ElasticSearch 基础（七）之分析器

已于 2023-06-14 14:22:05 修改
阅读量1.9k 收藏 3
点赞数
分类专栏： Elasticsearch 文章标签： elasticsearch 搜索引擎 大数据
于 2023-03-20 18:36:30 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/weixin_43844718/article/details/129531908
版权

目录

前言

就 ES 基础部分来说这暂时就是最后一篇的文章，写完之后就会学习 MQ 了。本篇内容简单了解 ES 的分析器，最重要的还是根据自己需求去定制自定义分析器，自定义分析器自行了解，这里只是基础。其他比较重要的就是中文分词器了，只需要知道常用的几种中文分词器就可以了。

一、什么是分析器（analyzer）

无论是内置的分析器，还是自定义的分析器，都是由一个分词器（tokenizers） 、0或多个词项过滤器（token filters）、0或多个字符过滤器（character filters）组成。

  • 分词器（tokenizer）：用于定义切词 (分词)逻辑。
  • 词项过滤器（token tilter）：用于对分词之后的单个词项的处理逻辑。
  • 字符过滤器（character filter）：用于处理单个字符。

在实际使用中我们大多数听到的都是分词器，原本是因为过滤器用到的很少，所以在叫法上几乎分析器等价于分词器了。而且分词的结果经常与高亮结合使用。

  • 在ElasticSearch引擎中，分析器的任务是 分析（analyze） 文本数据，分析是分词，规范化文本的意思，其工作流程是：

    • 首先，字符过滤器对 分析（analyzed） 文本进行过滤和处理，例如：从原始文本中移除HTML标记，根据字符映射替换文本等。
    • 过滤之后的文本被分词器接收，分词器把文本分割成标记流，也就是一个接一个的标记。
    • 标记过滤器对标记流进行过滤处理，例如：移除停用词，把词转换成其词干形式，把词转换成其同义词等。
    • 过滤之后的标记流被存储在倒排索引中。

  • ElasticSearch引擎在收到用户的查询请求时，会使用分析器对查询条件进行分析，根据分析的结构，重新构造查询，以搜索倒排索引，完成全文搜索请求，

分析器的处理过程发生在 创建倒排索引时 和 搜索时 两个时期，创建和搜索时使用的分词器规则一致，才可以搜索到准确的数据。

二、字符过滤器（character filter）

Elasticsearch 有许多内置的字符过滤器，可用于构建自定义分析器。

参考：Elasticsearch：分析器中的 character filter 介绍

1、html strip 字符过滤器

html_strip 字符过滤器去除像 <b> 这样的 HTML 元素并解码成像 & 这样的 HTML 实体。

POST _analyze
{
  "text":"<h1>Where is my cheese?</h1>",
  "tokenizer": "standard", 
  "char_filter": ["html_strip"]
}
//返回：
{
  "tokens": [
    {
      "token": "Where",
      "start_offset": 4,
      "end_offset": 9,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "is",
      "start_offset": 10,
      "end_offset": 12,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "my",
      "start_offset": 13,
      "end_offset": 15,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "cheese",
      "start_offset": 16,
      "end_offset": 22,
      "type": "<ALPHANUM>",
      "position": 3
    }
  ]
}

字符过滤器只是从输入字段中剥离 <h1> 标签，但是有时候一些标签需要保留，例如：业务需求可能是从句子中去除 <h1> 标签，但保留预格式化 (<pre>) 标签；这时候就需要使用所需的自定义分析器去创建索引。

PUT <index>
{
  "settings": {
    "analysis": {
      "analyzer": {									# 这这里设置分析器
        "ANALYZER_NAME":{							# 分析器名
          "tokenizer":"TOKENIZER", 					# 设置分词器
          "char_filter":["CHAR_FILTER_NAME"]		# 设置过滤器
        }
      },
      "char_filter": {								# 这里设置过滤器
        "CHAR_FILTER_NAME":{						# 过滤器名
          "type":"FILTER",							# 设置过滤器类型
          "escaped_tags":["html标签","pre","br", "...."] # 需要保留的标签
        }
      }
    }
  }
}

2、mapping 字符过滤器

mapping 字符过滤器用指定的替换替换任何出现的指定字符串。

POST _analyze
{
  "text": "I am from CN",
  "char_filter": [
    {
      "type": "mapping",
      "mappings": [
        "CN => 中国"
      ]
    }
  ]
}
//返回：
{
  "tokens": [
    {
      "token": "I am from 中国",
      "start_offset": 0,
      "end_offset": 12,
      "type": "word",
      "position": 0
    }
  ]
}

自定义分析器创建索引：

PUT <index>
{
  "settings": {
    "analysis": {
      "analyzer": {
        "ANALYZER_NAME": { 						# 分析器名
          "tokenizer": "TOKENIZER",				# 选择分词器
          "char_filter": [						# 选择过滤器
            "CHAR_FILTER_NAME" 			
          ]
        }
      },
      "char_filter": {
        "CHAR_FILTER_NAME": { 					# 过滤器名
          "type": "FILTER",						# 设置过滤器类型
          "mappings": [ 						# 替换配置
            ...
          ]
        }
      }
    }
  }
}

3、patter replace 字符过滤器

pattern_replace 字符过滤器用指定的字符替换与正则表达式匹配的任何字符。

PUT <index>
{
  "settings": {
    "analysis": {
      "analyzer": {
        "ANALYZER_NAME":{ 
          "tokenizer":"keyword",
          "char_filter":["CHAR_FILTER_NAME"] 
        }
      },
      "char_filter": { 
        "CHAR_FILTER_NAME":{ 
          "type":"FILTER", 
          "pattern":"被替换字符", 
          "replacement":"替换后的字符" 
        }
      }
    }
  }
}

三、分词器（tokenizers）

分词器（tokenizers）是对文本进行分析处理的一种手段，基本处理逻辑为按照预先制定的分词规则，把原始文档分割成若干更小粒度的词项（term），粒度大小取决于分词器规则。

设置分词器：

PUT /<index>
{
  "settings": {}, # 可在 analysis 下设置自定义分词器
  "mappings": {
    "properties": {
      "FIELD_NAME":{
        "type": "text",
        "analyzer": "standard|letter|whitespace|lowercase|..." 	# 指定分词器
      }
    }
  }
}

下面简单介绍几个常用的系统默认分词器：

1、standard tokenizer（标准分词器）

标准分词器类型是 standard，用于大多数欧洲语言，使用 unicode文本分割算法 对文档进行分词。

//测试：
GET /_analyze
{
  "tokenizer" : "standard",
  "text" : "I am from CN"
}
//分词结果：
{
  "tokens": [
    {
      "token": "I",
      "start_offset": 0,
      "end_offset": 1,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "am",
      "start_offset": 2,
      "end_offset": 4,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "from",
      "start_offset": 5,
      "end_offset": 9,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "CN",
      "start_offset": 10,
      "end_offset": 12,
      "type": "<ALPHANUM>",
      "position": 3
    }
  ]
}

2、letter tokenizer（字母分词器）

字符分词器类型是 letter，在非字母位置上分割文本，这就是说，根据相邻的词之间是否存在非字母（例如空格，逗号等）的字符，对文本进行分词，对大多数欧洲语言非常有用。

//测试：
GET /_analyze
{
  "tokenizer" : "letter",
  "text" : "I'm from CN"
}
//分词结果：
{
  "tokens": [
    {
      "token": "I",
      "start_offset": 0,
      "end_offset": 1,
      "type": "word",
      "position": 0
    },
    {
      "token": "m",
      "start_offset": 2,
      "end_offset": 3,
      "type": "word",
      "position": 1
    },
    {
      "token": "from",
      "start_offset": 4,
      "end_offset": 8,
      "type": "word",
      "position": 2
    },
    {
      "token": "CN",
      "start_offset": 9,
      "end_offset": 11,
      "type": "word",
      "position": 3
    }
  ]
}

3、whitespace tokenizer（空格分词器）

空格分词类型是 whitespace，在空格处分割文本。

GET /_analyze
{
  "tokenizer" : "whitespace",
  "text" : "I'm from CN"
}
//分词结果：
{
  "tokens": [
    {
      "token": "I'm",
      "start_offset": 0,
      "end_offset": 3,
      "type": "word",
      "position": 0
    },
    {
      "token": "from",
      "start_offset": 4,
      "end_offset": 8,
      "type": "word",
      "position": 1
    },
    {
      "token": "CN",
      "start_offset": 9,
      "end_offset": 11,
      "type": "word",
      "position": 2
    }
  ]
}

4、lowercase tokenizer（小写分词器）

小写分词器类型是 lowercase，在非字母位置上分割文本，并把分词转换为小写形式，功能上是 letter tokenizer 和 lower case token filter 的结合，但是性能更高，一次性完成两个任务。

GET /_analyze
{
  "tokenizer" : "lowercase",
  "text" : "I'm from CN"
}
//分词结果：
{
  "tokens": [
    {
      "token": "i",
      "start_offset": 0,
      "end_offset": 1,
      "type": "word",
      "position": 0
    },
    {
      "token": "m",
      "start_offset": 2,
      "end_offset": 3,
      "type": "word",
      "position": 1
    },
    {
      "token": "from",
      "start_offset": 4,
      "end_offset": 8,
      "type": "word",
      "position": 2
    },
    {
      "token": "cn",
      "start_offset": 9,
      "end_offset": 11,
      "type": "word",
      "position": 3
    }
  ]
}

5、classic tokenizer（经典分词器）

经典分词器类型是 classic ，基于语法规则对文本进行分词，对英语文档分词非常有用，在处理首字母缩写，公司名称，邮件地址和Internet主机名上效果非常好。

GET /_analyze
{
  "tokenizer" : "classic",
  "text" : "I'm from CN"
}
// 分词结果：
{
  "tokens": [
    {
      "token": "I'm",
      "start_offset": 0,
      "end_offset": 3,
      "type": "<APOSTROPHE>",
      "position": 0
    },
    {
      "token": "from",
      "start_offset": 4,
      "end_offset": 8,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "CN",
      "start_offset": 9,
      "end_offset": 11,
      "type": "<ALPHANUM>",
      "position": 2
    }
  ]
}

6、其他分词器

等其它多种分词器，这里不再一一列出，因为不是经常用的。

其它分词器参考官网：Tokenizer。

四、词项过滤器（token filter）

1、ASCII folding token filter（ASCII折叠分词过滤器）

将不在 Basic Latin Unicode 块中的字母、数字和符号字符（前 127 个 ASCII 字符）转换为它们的 ASCII 等效字符（如果存在）。 例如，过滤器将 à 更改为 a。

GET /_analyze
{
  "tokenizer" : "standard",
  "filter" : ["asciifolding"],
  "text" : "açaí à la carte"
}
//返回：
{
  "tokens": [
    {
      "token": "acai",
      "start_offset": 0,
      "end_offset": 4,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "a",
      "start_offset": 5,
      "end_offset": 6,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "la",
      "start_offset": 7,
      "end_offset": 9,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "carte",
      "start_offset": 10,
      "end_offset": 15,
      "type": "<ALPHANUM>",
      "position": 3
    }
  ]
}

2、length token filter（长度标记过滤器）

删除比指定字符长度更短或更长的标记，它是可配置的，我们可以在settings中设置。 例如，你可以使用长度过滤器来排除短于 2 个字符的标记和长于 5 个字符的标记。

GET _analyze
{
  "tokenizer": "whitespace",
  "filter": [
    {
      "type": "length",
      "min": 0,
      "max": 4
    }
  ],
  "text": "the quick brown fox jumps over the lazy dog"
}
//返回：
{
  "tokens": [
    {
      "token": "the",
      "start_offset": 0,
      "end_offset": 3,
      "type": "word",
      "position": 0
    },
    {
      "token": "fox",
      "start_offset": 16,
      "end_offset": 19,
      "type": "word",
      "position": 3
    },
    {
      "token": "over",
      "start_offset": 26,
      "end_offset": 30,
      "type": "word",
      "position": 5
    },
    {
      "token": "the",
      "start_offset": 31,
      "end_offset": 34,
      "type": "word",
      "position": 6
    },
    {
      "token": "lazy",
      "start_offset": 35,
      "end_offset": 39,
      "type": "word",
      "position": 7
    },
    {
      "token": "dog",
      "start_offset": 40,
      "end_offset": 43,
      "type": "word",
      "position": 8
    }
  ]
}

3、lowercase token filter（小写分词过滤器）

将分词规范化为小写，它通过language参数支持希腊语、爱尔兰语和土耳其语小写标记过滤器。

GET _analyze
{
  "tokenizer" : "standard",
  "filter" : ["lowercase"],
  "text" : "THE Quick FoX JUMPs"
}
//返回：
{
  "tokens": [
    {
      "token": "the",
      "start_offset": 0,
      "end_offset": 3,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "quick",
      "start_offset": 4,
      "end_offset": 9,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "fox",
      "start_offset": 10,
      "end_offset": 13,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "jumps",
      "start_offset": 14,
      "end_offset": 19,
      "type": "<ALPHANUM>",
      "position": 3
    }
  ]
}

4、uppercase token filter（大写分词过滤器）

将分词规范为大写。

GET _analyze
{
  "tokenizer" : "standard",
  "filter" : ["uppercase"],
  "text" : "the Quick FoX JUMPs"
}
//返回：
{
  "tokens": [
    {
      "token": "THE",
      "start_offset": 0,
      "end_offset": 3,
      "type": "<ALPHANUM>",
      "position": 0
    },
    {
      "token": "QUICK",
      "start_offset": 4,
      "end_offset": 9,
      "type": "<ALPHANUM>",
      "position": 1
    },
    {
      "token": "FOX",
      "start_offset": 10,
      "end_offset": 13,
      "type": "<ALPHANUM>",
      "position": 2
    },
    {
      "token": "JUMPS",
      "start_offset": 14,
      "end_offset": 19,
      "type": "<ALPHANUM>",
      "position": 3
    }
  ]
}

5、其他词项过滤器

其余分词过滤器不一一列举。详情参见 官网。

五、中文分词器

中文分词器主要介绍 IK 分词器 和 拼音分词器。

1、ik分词器 - 常用

安装参考：Elasticsearch：IK 中文分词器。

IK Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。

  • 采用了特有的“正向迭代最细粒度切分算法“，支持细粒度和最大词长两种切分模式；
  • 具有83万字/秒（1600KB/S）的高速处理能力。
  • 采用了多子处理器分析模式，支持：英文字母、数字、中文词汇等分词处理，兼容韩文、日文字符优化的词典存储，更小的内存占用。
  • 支持用户词典扩展定义，针对Lucene全文检索优化的查询分析器 IKQueryParser；
  • 引入简单搜索表达式，采用歧义分析算法优化查询关键字的搜索排列组合，能极大的提高Lucene检索的命中率。


ik 的分词粒度：

  • ik_max_word：会将文本做较细粒度的拆分，例如「我爱北京天安门」会被拆分为「我、爱、北京、天安门、天安、门」，会穷尽各种可能的组合。
  • ik_smart：会将文本做简单粗粒度的拆分，例如「我爱北京天安门」会被拆分为「我、爱、北京、天安门」。
GET /_analyze
{
  "analyzer" : "ik_max_word|ik_smart",
  "text" : "我爱北京天安门"
}

2、拼音分词器

安装使用参考：Elasticsearch：Pinyin 分词器。

拼音分词器可以让用户输入拼音，就能查找到相关的关键词。比如在某个商城搜索中，输入yonghui，就能匹配到永辉。

3、简体繁体转换分词器

安装使用参考：Elasticsearch：简体繁体转换分词器 - STConvert analysis。

云三木
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
elasticsearch7.17.11版本分词器插件安装包
11-13
Elasticsearch（简称ES）是一款基于Lucene的分布式、RESTful搜索引擎，广泛应用于日志收集、数据分析等领域，是ELK（Elasticsearch、Logstash、Kibana）堆栈的重要组成部分。在处理中文数据时，合理的分词对于提升...
Elasticsearch Analyzer 内置分词器
qq_34285557的博客
11-04 2021
Elasticsearch Analyzer 内置分词器 篇主要介绍一下 Elasticsearch中 Analyzer 分词器的构成 和一些Es中内置的分词器 以及如何使用它们 前置知识 es 提供了 analyze api 可以方便我们快速的指定 某个分词器 然后对输入的text文本进行分词 帮助我们学习和实验分词器 POST _analyze { "analyzer": "standard", "text": "Th
ES之分析器(Analyzer)
u011250186的博客
07-10 5199
ES-分词器(Analyzer)
Elasticsearch 分析器（内置分析器，自定义分析器，IK分析器）
RwTo的博客
05-22 1351
Elasticsearch分析器 内置分析器 自定义分析器 中文分析器——IK分析器 分析器的使用
Elasticsearch: analyzer
Elastic 中国社区官方博客
09-03 8361
如果大家之前看过我写的文章“开始使用Elasticsearch （3）”，在文章的最后部分写了有关于analyzer的有关介绍。在今天的文章中，我们来进一步了解analyzer。 analyzer执行将输入字符流分解为token的过程，它一般发生在两个场合： 在indexing的时候，也即在建立索引的时候 在searching的时候，也即在搜索时，分析需要搜索的词语 什么是analysis...
Elasticsearch之Analyzer分词器介绍
weixin_44692700的博客
12-21 2409
Analysis Analysis文本分析，也叫分词，是把全文本转换为一系列单词的过程。 Analyzer叫做分词器。Analysis是通过Analyzer来实现的，ES当中内置了很多分词器，同时我们也可以按需定制化分词器。 分词器的作用，除了在数据写入时对需要分词的字段进行词条切分转换，同时匹配Query语句的时候也需要使用相同的分词器对查询语句进行分析。 例如： Elasticsearch is fun这个文本就会被分词器切分成，elasticsaerch、is、fun三个单词。 Analyzer的组成
Elasticsearch 查询分析器简介
BXA
07-15 2893
Elasticsearch 是一个开源的分布式搜索和分析引擎，它提供了强大的查询和分析功能。它基于 Apache Lucene 构建，支持大规模数据的实时搜索，并具有高可用性和可扩展性。代码示例// 在这里实现自定义的 tokenizer 逻辑 return new CustomTokenizer();// 实现自定义 tokenizer 的逻辑 @Override public Token next() throws IOException {// 返回下一个 token } }代码示例。
ES系列--分析器
weixin_42972832的博客
07-16 601
虽然 Elasticsearch 带有一些现成的分析器，然而在分析器上 Elasticsearch 真正的强大之 处在于，你可以通过在一个适合你的特定数据的设置之中组合字符过滤器、分词器、词汇单 元过滤器来创建自定义的分析器。一个 分析器 就是在一个包 里面组合了三种函数的一个包装器， 三种函数按照顺序被执行:1、字符过滤器：字符过滤器 用来 整理 一个尚未被分词的字符串。例如，如果我们的文本是 HTML 格 式的，它会包含像或者这样的 HTML 标签，这些标签是我们不想索引的。
深入探索Elasticsearch：如何使用自定义分析器
最新发布
07-18
Elasticsearch 是一个基于 Lucene 构建的开源、分布式、RESTful 风格的搜索和分析引擎。它通常用于处理大量数据的搜索、分析和存储任务。以下是 Elasticsearch 的一些关键特点： 1. **分布式**：Elasticsearch 可以...
elasticsearch-7.14.0+分词器+head插件一键下载
09-04
2. 数据索引：创建合适的索引模板，定义映射（Mapping）以指定字段类型和分析器。 3. 分词器优化：选择适合的分词器，并可能需要自定义分词规则以满足特定需求。 4. 性能调优：监控集群性能，调整索引刷新频率、副本...
elasticsearch7.17.13版本分词器插件安装包
11-13
Elasticsearch（ES）作为一款强大的开源搜索引擎，广泛应用于日志收集、数据分析等领域。为了提升中文文本处理的能力，安装合适的分词器插件是必不可少的步骤。本文将详细解析如何在Elasticsearch 7.17.13版本上安装...
ParsiAnalyzer:波斯语Elasticsearch分析器
05-05
Elasticsearch提供了许多内置分析器，但仍有改进的空间，尤其是对于波斯语言。 该插件提供了用于标记，规范化和阻止波斯文字的工具。 主要特征 标记波斯文字 必要时将空格转换为零宽度非连接符（ نیم‌فاصل...
ElasticSearch系列 - SpringBoot整合ES：分析器
你今天真好看呀
04-17 1176
当系统内置的分析器不满足需求时，用户可以使用自定义分析器。在有些场景中，某个文本字段不是自然语言而是在某种规则下的编码。① 创建索引时使用自定义分词器在settings部分中，定义了一个名为“comma_analyzer”的分析器，它使用名为“comma_tokenizer”的分词器。该分词器使用逗号作为分隔符，将文本分成多个词条。这个分析器可以用于分析“title”字段中的文本。在mappings部分中，title属性是一个文本类型，但使用了之前定义的“comma_analyzer”分析器进行分析。
Elasticsearch7.x——分析器Analyzer与分析接口Analyze API详解
吴声子夜歌的博客
10-20 686
当内置分析器不能满足您的需求时，可以创建一个custom分析器。零个或多个字符过滤器一个 分析器零个或多个token过滤器。tokenizer：内置或定制的分词器：可选的内置或定制字符过滤器列表filter：可选的内置或定制token过滤器列表：在索引文本值数组时，Elasticsearch会在一个值的最后一个值和下一个值的第一个项之间插入假的“间隙”，以确保短语查询与不同数组元素的两个术语不匹配。
Elasticsearch内置分析器全面解析
一起coding，一起嗨。
04-28 471
Elasticsearch内置分析器全面解析
Elasticsearch基础篇(五)：创建es索引并学习分析器、过滤器、分词器的作用和配置
后端开发
10-18 1074
本文主要介绍es与mysql的类比来更容易理解es库、索引、文档、字段之间的关系，通过对官方文档和实际创建索引的分析，使得更容易创建满足需求的索引
01.analyzer简介及char_filter组件
热门推荐
寒夜
07-12 1万+
文章目录1. es的词分析组件analyzer简介1.1 在index的时候如何选择analyzer1.1.1. 使用index mapping中对该filed进行analysis1.1.2. default analyzer1.1.3.使用standard ananlyzer1.2 在search的时候如何选择analyzer1.2.1. 优先使用在query中指定的analyzer1.2.2. 使用index mapping中对该field定义的 search_analyzer1.2.3. 使用ma
ElasticSearch 实战： ES 分析 ( Analysis )
qq_33240556的博客
04-06 849
Elasticsearch 分析（Analysis）是 Elasticsearch 全文搜索功能的核心组成部分，它负责将文本数据转换成可搜索的索引项。分析过程中涉及文本的预处理、分词、过滤、标记化等步骤，使得用户能够有效地对文本内容进行查询、筛选和聚合。通过上述实战指南，您可以了解如何在 Elasticsearch 中定义、使用和测试分析器，以满足特定文本数据的索引和搜索需求。: 默认的全文分析器，适用于大多数西方语言。词语过滤器对分词后的词汇单元进行进一步处理，如大小写转换、词形还原、同义词扩展等。
PHP的ES入门（四）—— 数据查询和分词器问题
m0_37654408的博客
03-28 712
大神请看 本文不一定写的全部都对，如果有哪里写得不好或者不对，可以提但请不要喷，不喜勿看绕道走就是了，虽然有可能在一些小知识点上会误导小白，但是还是可以看看基础的ES操作，对于使用还是一点帮助的 插入数据 先插入一批能适用于我们要讲解的数据 $config = [ 'host' => '127.0.0.1', 'port' => 9200, ]; $indexName ...
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