微服务09_分布式搜索引擎ES—第一篇

最新推荐文章于 2024-01-14 13:16:24 发布
最新推荐文章于 2024-01-14 13:16:24 发布
阅读量2.8k 收藏 8
点赞数 1
分类专栏： 微服务技术栈 文章标签： java springboot
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_43989347/article/details/123809131
版权

微服务09_分布式搜索引擎ES

一、认识elasticsearch

1、什么是ES

1.介绍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

日志可视化：项目在运行时会产生海量的日志，日志可以方便我们定位BUG。而ELK可以将日志可视化进行展示，从而方便了找出BUG.
实时监控：项目运行过程中的状态也是数据，cup、内存、访问情况等等。

  • elasticseratch 是elastic stack的核心，负责存储、搜索、分析数据
    在这里插入图片描述

2.ES的底层是lucene

Lucene是一个JAVA语言的搜索引擎类库，是Apache公司的顶级项目，由1999年开发。官网地址https://lucene.apache.rog/

类库：就是一个jar包

Lucene的优势：

  • 以扩展
  • 高性能（基于倒排索引的数据结构）

Lucene的缺点：

  • 只限于java语言开发
  • 学习曲线陡峭
  • 不支持水平扩展

3.为什么学习ES：

相比lucene，elasticsearch具备的优点是：

  • 支持分布式，可水平扩展
  • 提供Restful接口，可被任何语言调用

elasticsearch：开源的分布式搜索引擎

2、倒排索引的概念

  • 什么是正向索引：
    基于文档id创建索引。查询词条时必须先找到文档，而后判断是否包含词条。

  • 什么是倒排索引：
    对文档内容分词，对词条创建索引，并记录词条所在文档的信息。查询时先根据词条查询到文档id，而后获取到文档。

倒排索引是基于传统数据库正向索引对比得出的：倒排索引。
例如：
mysql的正向索引：基于id创建索引，形成B+树，根据id进行检索的速度非常快。
如果是搜索的不是id，而是一个词语，一段话。如果正向搜索进行局部内容检索，通过模糊查询，效率很低。

ES的倒排索引：在创建的时候，会形成一个新的表格，有两个字段一个是词条，一个文档id。

文档(document)：每条数据就是一个文档。
词条（term）：文档按照语义分成的词语。【具有唯一性】

那么倒排文档在存储时，会先把文档内容分成词条进行存储。例如小米手机。分成：词条是：小米、手机。文档id:都是1
在这里插入图片描述
词条term字段是不会重复的，因为是唯一的，就可以创建索引，数据较少可以使用hash法，也可以使用B+树，为词条创建唯一索引。

模拟如何倒排索引

例如搜索：华为手机。
第一步：会先将“华为手机”内容进行分词，从而得到“华为”和“手机”这样的词条。
第二步：拿着这两个词条，去倒排索引中，进行查询。
第三步：就能查到相应的词条所对应的文档id。在找出关联度最高的文档，进行排序。
第四步：根据文档id，查询文档。由于是拿着具体id来进行正向索引，索引可以快速得到文档了。
第五步：将结果，放到结果集当中。

一共经历了两次检索：
一次是根据词条去词条列表找文档id。
根据文档id找文档

索然是两次检索，但是每次都是根据索引进行查询。效率是非常的高。

在这里插入图片描述

3、es的一些概念

1.文档，类似一条条数据

  • elasticsearch是面向**文档（Document）**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为json格式后存储在elasticsearch中：
    在这里插入图片描述

索引映射（Index），就是相同类型的文档的集合。类似表

例如：

  • 所有用户文档，就可以组织在一起，称为用户的索引；
  • 所有商品的文档，可以组织在一起，称为商品的索引；
  • 所有订单的文档，可以组织在一起，称为订单的索引；
    在这里插入图片描述
    因此，我们可以把索引当做是数据库中的表。

数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束.

myql 和es对比：

在这里插入图片描述

  • Mysql：擅长事务类型操作，可以确保数据的安全和一致性

  • Elasticsearch：擅长海量数据的搜索、分析、计算

因此在企业中，往往是两者结合使用：

  • 对安全性要求较高的写操作，使用mysql实现
  • 对查询性能要求较高的搜索需求，使用elasticsearch实现
  • 两者再基于某种方式，实现数据的同步，保证一致性

二、安装es

docker的常用命令：

//启动：
systemctl start docker 
//检查是否启动成功：
docker -v
//查看docker的镜像：
docker images
//查看启动后的容器：
docker ps
//删除容器：
docker stop es
docker rm es

创建网络

因为我们还需要部署kibana容器，因此需要让es和kibana容器互联。这里先创建一个网络：

docker network create es-net

1.安装ES：

这里我们采用elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G。不建议大家自己pull。
建议将下载好的安装包.tar文件，将其上传到虚拟机中，然后运行命令加载即可：

# 导入数据
docker load -i es.tar

同理还有kibana的tar包也需要这样做。

2.运行

运行docker命令，部署单点es：

docker run -d \
	--name es \
    -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
    -e "discovery.type=single-node" \
    -v es-data:/usr/share/elasticsearch/data \
    -v es-plugins:/usr/share/elasticsearch/plugins \
    --privileged \
    --network es-net \
    -p 9200:9200 \
    -p 9300:9300 \
elasticsearch:7.12.1

命令解释：

  • -e "cluster.name=es-docker-cluster"：设置集群名称
  • -e "http.host=0.0.0.0"：监听的地址，可以外网访问
  • -e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：内存大小
  • -e "discovery.type=single-node"：非集群模式
  • -v es-data:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录
  • -v es-logs:/usr/share/elasticsearch/logs：挂载逻辑卷，绑定es的日志目录
  • -v es-plugins:/usr/share/elasticsearch/plugins：挂载逻辑卷，绑定es的插件目录
  • --privileged：授予逻辑卷访问权
  • --network es-net ：加入一个名为es-net的网络中
  • -p 9200:9200：端口映射配置

在浏览器中输入：http://192.168.150.101:9200 即可看到elasticsearch的响应结果：

在这里插入图片描述

三、安装Kibana

docker load -i kibana.tar

运行docker命令，部署单点es：

运行docker命令，部署kibana

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601  \
kibana:7.12.1
  • --network es-net ：加入一个名为es-net的网络中，与elasticsearch在同一个网络中
  • -e ELASTICSEARCH_HOSTS=http://es:9200"：设置elasticsearch的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问elasticsearch
  • -p 5601:5601：端口映射配置

此时，在浏览器输入地址访问：http://192.168.150.101:5601，即可看到结果
在这里插入图片描述

四、安装IK分词器

ES在创建倒排索引时，需要对文档内容进行分词。
搜索时，需要对内容输入，进行分词

4.1在线安装ik插件（较慢）

# 进入容器内部
docker exec -it elasticsearch /bin/bash

# 在线下载并安装
./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip

#退出
exit
#重启容器
docker restart elasticsearch

4.2.离线安装ik插件（推荐）

1）查看数据卷目录

安装插件需要知道elasticsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看elasticsearch的数据卷目录，通过下面命令查看:

docker volume inspect es-plugins

显示结果：

[
    {
        "CreatedAt": "2022-05-06T10:06:34+08:00",
        "Driver": "local",
        "Labels": null,
        "Mountpoint": "/var/lib/docker/volumes/es-plugins/_data",
        "Name": "es-plugins",
        "Options": null,
        "Scope": "local"
    }
]

在这里插入图片描述

说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data这个目录中。

2）解压缩分词器安装包

下面我们需要把课前资料中的ik分词器解压缩，重命名为ik

在这里插入图片描述

3）上传到es容器的插件数据卷中

也就是/var/lib/docker/volumes/es-plugins/_data：

4）重启容器

# 4、重启容器
docker restart es

# 查看es日志
docker logs -f es

5）测试：

IK分词器包含两种模式：

  • ik_smart：最少切分

  • ik_max_word：最细切分

在这里插入图片描述

GET /_analyze
{
  "analyzer": "ik_max_word",
  "text": "黑马程序员学习java太棒了"
}

结果：

{
  "tokens" : [
    {
      "token" : "黑马",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "程序员",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "程序",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "员",
      "start_offset" : 4,
      "end_offset" : 5,
      "type" : "CN_CHAR",
      "position" : 3
    },
    {
      "token" : "学习",
      "start_offset" : 5,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 4
    },
    {
      "token" : "java",
      "start_offset" : 7,
      "end_offset" : 11,
      "type" : "ENGLISH",
      "position" : 5
    },
    {
      "token" : "太棒了",
      "start_offset" : 11,
      "end_offset" : 14,
      "type" : "CN_WORD",
      "position" : 6
    },
    {
      "token" : "太棒",
      "start_offset" : 11,
      "end_offset" : 13,
      "type" : "CN_WORD",
      "position" : 7
    },
    {
      "token" : "了",
      "start_offset" : 13,
      "end_offset" : 14,
      "type" : "CN_CHAR",
      "position" : 8
    }
  ]
}

4.3安装扩展词词典

随着互联网的发展，“造词运动”也越发的频繁。出现了很多新的词语，在原有的词汇列表中并不存在。比如：“奥力给”，“传智播客” 等。

所以我们的词汇也需要不断的更新，IK分词器提供了扩展词汇的功能。

1）打开IK分词器config目录：
在这里插入图片描述

2）在IKAnalyzer.cfg.xml配置文件内容添加：

<?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>
	<!--用户可以在这里配置自己的扩展字典 ext.dic是文件名 -->
	<entry key="ext_dict">ext.dic</entry>
	 <!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords">stopword.dic</entry>
	<!--用户可以在这里配置远程扩展字典 -->
	<!-- <entry key="remote_ext_dict">words_location</entry> -->
	<!--用户可以在这里配置远程扩展停止词字典-->
	<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

3）新建一个 ext.dic，可以参考config目录下复制一个配置文件进行修改

传智播客
奥力给

4）重启elasticsearch

docker restart es

# 查看 日志
docker logs -f elasticsearch

测试：添加之前和之后：

在这里插入图片描述
在这里插入图片描述

总结

分词器的作用是什么？

  • 创建倒排索引时对文档分词
  • 用户搜索时，对输入的内容分词

IK分词器有几种模式？

  • ik_smart：智能切分，粗粒度
  • ik_max_word：最细切分，细粒度

IK分词器如何拓展词条？如何停用词条？

  • 利用config目录的IkAnalyzer.cfg.xml文件添加拓展词典和停用词典
  • 在词典中添加拓展词条或者停用词条

五、索引库操作

索引库就类似数据库表，mapping映射就类似表的结构。

我们要向es中存储数据，必须先创建“库”和“表”。

5.1.mapping映射属性

mapping是对索引库中文档的约束，常见的mapping属性包括：

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

例如下面的json文档：

{
    "age": 21,
    "weight": 52.1,
    "isMarried": false,
    "info": "黑马程序员Java讲师",
    "email": "zy@itcast.cn",
    "score": [99.1, 99.5, 98.9],
    "name": {
        "firstName": "云",
        "lastName": "赵"
    }
}

对应的每个字段映射（mapping）：

  • age：类型为 integer；参与搜索，因此需要index为true；无需分词器
  • weight：类型为float；参与搜索，因此需要index为true；无需分词器
  • isMarried：类型为boolean；参与搜索，因此需要index为true；无需分词器
  • info：类型为字符串，需要分词，因此是text；参与搜索，因此需要index为true；分词器可以用ik_smart
  • email：类型为字符串，但是不需要分词，因此是keyword；不参与搜索，因此需要index为false；无需分词器
  • score：虽然是数组，但是我们只看元素的类型，类型为float；参与搜索，因此需要index为true；无需分词器
  • name：类型为object，需要定义多个子属性
    • name.firstName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
    • name.lastName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器

5.2.索引库的CRUD

这里我们统一使用Kibana编写DSL的方式来演示。

5.2.1.创建索引库和映射

基本语法：
  • 请求方式：PUT
  • 请求路径：/索引库名，可以自定义
  • 请求参数：mapping映射

格式：

PUT /索引库名称
{
  "mappings": {
    "properties": {
      "字段名":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "字段名2":{
        "type": "keyword",
        "index": "false"
      },
      "字段名3":{
        "properties": {
          "子字段": {
            "type": "keyword"
          }
        }
      },
      // ...略
    }
  }
}
示例：
PUT /heima
{
  "mappings": {
    "properties": {
      "info":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email":{
        "type": "keyword",
        "index": "falsae"
      },
      "name":{
        "properties": {
          "firstName": {
            "type": "keyword"
          }
        }
      },
      // ... 略
    }
  }
}

5.2.2.查询索引库 get

基本语法：

  • 请求方式：GET

  • 请求路径：/索引库名

  • 请求参数：无

格式：

GET /索引库名

示例：

在这里插入图片描述

5.2.3.修改索引库。put只能添加

倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。因此索引库一旦创建，无法修改mapping。

虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响。

语法说明：

PUT /索引库名/_mapping
{
  "properties": {
    "新字段名":{
      "type": "integer"
    }
  }
}

示例：

在这里插入图片描述

5.2.4.删除索引库delete

语法：

  • 请求方式：DELETE

  • 请求路径：/索引库名

  • 请求参数：无

格式：

DELETE /索引库名

在kibana中测试： 在这里插入图片描述

5.2.5.总结

索引库操作有哪些？

  • 创建索引库：PUT /索引库名
  • 查询索引库：GET /索引库名
  • 删除索引库：DELETE /索引库名
  • 添加字段：PUT /索引库名/_mapping

六.文档操作

6.1.新增文档

语法：

POST /索引库名/_doc/文档id
{
    "字段1": "值1",
    "字段2": "值2",
    "字段3": {
        "子属性1": "值3",
        "子属性2": "值4"
    },
    // ...
}

示例：

POST /heima/_doc/1
{
    "info": "黑马程序员Java讲师",
    "email": "zy@itcast.cn",
    "name": {
        "firstName": "云",
        "lastName": "赵"
    }
}

响应：

在这里插入图片描述

6.2.查询文档

根据rest风格，新增是post，查询应该是get，不过查询一般都需要条件，这里我们把文档id带上。

语法：

GET /{索引库名称}/_doc/{id}

通过kibana查看数据：

GET /heima/_doc/1

查看结果：

在这里插入图片描述

6.3.删除文档

删除使用DELETE请求，同样，需要根据id进行删除：

语法：

DELETE /{索引库名}/_doc/id值

示例：

# 根据id删除数据
DELETE /heima/_doc/1

结果：

![在这里插入图片描述](https://img-blog.csdnimg.cn/3726859ea41e43f388633f33d6b88d9e.png)

6.4.修改文档

修改有两种方式：

  • 全量修改：直接覆盖原来的文档
  • 增量修改：修改文档中的部分字段

6.4.1.全量修改

全量修改是覆盖原来的文档，其本质是：

  • 根据指定的id删除文档
  • 新增一个相同id的文档

注意：如果根据id删除时，id不存在，第二步的新增也会执行，也就从修改变成了新增操作了。

语法：

PUT /{索引库名}/_doc/文档id
{
    "字段1": "值1",
    "字段2": "值2",
    // ... 略
}

示例：

PUT /heima/_doc/1
{
    "info": "黑马程序员高级Java讲师",
    "email": "zy@itcast.cn",
    "name": {
        "firstName": "云",
        "lastName": "赵"
    }
}

6.4.2.增量修改

增量修改是只修改指定id匹配的文档中的部分字段。

语法：

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

示例：

POST /heima/_update/1
{
  "doc": {
    "email": "ZhaoYun@itcast.cn"
  }
}

6.5.总结

文档操作有哪些？

  • 创建文档：POST /{索引库名}/_doc/文档id { json文档 }
  • 查询文档：GET /{索引库名}/_doc/文档id
  • 删除文档：DELETE /{索引库名}/_doc/文档id
  • 修改文档：
    • 全量修改：PUT /{索引库名}/_doc/文档id { json文档 }
    • 增量修改：POST /{索引库名}/_update/文档id { “doc”: {字段}}
BigTree的学习之路
关注
  • 1
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
分布式搜索引擎ElasticSearch思维导图
11-17
分布式搜索引擎ElasticSearch思维导图，ES思维带图。分布式搜索引擎ElasticSearch思维导图，ES思维带图。分布式搜索引擎ElasticSearch思维导图，ES思维带图。分布式搜索引擎ElasticSearch思维导图，ES思维带图。...
分布式搜索引擎Elasticsearch开发实战基础篇
06-09
本教程旨在带领大家进入搜索引擎领域，从无到有，深入浅出的讲解了什么是搜索引擎，搜索引擎的作用以及ElasticSearch在实际工作中的作用等。
创建索引并进行查询
weixin_30500105的博客
08-07 546
//创建一个名叫suoyin的索引 curl -XPUT http://localhost:9200/suoyin //创建一个名叫megacorp的索引 curl -XPUT http://localhost:9200/megacorp //设置索引的属性信息 curl -XPOST http://localhost:9200/suoyin/fulltext/_m...
【ElasticSearch和whoosh实现项目中搜索功能】
Ban_a的博客
11-11 1288
我们的项目中经常会遇到搜索的功能，最近也写过搜索的功能，用具体的python项目来实现实现对于特定表中的某些字段的模糊搜索匹配 通过用orm查询操作来实现简单真的搜索，虽然比较简单方便但是效率不高，遇到大数据量的就会非常的吃力。 二，全局搜索 解决数据库不能在数据量庞大高效实现全文搜索模糊匹配的，我们就选择合适的搜索引擎，现在主流的搜索引擎有：Lucene，Solr，ElasticSearch。python项目中还会经常用到一个纯python实现的全文搜索引擎whoosh，更加小巧简单。 在django项
ES（Elasticsearch 全文检索）
不瘦25斤不改名
04-08 2167
对文档的内容进行分词，对词条创建索引，记录词条所在的文档信息根据词条查询到文档的id 从而查到文档。es是面向文档存储的可以是数据库中的一条商品数据订单信息，文档会被序列化为json后存储在es中。根据文档的id创建索引 查询词条必须先找到文档完了判断是否包含词条。删：DELETE /indexName/_doc/docId。增：POST /indexName/_doc/docId。差：GET /indexName/_doc/docId。es：擅长海量数据的搜索、分析、计算。
ElasticSearch全文搜索引擎
2201_75971147的博客
11-27 1166
Lucene是apache下的一个开源的全文检索引擎工具包(一堆jar包)。它为软件开发人员提供一个简单易用的工具包（类库），以方便的在小型目标系统中实现全文检索的功能。Lucene适用于中小型项目 ，ES适用于中大型项目（它底层是基于lucene实现的）虽然全文搜索领域，Lucene可以被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。但是，Lucene只是一个库。
hyperestraier-1.4.13.rar_分布式_分布式爬虫_搜索引擎
09-14
一个小型的分布式的搜索引擎，速度还快，并且内置了爬虫，能够处理CJK字符集（多字节字符），是个小型站内引擎的首选，能够运行在Unix/Linux平台
python分布式爬虫打造搜索引擎.zip_python_python 搜索引擎_python搜索引擎_分布式_爬虫
07-14
python分布式爬虫打造搜索引擎源代码及讲师源代码
分布式搜索引擎Elasticsearch开发实战基础篇 （ElasticSearch、ELK、搜索引擎、Lucene）.rar
11-11
分享一套完整版视频课程——分布式搜索引擎Elasticsearch开发实战基础篇 （ElasticSearch、ELK、搜索引擎、Lucene），本教程旨在带领大家进入搜索引擎领域，从无到有，深入浅出的讲解了什么是搜索引擎，搜索引擎的...
Lucene全文检索框架+Solr+ElasticSearch搜索引擎(Java高级必备.ES)
09-30
课程提供所有代码笔记素材以及答疑 1、Lucene框架的熟练应用实现类似百度、京东商城等应用的全文检索效果; 1、Solr简介 2、Solr下载安装以及目录结构介绍 3、Solr应用部署至Tomcat服务器 4、Solr后台管理界面介绍 5、通过managed-schema配置Field以及中文分词器 6、将数据库中的数据导入至Solr索引库 7、通过Solr后台管理界面对索引进行CRUD高亮过滤排序分页 8、通过Solrj实现索引的添加更新 9、通过Solrj实现索引的删除 10、索引的检索_过滤_高亮等操作 11、项目实战应用 12、Solr知识点总结 1、熟练掌握Lucene框架的使用，实现类似百度、京东商城等应用的全文检索效果; 2、ElasticSearch下载安装(window以及linux下安装) 3、集群环境搭建 4、客户端Kibana安装与使用 5、集群管理插件head安装使用 6、java api 操作 ES 7、电商项目实战应用等等 .....
10 分钟快速入门海量数据搜索分析引擎 Elasticearch
腾讯技术工程
08-28 1046
作者：jeremyshi，腾讯 TEG 后台开发工程师1. 背景随着移动互联网、物联网、云计算等信息技术蓬勃发展，数据量呈爆炸式增长。如今我们可以轻易得从海量数据里找到想要的信息，其中离...
Elasticsearch入门
LF991的博客
06-25 817
Elasticsearch
全文检索 Elasticsearch(简称es)
热门推荐
CORN的博客
06-04 1万+
全文检索 Elasticsearch 研究 1. ElasticSearch 介绍 1.1 介绍 **Elasticsearch**是一个基于Lucene库的搜索引擎。它提供了一个分布式、支持多租户的全文搜索引擎，具有HTTP Web接口和无模式JSON文档。Elasticsearch是用Java开发的，并在Apache许可证下作为开源软件发布。官方客户端在Java、.NET（C#）、PHP、Py...
分布式搜索引擎-ElasticSearch【01】
qq_49838656的博客
06-15 224
ElasticSearch一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、系统监控等功能
Elasticsearch分布式搜索引擎
最新发布
weixin_52072921的博客
01-14 897
优点：支持随机翻页缺点：深度分页问题，默认查询上限（from + size）是10000场景：百度、京东、谷歌、淘宝这样的随机翻页搜索优点：没有查询上限（单次查询的size不超过10000）缺点：只能向后逐页查询，不支持随机翻页场景：没有随机翻页需求的搜索，例如手机向下滚动翻页scroll优点：没有查询上限（单次查询的size不超过10000）缺点：会有额外内存消耗，并且搜索结果是非实时的场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。
微服务实用篇5-分布式搜索elasticsearch篇1
nuist_NJUPT的博客
12-16 808
今天的主要学习任务是分布式搜索，首先了解elasticsearch，然后学习索引库的操作、文档的操作、RestAPI等。elasticsearch是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定位到我们需要的内容。这一篇主要学习ES的基本使用，包括安装ES，安装kibana，安装分词器等，另外也学习了在java客户端实现索引库的增删改查和文档的增删改查。
ElasticSearch 进行全局搜索，搜索.doc 等MS Office文档
Martin 的博客
11-12 910
ElasticSearch Web前端： UI：需要搜索条、展示搜索结果面板，是文件的可以打开文件链接 逻辑：将搜索内容组装为Elasticsearch 的搜索语句发送到后端，并且将返回处理 Web后端： web服务器提供web API服务 同时对接ElasticSearch，作为中间件，处理前端请求 <——> ElasticSearch之间的互动 ...
微服务——elasticsearch
测试
08-03 1115
es和kibana以及IK分词器
elasticsearch使用场景_大数据搜索引擎 Elasticsearch 的应用场景与数据同步。
06-02
Elasticsearch是一款开源的分布式搜索引擎，可以用于快速处理大数据量的搜索、分析和聚合。它的应用场景非常广泛，以下是其中几个： 1. 实时搜索：Elasticsearch能够快速处理大量数据，实现实时搜索功能。比如，...

“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