1. Toy模板网首页
  2. > Toy博客

微服务学习——分布式搜索

10月前 作者：霁华TEL 分类：Toy博客 阅读(37) 违法举报

这篇具有很好参考价值的文章主要介绍了微服务学习——分布式搜索。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

初识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。

微服务学习——分布式搜索

elasticsearch的发展

Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。官网地址: https://lucene.apache.orgl。

Lucene的优势:

  • 易扩展
  • 高性能(基于倒排索引)

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

2004年Shay Banon基于Lucene开发了Compass

2010年Shay Banon重写了Compass，取名为Elasticsearch。

官网地址: https://www.elastic.co/cn/目前最新的版本是:8.7.0

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

为什么学习elasticsearch?

搜索引擎技术排名:

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

什么是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

什么是elastic stack (ELK)?

  • 是以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch

什么是Lucene?

  • 是Apache的开源搜索引擎类库，提供了搜索引擎的核心API

正向索引和倒排索引

传统数据库（如MySQL）采用正向索引，例如给下表(tb_goods）中的id创建索引:

微服务学习——分布式搜索

elasticsearch采用倒排索引:

  • 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

微服务学习——分布式搜索

什么是文档和词条?

  • 每一条数据就是一个文档
  • 对文档中的内容分词，得到的词语就是词条

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

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。

索引(lndex)

  • 索引(index) :相同类型的文档的集合
  • 映射（mapping) :索引中文档的字段约束信息，类似表的结构约束

微服务学习——分布式搜索

概念对比

微服务学习——分布式搜索

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

微服务学习——分布式搜索

  • 文档:一条数据就是一个文档，es中是Json格式
  • 字段:Json文档中的字段
  • 索引:同类型文档的集合
  • 映射:索引中文档的约束，比如字段名称、类型

elasticsearch与数据库的关系:

  • 数据库负责事务类型操作
  • elasticsearch负责海量数据的搜索、分析、计算

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。将镜像上传到虚拟机中，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://ip地址:9200 即可看到elasticsearch的响应结果：

微服务学习——分布式搜索

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：

微服务学习——分布式搜索

此时，在浏览器输入地址访问：http://ip地址:5601，即可看到结果

2.2.DevTools

kibana中提供了一个DevTools界面：

微服务学习——分布式搜索

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。

分词器

es在创建倒排索引时需要对文档分词;在搜索时，需要对用户输入内容分词。但默认的分词规则对中文处理并不友好。我们在kibana的DevTools中测试:

# 测试分词器
POST /_analyze
{
  "text": "霁华学Java",
  "analyzer": "standard"
}

语法说明:

  • POST:请求方式
  • /_analyze:请求路径，这里省略了http://192.168.150.101:9200，有kibana帮我们补充
  • 请求参数，json风格:
    • analyzer:分词器类型，这里是默认的standard分词器
    • text:要分词的内容

微服务学习——分布式搜索

处理中文分词，一般会使用IK分词器。https://github.com/medcl/elasticsearch-analysis-ik

安装IK分词器

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
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": "2023-04-29T04:11:49+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

微服务学习——分布式搜索

微服务学习——分布式搜索

ik分词器-拓展词库

要拓展ik分词器的词库，只需要修改一个ik分词器目录中的config目录中的IKAnalyzer.cfg.xml文件:

<?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>
</properties>

然后在名为ext.dic的文件中，添加想要拓展的词语即可:

白嫖
鸡你太美
奥力给

ik分词器-停用词库

要禁用某些敏感词条，只需要修改一个ik分词器目录中的config目录中的IKAnalyzer.cfg.xml文件:

<?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-->
	<entry key="ext_stopwords">stopword.</entry>
</properties>

然后在名为stopword.dic的文件中，添加想要拓展的词语即可:

的
了
哦
嗯
啊

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:

  • 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中通过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:

{
	"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
		}
	}
}

例如：

# 创建索引库
PUT /jihua
{
  "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
  • 删除索引库的语法:
DELETE /索引库名

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，语法如下:

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

例如：

# 修改索引库
PUT /jihua/_mapping
{
  "properties": {
    "age": {
      "type": "integer"
    }
  }
}

文档操作

新增文档

新增文档的DSL语法如下:

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"
    },
	//...
}

例如：

# 插入文档
POST /jihua/_doc/1
{
  "info": "这里是介绍信息",
  "email": "",
  "name": {
    "firstName": "ji",
    "lastName": "hua"
  },
  "age": 21
}

查询文档

查看文档语法:

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

方式一:全量修改，会删除旧文档，添加新文档

# 修改文档
PUT /jihua/_doc/1
{
    "字段1":"值1",
    "字段2":"值2",
    // ...略
}

方式二:增量修改，修改指定字段值

# 修改文档
POST /_update/_doc/1
{
    "doc":{
        "字段名":"新的值"
    }
}

RestClient操作索引库

什么是RestClient

ES官方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。

官方文档地址: 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

根据课前资料提供的酒店数据创建索引库，索引库名为hotel，mapping属性根据数据库结构定义。

基本步骤如下:

  1. 导入课前资料Demo

  2. 分析数据结构，定义mapping属性

    mapping要考虑的问题:
    字段名、数据类型、是否参与搜索、是否分词、如果分词，分词器是什么?

    ES中支持两种地理坐标数据类型:

    • geo_point:由纬度（latitude）和经度( longitude）确定的一个点。例如:“32.8752345,120.2981576”
    • geo_shape:有多个geo_point组成的复杂几何图形。例如一条直线，
      “LINESTRING (-77.03653 38.897676,-77.009051 38.889939)”

    字段拷贝可以使用copy_to属性将当前字段拷贝到指定字段。示例:

    "all": {
    "type" : "text",
    "analyzer" : "ik_max_word"
},
"brand": {
    "type " : "keyword",
    "copy_to": "all"
}

    最终的mapping：

    # 酒店的mapping
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"
      }
    }
  }
}

  3. 初始化JavaRestClient

    1. 引入es的RestHighLevelclient依赖:

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

    2. 因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本:

      <properties>
    <java.version>1.8</java.version>
    <elasticsearch.version>7.12.1</elasticsearch.version>
</properties>

    3. 初始化RestHighLevelClient:

      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 java.io.IOException;

public class HotelIndexTest {
    private RestHighLevelClient client;

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

    @BeforeEach
    void setUp() {
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.5.131:9200")
        ));
    }

    @AfterEach
    void tearDown() throws IOException {
        this.client.close();
    }
}

  4. 利用JavaRestClient创建索引库

微服务学习——分布式搜索

package cn.itcast.hotel.constants;

public class HotelConstants {
    public static final String MAPPING_TEMPLATE = "{\n" +
            "  \"mappings\": {\n" +
            "    \"properties\": {\n" +
            "      \"id\": {\n" +
            "        \"type\": \"keyword\"\n" +
            "      },\n" +
            "      \"name\": {\n" +
            "        \"type\": \"text\",\n" +
            "        \"analyzer\": \"ik_max_word\",\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"address\": {\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": false\n" +
            "      },\n" +
            "      \"price\": {\n" +
            "        \"type\": \"integer\"\n" +
            "      },\n" +
            "      \"score\": {\n" +
            "        \"type\": \"integer\"\n" +
            "      },\n" +
            "      \"brand\": {\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"city\": {\n" +
            "        \"type\": \"keyword\"\n" +
            "      },\n" +
            "      \"starName\": {\n" +
            "        \"type\": \"keyword\"\n" +
            "      },\n" +
            "      \"business\": {\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"copy_to\": \"all\"\n" +
            "      },\n" +
            "      \"location\": {\n" +
            "        \"type\": \"geo_point\"\n" +
            "      },\n" +
            "      \"pic\": {\n" +
            "        \"type\": \"keyword\",\n" +
            "        \"index\": false\n" +
            "      },\n" +
            "      \"all\": {\n" +
            "        \"type\": \"text\",\n" +
            "        \"analyzer\": \"ik_max_word\"\n" +
            "      }\n" +
            "    }\n" +
            "  }\n" +
            "}";
}

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

  1. 利用JavaRestClient删除索引库

    @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);
}

  2. 利用JavaRestClient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);
    //3.输出
    System.err.println(exists?"索引库已经存在！" : "索引库不存在！");
}

RestClient操作文档

案例1

利用JavaRestClient实现文档的CRUD

去数据库查询酒店数据，导入到hotel索引库，实现酒店数据的CRUD。基本步骤如下:

  1. 初始化JavaRestClient

    新建一个测试类，实现文档相关操作，并且完成JavaRestClient的初始化

    public class ElasticsearchDocumentTest {
    //客户端
    private RestHighLevelClient client;

    @BeforeEach
    void setUp() {
        this.client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.5.131:9200")
        ));
    }

    @AfterEach
    void tearDown() throws IOException {
        this.client.close();
    }
}

  2. 利用JavaRestClient新增酒店数据

    先查询酒店数据，然后给这条数据创建倒排索引，即可完成添加:

    @Test
void testAddDocument() throws IOException {
    //根据id查询酒店数据
    Hotel hotel = hotelService.getById(61083L);
    //转换为文档类型
    HotelDoc hotelDoc = new HotelDoc(hotel);

    //1.准备Request对象
    IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());
    //2.准备Json文档
    request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);
    //3.发送请求
    client.index(request, RequestOptions.DEFAULT);
}

  3. 利用JavaRestClient根据id查询酒店数据

    根据id查询到的文档数据是json，需要反序列化为java对象:

    @Test
void testGetDocumentById() throws IOException {
    //1.创建request对象
    GetRequest request = new GetRequest("hotel", "61083");
    //2.发送请求，得到结果
    GetResponse response = client.get(request, RequestOptions.DEFAULT);
    //3.解析结果
    String json = response.getSourceAsString();
    HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
    System.out.println(hotelDoc);
}

  4. 利用JavaRestClient删除酒店数据

    修改文档数据有两种方式:

    方式一:全量更新。再次写入id一样的文档，就会删除旧文档，添加新文档(同新增)

    方式二:局部更新。只更新部分字段：

    @Test
void testUpdateDocument() throws IOException {
    // 1.准备Request
    UpdateRequest request = new UpdateRequest("hotel", "61083");
    // 2.准备请求参数
    request.doc(
            "price", "952",
            "starName", "四钻"
    );
    // 3.发送请求
    client.update(request, RequestOptions.DEFAULT);
}

  5. 利用lavaRestClient修改酒店数据

    @Test
void testDeleteDocument() throws IOException {
    // 1.准备Request
    DeleteRequest request = new DeleteRequest("hotel", "61083");
    // 2.发送请求
    client.delete(request, RequestOptions.DEFAULT);
}

案例2

利用JavaRestClient批量导入酒店数据到ES

需求:批量查询酒店数据，然后批量导入索引库中
思路:

  1. 利用mybatis-plus查询酒店数据
  2. 将查询到的酒店数据(Hotel)转换为文档类型数据（HotelDoc)
  3. 利用JavaRestClient中的Bulk批处理，实现批量新增文档
@Test
void testBulkRequest() throws IOException {
    //批量查询数据库
    List<Hotel> hotels = hotelService.list();

    // 1.创建Request
    BulkRequest request = new BulkRequest();
    // 2.准备参数，添加多个新增的Request
    for (Hotel hotel : hotels) {
        //转换为文档类型HotelDoc
        HotelDoc hotelDoc = new HotelDoc(hotel);
        //创建新增文档的Request对象
        request.add(new IndexRequest("hotel")
                .id(hotelDoc.getId().toString())
                .source(JSON.toJSONString(hotelDoc), XContentType.JSON));
    }
    // 3.发送请求
    client.bulk(request, RequestOptions.DEFAULT);
}

t
DeleteRequest request = new DeleteRequest(“hotel”, “61083”);
// 2.发送请求
client.delete(request, RequestOptions.DEFAULT);
}文章来源地址https://www.toymoban.com/news/detail-436142.html


## 案例2

利用JavaRestClient**批量导入**酒店数据到ES

需求:批量查询酒店数据，然后批量导入索引库中
思路:

1. 利用mybatis-plus查询酒店数据
2. 将查询到的酒店数据(Hotel)转换为文档类型数据（HotelDoc)
3. 利用JavaRestClient中的Bulk批处理，实现批量新增文档

```java
@Test
void testBulkRequest() throws IOException {
 //批量查询数据库
 List<Hotel> hotels = hotelService.list();

 // 1.创建Request
 BulkRequest request = new BulkRequest();
 // 2.准备参数，添加多个新增的Request
 for (Hotel hotel : hotels) {
     //转换为文档类型HotelDoc
     HotelDoc hotelDoc = new HotelDoc(hotel);
     //创建新增文档的Request对象
     request.add(new IndexRequest("hotel")
             .id(hotelDoc.getId().toString())
             .source(JSON.toJSONString(hotelDoc), XContentType.JSON));
 }
 // 3.发送请求
 client.bulk(request, RequestOptions.DEFAULT);
}

到了这里，关于微服务学习——分布式搜索的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：
领支付宝红包 赞助服务器费用

相关文章

  • 分布式搜索引擎Elasticsearch基础入门学习

    分布式搜索引擎Elasticsearch基础入门学习

    Elasticsearh 是 elastic.co 公司开发的分布式搜索引擎。 Elasticsearch（简称ES）是一个开源的分布式、高度可扩展的全文搜索和分析引擎。它能够快速、近乎实时的存储、搜索和分析大量数据。适用于包括文本、数字、地理空间、结构化和非结构化数据等在内的所有类型数据。 它通

    2024年02月03日
    浏览(38)
  • 黑马程序员--分布式搜索ElasticSearch学习笔记

    黑马程序员--分布式搜索ElasticSearch学习笔记

    黑马视频地址：https://www.bilibili.com/video/BV1LQ4y127n4/ 想获得最佳的阅读体验，请移步至我的个人博客 SpringCloud学习笔记 消息队列MQ学习笔记 Docker学习笔记 分布式搜索ElasticSearch学习笔记 ElasticSearch的作用 ElasticSearch 是一款非常强大的开源搜素引擎，具备非常强大的功能，可以帮

    2024年02月04日
    浏览(49)
  • 微服务一实用篇：分布式搜索引擎(ElasticSearch)基础解析

    微服务一实用篇：分布式搜索引擎(ElasticSearch)基础解析

    学习分布式搜索引擎(ElasticSearch)的基础知识，包括初识ElasticSearch、倒排索引、ES的一些概念、安装和分词器等。

    2024年02月16日
    浏览(49)
  • 微服务分布式搜索引擎 ElasticSearch 搜索结果处理 排序、分页与高亮

    微服务分布式搜索引擎 ElasticSearch 搜索结果处理 排序、分页与高亮

    本文参考黑马 分布式Elastic search Elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容 搜索结果处理 搜索的结果可以按照用户指定的方式去处理或展示。 elasticsearch默认是根据相关度算分（_score）来排序，但是也支

    2024年02月02日
    浏览(59)
  • 微服务学习——分布式搜索

    微服务学习——分布式搜索

    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。 elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。 Lucene是一个

    2024年02月03日
    浏览(37)
  • Spring Cloud学习（九）【Elasticsearch 分布式搜索引擎01】

    Spring Cloud学习（九）【Elasticsearch 分布式搜索引擎01】

    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。 elasticsearch 是 elastic stack 的核心，负责 存储、搜索、分析数据 。

    2024年02月05日
    浏览(41)
  • Spring Cloud学习（十一）【深入Elasticsearch 分布式搜索引擎03】

    Spring Cloud学习（十一）【深入Elasticsearch 分布式搜索引擎03】

    聚合（aggregations）可以实现对文档数据的统计、分析、运算。聚合常见的有三类： 桶（Bucket）聚合：用来对文档做分组 TermAggregation：按照文档字段值分组 Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组 度量（Metric）聚合：用以计算一些值，比如：最大值

    2024年01月23日
    浏览(48)
  • 搜索引擎ElasticSearch分布式搜索和分析引擎学习，SpringBoot整合ES个人心得

    搜索引擎ElasticSearch分布式搜索和分析引擎学习，SpringBoot整合ES个人心得

    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搜索引擎。Elasticsearch用于云计算中，能够达到实时搜索，稳定，可靠，

    2024年02月04日
    浏览(72)
  • 微服务04 分布式搜索引擎 elasticsearch DSL数据聚合 自动补全 数据同步 集群 Sentinel

    微服务04 分布式搜索引擎 elasticsearch DSL数据聚合 自动补全 数据同步 集群 Sentinel

    聚合（aggregations）可以让我们极其 方便的实现对数据的统计、分析、运算 。例如： 什么品牌的手机最受欢迎？ 这些手机的平均价格、最高价格、最低价格？ 这些手机每月的销售情况如何？ 实现这些 统计功能的比数据库的sql要方便的多，而且查询速度非常快 ，可以实现近

    2024年02月11日
    浏览(51)
  • 微服务04 分布式搜索引擎 elasticsearch DSL数据聚合 自动补全 数据同步 集群 微服务保护 Sentinel

    微服务04 分布式搜索引擎 elasticsearch DSL数据聚合 自动补全 数据同步 集群 微服务保护 Sentinel

    聚合（aggregations）可以让我们极其 方便的实现对数据的统计、分析、运算 。例如： 什么品牌的手机最受欢迎？ 这些手机的平均价格、最高价格、最低价格？ 这些手机每月的销售情况如何？ 实现这些 统计功能的比数据库的sql要方便的多，而且查询速度非常快 ，可以实现近

    2024年02月15日
    浏览(56)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包，优惠每天领

二维码1

领取红包

二维码2

领红包