Elasticstarch常见查询、基础查询

已于 2023-11-03 17:10:36 修改
阅读量138 收藏 1
点赞数
文章标签： elasticsearch 大数据 搜索引擎 全文检索 后端
于 2023-11-03 17:10:02 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/yb19960823/article/details/134206198
版权

目录

一、主键查询 & 全查询

1、主键查询

2、全查询

二、条件查询 & 分页查询 & 查询排序

1、条件查询

2、分页查询.

2.1、分页查询

2.2、分页查询并排序

3、查询排序

3.1、查询排序

3.2、一个字段降序，一个字段升序

3.3、多字段值排序（字段值不是字段）

三、多条件查询 & 范围查询

1、多条件查询-假设想找出小米牌子，价格为3999元的。（must相当于数据库的&&）

2、多条件查询-假设想找出小米和华为的牌子。（should相当于数据库的||）

3、范围查询

4、模糊查询 fuzzy

5、前缀查询 prefifix

6、通配查询 wildcard查询 相当于mysql中like

7、正则查询

8、filter查询

9、条件查询 term和terms

10、match查询

四、全文检索 & 完全匹配 & 高亮查询

1、全文检索

2、全文匹配

3、高亮查询

4、查询结果只展示部分字段

五、聚合查询

1、接下来按price字段进行分组

2、若想对所有手机价格求平均值。

3、聚合查询示例

3.1、先创建索引和导入数据

3.2、11 岁的学生总人数

3.3、各个年龄的人数分布 （注意，在 ES 的关键词中 aggs 和 aggregations 等价。）

3.4、各个身高的人数分布

3.5、学生的平均年龄、最小年龄、最大年龄、年龄之和

3.6、每个年龄的平均身高是多少

3.7、获取每个年龄的平均身高，并按照年龄从小到大排序

3.8、获取每个年龄的平均身高，并按照平均身高从大到小排序

4、各种聚合查询-示例

六、滚动查询 scroll

1、数据准备

2、查询示例1

3、查询示例2：

4、什么时候结束查询？

5、删除

一、主键查询 & 全查询

1、主键查询

GET /shopping/_doc/1

2、全查询

GET /shopping/_search

二、条件查询 & 分页查询 & 查询排序

1、条件查询

1、url带参查询，查找category(类别)为小米的文档
GET /shopping/_search?q=category:小米
请求体带参查询
GET /shopping/_search
{
	"query":{
		"match":{
			"category":"小米"
		}
	}
}

查找所有文档内容
GET /shopping/_search
{
	"query":{
		"match_all":{}
	}
}
查询指定字段
GET /shopping/_search
{
	"query":{
		"match_all":{}
	},
	"_source":["title"]
}

2、分页查询.

2.1、分页查询

注：from= （pageNo-1）*pageSize from指偏移量

size = pageSize

GET /shopping/_search
{
	"query":{
		"match_all":{}
	},
	"from":0,
	"size":2
}

2.2、分页查询并排序

GET student/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_id": {"order" : "asc"}
    }
  ],
  "from": 0,
  "size": 6
}

3、查询排序

3.1、查询排序

#先创建索引
PUT student
{
  "mappings" : {
    "properties" : {
      "name" : {
        "type" : "keyword"
      },
      "age" : {
        "type" : "integer"
      }
    }
  }
}

#再创建文档
POST _bulk
{ "index" : { "_index" : "student", "_id" : "1" } }
{ "name" : "张三", "age": 12}
{ "index" : { "_index" : "student", "_id" : "2" } }
{ "name" : "李四", "age": 10 }
{ "index" : { "_index" : "student", "_id" : "3" } }
{ "name" : "王五", "age": 11 }
{ "index" : { "_index" : "student", "_id" : "4" } }
{ "name" : "陈六", "age": 11 }

GET student/_search
{
  "query": {
    "match_all": {}
  }
  , 
  "sort": [
    {
      "age": { "order": "desc"}
    }
  ]
}

3.2、一个字段降序，一个字段升序

//age降序，_id升序：
GET student/_search
{
  "query": {
    "match_all": {}
  }
  , 
  "sort": [
    {
      "age": { "order": "desc"}
    },
    {
      "_id": {"order" : "asc"}
    }
  ]
}

//_id升序、age降序：
GET student/_search
{
  "query": {
    "match_all": {}
  }
  , 
  "sort": [
    {
      "_id": {"order" : "asc"}
    },
    {
      "age": { "order": "desc"}
    }
  ]
}

3.3、多字段值排序（字段值不是字段）

如果某个字段是数组，也是可以排序的，不过需要指定 mode 。mode 支持 min、max、avg、sum。

//建立索引
PUT student2
{
  "mappings" : {
    "properties" : {
      "name" : {
        "type" : "keyword"
      },
      "score" : {
        "type" : "integer"
      }
    }
  }
}

# 添加文档
POST _bulk
{ "index" : { "_index" : "student2", "_id" : "1" } }
{ "name" : "张三", "score": [80, 90]}
{ "index" : { "_index" : "student2", "_id" : "2" } }
{ "name" : "李四", "score": [78, 95] }

# 按照 score 的最小值排序
GET student2/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "score": {"order" : "asc", "mode": "min"}
    }
  ]
}

三、多条件查询 & 范围查询

1、多条件查询-假设想找出小米牌子，价格为3999元的。（must相当于数据库的&&）

GET /shopping/_search
{
	"query":{
		"bool":{
			"must":[{
				"match":{
					"category":"小米"
				}
			},{
				"match":{
					"price":3999.00
				}
			}]
		}
	}
}

2、多条件查询-假设想找出小米和华为的牌子。（should相当于数据库的||）

GET /shopping/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "category": "小米"
          }
        },
        {
          "match": {
            "category": "华为"
          }
        }
      ],
      "filter": {
        "range": {
          "price": {
            "gt": 2000
          }
        }
      }
    }
  }
}

3、范围查询

假设想找出小米和华为的牌子，价格大于2000元的手机。

* gt： >

* gte： >=

* lt： <

* lte： <=

POST /user/_search
{
 "query": {
 "range": {
 "age": {
 "gt": 30,
 "lte": 50
 }
 }
 } 
}

GET /shopping/_search
{
	"query":{
		"bool":{
			"should":[{
				"match":{
					"category":"小米"
				}
			},{
				"match":{
					"category":"华为"
				}
			}],
            "filter":{
            	"range":{
                	"price":{
                    	"gt":2000
                	}
	            }
    	    }
		}
	}
}

4、模糊查询 fuzzy

返回包含与搜索字词相似的字词的文档。

编辑距离是将一个术语转换为另一个术语所需的一个字符更改的次数。这些更改可以包括：

 更改字符（box → fox）

 删除字符（black → lack）

 插入字符（sic → sick）

 转置两个相邻字符（act → cat）

为了找到相似的术语，fuzzy 查询会在指定的编辑距离内创建一组搜索词的所有可能的变体

通过 fuzziness 修改编辑距离。一般使用默认值 AUTO，根据术语的长度生成编辑距离。

prefix_length 指定前面几个字符不允许出错

POST /user/_search
{
 "query": {
 "fuzzy": {
 "name": {
 "value": "wangwu",
 }
 }
 } 
}
POST /user/_search
{
 "query": {
 "fuzzy": {
 "name": {
 "value": "wangwu",
 "fuzziness": 2
 }
 }
 } 
}
POST /user/_search
{
 "query": {
 "fuzzy": {
 "name": {
 "value": "wangwu",
 "fuzziness": 2,
 "prefix_length": 1
 
 }
 }
 } 
}

5、前缀查询 prefifix

通过一个关键字去指定一个field的前缀

POST /user/_search
{
"query": {
"prefix": {
"corpName": {
"value": "wang"
}
}
}
}

6、通配查询 wildcard查询 相当于mysql中like

和mysql中的like一个套路，可以在查询时，在字符串中指定通配符 * 和 占位符 ?

POST /user/_search
{
 "query": {
 "wildcard": {
 "name": {
 "value": "wang*" #可以使用*和?指定通配符和占位符
 }
 }
 } 
}

7、正则查询

可以通过编写的正则表达式去匹配内容

PUT user2/_bulk
 {"index":{}}
 {"name":"张三","mobile":"17775427990"}
 {"index":{}}
 {"name":"李四","mobile":"18095278888"}
 
 POST /user2/_search
{
"query": {
 "regexp": {
 "mobile": "180[0-9]{8}" 
 }
 } }

8、filter查询

query是根据你的查询条件，去计算文档的匹配度得到一个分数，并且根据扥书进行排序，不会缓存数据。

filter是根据你的查询条件去查询文档，不去计算分数，而且filter会对经常被过滤的数据进行缓存

POST /user/_search
{
  "query": {
    "bool": {
      "filter": [
        {
          "term": {
            "name": "zhangsan"
          }
        },
        {
          "range": {
            "age": {
              "lte": 30
            }
          }
        }
      ]
    }
  }
}

9、条件查询 term和terms

term的查询是代表完全匹配,搜索之前不会对你搜索的关键字进行分词,对你的关键字去文档分词库中去匹配内容

terms和term的查询机制是一样,都不会将指定的查询关键字进行分词,直接去分词库 中匹配,找到相应文档内容。

terms是在针对一个字段包含多个值的时候使用。

term:where age = 30;

terms:where age =30 or age =? or age = ?

#term
POST /user/_search
{
  "from": 0,
  "size": 5,
  "query": {
    "term": {
      "age": {
        "value": "30"
      }
    }
  }
}
#terms
POST /user/_search
{
  "from": 0,
  "size": 5,
  "query": {
    "terms": {
      "age": [
        "20",
        "30"
        ]
    }
  }
}

10、match查询

match查询属于高层查询,他会根据你查询的字段类型不一样,采用不同的查询方式."

详见下文全文检索示例

四、全文检索 & 完全匹配 & 高亮查询

1、全文检索

这功能像搜索引擎那样，如品牌输入“小华”，返回结果带回品牌有“小米”和华为的。

GET /shopping/_search
{
	"query":{
		"match":{
			"category" : "小华"
		}
	}
}

2、全文匹配


GET /shopping/_search
{
	"query":{
		"match_phrase":{
			"category" : "为"
		}
	}
}

3、高亮查询

下面是把查询出的  “为”  字高亮
GET /shopping/_search
{
	"query":{
		"match_phrase":{
			"category" : "为"
		}
	},
    "highlight":{
        "fields":{
            "category":{}
        }
    }
}

4、查询结果只展示部分字段

如下，查询结果只展示name字段， includes 换成 include 也可以，但会提示 include 已经废弃。所以不建议使用 include

GET student/_search
{
  "query": {
    "match": {
      "age": "12"
    }
  },
  "_source": {
    "includes": [
      "name"
    ]
  }
}

五、聚合查询

ES聚合分析查询的写法如下

"aggregations" : {
    "<aggregation_name>" : {                                 <!--聚合的名字 -->
        "<aggregation_type>" : {                             <!--聚合的类型 -->
            <aggregation_body>                               <!--聚合体：对哪些字段进行聚合 -->
        }
        [,"meta" : {  [<meta_data_body>] } ]?                <!--元 -->
        [,"aggregations" : { [<sub_aggregation>]+ } ]?       <!--在聚合里面在定义子聚合 -->
    }
}

聚合允许使用者对 es 文档进行统计分析，类似与关系型数据库中的 group by，当然还有很多其他的聚合，例如取最大值max、平均值avg等等。
 

1、接下来按price字段进行分组

GET /shopping/_search
{
	"aggs":{//聚合操作
		"price_group":{//名称，随意起名
			"terms":{//分组
				"field":"price"//分组字段
			}
		}
	}
}

上面返回结果会附带原始数据的。若不想要附带原始数据的结果，如下：

GET /shopping/_search
{
	"aggs":{
		"price_group":{
			"terms":{
				"field":"price"
			}
		}
	},
    "size":0
}

2、若想对所有手机价格求平均值。

GET /shopping/_search
{
	"aggs":{
		"price_avg":{//名称，随意起名
			"avg":{//求平均
				"field":"price"
			}
		}
	},
    "size":0
}

3、聚合查询示例

3.1、先创建索引和导入数据

PUT student8
{
  "mappings" : {
    "properties" : {
      "name" : {
        "type" : "keyword"
      },
      "age" : {
        "type" : "integer"
      },
      "height": {
        "type": "integer"
      }
    }
  }
}
#一共4条数据，其中张三没有身高 height 的数据
POST _bulk
{ "index" : { "_index" : "student8", "_id" : "1" } }
{ "name" : "张三", "age": 12 }
{ "index" : { "_index" : "student8", "_id" : "2" } }
{ "name" : "李四", "age": 10,  "height": 112 }
{ "index" : { "_index" : "student8", "_id" : "3" } }
{ "name" : "王五", "age": 11, "height": 108 }
{ "index" : { "_index" : "student8", "_id" : "4" } }
{ "name" : "陈六", "age": 11, "height": 111 }
#查询所有数据
GET student8/_search

#总人数
POST student8/_count

3.2、11 岁的学生总人数

#方法1：
POST student8/_count
{
  "query": {
    "bool": {
      "must": [
        {
          "term": {"age": 11}
        }
      ]
    }
  }
}
#方法2：查询后进行聚合：
GET student8/_search
{
  "query": {
    "bool": {
      "must": [
        {"term": {"age": 11} }
      ]
    }
  },
  "aggs":{
    "age_count": {
      "terms": {"field": "age"}
    }
  },
  "size": 0
}

3.3、各个年龄的人数分布 （注意，在 ES 的关键词中 aggs 和 aggregations 等价。）

方法1：
POST student8/_search
{
  "aggs":{
    "age_count": {
      "terms": {"field": "age"}
    }
  },
  "size": 0
}

方法2：
POST student8/_search
{
  "size": 0,
  "aggregations": {
    "group_by_age": {
      "aggregations": {
        "count_age": {
          "value_count": {
            "field": "_index"
          }
        }
      },
      "terms": {
        "field": "age"
      }
    }
  }
}

3.4、各个身高的人数分布

POST student8/_search
{
  "aggs":{
    "group_by_height": {
      "terms": {"field": "height"}
    }
  },
  "size": 0
}
无身高数据的张三 未被统计。

3.5、学生的平均年龄、最小年龄、最大年龄、年龄之和

stats 指令，会计算出指定字段的 count、min、max、avg、sum。

方式1：
POST student8/_search
{
  "aggs":{
    "age_stat": {
      "stats": {"field": "age"}
    }
  },
  "size": 0
}
方式2：
POST student8/_search
{
  "aggs":{
    "age_avg": {
      "avg": {"field": "age"}
    },
    "age_sum": {
      "sum": {"field": "age"}
    },
    "age_min": {
      "min": {"field": "age"}
    },
    "age_max": {
      "max": {"field": "age"}
    },
    "age_count": {
      "value_count": {"field": "age"}
    }
  },
  "size": 0
}

3.6、每个年龄的平均身高是多少

POST student8/_search
{
  "size": 0,
  "aggregations": {
    "group_by_age": {
      "aggregations": {
        "avg_height": {
          "avg": {
            "field": "height"
          }
        }
      },
      "terms": {
        "field": "age"
      }
    }
  }
}

3.7、获取每个年龄的平均身高，并按照年龄从小到大排序

方式1：
#_term已经废弃，使用_key
POST student8/_search
{
  "size": 0,
  "aggregations": { 
    "group_by_age": {
      "aggregations": {
        "avg_height": {
          "avg": {
            "field": "height"
          }
        }
      },
      "terms": {
        "field": "age",
        "order": {
          "_key": "asc"
        }
      }
    }
  }
}
#方式2：桶排序
POST student8/_search
{
  "size": 0,
  "aggregations": { 
    "group_by_age": {
      "aggregations": {
        "avg_height": {
          "avg": {
            "field": "height"
          }
        },
        "bucket_sort_by_avg_height": {
          "bucket_sort": {
            "sort": [
              {"_key": {"order": "asc"}}
            ]
          }
        }
      },
      "terms": {
        "field": "age"
      }
    }
  }
}

3.8、获取每个年龄的平均身高，并按照平均身高从大到小排序

#方式1
POST student8/_search
{
  "size": 0,
  "aggregations": { 
    "group_by_age": {
      "aggregations": {
        "avg_height": {
          "avg": {
            "field": "height"
          }
        }
      },
      "terms": {
        "field": "age",
        "order": {
          "_key": "asc"
        }
      }
    }
  }
}
#方式2 
POST student8/_search
{
  "size": 0,
  "aggregations": { 
    "group_by_age": {
      "aggregations": {
        "avg_height": {
          "avg": {
            "field": "height"
          }
        },
        "bucket_sort_by_avg_height": {
          "bucket_sort": {
            "sort": [
              {"avg_height": {"order": "desc"}}
            ]
          }
        }
      },
      "terms": {
        "field": "age"
      }
    }
  }
}

4、各种聚合查询-示例

ES聚合指标：value_count: 计数

cardinality: 去重计数

avg: 平均值

sum: 求和

max: 最大值

min: 最小值

status：多种聚合结果，总记录数，最大值，最小值，平均值，汇总值

top_hits： 简单来说就是聚合分组后从每一个组取部分数据作为结果返回

percentiles: 百分比

percentile ranks：文档值占比

#求和（Sum）
GET teacher_info/_search
{
  "size":0,
  "aggs":{
    "sum_salary":{
      "sum":{
        "field":"salary"
      }
    }
  }
}

#最大值（Max）
GET /teacher_info/_search
{
    "size":0,
    "aggs":{
        "max_salary":{
            "max":{
                "field":"salary"
            }
        }
    }

#最小值（Min
GET /teacher_info/_search
{
    "size":"0",
    "aggs":{
        "min_salary":{
            "min":{
                "field":"salary"
            }
        }
    }
}

#平均值（Avg
GET /teacher_info/_search
{
    "size":"0",
    "aggs":{
        "avg_salary":{
            "avg":{
                "field":"salary"
            }
        }
    }
}

#去重数值（cardinality）类似mysql的count distinct
案例：老师一共教了多少学科
GET /teacher_info/_search
{
  "size":0,
  "aggs":{
    "job_count":{
      "cardinality": {
        "field": "job"
      }
    }
  }
}

#多值查询-最大最小值和平均值
GET /teacher_info/_search
{
  "size":0,
  "aggs":{
    "max_salary":{
      "max":{
        "field":"salary"
      }
    },
    "min_salary":{
      "min":{
        "field":"salary"
      }
    },
    "avg_salary":{
      "avg":{
        "field":"salary"
      }
    }
  }
}

#返回多个聚合值(Status)
stats统计，请求后会直接显示多种聚合结果，总记录数，最大值，最小值，平均值，汇总值
GET /teacher_info/_search
{
  "size":0,
  "aggs":{
    "salary_stats":{
      "stats":{
        "field":"salary"
      }
    }
  }
}
#根据性别分组，展示工资排名top3（展示的是男top3和女top3）
POST _bulk
{ "index" : { "_index" : "teacher_info", "_id" : "1" } }
{ "name" : "张三","job" : "语文", "age": 24, "salary": 50 ,"sex":"男"}
{ "index" : { "_index" : "teacher_info", "_id" : "2" } }
{ "name" : "李四", "job" : "数学", "age": 25, "salary": 80 ,"sex":"男"}
{ "index" : { "_index" : "teacher_info", "_id" : "3" } }
{ "name" : "王五","job" : "英语", "age": 26, "salary": 90 ,"sex":"女"}
{ "index" : { "_index" : "teacher_info", "_id" : "4" } }
{ "name" : "陈六", "job" : "语文", "age": 25, "salary": 100 ,"sex":"男"}

GET /teacher_info/_search?size=0
{
  "aggs":{
    "top_tags":{
      "terms":{
        "field":"sex.keyword"
      },
      "aggs":{
        "top_sales_hits":{
          "top_hits":{
            "sort":[
              {
                "salary":{
                  "order":"desc"
                }
              }
            ],
            "_source":{
              "includes":["name","sex","salary"]
            },
            "size":3
          }
        }
      }
    }
  }
}

六、滚动查询 scroll

注意：滚动查询不适合做实时查询，一般用于定数任务进行数据采集整理

1、数据准备

PUT student7
{
  "mappings" : {
    "properties" : {
      "name" : {
        "type" : "keyword"
      },
      "age" : {
        "type" : "integer"
      }
    }
  }
}

POST _bulk
{ "index" : { "_index" : "student7", "_id" : "1" } }
{ "name" : "张三", "age": 12}
{ "index" : { "_index" : "student7", "_id" : "2" } }
{ "name" : "李四", "age": 10 }
{ "index" : { "_index" : "student7", "_id" : "3" } }
{ "name" : "王五", "age": 11 }
{ "index" : { "_index" : "student7", "_id" : "4" } }
{ "name" : "陈六", "age": 11 }

2、查询示例1

GET student7/_search?scroll=1m
{
  "query": {
    "match_all": {}
  },
  "sort": {
    "name": "desc"
  },
  "size": 10
}

返回结果中有 _scroll_id ，我们下次查询基于 scroll_id 查询：

POST /_search/scroll
{
    "scroll" : "1m", 
    "scroll_id" : "FGluY2x1ZGVfY29udGV4dF91dWlkDXF1ZXJ5QW5kRmV0Y2gBFl9UZnFZQnBBU3ZlWW01SzUyS2huZXcAAAAAAABz9xZiS0YtSXdMMFJQbUZSa3o3cG5tYXBR" 
}

如果查不到数据了，返回值中的 scroll_id 和查询是的 scroll_id 是一个值。继续查询时，返回值和上面的相同。--可根据scroll进行判断防止递归

因为指定保存 scroll 上下文的时间是 1分钟（ 1m ），所以，过1分钟后查询，会报错。

3、查询示例2：

GET student7/_search?scroll=1m
{
  "query": {
    "match_all": {}
  },
  "sort": {
    "name": "desc"
  },
  "size": 3
}
POST /_search/scroll
{
    "scroll" : "1m", 
    "scroll_id" : "FGluY2x1ZGVfY29udGV4dF91dWlkDXF1ZXJ5QW5kRmV0Y2gBFl9UZnFZQnBBU3ZlWW01SzUyS2huZXcAAAAAAAB0QxZiS0YtSXdMMFJQbUZSa3o3cG5tYXBR" 
}

4、什么时候结束查询？

当查询结果数量小于第一次查询执行的 size时，结束查询。

5、删除

删除scroll在ES上下文中的数据

DELETE /_search/scroll/scroll_id

新生代农民工...
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
一键部署elasticsearch集群/单机版shell脚本(适用于Centos7 x86服务器)
04-21
该安装包实现利用给定参数安装单机版或者集群版es数据库，指定参数后安装过程全自动，自动修改系统内核，配置jdk，自动识别并配置内存，自动根据节点数配置集群脑溢节点配置数。涉及到以下操作 1、自动检测配置java环境 2、自动配置系统内核参数 3、自动安装es 自动es参数配置 jvm配置 集群信息配置 4、注册开机启动服务
elasticsearchTemplate 根据id主键进行操作
日日留心的技术专栏
12-16 2728
代码罗列如下 /** * 根据ID批量查询数据 * * @param index 数据所在索引 * @param ids id清单 * @author: leiming5 */ @Override public List<ProcessEsVo> queryBatch(String index, List<String> ids) { Client client = elasti
Elasticsearch(034)：es中Document（文档）之主键查询文档
瘦子没有夏天
09-21 2713
一、概述 在上一小节中，我们学习了文档的删除用法。当然，除了新增、删除之外，还有最重要的就是文档查询操作。es中的文档的查询操作有以下几类: 主键查询、DSL查询等等。 二、查询文档（主键查询） 2.1 语法 查询 GET index(索引名称)/type(type名称)/id(id的值) 测试 HEAD index(索引名称)/type(type名称)/id(id的值) 这是一个测试方法。返回200和404状态码进行判断。 2.2 使用 查询id为2的用户的详情信息 GET example
Elasticearch 查询详解 （二）
有勇气的牛排博客
02-22 1465
文章目录1 Rest风格说明1.1 创建一个索引1.1.1 字段类型：1.1.2 获取索引信息1.1.3 查看索引默认信息1.2 其他 _cat1.2 修改1.2.1 PUT覆盖1.2.2 POST更新1.3 删除索引2 文档基本操作2.1 基本操作2.1.1 添加数据2.1.2 查数据2.1.3 更新数据 PUT2.1.4 更新数据 POST （推荐）2.2 复杂查询2.2.1 模糊查询2.2.2 _source: 结果过滤2.2.3 sort: 排序2.2.4 分页2.2.5 bool 多条件精确查
Logstash的使用（从Kafka到ES）
蜗牛小将
09-05 2277
Logstash介绍 Logstash是一个数据收集处理转发系统，是 Java开源项目。 它只做三件事：输入、清洗过滤和输出。如下图： logstash通过在配置文件编写输入（input），过滤清洗（filter），输出（output）相关规则，对数据收集转发。 具体可以在安装目录下的conf/目录下新建配置文件，如logstash_indexer.conf 如下 #输入 input { ...
ElasticSearch 安装（docker）
suweijie的博客
04-26 393
1、首先需要先装一个docker！，还没装的自己找一下教程。2、将解压完的tar包上传到你服务器。验证是否已经成功安装。返回这样子就是成功了。
深入解析 `org.elasticsearch.action.search.SearchRequest` 类
一起coding，一起嗨。
04-30 369
深入解析 `org.elasticsearch.action.search.SearchRequest` 类
【RAG 博客】Haystack 中的 DiversityRanker 与 LostInMiddleRanker 用来增强 RAG pipelines
最新发布
VLyb
04-30 523
Haystack 中的 DiversityRanker 与 LostInMiddleRanker 用来增强 RAG pipelines
使用Elasticsearch映射定义索引结构
一起coding，一起嗨。
04-25 1208
使用Elasticsearch映射定义索引结构
git解决冲突问题
Wx001214的博客
04-30 210
冲突问题：开发者的俩个分支都修改了同一个文件的同一部分时, Git 无法自动决定哪个版本是正确的, 因此会产生冲突。解决冲突：我们git在合并的过程中指出冲突文件，通过git status命令查看那个文件存在冲突解决方法：1，手动解决：打开冲突文件，git会标记出文件中冲突的地方，冲突部分分为两块，一块是当前分支的内容，一块是要合并进来分支的内容。要决定结合版本的更改，编辑文件，删除git标记，达到解决冲突，2，添加和提交解决后的文件。
Git | Git基本命令
moteandsunlight的博客
04-21 1223
因为一个主机上其实可以有多个本地仓库，每个仓库可以配置不同，这里我没有配置不同信息的需求，所以这里全部设置成了同一个用户的信息。事实上，我们可以创建除master之外的分支，如果切换到对应的分支上，那么HEAD指针就会指向对应的分支，但默认情况下HEAD还是指向master的。在版本库中，每从工作区中add一次，就会生成一个git对象，并写入到对象库中，在暂存区中存的是git对象的索引，与配置相对应的，这里的–global也是可选参数，当配置时使用此参数，若想要删除，也必须带上这个参数。
Windows系统下将MySQL数据库表内的数据全量导入Elasticsearch
Infinity的博客
04-26 483
使用Logstash将sql数据导入Elasticsearch。
Elasticsearch索引数据的路由规则与自定义路由分发
一起coding，一起嗨。
04-25 866
Elasticsearch索引数据的路由规则与自定义路由分发
Git客户端(TortoiseGit)使用详解
scott198512的博客
04-30 663
tortoiseGit实现代码版本管理
ElasticSearch总结2
weixin_53676834的博客
04-24 993
长连接和短连接是两种常见的网络连接方式，主要用于HTTP、WebSocket等协议。长连接（Long-Connection）：在长连接模式下，客户端和服务器之间的连接是持久的，并且在一段时间内保持打开状态。这意味着在一段时间内，客户端和服务器可以共享同一个连接，从而减少了建立新连接的开销。长连接适用于需要频繁通信的场景，例如实时聊天应用、实时游戏等。在长连接中，客户端和服务器通常会保持连接直到一方主动关闭。
深入探索Elasticsearch中的QueryBuilders
一起coding，一起嗨。
04-30 78
深入探索Elasticsearch中的QueryBuilders
Elasticsearch：探索 11 种流行的机器学习算法
Elastic 中国社区官方博客
04-30 338
过去几年中，机器学习（ML）已经悄然成为我们日常生活中不可或缺的一部分。它影响着从购物网站和流媒体网站上的个性化推荐，到保护我们的收件箱免受我们每天收到的大量垃圾邮件的侵扰。但它不仅仅是我们便利的工具。在当前的技术格局中，机器学习已变得至关重要，而且看起来这种情况不会很快改变。它被用来在数据中解锁隐藏的见解，自动化任务和过程，增强决策制定，并推动创新的边界。这项技术的核心是。这些基本上是被设计用来从数据中学习而不需要针对各个任务进行明确编程的计算机程序。
Elasticsearch索引定义
程序员小潘
04-30 713
在索引文档前，首先需要定义索引。包括：索引名称、索引设置、索引映射、别名、分析器等。如下示例，我们创建了一个名称为“student”的索引，它拥有1个分片数和1个副本数；在索引映射里我们定义了三个字段分别是：学号 student_id、姓名 name、性别 gender，字段类型都是keyword，用于精准匹配；同时该索引还有一个别名：student_alias。
Centos7 安装Git、使用
qq_44721738的博客
04-30 418
不能管理这个文件：因为还没有添加到暂存区，暂存区没有提交到本地仓库。手动解决冲突，删除冲突代码，然后重新add 和commit。目录里面的叫（仓库）版本库。是其余分支的冲突代码。所在的目录叫工作区，, 因为我们还没有进行。是当前分支的冲突代码，

“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