索：

  1. match查询：全文检索查询的一种，会对用户输入的内容分词，然后去倒排索引库检索，语法：
    在这里插入图片描述
  2. multi_match：与match查询类似，只不过允许同时查询多个字段，语法：
    在这里插入图片描述

精确查询

精确查询一般是查找keyword，数值，日期，boolean等类型字段。所以不会对搜索条件分词。常见的有：

  1. term：根据词条精确值查询
    在这里插入图片描述

  2. range：根据值的范围查询
    在这里插入图片描述

地理查询

根据经纬度查询，例如：

  1. geo_boundin_box
    在这里插入图片描述
  2. geo_distance：查询到指定地点小于某个距离值的所有文档
    在这里插入图片描述

复合查询

复合（compound）查询：复合查询可以将其他的简单查询组合起来，实现更复杂的搜索逻辑，例如：

  1. function score：算分函数查询，可以控制文档相关性算分，控制文档排名。
  2. boolean query：布尔查询是一个或多个查询子句的组合。子查询的组合方式有：
    1. must：必须匹配每个子查询，类似“与”
    2. should：选择性匹配查询，类似“或”
    3. must_not：必须不匹配，不参与算分，类似“非”
    4. filter：必须匹配，不参与算分

搜索结果处理

排序

ES支持对搜索结果排序，默认是根据相关度算分（_score）来排序。可以排序字段类型有：keyword类型，数值类型，地理坐标类型，日期类型等。

分页

ES默认情况下只返回top10的数据。而如果要查询更多数据就需要修改分页参数了。
ES中通过修改from，size参数来控制要返回的分页结果：

深度分页问题

ES是分布式的，所以会面临深度分页问题。
如果搜索页数过深，或者结果集（from+size）越大，对内存和CPU的消耗也越高。因此ES设定结果集查询的上线是10000
针对深度分页，ES提供了两种解决方案：

  1. search after：分页时需要排序，原理是从上一次的排序值开始，查询下一页的数据。官方推荐使用的方式
  2. scroll：原理将排序数据形成快照，保存在内存，官方已经不推荐使用

高亮

高亮：就是在搜索结果中把关键字突出显示
原理是这样的：

  1. 将搜索结果中的关键字用标签标记出来
  2. 在页面中的标签添加CSS样式
    语法：
    在这里插入图片描述

RestClient查询文档

public class HotelSearchTest {
    private RestHighLevelClient client;

    @Test
    void testMatchAll() throws IOException {
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source().query(QueryBuilders.matchAllQuery());
        // 3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        handleResopnse(response);
    }
    @Test
    void testMatch() throws IOException {
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source().query(QueryBuilders.matchQuery("name","测试"));
        // 3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        handleResopnse(response);
    }
    @Test
    void testBool() throws IOException {
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        // 2.1准备BooleanQuery
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
        // 2.2 添加term
        boolQuery.must(QueryBuilders.termQuery("name", "测试酒店"));
        // 3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        handleResopnse(response);
    }
    @Test
    void testPageAndSort() throws IOException {
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source().query(QueryBuilders.matchAllQuery());
        // 2.1 排序
        request.source().sort("price", SortOrder.ASC);
        // 2.2分页
        request.source().from(0).size(5);
        // 3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        handleResopnse(response);
    }
    @Test
    void testHighlight() throws IOException {
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source().query(QueryBuilders.matchQuery("name","酒店"));
        request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));
        // 3.发送请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        handleHighlightResopnse(response);
    }
    @BeforeEach
    void setUp(){
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://101.35.251.74:9200")
        ));
    }
    @AfterEach
    void tearDown() throws IOException {
        this.client.close();
    }
    void handleResopnse(SearchResponse response){
        // 4.解析结果
        SearchHits searchHits = response.getHits();
        // 4.1查询的总条数
        long value = searchHits.getTotalHits().value;
        System.out.println("总条数：" + value);
        // 4.2文档数据
        SearchHit[] hits = searchHits.getHits();
        // 4.3 遍历
        for (SearchHit hit : hits) {
            // 获取文档source
            String json = hit.getSourceAsString();
            // 反序列化
            Hotel hotel = JSON.parseObject(json, Hotel.class);
            System.out.println(hotel);
        }
    }
    void handleHighlightResopnse(SearchResponse response){
        // 4.解析结果
        SearchHits searchHits = response.getHits();
        // 4.1查询的总条数
        long value = searchHits.getTotalHits().value;
        System.out.println("总条数：" + value);
        // 4.2文档数据
        SearchHit[] hits = searchHits.getHits();
        // 4.3 遍历
        for (SearchHit hit : hits) {
            // 获取文档source
            String json = hit.getSourceAsString();
            // 反序列化
            Hotel hotel = JSON.parseObject(json, Hotel.class);
            // 获取高亮结果
            Map<String, HighlightField> highlightFields = hit.getHighlightFields();
            // 根据名字获取高亮结果
            HighlightField highlightField = highlightFields.get("name");
            // 获取高亮值
            String name = highlightField.getFragments()[0].string();
            // 覆盖非高亮结果
            hotel.setName(name);
            System.out.println(hotel);
        }
    }
}

聚合

聚合的分类

聚合（aggregations）可以实现对文档数据的统计，分析，运算。聚合常见的有三类：

  1. 桶（Bucket）聚合：用来对文档做分组
    1. TermAggregation：按照文档字段值分组
    2. Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组
  2. 度量（Metric）聚合：用以计算一些值，比如：最大值。最小值，平均值等
    1. avg：求平均值
    2. max：求最大值
    3. min：求最小值
    4. Stats：同时求max，min，avg，sum等
  3. 管道（pipeline）聚合：其他聚合的结果为基础做聚合

DSL实现Bucket聚合

现在，我们要统计所有数据中的酒店品牌有几种，此时可以根据酒店品牌的名称做聚合
类型为term类型，DSL示例：
在这里插入图片描述
默认情况下，Bucket聚合会统计Bucket内的文档数量，记为_count，并且按照_count降序排序。
我们可以修改结果排序方式：
在这里插入图片描述
默认情况下，Bucket聚合是对索引库的所有文档做聚合，我们可以限定要聚合的文档范围，只要添加query条件即可：
在这里插入图片描述

DSL实现Metrics聚合

例如，我们要求获取每个品牌的用户评分的min,max,avg等值。
我们可以利用stats聚合：
在这里插入图片描述

RestAPI实现聚合

我们以品牌聚合为例，演示java的RestClient使用

@Test
    void testAggregation() throws IOException {
        // 1.准备request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        // 2.1 设置size
        request.source().size(0);
        // 2.2聚合
        request.source().aggregation(AggregationBuilders.terms("brand").field("brand").size(20));
        // 3.发出请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析结果
        Aggregations aggregations = response.getAggregations();
        // 4.1根据聚合名称获取聚合结果
        Terms brandTerms = aggregations.get("brand");
        // 获取buckets
        List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
        for (Terms.Bucket bucket : buckets) {
            String key = bucket.getKeyAsString();
            System.out.println(key);
        }
    }

自动补全

自定义分词器

ES中的分词器（analyzer）的组成包含三部分：

  1. character filters：在tokenizer之前对文本进行处理。例如删除字符，替换字符
  2. tokenizer：将文本按照一定的规则切割成词条（term）。例如keyword，就是不分词；还有ik_smart
  3. tokenizer filter：将tokenizer输出的词条做进一步处理。例如大小写转换，同义词处理，拼音处理等。
    我们可以在创建索引库时，通过settings来配置自定义的analyzer（分词器）
    在这里插入图片描述

completion suggester查询

ES提供了completion suggester查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率，对于文档中字段的类型有一些约束：

  1. 参与补全查询的字段必须是completion类型
  2. 字段的内容一般是用来补全的多个词条形成的数组。
    在这里插入图片描述

RestAPI

@Test
    void testSuggest() throws IOException {
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source().suggest(new SuggestBuilder().addSuggestion(
                "suggestion"
        , SuggestBuilders.completionSuggestion("suggestion").prefix("cs").skipDuplicates(true).size(10)));
        // 3.发起请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析结果
        System.out.println(response);
        Suggest suggest = response.getSuggest();
        // 4.1 根据名称获取补全结果
        CompletionSuggestion suggestion = suggest.getSuggestion("suggestion");
        // 4.2 获取options并遍历
        for (CompletionSuggestion.Entry.Option option : suggestion.getOptions()) {
            // 4.3获取一个option中的text，也就是补全的词条
            String text = option.getText().string();
            System.out.println(text);
        }
    }

数据同步

问题分析

ES中的酒店数据来自于mysql数据库，因此mysql数据发生改变时，ES也必须跟着改变，这个就是ES与mysql之间的数据同步。
方案一：同步调用
在这里插入图片描述
方案二：异步通知
在这里插入图片描述
方案三：监听binlog
在这里插入图片描述

独自看那烟火
关注
  • 22
    点赞
  • 踩
  • 28
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
es docker 部署 elasticsearch.yml
03-19
docker run --name elasticsearch7.16.3 -p 127.0.0.1:9200:9200 -p 127.0.0.1:9300:9300 -e "discovery.type=single-node" -v /Users/xingyue/Home/xingyue/学习/工程化/es/elasticsearch.yml:/usr/share/elastic...
elasticSearch(ES)最新版 ik分词插件7.10 elasticsearch-analysis-ik-7.10.0
11-20
elasticSearch(ES) 最新版ik分词插件7.10 elasticsearch-analysis-ik-7.10.0
Elasticsearch——使用Java API实现ES中的索引、映射、文档操作
热门推荐
胜天半子祁同伟
08-26 2万+
Elasticsearch——使用Java API实现ES中的索引、映射、文档操作
ElasticSearch之ES8新特性及集群安装
scorpio的博客
09-18 8742
ElasticSearch之ES8新特性及集群安装
Elasticsearch02：ES安装部署【单机】
weixin_40612128的博客
03-16 3676
一、ES安装部署【单机】 1、下载 ES支持单机和集群，在使用层面是完全一样的。 首先下载ES的安装包，目前ES最新版本是7.x，在这使用7.13.4版本。 （1）百度网盘地址： 链接：https://pan.baidu.com/s/1rnvMTGm5CYAh0GfdNDHx-g?pwd=d8xv 提取码：d8xv （2）官网下载地址： https://www.elastic.co/cn/downloads/past-releases#elasticsearch 选择ES的对应版本。 ES 7.1
五-1、elasticsearch集群搭建(ES集群搭建)
xiaobai_july的博客
03-11 5980
从零到一，elasticsearch搭建集群
elasticsearch安装
weixin_44383484的博客
01-18 4837
elasticsearch安装
ES(Elasticsearch)入门学习教程
m0_67400973的博客
04-02 1万+
Elasticsearch 入门学习教程 1.1 为什么要学Elasticsearch? 1.2 如何下载安装使用ES? 1.2.1 ES 安装使用条件 1.2.2 ES 下载须知 1.2.3 ES 官方下载 1.2.3.1 Windows 系统下载安装 1.2.3.1 Mac OSX 系统下载安装 1.2.3.2 Docker方式下载安装 1.2.4 使用Docker 启动ES单节点实例 1.2.5 使用Docker启动ES多节点实例 1.2.6 ES 在生产环境配置 1.2.6.1
使用python库elasticsearch操作es
buside的博客
11-19 1762
1、单个写入 from elasticsearch import Elasticsearch es = Elasticsearch("192.168.0.11:9200") mappings = { "id": "11", "serial": "版本", "tags": {"comment": "标签3"}, "status": "tag1" } es.index(index="index-te
Linux搭建ElasticSearch(ES)集群并设置密码登录
m0_61418822的博客
10-26 8498
Linux搭建ES集群，设置密码访问。
Elasticsearch6.4.3——启动es
qq_11716的博客
01-25 2902
不能以root用户启动 新建用户adduser username 设置密码passwd username 将es目录权限赋给刚创建的用户 chown -R username /usr/local/elasticsearch 切换用户 su username 进入到es的bin目录启动 ./elasticsearch -d 服务器测试： curl 127.0.0.1:9200 服务器安全组开放9200端口 浏览器测试：服务器公网IP:9200 ...
elasticsearch
qq_57907966的博客
08-20 3109
elasticsearch采用倒排索引文档：每条数据就是一个文档词条：文档按照语义分成的词语索引：相同类型的文档的集合，类似与数据库的表文档：就是一条条数据类似于数据库中的行，文档都是JSON格式映射：索引中文档的约束，类如字段类型约束，类似数据库的表结构字段：就是JSON文档中的字段，类似与数据库中的列DSL：用来操作elasticsearch，类似于SQL。
(狂神)ElasticSearch快速入门笔记，ElasticSearch基本操作以及爬虫(Java-ES仿京东实战)
04-18
(狂神)ElasticSearch快速入门笔记，ElasticSearch基本操作以及爬虫(Java-ES仿京东实战),包含了小狂神讲的东西，特别适合新手学习，笔记保存下来可以多看看。好记性不如烂笔头哦~，ElasticSearch，简称es，es是一个...
es-head Elasticsearch的可视化操作插件
最新发布
12-19
es-head是一个针对Elasticsearch的可视化操作插件。它提供了一个便捷的操作工具，可以连接Elasticsearch搜索引擎，并提供可视化的操作页面，对Elasticsearch进行各种设置和数据检索功能的管理。 es-head 插件可以在...
es-dedupe:用于从Elasticsearch删除重复文档的工具
05-05
ES重迭 用于删除按某些唯一字段（例如--field Uuid ）分组的重复文档的工具。 删除过程包括两个阶段： 汇总查询查找具有相同field值且至少出现2次的文档。 此类文档的一份副本留在ES中，其他副本则通过批量API删除...
es-operator：用于Elasticsearch的Kubernetes运算符
02-04
ES-Operator已通过Elasticsearch 6.x和7.0测试。 这个怎么运作 该操作员通过管理称为ElasticsearchDataSets （EDS）的自定义资源来工作。 它们基本上是StatefulSets的一个薄包装。 一个EDS代表一组普通的Elastic...
elasticsearch-7.17.6及对应版本IK分词
02-19
elasticsearch-7.17.6及对应版本IK分词 适合人群：elasticsearch初学者 Elasticsearch 是位于 Elastic Stack 核心的分布式搜索和分析引擎。Logstash 和 Beats 有助于收集、聚合和丰富您的数据并将其存储在 Elastic...
ElasticSearch官方测试数据
09-14
ElasticSearch官方测试数据
arcgis-elasticSearch-es-矢量数据导入插件-数据建模-mapping-indexsetting-字段映射
06-29
arcgis elasticSearch es 矢量数据导入插件 数据建模 mapping indexsetting 字段映射 索引建模支持geoshape、shape，text索引支持keyword/ngram/edgeNgram/ikSmart，快速导入，兼容multipolygon，带洞，多面，使用时...
Elasticsearch es Mapping
05-26
Elasticsearch Mapping 是指索引（index）中的字段映射（mapping），它定义了文档中每个字段的数据类型和如何存储数据。Mapping 是 Elasticsearch 中非常重要的概念，因为它定义了如何解析和索引文档。 在 Elastic...

“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