Elasticsearch（一）

已于 2023-05-14 10:17:00 修改
阅读量772 收藏 1
点赞数 1
分类专栏： # 实用篇 文章标签： elasticsearch 搜索引擎 大数据
于 2023-05-13 14:37:57 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/xcxcxcxx1/article/details/130657236
版权

Elasticsearch（一）

初始elasticsearch

什么是elasticsearch

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查找到需要的内容

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

img

Lucene是一个Java语言的搜索引擎类库：https://lucene.apache.org/

优势：

  • 易扩展
  • 高性能（基于倒排索引）

缺点：

  • 只限于Java语言开发
  • 学习路线陡峭
  • 不支持水平扩展

Elasticsearch：https://www.elastic.co/cn/

相比与lucene，elasticsearch具备下列优势：

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

搜索引擎技术排名：

  1. Elasticsearch：开源分布式搜索引擎
  2. Splunk：商业项目
  3. Solr：Apache的开源搜索引擎

正向索引和倒排索引

传统数据库采用正向索引，例如给下表中创建id索引：

img

elasticsearch采用倒排索引：

  • 文档：每条数据就是一个文档
  • 词条：文档按照语义分成词语

img

文档

elasticsearch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为json格式后存储在elasticsearch中

img

索引

索引：相同类型的文档的集合

映射：索引中文案的字段约束信息，类似于表的结构约束

img

概念对比

img

架构

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

img

安装elasticsearch、kibana

1.部署单点es

1.1.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
1.2.加载镜像

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。

课前资料提供了镜像的tar包：

大家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。

1.3.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://192.168.72.133:9200 即可看到elasticsearch的响应结果：

2.部署kibana

kibana可以给我们提供一个elasticsearch的可视化界面，便于我们学习。

2.1.部署

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

kibana启动一般比较慢，需要多等待一会，可以通过命令：

docker logs -f kibana

查看运行日志，当查看到下面的日志，说明成功：

此时，在浏览器输入地址访问：http://192.168.72.133:5601，即可看到结果

2.2.DevTools

kibana中提供了一个DevTools界面：

这个界面中可以编写DSL来操作elasticsearch。并且对DSL语句有自动补全功能。

3.安装IK分词器

官网：https://github.com/medcl/elasticsearch-analysis-ik

3.1.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
3.2.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"
    }
]

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

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
POST /_analyze
{
  "analyzer": "ik_max_word",
  "text": "希诚是无敌的，xc is best"
}

结果：

{
  "tokens" : [
    {
      "token" : "希",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "诚",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "是",
      "start_offset" : 2,
      "end_offset" : 3,
      "type" : "CN_CHAR",
      "position" : 2
    },
    {
      "token" : "无敌",
      "start_offset" : 3,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 3
    },
    {
      "token" : "的",
      "start_offset" : 5,
      "end_offset" : 6,
      "type" : "CN_CHAR",
      "position" : 4
    },
    {
      "token" : "xc",
      "start_offset" : 7,
      "end_offset" : 9,
      "type" : "ENGLISH",
      "position" : 5
    },
    {
      "token" : "best",
      "start_offset" : 13,
      "end_offset" : 17,
      "type" : "ENGLISH",
      "position" : 6
    }
  ]
}
3.3 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”，“泰库辣” 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：

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 *** 添加扩展词典-->
        <entry key="ext_dict">ext.dic</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

泰库辣
奥力给

4）重启elasticsearch

docker restart es

# 查看 日志
docker logs -f elasticsearch

日志中已经成功加载ext.dic配置文件

5）测试效果：

GET /_analyze
{
  "analyzer": "ik_max_word",
  "text": "如果你也跟我一样的话，那么我觉得，泰库辣"
}

注意当前文件的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑

3.4 停用词词典

在互联网项目中，在网络间传输的速度很快，所以很多语言是不允许在网络上传递的，如：关于宗教、政治等敏感词语，那么我们在搜索时也应该忽略当前词汇。

IK分词器也提供了强大的停用词功能，让我们在索引时就直接忽略当前的停用词汇表中的内容。

1）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-->
        <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  *** 添加停用词词典-->
        <entry key="ext_stopwords">stopword.dic</entry>
</properties>

3）在 stopword.dic 添加停用词

xxx

4）重启elasticsearch

# 重启服务
docker restart elasticsearch
docker restart kibana

# 查看 日志
docker logs -f elasticsearch

日志中已经成功加载stopword.dic配置文件

5）测试效果：

GET /_analyze
{
  "analyzer": "ik_max_word",
  "text": "如果你也跟我一样的话，那么我觉得，泰库辣，xxx！"
}

注意当前文件的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑

索引库操作

mapping属性

mapping是对索引库中文档的约束，常见的mapping属性包括：https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html

  • 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

创建索引库

ES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：

img

# 创建索引库
PUT /xc
{
  "mappings": {
    "properties": {
      "info":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email":{
        "type": "keyword",
        "index": false        
      },
      "name":{
        "type": "object",
        "properties": {
          "firstName":{
            "type": "keyword"
          },
          "lastName":{
            "type": "keyword"
          }
        }
      }
    }
  }
}

查看、删除索引库

查看索引库语法：

GET /索引库名称

删除索引库的语法

DELETE /索引库名称

修改索引库

索引库和mapping一旦创建无法修改，但是可以添加新的字段，语法：

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

文档操作

添加文档

新增文档的DSL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"
	}
}

查询、删除文档

查询

GET /索引库名/_doc/文档id

删除

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",
	"字段2": "值2",
	"字段3": {
    	"子属性1": "值3",
    	"子属性2": "值4"
	}
}

方式二：增量修改，修改指定字段值

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

RestAPI

ES官网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请求发送给ES。官网：https://www.elastic.co/guide/en/elasticsearch/client/index.html

案例：利用JavaRestClient实现创建、删除索引库，判断索引库是否存在

1. 分析数据结构，定义mapping属性

小提示：

img

定义mapping属性

img

PUT /hotel
{
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "ik_max_word",
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type":"integer"
      },
      "brand":{
        "type": "keyword",
        "copy_to": "all"
      },
      "city":{
        "type": "keyword"
      },
      "starName":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword",
        "copy_to": "all"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "ik_max_word"
      }
    }
  }
}

2. 初始化JavaRestClient

导入依赖

        <dependency>
            <groupId>org.elasticsearch.client</groupId>
            <artifactId>elasticsearch-rest-high-level-client</artifactId>
            <version>7.12.1</version>
        </dependency>

将springboot管理的es依赖7.6.x的替换成直接管理的

    <properties>
        <elasticsearch.version>7.12.1</elasticsearch.version>
    </properties>

初始化RestHignLevelClient

package cn.itcast.hotel;

import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;

import java.io.IOException;

/**
 * @author xc
 * @date 2023/5/10 18:38
 */
@SpringBootTest
public class HotelIndexTest {

    private RestHighLevelClient client;



    @Test
    void testInit(){
        System.out.println(client);
    }

    // 在调用方法后执行的操作
    @BeforeEach
    void setUp() {
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.72.133:9200")
        ));
    }
    // 在调用方法前执行的操作
    @AfterEach
    void tearDown() throws IOException {
        this.client.close();
    }
}

3. 创建索引库

img

创建索引库

    @Test
    void testInit() throws IOException {
        // 1.创建Request对象
        CreateIndexRequest request = new CreateIndexRequest("hotel");
        // 2.准备请求参数：DSL语句
        request.source(MAPPING_TEMPLATE, XContentType.JSON);
        // 3.发送请求
        client.indices().create(request, RequestOptions.DEFAULT);
    }

4. 删除索引库、判断索引库是否存在

  • 删除索引库代码
    @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);
    }
  • 判断索引库是否存在
    @Test
    void testExistsHotelIndex() 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);
        System.out.println(exists);
    }

案例：利用JavaRestClient实现文档的CRUD

1.利用JavaRestClient新增酒店数据

    @Test
    void testAddDocument() throws IOException {
        List<Hotel> hotel = hotelService.list();
        hotel.forEach(h -> {
            HotelDoc hotelDoc = new HotelDoc(h);
            IndexRequest request = new IndexRequest("hotel").id(h.getId().toString());
            request.source(JSON.toJSONString(hotelDoc),XContentType.JSON);
            try {
                client.index(request,RequestOptions.DEFAULT);
            } catch (IOException e) {
                throw new RuntimeException(e);
            }
        });
    }

2.利用JavaRestClient根据id查询酒店数据

    @Test
    void testGETDocument() throws IOException {
        GetRequest request = new GetRequest("hotel","61083");
        GetResponse documentFields = client.get(request, RequestOptions.DEFAULT);
        String json = documentFields.getSourceAsString();
        System.out.println(json);
    }

3.利用JavaRestClient删除酒店数据

    @Test
    void testDELETEDocument() throws IOException {
        DeleteRequest request = new DeleteRequest("hotel","61083");
        client.delete(request, RequestOptions.DEFAULT);
    }

4.利用JavaRestClient修改酒店数据

    @Test
    void testUpdateDocument() throws IOException {
        UpdateRequest request = new UpdateRequest("hotel", "61083");
        request.doc(
                "city","武汉"
        );
        client.update(request, RequestOptions.DEFAULT);
    }

案例：批量导入数据

    @Test
    void testBulkRequest() throws IOException {
        BulkRequest request = new BulkRequest();
        List<Hotel> hotel = hotelService.list();
        hotel.forEach(h -> {
            HotelDoc hotelDoc = new HotelDoc(h);
            request.add(new IndexRequest("hotel").id(hotelDoc.getId().toString()).source(JSON.toJSONString(hotelDoc),XContentType.JSON));
        });
        client.bulk(request,RequestOptions.DEFAULT);
    }
EFAULT);
    }

4.利用JavaRestClient修改酒店数据

    @Test
    void testUpdateDocument() throws IOException {
        UpdateRequest request = new UpdateRequest("hotel", "61083");
        request.doc(
                "city","武汉"
        );
        client.update(request, RequestOptions.DEFAULT);
    }

案例：批量导入数据

    @Test
    void testBulkRequest() throws IOException {
        BulkRequest request = new BulkRequest();
        List<Hotel> hotel = hotelService.list();
        hotel.forEach(h -> {
            HotelDoc hotelDoc = new HotelDoc(h);
            request.add(new IndexRequest("hotel").id(hotelDoc.getId().toString()).source(JSON.toJSONString(hotelDoc),XContentType.JSON));
        });
        client.bulk(request,RequestOptions.DEFAULT);
    }
xc6
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ElasticSearch使用一套全
08-27
ElasticSearch管理控制台Kibana压缩包，Kibana是ES提供的一个基于Node.js的管理控制台, 可以很容易实现高级的数据分析和可视化，以图标的形式展现出来。 ElasticSearch的可视化管理插件head，监视ES的状态 查看...
Elasticsearch基于对象存储实践
11-10
Elasticsearch 是一个基于 Lucene 的开源搜索引擎，提供了强大的搜索功能和灵活的数据处理能力。然而，在大规模数据场景下，Elasticsearch 的存储成本和查询效率成为瓶颈。为解决这个问题，本文将介绍基于对象存储的...
常用 Elasticsearch 工具与插件
BXA
05-02 3654
Elasticsearch 是一个强大的搜索引擎工具，能够支持海量数据的存储和快速检索具有多种适用场景且在不断改进和发展中 作为 Elasticsearch 的扩展体系组成部分工具和插件的使用能够帮助用户更好地实现全文搜索 日志管理实时监控等功能
ElasticSearch安装、插件介绍及Kibana的安装与使用详解
丨汀、的博客
10-23 1706
ElasticSearch安装、插件介绍及Kibana的安装与使用详解
Elasticsearch 支持的插件 —— 筑梦之路
最新发布
筑梦之路
04-14 791
插件的使用通常涉及到版本兼容性，因此在选择和安装插件时，请确保查看插件的官方文档并确认其与 Elasticsearch 版本的兼容性。2、HQ：提供了一个 Web 界面，用于监控 Elasticsearch 集群的健康和性能。：提供了一个简单的 Web 界面，用于监控和管理 Elasticsearch 集群。：提供高级的身份验证和授权功能，用于加强 Elasticsearch 的安全性。：Elasticsearch 自带的插件，用于创建和还原索引的快照。：适用于中文分词的插件，提供了针对中文文本的分析器。
Elasticsearch的扩展与插件
禅与计算机程序设计艺术
01-21 1147
1.背景介绍 Elasticsearch是一个强大的搜索和分析引擎，它可以处理大量数据并提供实时搜索功能。在实际应用中，我们可能需要对Elasticsearch进行扩展和优化，以满足特定的需求。这篇文章将讨论Elasticsearch的扩展与插件，以及如何使用它们来提高系统性能和功能。 1.背景介绍 Elasticsearch是一个基于Lucene的搜索引擎，它可以处理大量数据并提供实时搜索...
Elasticsearch辅助插件安装
凉茶铺的博客
04-20 4507
介绍了Elasticsearch辅助插件安装方法
ElasticSearch 及 ElasticSearch—head 插件安装 以及 kibana 可视化工具
.
09-22 7568
​ ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。 ​
elasticsearch-8.2.3 windows 版本
06-21
Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级...
es-head Elasticsearch的可视化操作插件
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...
elasticsearch 8.11.3 windows安装包
01-10
Elasticsearch 是一个分布式、高扩展、高实时的搜索与数据分析引擎。它能很方便的使大量数据具有搜索、分析和探索的能力。充分利用Elasticsearch的水平伸缩性，能使数据在生产环境变得更有价值。Elasticsearch 的...
elasticsearch排分插件开发全解析
nengm1988的博客
01-26 753
elasticsearch源码编译插件开发全解析
Elasticsearch好用查询插件分享
12-03 2956
以前我常用的ES查询工具是Head，作为插件形式在浏览器中运行，挺方便的，后来发现head不太好用，比如在数据浏览的时候，不小心就点击了两个索引，背景色设置的还不够明显，比较容易看错数据的。于是想找个更好用的工具，以前用过cerebro 觉得界面够酷，但是我觉得cerbro作为es的插件运行的挺麻烦，我想找个类似head这种方便的浏览器插件。一 Elasticvue这个作为一个浏览器插件运行，类似...
Elasticsearch的插件开发与应用
禅与计算机程序设计艺术
01-21 972
1.背景介绍 1. 背景介绍 Elasticsearch是一个基于Lucene的搜索引擎，它提供了实时、可扩展和可伸缩的搜索功能。Elasticsearch的插件机制允许开发者扩展Elasticsearch的功能，以满足特定的需求。在本文中，我们将深入探讨Elasticsearch的插件开发与应用，涵盖了其核心概念、算法原理、最佳实践、实际应用场景等方面。 2. 核心概念与联系 在Elas...
ElasticSearch篇——认识、安装和使用IK分词器插件，一篇文章带你彻底拿下！
我热爱学习，也乐于分享。无论是科技前沿的洞见，还是生活中的小技巧，我都会在这里与你分享。我相信，知识就是力量，而分享则能让这份力量得到更好的传递。
12-09 3992
所谓分词，即把一段中文或者别的划分成一个个的关键字，我们在搜索时会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配的操作，默认的中文分词器是将每一个字看成一个词，比如“我爱中国”会被分成“我”、“爱”、“中”、“国”，这显然是不符合要求的，所以我们需要安装中文分词器IK来解决这个问题！假如我想对以下的内容进行分词，我不希望“长江东逝水”分开，这个时候就需要我们自己去配置一下属于我们自己的字典了。（1）观察ES细节，我们自己编写的字典被加载进来了！
Elasticsearch插件开发指南：如何扩展Elasticsearch的功能
小易
03-17 888
Elasticsearch是一个基于Lucene的分布式搜索引擎，它提供了许多内置的功能和API，例如全文搜索、聚合、地理位置搜索等。但是，在某些情况下，内置的功能可能无法满足我们的需求，或者我们需要自定义一些功能。在这种情况下，我们可以使用Elasticsearch的插件开发框架来创建自定义插件。Elasticsearch的插件是基于Java编写的，它们可以添加新的功能、API和查询语言，也可以在Elasticsearch集群中添加新的节点类型和索引存储。
ElasticSeach集群及插件搭建文档
weixin_37847603的博客
06-26 316
Elasticsearch 的次要版本比kibana的次要版本高通常会起作用，不过这样只是为了满足首先升级 Elasticsearch ，然后升级kibana的需要，（如 Kibana 5.0 和 Elasticsearch 5.1 ）。在这种配置中， Kibana 服务器启动时将会记录一个警告，因此两个版本不一致的情况只是暂时的，为了不记录警告，还得将 Kibana 升级到与 Elasticsearch 相同的版本。( 对于请求不多的业务，Client Node可不加，Master和Data一般足够)
Elasticsearch插件介绍及安装
qq_40907977的博客
03-11 661
转载来源 ：Elasticsearch之插件介绍及安装 https://www.cnblogs.com/zlslch/p/6423631.html ES站点插件（以网页形式展现） 1、BigDesk Plugin (作者 Lukáš Vlček) 简介：监控es状态的插件，推荐！【目前不支持2.x】 2、Elasticsearch Head Plugin (作者 Ben Birch) （主要） 简...
来一个操作elasticsearch
08-16
Elasticsearch 提供了一组专门的 API 和工具，用于监控和管理 Elasticsearch 集群。 总而言之，操作 Elasticsearch 需要理解索引、文档、搜索、更新、删除、聚合等基本概念，并使用合适的 API 或客户端库来执行相关...

“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