springCloud-day09

最新推荐文章于 2024-11-08 16:36:09 发布
最新推荐文章于 2024-11-08 16:36:09 发布
阅读量201 收藏
点赞数
分类专栏： java 文章标签： 搜索引擎 spring cloud
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/zy__99/article/details/124528733
版权 
                                     Elasticsearch

一：Elasticsearch介绍和安装
1.简介
①：我们了解了Lucene的使用，但是Lucene只是实现了全文检索的基础API，功能不够完善，我们在企业开发中，都会使用基于Lucene封装的专业的搜索框架，例如：Solr、Elasticsearch。
1）：Solr：Apache的产品，与Lucene是一套。
2）：ElasticSearch：elastic技术栈的一个。
3）：HibernateSearch：Hibernate出品
②：Elastic
Elastic有一条完整的产品线：Elasticsearch、Kibana、Logstash等，前面说的三个就是大家常说的ELK技术栈。
在这里插入图片描述
③：Elasticsearch
在这里插入图片描述
如上所述，Elasticsearch具备以下特点：
1）分布式，无需人工搭建集群（solr就需要人为配置，使用Zookeeper作为注册中心）
2）Restful风格，一切API都遵循Rest原则，容易上手
3）近实时搜索，数据更新在Elasticsearch中几乎是完全同步的。
④：版本
目前Elasticsearch最新的版本是6.2.4,需要虚拟机JDK1.8及以上

2.安装和配置
①：新建一个用户shequ,设置密码：
useradd shequ
passwd shequ
②：上传安装包,并解压
1）我们将安装包上传到：/home/shequ目录
2）解压缩：tar xvf elasticsearch-6.2.4.tar.gz
3）我们把目录重命名：
mv elasticsearch-6.2.4/ elasticsearch
修改权限
chown shequ:shequ -R elasticsearch
4）进入，查看目录结构：
在这里插入图片描述
5）出于安全考虑，elasticsearch默认不允许以root账号运行。切换用户：
su - shequ
③：修改配置（jvm.options，elasticsearch.yml）
1）：jvm.options（修改2个）
在这里插入图片描述
2）：elasticsearch.yml（修改3个）
在这里插入图片描述
3）：集群（只需要在这个配置文件中添加其它节点信息即可。elasticsearch.yml的其它可配置信息）
在这里插入图片描述
在这里插入图片描述
④：创建data和logs目录
刚才我们修改配置，把data和logs目录修改指向了elasticsearch的安装目录。但是这两个目录并不存在，因此我们需要创建出来，进入Elasticsearch的根目录，然后创建：
在这里插入图片描述

3.运行
①：运行
进入elasticsearch/bin目录，可以看到下面的执行文件：
在这里插入图片描述
②：错误1：内核过低
在这里插入图片描述
③：错误2：
在这里插入图片描述
④：错误3
在这里插入图片描述
⑤：错误4
在这里插入图片描述
⑥：然后执行命令：配置才能生效
sysctl -p
⑦：重启终端窗口
在这里插入图片描述
⑧：启动
在这里插入图片描述
在这里插入图片描述

4.安装kibana
①：什么是Kibana？
1）Kibana是一个基于Node.js的Elasticsearch索引库数据统计工具，可以利用Elasticsearch的聚合功能，生成各种图表，如柱形图，线状图，饼图等。
2）而且还提供了操作Elasticsearch索引数据的控制台，并且提供了一定的API提示，非常有利于我们学习Elasticsearch的语法。
②：安装
1）先安装node.js
在这里插入图片描述
2）再安装kibana
在这里插入图片描述
③：配置运行
在这里插入图片描述
在这里插入图片描述

④：控制台
在这里插入图片描述
在这里插入图片描述

5.安装ik分词器
①：安装
在这里插入图片描述
在这里插入图片描述

②：测试
在这里插入图片描述

在这里插入图片描述

6.API（了解）

二：索引库操作
1.基本概念
Elasticsearch也是基于Lucene的全文检索库，本质也是存储数据，很多概念与MySQL类似的。
在这里插入图片描述
在这里插入图片描述

2.创建索引库
①：语法
Elasticsearch采用Rest风格API，因此其API就是一次http请求，你可以用任何工具发起http请求
创建索引的请求格式：
在这里插入图片描述

②：RestClient创建索引库（postman等工具创建）
在这里插入图片描述

③：使用kibana创建
在这里插入图片描述

3.查看索引库
在这里插入图片描述

4.删除索引库
在这里插入图片描述

三：类型及映射操作
1.创建映射字段
①：请求方式依然是PUT

PUT /索引库名/_mapping/类型名称
{
  "properties": {
    "字段名": {
      "type": "类型",
      "index": true，
      "store": true，
      "analyzer": "分词器"
    }
  }
}

类型名称：就是前面将的type的概念，类似于数据库中的表
字段名：任意填写，下面指定许多属性，例如：

  • type：类型，可以是text、long、short、date、integer、object等
  • index：是否索引，默认为true
  • store：是否存储，默认为false
  • analyzer：分词器，这里的ik_max_word即使用ik分词器
    ②：例子：
PUT shequ/_mapping/goods        --shequ（为索引库--database） goods（为类型--表）
{
  "properties": {
    "title": {                  --properties（title，images，price下面为3个字段属性）
      "type": "text",
      "index": true，
      "store": true，
      "analyzer": "ik_max_word"
    },
    "images": {
      "type": "keyword",     --keyword（不分词）   text（分词）
      "index": "false"
    },
    "price": {
      "type": "float"
    }
  }
}

响应结果：
在这里插入图片描述

2.查看映射关系
查看某个索引库中的所有类型的映射。如果要查看某个类型映射，可以再路径后面跟上类型名称。即：
在这里插入图片描述

3.映射属性详解（type，index，store，ik）–重要
①：type
在这里插入图片描述
下面复杂的类型数据举例：（数组和对象的情况）
在这里插入图片描述

②：index
1）ndex的默认值就是true，也就是说你不进行任何配置，所有字段都会被索引。

③：store
1）store的默认值就是false
原因是Elasticsearch在创建文档索引时，会将文档中的原始数据备份，保存到一个叫做_source的属性中。而且我们可以通过过滤_source来选择哪些要显示，哪些不显示。

④：ik
1）TextField–text：可分词
2）StringField–keyword：不可分词

4.一次创建索引库和类型
①：我们可以创建索引库和类型分开来做，其实也可以在创建索引库的同时，直接指定索引库中的类型，基本语法：

put /索引库名
{
    "mappings":{
        "类型名":{
            "properties":{
                "字段名":{
                    "映射属性名":"映射属性值"
                }
            }
        }
    }
}

②：举例

PUT /shequ
{
  "mappings": {
    "goods": {
      "properties": {
        "title": {
          "type": "text",
          "analyzer": "ik_max_word"
        }
      }
    }
  }
}

四：文档操作（post，delete，put，get–增删改查）
1.新增文档
①：新增并随机生成id（语法）

POST /索引库名/类型名/
{
    "key":"value"
}

②：代码示

POST /shequ/goods/
{
    "title":"小米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":2699.00
}

③：结果
在这里插入图片描述

2.查看文档
①：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，这里我们把刚刚生成数据的id带上。
通过kibana查看数据：
GET /shequ/goods/r9c1KGMBIhaxtY5rlRKv
②：结果
在这里插入图片描述

3.新增文档并自定义id
①：语法：

POST /索引库名/类型/id值
{
    ...
}

②：举例

POST /shequ/goods/2
{
    "title":"大米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":2899.00
}

③：结果
在这里插入图片描述

4.修改数据
①：请求方式改为PUT，就是修改了。不过修改必须指定id，

  • id对应文档存在，则修改
  • id对应文档不存在，则新增
    1）比如，我们把使用id为3，不存在，则应该是新增：
PUT /shequ/goods/3
{
    "title":"超米手机",
    "images":"http://image.shequ.com/12479122.jpg",
    "price":3899.00,
    "stock": 100,
    "saleable":true
}

结果：

{
  "_index": "shequ",
  "_type": "goods",
  "_id": "3",
  "_version": 1,
  "result": "created",  --创建
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 1,
  "_primary_term": 1
}

2）我们再次执行刚才的请求，不过把数据改一下：

PUT /shequ/goods/3
{
    "title":"超大米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":3299.00,
    "stock": 100,
    "saleable":true
}

结果：

{
  "_index": "ahequ",
  "_type": "goods",
  "_id": "3",
  "_version": 2,
  "result": "updated",  --成为修改
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 2,
  "_primary_term": 1
}

5.删除数据
①：删除使用DELETE请求，同样，需要根据id进行删除：
DELETE /索引库名/类型名/id值
在这里插入图片描述

6.智能判断
①：刚刚我们在新增数据时，添加的字段都是提前在类型中定义过的，如果我们添加的字段并没有提前定义过，能够成功吗？
②：事实上Elasticsearch非常智能，你不需要给索引库设置任何mapping映射，它也可以根据你输入的数据来判断类型，动态添加数据映射。
③：举例：我们额外添加了stock库存，saleable是否上架，subtitle副标题、3个字段。

POST /shequ/goods/3
{
    "title":"超大米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":3299.00,
    "stock": 200,
    "saleable":true,
    "subTitle":"哈哈"
}

结果：（有默认的配置）

{
  "_index": "shequ",
  "_type": "goods",
  "_id": "3",
  "_version": 3,
  "result": "updated",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "_seq_no": 3,
  "_primary_term": 1
}

④：这种智能映射，底层原理是动态模板映射，如果我们想修改这种智能映射的规则，其实只要修改动态模板即可！

7.动态映射模板
①：动态模板的语法：
在这里插入图片描述
1）模板名称，随便起
2）匹配条件，凡是符合条件的未定义字段，都会按照这个规则来映射
3）映射规则，匹配成功后的映射规则
②：举例
在这里插入图片描述
在这个案例中，我们把做了两个映射配置：

  • title字段：统一映射为text类型，并制定分词器
  • 其它字段：只要是string类型，统一都处理为keyword类型。
    这样，未知的string类型数据就不会被映射为text和keyword并存，而是统一以keyword来处理！

五：查询
1.基本查询
基本语法：

GET /索引库名/_search
{
    "query":{
        "查询类型":{
            "查询条件":"查询条件值"
        }
    }
}

这里的query代表一个查询对象，里面可以有不同的查询属性

  • 查询类型：
    • 例如：match_all， match，term ， range 等等
  • 查询条件：查询条件会根据类型的不同，写法也有差异，后面详细讲解

①：查询所有（match_all）

GET /shequ/_search
{
    "query":{
        "match_all": {}
    }
}
{

结果：

 "took": 2,
  "timed_out": false,
  "_shards": {
    "total": 3,
    "successful": 3,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 2,
    "max_score": 1,
    "hits": [
      {
        "_index": "shequ",
        "_type": "goods",
        "_id": "2",
        "_score": 1,
        "_source": {
          "title": "大米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 2899
        }
      },
      {
        "_index": "shequ",
        "_type": "goods",
        "_id": "r9c1KGMBIhaxtY5rlRKv",
        "_score": 1,
        "_source": {
          "title": "小米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 2699
        }
      }
    ]
  }
}
  • took：查询花费时间，单位是毫秒
  • time_out：是否超时
  • _shards：分片信息
  • hits：搜索结果总览对象
    • total：搜索到的总条数
    • max_score：所有结果中文档得分的最高分
    • hits：搜索结果的文档对象数组，每个元素是一条搜索到的文档信息
      • _index：索引库
      • _type：文档类型
      • _id：文档id
      • _score：文档得分
      • _source：文档的源数据

②：匹配查询（match–or，and关系）
GET /shequ/_search
{
“query”:{
“match”:{
“title”:“小米电视”
}
}
}
③：多字段查询（multi_match）

④：词条查询（term–不分词查询）

GET /shequ/_search
{
    "query":{
        "term":{
            "price":2699.00
        }
    }
}

⑤：多词条精准匹配（terms）
1）：terms 查询和 term 查询一样，但它允许你指定多值进行匹配。如果这个字段包含了指定值中的任何一个值，那么这个文档满足条件：
2）：
GET /shequ/_search
{
“query”:{
“terms”:{
“price”:[2699.00,2899.00,3899.00]
}
}
}
3）：结果（有3个）

{
  "took": 4,
  "timed_out": false,
  "_shards": {
    "total": 3,
    "successful": 3,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 3,
    "max_score": 1,
    "hits": [
      {
        "_index": "shequ",
        "_type": "goods",
        "_id": "2",
        "_score": 1,
        "_source": {
          "title": "大米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 2899
        }
      },
      {
        "_index": "shequ",
        "_type": "goods",
        "_id": "r9c1KGMBIhaxtY5rlRKv",
        "_score": 1,
        "_source": {
          "title": "小米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 2699
        }
      },
      {
        "_index": "shequ",
        "_type": "goods",
        "_id": "3",
        "_score": 1,
        "_source": {
          "title": "小米电视4A",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 3899
        }
      }
    ]
  }
}

2.结果过滤
默认情况下，elasticsearch在搜索的结果中，会把文档中保存在_source的所有字段都返回。
如果我们只想获取其中的部分字段，我们可以添加_source的过滤.
①：直接指定字段

GET /shequ/_search
{
  "_source": ["title","price"],
  "query": {
    "term": {
      "price": 2699
    }
  }
}

返回的结果：（只要返回这俩个字段title","price）

{
  "took": 12,
  "timed_out": false,
  "_shards": {
    "total": 3,
    "successful": 3,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 1,
    "hits": [
      {
        "_index": "shequ",
        "_type": "goods",
        "_id": "r9c1KGMBIhaxtY5rlRKv",
        "_score": 1,
        "_source": {
          "price": 2699,
          "title": "小米手机"
        }
      }
    ]
  }
}

②：指定includes和excludes
我们也可以通过：

  • includes：来指定想要显示的字段
  • excludes：来指定不想要显示的字段
    1）：includes
GET /shequ/_search
{
  "_source": {
    "includes":["title","price"]
  },
  "query": {
    "term": {
      "price": 2699
    }
  }
}

2）：与下面的结果将是一样的：（excludes）

GET /shequ/_search
{
  "_source": {
     "excludes": ["images"]
  },
  "query": {
    "term": {
      "price": 2699
    }
  }
}

3.高级查询
①：布尔组合（bool）
bool把各种其它查询通过must（与–交集）、must_not（非–排除）、should（或–并集）的方式进行组合
GET /shequ/_search
{
“query”:{
“bool”:{
“must”: { “match”: { “title”: “大米” }},
“must_not”: { “match”: { “title”: “电视” }},
“should”: { “match”: { “title”: “手机” }}
}
}
}

②：范围查询（range）
在这里插入图片描述

③：模糊查询（fuzzy）
在这里插入图片描述

4.过滤（filter）
①：所有的查询都会影响到文档的评分及排名。如果我们需要在查询结果中进行过滤，并且不希望过滤条件影响评分，那么就不要把过滤条件作为查询条件来用。而是使用filter方式：

GET /shequ/_search
{
    "query":{
        "bool":{
        	"must":{ "match": { "title": "小米手机" }},
        	"filter":{
                "range":{"price":{"gt":2000.00,"lt":3800.00}}
        	}
        }
    }
}

5.排序
①：单字段排序
sort 可以让我们按照不同的字段进行排序，并且通过order指定排序的方

GET /shequ/_search
{
  "query": {
    "match": {
      "title": "小米手机"
    }
  },
  "sort": [
    {
      "price": {
        "order": "desc"
      }
    }
  ]
}

分页：（from，size–相当于MySQL的limit关键字start，end分页）
在这里插入图片描述

②：多字段排序（使用 price和 _score（得分） 进行查询，并且匹配的结果首先按照价格排序，然后按照相关性得分排序：）

GET /goods/_search
{
    "query":{
        "bool":{
        	"must":{ "match": { "title": "小米手机" }},
        	"filter":{
                "range":{"price":{"gt":200000,"lt":300000}}
        	}
        }
    },
    "sort": [
      { "price": { "order": "desc" }},
      { "_score": { "order": "desc" }}
    ]
}

6.高亮
①：elasticsearch中实现高亮的语法比较简单：

GET /shequ/_search
{
  "query": {
    "match": {
      "title": "手机"
    }
  },
  "highlight": {
    "pre_tags": "<em>",
    "post_tags": "</em>", 
    "fields": {
      "title": {}
    }
  }
}

在使用match查询的同时，加上一个highlight属性：

  • pre_tags：前置标签
  • post_tags：后置标签
  • fields：需要高亮的字段
    • title：这里声明title字段需要高亮，后面可以为这个字段设置特有配置，也可以空
      ②：结果：
{
  "took": 8,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 3,
    "max_score": 0.2876821,
    "hits": [
      {
        "_index": "shequ",
        "_type": "goods",
        "_id": "2",
        "_score": 0.2876821,
        "_source": {
          "title": "大米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 2899
        },
        "highlight": {
          "title": [
            "大米<em>手机</em>"
          ]
        }
      },
      {
        "_index": "shequ",
        "_type": "goods",
        "_id": "JP6xa2kBtq36Pzvxpjaf",
        "_score": 0.19856805,
        "_source": {
          "title": "小米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 2699
        },
        "highlight": {
          "title": [
            "小米<em>手机</em>"
          ]
        }
      },
      {
        "_index": "shequ",
        "_type": "goods",
        "_id": "3",
        "_score": 0.16853254,
        "_source": {
          "title": "超大米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 3299,
          "stock": 200,
          "saleable": true,
          "subTitle": "哈哈"
        },
        "highlight": {
          "title": [
            "超大米<em>手机</em>"
          ]
        }
      }
    ]
  }
}

③：注意点：_source数据和高亮数据分开返回的。

总结：
1.es的介绍和安装（es,kibana,ik）
2.索引库的操作（库的–增删改查）
3.类型以及映射操作（表和字段–增删改查）
4.文档的操作（具体数据记录的–增删改查）
5.搜索
①：基本查询（分词，不分词，匹配）
②：结果过滤（返回指定字段）
③：高级查询（布尔，范围，模糊）
④：过滤（影响分数）
⑤：排序（升序，降序）
⑥：高亮（后端加标签，前端做渲染显示）

韩小志
关注
专栏目录
springcloud-day01.md.html
11-08
springcloud-day01.md.html
ElasticSearch 深度分页解决方案
hjseo_seg的博客
08-16 1527
后续的文档读取上一次查询返回的scroll_id 来不断的取下一页，如果srcoll_id 的生存期很长，那么每次返回的 scroll_id 都是一样的，直到该 scroll_id 过期，才会返回一个新的 scroll_id。上述的 scroll search 的方式，官方的建议并不是用于实时的请求，因为每一个 scroll_id 不仅会占用大量的资源（特别是排序的请求），而且是生成的历史快照，对于数据的变更不会反映到快照上。且返回的始终是最新的数据，在分页过程中数据的位置可能会有变更。...
Elasticsearch 查询进阶
这个需求，做不了
06-19 1152
特别当我们使用 search_after 进行分页查询时，数据到变化可能导致分页的结果不准确，这时候我们常常创建一个时间点，让 search_after 的请求都使用该时间点的索引状态来进行查询，用以避免分页结果不准确的问题。2：如果当前只迭代到第10页，我们要直接跳转查询第282页的数据，也是比较困难的）除了使用带有 PIT 参数的 search_after 查询分页之外，ES 还支持滚动搜索查询（scroll），但新版本的 ES 已经不再建议使用该方式进行分页查询，所以我们就不再讨论这个问题了。
ElasticSearch 6.x 学习笔记：21.指标聚合
人在囧途的博客
03-13 144
ElasticSearch 6.x 学习笔记：21.指标聚合21.2 min21.3 avg21.4 sum21.5 stats21.6 高级统计21.7 基数统计21.8 文档数量统计21.9 百分位统计 原文：https://blog.csdn.net/chengyuqiang/article/details/79106836 为了方便聚合统计，增加两条文档 PUT my-index/pers...
spring-cloud-day04之Alibaba中数据库的资源
04-08
spring-cloud-day04之Alibaba中数据库的资源
day02-SpringCloud02
12-13
在本课程"day02-SpringCloud02"中，我们将深入探讨Spring Cloud这一微服务框架的第二日学习内容。Spring Cloud是Java开发者广泛使用的工具，用于构建分布式系统中的服务发现、配置管理、断路器、智能路由、微代理、...
day01-SpringCloud01
12-13
本文将围绕“day01-SpringCloud01”这一主题，详细阐述Spring Cloud的基础概念、核心组件以及如何进行初步的实践。 一、Spring Cloud概述 Spring Cloud基于Spring Boot，为开发者提供了在分布式系统（如配置管理、...
SpringCloud笔记Day01
04-23
### Spring Cloud笔记Day01知识点总结 #### 一、服务拆分及远程调用 ##### 1. 服务拆分 服务拆分是微服务架构中的一个重要概念，它旨在将一个大型的应用程序拆分为一系列小型的服务，每个服务都运行在其独立的...
如何利用探商宝精准营销，抓住行业机遇——以AI技术与大数据推动企业信息精准筛选
Tianyanxiao的博客
11-07 637
从近期。
《现代工业经济和信息化》是什么级别的期刊？是正规期刊吗？能评职称吗？
2301_81053900的博客
11-04 990
围绕工业经济和信息化领域的改革和发展、国家产业结构调整和布局的主题，宣传国家产业政策，报道工业经济领域的建设成就和科技信息化产业发展现状，介绍全国工业经济发展趋势和信息化建设成果，以及信息化发展对我国产业结构、经济体系和社会结构产生的重大影响，促进工业和信息化的深度融合，分享高等院校研究实践和创新成果。3、投稿使用wora格式，来稿应有作者简介(包括姓名、性别、出生年月、籍贯、何时毕业于何校、学位、职称、从事的工作及研究方向)，并注明工作单位通汛地址、邮政编码、电子邮箱、电话号码，以便与您联系。
百度搜索引擎的工作原理
2301_80154636的博客
10-31 965
此外，百度搜索引擎还采用了一些高级技术和算法来提高搜索质量和用户体验，如自然语言处理（NLP）、机器学习、深度学习等。这些技术可以帮助百度更准确地理解用户的查询意图，并提供更相关、更精准的搜索结果。总的来说，百度搜索引擎的基本工作原理是通过抓取网页、处理网页、建立索引和提供搜索结果这四个步骤来实现的。同时，它还不断采用新技术和算法来优化搜索质量和用户体验。
打响反对人工智能的第一枪
JellyAI的博客
11-01 1884
人工智能的讨论不能只有一片叫好的声音，一味的追捧反而可能隐藏巨大的危机。因此，必须有反对的声音，且越强烈越能激发深入思考。本篇文章的作者就以犀利的视角，漂亮地打响了反对人工智能应用的第一枪。
51c大模型~合集17
whaosoft~aiotの开发板商城
11-07 627
大语言模型（LLMs）和视觉语言模型（VLMs）的越狱现象和防御机制有许多共性和差异。共性源于它们都基于深度学习技术和类似的神经网络结构，且主要处理自然语言内容，因此在面临梯度攻击、进化攻击等威胁时表现出相似的脆弱性。防御策略如提示检测、提示扰动、生成干预、响应评估和模型微调在两者中也有广泛应用。
FP独立站引流革命：GG斗篷技术解锁流量新策略
sinat_24634151的博客
11-08 106
通过精准的关键词广告和高质量的内容优化，可以提升网站在搜索引擎中的排名，吸引更多的潜在客户。GG斗篷技术是一种先进的引流工具，它通过智能分流和域名优化，帮助FP独立站在遵守广告平台规则的同时，实现有效的流量增长。通过区分广告流量和自然流量，将钓鱼、审核的品牌方和平台分进A站，而将真正想要购买产品的消费者分进B站，有效避免了被封号的风险。如果你对GG斗篷技术感兴趣，或者想要了解更多关于FP独立站的引流策略，欢迎进一步探讨和咨询~让我们一起探索GG斗篷技术，为你的FP独立站开启流量增长之门！
基于人工智能的搜索和推荐系统
姚家湾博客
11-03 1262
现代搜索引擎帮助我们在几秒钟内在不断增长的互联网数据海洋中找到任何实际问题的答案。这怎么可能呢？如此快速的搜索过程背后是什么？本博客将讨论人工智能 （AI） 搜索技术，这些技术可以快速帮助满足用户的信息需求并提供最合适的建议。AI 帮助推荐引擎根据每个客户的需求和偏好做出快速、切中要害的推荐。借助 AI，在线搜索变得越来越好，因为它会根据用户的视觉偏好而不是产品规格提供推荐。利用 AI 的推荐引擎可以成为搜索字段的替代品，因为它们可以帮助用户找到他们可能不会以不同的方式看到的对象或内容。
weixin151云匹面粉直供微信小程序+springboot后端毕业源码案例设计.zip
最新发布
11-08
weixin151云匹面粉直供微信小程序+springboot后端毕业源码案例设计 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md或论文文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。 5、资源来自互联网采集，如有侵权，私聊博主删除。 6、可私信博主看论文后选择购买源代码。
1_基于CEEMDAN-EDO的行波波头标定算法研究_李英春.pdf
11-08
1_基于CEEMDAN-EDO的行波波头标定算法研究_李英春.pdf
驾校收支管理可视化平台 SSM毕业设计 附带论文.zip
11-08
驾校收支管理可视化平台 SSM毕业设计 附带论文 启动教程:https://www.bilibili.com/video/BV1GK1iYyE2B
基于中心环绕Retinex算法的6MV X射线EPID图像增强
11-08
内容概要：本文研究了基于中心环绕Retinex算法的EPID图像增强方法，重点探讨了单尺度Retinex（SSR）和多尺度Retinex（MSR）算法的实现，并利用直方图均衡化进一步提升图像质量和细节。文中通过对原始图像、经过直方图均衡化和灰度扩展处理的图像、以及不同尺度Retinex算法增强图像的效果进行了对比实验，并采用了灰度方差和信息熵作为图像增强效果的评价标准。结果表明，基于中心环绕Retinex算法结合直方图均衡化的EPID图像增强方法取得了显著的改善，尤其是在提高图像对比度和信息量方面表现优异。 适用人群：医学影像领域的研究人员和技术人员，尤其是从事电子射野影像系统（EPID）图像处理的研究人员。 使用场景及目标：适用于6MV X射线的EPID图像处理和增强，旨在提高图像的对比度和细节信息量，优化肿瘤放射治疗的图像引导效果。 其他说明：本文提出了基于Retinex算法的改进方法，并结合直方图均衡化提升了图像的视觉效果。进一步的研究将涉及不同尺度Retinex处理结果的数学推导，以及对图像亮度突变处光晕现象的分析和消除。未来还将探讨KV级X射线图像增强的应用。
Spring Cloud技术学习全套资源
资源摘要信息:"本套springcloud学习资料是一份全面且系统的教学内容，涵盖了springcloud的核心知识与应用。" 知识点1: springcloud概念理解 springcloud是基于springboot的一整套实现微服务架构的工具集，包括了...
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