Elastic Certified Engineer复习记录-复习题详解篇-搜索数据（2）

最新推荐文章于 2022-01-12 16:31:35 发布
最新推荐文章于 2022-01-12 16:31:35 发布
阅读量133 收藏
点赞数
分类专栏： ECE考试 开发基础 程序人生 文章标签： docker 容器 运维
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/weixin_40601534/article/details/121766569
版权

EXAM OBJECTIVE: QUERIES

考点：queries

GOAL: Create search queries for terms, numbers, dates, fuzzy, and

考试目标：构建terms、数字、日期、模糊匹配及符合查询语句

REQUIRED SETUP:

初始化步骤：
建议docker-compose文件：1e1k_base_cluster.yml

  1. a running Elasticsearch cluster with at least one node and a Kibana instance,
    1. 运行一个至少含有1ES节点1Kibana节点的集群
  2. add the “Sample web logs” and “Sample flight data” to Kibana
    1. 在Kibana里添加"Sample web logs" 和 "Sample flight data"两个示例数据集
  3. Run the next queries on the kibana_sample_data_logs index
    1. 在kibana_sample_data_logs索引中运行下面的搜索语句

初始化

  1. 搭建集群，docker-compose -f 1e1k_base_cluster.yml up -d --build
  2. 添加数据：
    1. Kibana点左上角Kibana图标回到首页
    2. 点右侧最上面一栏 Add Data to Kibana（中文大概是“为Kibana添加数据”，没有中文版可以测试，具体的要看具体翻译）
    3. 点最右边一个栏目 Sample data （中文大概是“样例数据”）
    4. 点第一第三个示例数据的 Add data
  3. 校验数据，GET _cat/indices
    • 如果出现kibana_sample_data_flights 和 kibana_sample_data_logs，代表添加成功
    green  open kibana_sample_data_flights   TxLrY4R4RB2wRcNsw5bQ9Q 1 0 13059 0  6.5mb  6.5mb
green  open kibana_sample_data_ecommerce -BmN-n3MRgOdtIrINDeufw 1 0  4675 0  4.9mb  4.9mb
green  open kibana_sample_data_logs      CfNuYq1kTvelLLVG0T6biA 1 0 14074 0 11.8mb 11.8mb

第1题，构建搜索语句

  1. Filter documents with the response field greater or equal to 400 and less than 500
    1. 筛选出response大于等于400而且小于等于500的文档
  2. As above, but add a second filter for documents with the referer field matching “http://twitter.com/success/guion-bluford”
    1. 接上个query，加上第二个筛选，referer 字段需要匹配 “http://twitter.com/success/guion-bluford”
  3. Filter documents with the referer field that starts by “http://twitter.com/success”
    1. 筛选出referer 字段以 “http://twitter.com/success” 开头的文档
  4. Filter documents with the request field that starts by “/people”
    1. 筛选出 request 字段以 “/people” 开头的文档
  5. Filter documents with the memory field containing any indexed value
    1. 筛选出包含 memory 字段的文档
  6. (opposite of above) Filter documents with the memory field not containing any indexed value
    1. （和上一个相反）筛选出不包含 memory 字段的文档
  7. Search for documents with the agent field containing the string “Windows” and the url field containing the string “name:john”
    1. 搜索 agent 字段包含 “Windows” 而且 url 字段包含 “name:john” 的文档
  8. As above, but also filter documents with the phpmemory field containing any indexed value
    1. 接上个query，但是过滤出 phpmemory 存在的文档
  9. Search for documents that have either the response field greater or equal to 400 or the tags field having the string “error”
    1. 搜索 response 字段大于等于 400 或者 tags 字段包含 “error” 的文档
  10. Search for documents with the tags field that does not contain any of the following strings: “warning”, “error”, “info”
    1. 搜索 tags 不包含 “warning”, “error”, “info” 这三个任意一个字符串的文档
  11. Filter documents with the timestamp field containing a date between today and one week ago
    1. 筛选出 timestamp 包含的日期在1周以前到现在的时间区间里

第1题，题解

  1. 筛选 response 满足 [400, 500] 的文档

    POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "filter": {
        "range": {
          "response": {
            "gte": 400,
            "lte": 500
          }
        }
      }
    }
  }
}
    • 计数
    {
  "took" : 6,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 801,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [
    ]
  }
}

  2. 上一个query里加上referer 字段需要匹配 "http://twitter.com/success/guion-bluford"的筛选

    POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "filter": [
          {
          "range": {
            "response": {
              "gte": 400,
              "lte": 500
            }
          }
        },
        {
          "match": {
            "referer": "http://twitter.com/success/guion-bluford"
          }
        }
      ]
    }
  }
}
    • 计数
    {
  "took" : 7,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [
    ]
  }
}

  3. 筛选 referer 以 “http://twitter.com/success” 开头

    POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "filter": {
        "prefix": {
          "referer": "http://twitter.com/success"
        }
      }
    }
  }
}
    • 计数
    {
  "took" : 13,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3584,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [
    ]
  }
}

  4. 筛选 request 以 “/people” 开头

    POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "filter": {
        "prefix": {
          "request.keyword": "/people"
        }
      }
    }
  }
}
    • 计数
    {
  "took" : 4,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 452,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [
    ]
  }
}

  5. 筛选包含 memory 的文档

    POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "filter": {
        "exists": {
          "field": "memory"
        }
      }
    }
  }
}
    • 计数
    {
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 552,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [
    ]
  }
}

  6. 筛选不包含 memory 的文档

    POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "must_not": {
        "exists": {
          "field": "memory"
        }
      }
    }
  }
}
    • 计数
    {
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 10000,
      "relation" : "gte"
    },
    "max_score" : 0.0,
    "hits" : [
    ]
  }
}

  7. 搜索 agent 包含 “Windows” 而且 url 字段包含 “name:john”

    POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "agent": "Windows"
          }
        },
        {
          "match": {
            "url": "name:john"
          }
        }
      ]
    }
  }
}
    • 计数
    {
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 7.5268917,
    "hits" : [
    ]
  }
}

  8. 接上，但是过滤出 phpmemory 存在的文档

    POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "agent": "Windows"
          }
        },
        {
          "match": {
            "url": "name:john"
          }
        }
      ],
      "filter": {
        "exists": {
          "field": "phpmemory"
        }
      }
    }
  }
}
    • 计数
    {
  "took" : 6,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 7.5268917,
    "hits" : [
    ]
  }
}

  9. 搜索 response 大于等于 400 或者 tags 包含 “error”

    POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "range": {
            "response": {
              "gte": 400
            }
          }
        },
        {
          "match": {
            "tags": "error"
          }
        }
      ]
    }
  }
}
    • 计数
    {
  "took" : 10,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2003,
      "relation" : "eq"
    },
    "max_score" : 3.8313324,
    "hits" : [
    ]
  }
}

  10. 搜索 tags 不包含 “warning”, “error”, “info”

    POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "must_not": [
        {
          "match": {
            "tags": "warning"
          }
        },
        {
          "match": {
            "tags": "error"
          }
        },
        {
          "match": {
            "tags": "info"
          }
        }
      ]
    }
  }
}

    或者

    POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "must_not": [
        {
          "terms": {
            "tags": ["warning", "error", "info"]
          }
        }
      ]
    }
  }
}
    • 计数
    {
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 2927,
      "relation" : "eq"
    },
    "max_score" : 0.0,
    "hits" : [
    ]
  }
}

  11. 筛选出 timestamp 包含的日期在1周以前到现在的时间区间里

    POST kibana_sample_data_logs/_search
{
  "query": {
    "range": {
      "timestamp": {
        "gte": "now-7d/d",
        "lte": "now/d"
      }
    }
  }
}
    • 计数
    {
  "took" : 4,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1840,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
    ]
  }
}

第1题，题解说明

  • 这题主要考察的是通过bool 配合 filter，must，should，must_not等关键字进行多检索条件的逻辑计算召回，以及 prefix，exists，match，range，terms 等搜索关键字的使用
    • 这里可能会有一个大坑是 prefix 关键字只能作用在 keyword 字段上，所以上面的题解里会有 prefix: referer 和 prefix: request.keyword 的区别
    • 在实际生产中可能会存在需要判断字段的值存不存在和字段存不存在的情况，判断字段存不存在可以用 exists 而判断字段的值存不存在可能需要搭配 script 对字段值长度进行判断，或者通过 null_value 等方式
      POST kibana_sample_data_logs/_search
{
  "query": {
    "bool": {
      "must": {
        "script": {
          "script": {
            "source": "String message = doc['message.keyword'].value; return (null != message && 0 < message.length())"
          }
        }
      }
    }
  }
}
    1. 参考链接-bool，参考链接-prefix，参考链接-exists，参考链接-match，参考链接-range，参考链接-terms，
    2. 页面路径-bool：Query DSL =》 Compound queries =》 Boolean
    3. 页面路径-prefix：Query DSL =》 Term-level queries =》 Prefix
    4. 页面路径-exists：Query DSL =》 Term-level queries =》 Exists
    5. 页面路径-match：Query DSL =》 Full text queries =》 Match
    6. 页面路径-prefix：Query DSL =》 Term-level queries =》 Range
    7. 页面路径-prefix：Query DSL =》 Term-level queries =》 Terms

第2题，模糊匹配

  1. Run the next queries on the kibana_sample_data_flights index
    1. 下面的query请在 kibana_sample_data_flights 索引上执行
  2. Filter documents with either the OriginCityName or the DestCityName fields matching the string “Sydney”
    1. 筛选出 OriginCityName 或者 DestCityName 字段里包含 “Sydney” 的文档
  3. As above, but allow inexact fuzzy matching, with a maximum allowed “Levenshtein Edit Distance” set to 2. Test that the query strings “Sydney”, “Sidney” and “Sidnei” always return the same number of results
    1. 如上，但是加上模糊匹配，把 “莱文施泰因编辑距离” （Levenshtein Edit Distance）设为2。测试一下当query是"Sydney", “Sidney” 和 “Sidnei” 时返回的结果条数一样。

第2题，题解

  1. 筛选OriginCityName 或 DestCityName 包含 “Sydney”

    POST kibana_sample_data_flights/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "OriginCityName": "Sydney"
          }
        },
        {
          "match": {
            "DestCityName": "Sydney"
          }
        }
      ]
    }
  }
}

  2. 加模糊匹配，调整编辑距离

    1. Sydney

      POST kibana_sample_data_flights/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "fuzzy": {
          "OriginCityName": {
            "value": "Sydney",
            "fuzziness": "2"
          } 
          }
        },
        {
          "fuzzy": {
          "DestCityName": {
            "value": "Sydney",
            "fuzziness": "2"
          } 
          }
        }
      ]
    }
  }
}
      • 计数
      {
  "took" : 200,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 405,
      "relation" : "eq"
    },
    "max_score" : 8.344088,
    "hits" : [
    ]
  }
}

  3. Sidney

    POST kibana_sample_data_flights/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "fuzzy": {
          "OriginCityName": {
            "value": "Sidney",
            "fuzziness": "2"
          } 
          }
        },
        {
          "fuzzy": {
          "DestCityName": {
            "value": "Sidney",
            "fuzziness": "2"
          } 
          }
        }
      ]
    }
  }
}
    • 计数
    {
  "took" : 11,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 405,
      "relation" : "eq"
    },
    "max_score" : 6.9534063,
    "hits" : [
    ]
  }
}

  4. Sidnei

    POST kibana_sample_data_flights/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "fuzzy": {
          "OriginCityName": {
            "value": "Sidnei",
            "fuzziness": "2"
          } 
          }
        },
        {
          "fuzzy": {
          "DestCityName": {
            "value": "Sidnei",
            "fuzziness": "2"
          } 
          }
        }
      ]
    }
  }
}
    • 计数
    {
  "took" : 5,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 405,
      "relation" : "eq"
    },
    "max_score" : 5.5627246,
    "hits" : [
    ]
  }
}

第2题，题解说明

  • 这题主要考察的是fuzzy的使用
    • 在fuzzy里ES会尝试对原query 进行一定的改写以尝试对可能的错误拼写进行模糊匹配（类似纠错功能）
    • fuzzy中可以对 编辑距离、改写长度等进行限制，从而平衡召回率和准确率
    1. 参考链接
    2. 页面路径：Query DSL =》 Term-level queries =》 Fuzzy
死敌wen
关注
专栏目录
Flowable 6.6.0 BPMN用户指南 -9 表单 - 9.1 表单定义
月满闲庭的博客
01-02 1841
9 表单（Forms） Flowable provides a convenient and flexible way to add forms for the manual steps of your business processes. We support two strategies to work with forms: Built-in form rendering with a form definition (created with the form designer) and exte
学习MySQLl05《索引与外键》
weixin_47252600的博客
01-08 579
MySQL的索引介绍
C#高级编程四十三天----Lambda表达式
见证大牛成长之路的专栏
07-20 1219
Lambda表达式   案例: using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Threading.Tasks;   namespace lambda表达式 {     class Program     {        
Elastic Certified Engineer复习记录-复习题详解篇-聚合
weixin_40601534的博客
12-17 315
EXAM OBJECTIVE: AGGREGATIONS 考点：聚合 GOAL: Create metrics, bucket, and pipeline aggregations 考试目标：使用 metrics、bucket和 pipeline 聚合 REQUIRED SETUP: 初始化步骤： 建议docker-compose文件：1e1k_base_cluster.yml a running Elasticsearch cluster with at least one node and a Kib
Elastic Certified Engineer复习记录-复习题详解篇-搜索数据（3）
weixin_40601534的博客
12-16 284
EXAM OBJECTIVE: QUERIES 考点：queries GOAL: Use scroll API, search templates, script queries 考试目标：使用 scroll API, search templates, script queries REQUIRED SETUP: 初始化步骤： 建议docker-compose文件：1e1k_base_cluster.yml a running Elasticsearch cluster with at least on
Elastic Certified Engineer复习记录-复习题详解篇-搜索数据（1）
weixin_40601534的博客
12-07 167
EXAM OBJECTIVE: QUERIES 考点：queries GOAL: Create search queries for analyzed text, highlight, pagination, and sort 考试目标：创建搜索语句以对文档进行分析、高亮、分页和排序 REQUIRED SETUP: 初始化步骤： 建议docker-compose文件：1e1k_base_cluster.yml a running Elasticsearch cluster with at least on
Elastic Certified Engineer复习记录-复习题详解篇-分词
weixin_40601534的博客
02-23 177
Analysis 分析（分词） GOAL: set the analyzer on data index against requirements 目标：按要求创建索引 建议docker-compose文件：1e1k_base_cluster.yml 第1题，为数据字段指定分词器 Create the index hamlet_1 with one primary shard and no replicas 创建一个1分片0副本的索引hamlet_1 Define a mapping for the
Elastic Certified Engineer复习记录-复习题详解篇-索引数据
weixin_40601534的博客
02-23 159
Mapping & analysis 索引和分析（数据） GOAL: set the mapping and analyzer on data index against requirements 目标：按要求创建索引 建议docker-compose文件：1e1k_base_cluster.yml 第1题，按要求创建索引 Create the index hamlet_1 with one primary shard and no replicas 创建一个叫hamlet_1的具有1分片0副本
Elastic Certified Engineer复习记录-复习题详解篇-索引数据（2）
weixin_40601534的博客
02-23 317
MAPPINGS AND TEXT ANALYSIS 索引和文档的分析（分词） GOAL: Model relational data 目标：规整带关系的数据模型 REQUIRED SETUP: 初始化步骤 建议docker-compose文件：1e1k_base_cluster.yml a running Elasticsearch cluster with at least one node and a Kibana instance, 运行一个至少有1个节点的ES集群，以及1个kibana节点
Elastic-Certified-Engineer-Exam-Notes:弹性认证工程师考试笔记
04-16
:warning: 非常重要的是，您开始使用elastic.co网站而不是Google来搜索解决方案。 您可以在考试中使用该网站（不是Google） :smiling_face_with_smiling_eyes: ）。 使用网站右上方的“搜索”图标（以黄色突出显
elasticsearch-analysis-dynamic-synonym-7.2.0
最新发布
12-19
《Elasticsearch动态同义词分析插件7.2.0详解》 Elasticsearch（ES）是一款功能强大的全文搜索引擎，广泛应用于数据检索、数据分析等领域。为了提高搜索的准确性和便利性，Elasticsearch提供了丰富的分析插件，其中...
elastic_wave_forward-master.zip_Elastic Wave_地震 面波_地震记录_地震面波模拟_面
07-14
地震面波数值模拟，可以修改模型，可以做波场快照，做面波的地震记录
elasticsearch-analysis-ik-7.3.2.zip
09-15
《Elasticsearch中文分词器IK插件详解》 Elasticsearch（ES）作为一个强大的全文搜索引擎，其在处理中文文档时，对中文分词的准确性和效率有着至关重要的作用。"elasticsearch-analysis-ik"是ES中最受欢迎的中文...
最新版 elasticsearch-analysis-ik-7.9.3.zip
11-03
《Elasticsearch Analysis IK插件7.9.3详解》 Elasticsearch作为一个强大的全文搜索引擎，其灵活性和可扩展性深受开发者喜爱。然而，对于中文处理，Elasticsearch原生支持并不理想，这时就需要借助于插件来实现，...
Elasticsearch 向量搜索的工程化实战
weixin_40601534的博客
12-18 1925
背景 作为一家搜索引擎公司，我们会很倚赖 ES 帮忙处理包括文章召回，数据源划分，实体、标签管理等任务，而且都收到了不错的结果。 最近我们需要对行业知识库进行建模，其中可能会涉及到实体匹配、模糊搜索、向量搜索等多种召回和算分方式，最终我们选择了通过 ES 7.X （最终选择 7.10）里的新功能，Dense vector 帮忙一起完成这部分的需求。 技术选型 解决方案需求 支持向量搜索 支持多维度筛选、过滤 吞吐速率 学习、使用成本 运维成本 使用场景设计 离线数据准备 在离线数据构建完成后，存入该
搜索系列：普通搜索和向量搜索之间那些不得不说的故事
weixin_40601534的博客
01-12 1425
普通搜索 VS 向量搜索 https://wolfgarbe.medium.com/vector-search-vs-keyword-search-data-structures-and-algorithms-f29320c4fcb0 向量搜索已经在黑暗中成长了有些年头了，但是随着近几年机器学习和深度学习的蓬勃发展，“特别是万物皆可 embedding“的观点越来越流行之后，向量搜索才逐渐从小众的技术走入人们的视野之中。相较于普通搜索（基于词元和倒排索引），向量搜索会成为一个革命者代替它（们）的位置，还是会
Elasticsearch 聚合系列：adjacency matrix aggregation（邻接矩阵聚合）
weixin_40601534的博客
01-10 1399
定义 对某个字段的值做矩阵，返回单独满足一个/同时满足两个的结果 A B C A A A&B A&C B B B&C C C 测试： 环境准备 初始化一个带 Kibana 的 ES 集群 参考 环境搭建攻略 本文使用的是 ES 7.16，与上文中的集群版本不一致 在首页中添加示例数据 add sample data 测试执行 分别执行以下命令，可以得到以下结果 POST kibana_sample_data_ecommerce/_sear
ES 引入基础鉴权
weixin_40601534的博客
01-28 1272
背景 主搜几个集群发生过删库，继而引发大规模的数据修复重建，浪费了开发、运维同学的大量时间精力。为了能从访问上对人员的操作进行限制和记录，需要引入对ES集群进行权限校验的机制。 思路 开启ES本身的权限校验及相关配置 接入Ldap的权限校验体系 migrate所有应用中的ES链接创建方式 通过公用的cerebro和kibana对ES集群进行访问 实施路径 ES集群 在配置文件中开启包括集群SSL、安全性认证等在内的配置 需要通过统一的认证中心生成证书 根据需要设置不同权限的用户组 为每个既存应用
Elastic Certified Engineer复习记录-复习题详解篇-集群的安装和配置（2）
weixin_40601534的博客
11-13 1183
INSTALLATION AND CONFIGURATION 集群安装和配置 GOAL: Secure a cluster and an index using Elasticsearch Security 目标：用ES的安全模块保护集群和索引 REQUIRED SETUP 第0题，按要求创建集群 a running Elasticsearch cluster with at least one node and a Kibana instance 创建一个最少拥有1个ES节点1个Kibana节点的集群
Python-Elasticsearch搜索详解：入门与高级查询操作
Elasticsearch是一款基于Apache Lucene的开源搜索引擎，它简化了信息检索的过程，无需像Lucene那样直接编写Java代码，使得开发者能够更方便地处理大规模数据和复杂查询。 首先，我们了解到，通过`es.search()`函数...
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