Elasticsearch 學習之 Marvel概念
概要
含義如下:
- 搜索速率:對於單個索引,它是每秒查找次數*分片數。對於多個索引,它是每個索引的搜索速率的總和。
- 搜索延遲:每個分片中的平均延遲。
- 索引速率:對於單個索引,它是每秒索引的數量*分片數量。對於多個索引,它是每個索引的索引速率的總和。
- 索引延遲:每個分片中的平均延遲。
第一個是“搜索率”,當索引有10個分片時,它大約是實際請求的10倍。當索引只有1個分片時,它幾乎與實際請求相同。然後是“搜索延遲”,當索引有10個分片時,大約是0.9毫秒,但端到端延遲大約是30毫秒,當單個分片時,它上升到1.88ms,而端到端延遲僅為7ms。這可能是因為每個分片的數據量因較少的分片而增加,因此每個分片中的搜索時間更長,但是不再需要合並結果。在這裏,我們可以看到合並結果的嚴重程度如何影響搜索性能。“索引率”和“索引延遲”是相同的。
轉自:http://blog.kiyanpro.com/2016/04/15/elasticsearch/Marvel-What-Does-Search-Rate-Mean/
Elasticsearch 學習之 Marvel概念
相關推薦
Elasticsearch 學習之 Marvel概念
毫秒 影響 合並 marvel com 第一個 概念 nbsp arc 概要 含義如下: 搜索速率:對於單個索引,它是每秒查找次數*分片數。對於多個索引,它是每個索引的搜索速率的總和。 搜索延遲:每個分片中的平均延遲。 索引速率:對於單個索引,它是每秒索引的數量*分片數量
Elasticsearch學習之多種查詢方式
完全 mar commerce 生產 pro 命令行 str 令行 {} 1. query string search 搜索全部商品:GET /ecommerce/product/_search took:耗費了幾毫秒 timed_out:是否超時,這裏是沒有
Elasticsearch學習之相關度評分TF&IDF
doc ont core 文檔 color ood req oda 匹配 relevance score算法,簡單來說,就是計算出,一個索引中的文本,與搜索文本,他們之間的關聯匹配程度 Elasticsearch使用的是 term frequency/inverse doc
Elasticsearch學習之深入聚合分析三---案例實戰
引用 實戰 avg buck oba core 電視 針對 過濾 1. 統計指定品牌下每個顏色的銷量 任何的聚合,都必須在搜索出來的結果數據中進行,搜索結果,就是聚合分析操作的scope GET /tvs/sales/_search { "size": 0, "
Elasticsearch學習之深入聚合分析五---案例實戰
ppi ont doc indices 理解 req eve 同步 nod 1. fielddata核心原理 fielddata加載到內存的過程是lazy加載的,對一個analzyed field執行聚合時,才會加載,而且是field-level加載的,一個index的
Elasticsearch學習之深入搜索一 --- 提高查詢的精準度
ast 多少 opera 相關度 滿足 ini 無法 sea 進行 1. 為帖子增加標題字段 POST /forum/article/_bulk { "update": { "_id": "1"} } { "doc" : {"title" : "this is java
Elasticsearch學習之深入搜索五 --- phrase matching搜索技術
size 才會 匹配 rms blog 文本 mit base 舉例 1. 近似匹配 什麽是近似匹配,兩個句子 java is my favourite programming language, and I also think spark is a very good
ElasticSearch學習之——基本的文檔CURD
文檔 uniq 同時 base64 arch source code 多條 pan 一、文檔的添加 POST http://127.0.0.1:9200/{index}/{type}/{id} { "key":"value", "key2":"value2", "key2
Elasticsearch學習之Java操作1
默認 time field java客戶端 OS should timeval nodes spa 1. Elasticsearch為Java用戶提供了兩種內置客戶端 1.1 節點客戶端(node client): 節點客戶端以無數據節點(none data nod
JVM基礎學習之基本概念、可見性與同步
讀寫 應用 資源 而不是 檢查 依靠 完成 層次 並發 開發高性能並發應用不是一件容易的事情。這類應用的例子包括高性能Web服務器、遊戲服務器和搜索引擎爬蟲等。這樣的應用可能需要同時處理成千上萬個請求。對於這樣的應用,一般采用多線程或事件驅動的 架構 。對於Java來說,在
Elasticsearch學習之head插件安裝
left 運行 分享 http size itl com sta git 通過elasticseach自帶的plugin命令 elasticsearch/bin/plugin -install mobz/elasticsearch-head 如下圖: 2. z
Linux雲計算運維學習之Expect概念
Linux運維 Linux雲計算 Linux入門 Linux基礎 Expect是基於Tcl的相對簡單的一個免費的腳本程序工具語言,是一個用來實現自動化交互功能的軟件套件。比如SSH、FTP等,這些程序正常情況都需要手工與其交互,而使用Expect就可以模擬人工交互的過程,實現自動的程序交互,達
Elasticsearch 學習之配置文件詳解
服務器 elastic 設置 .org settings filter ESS 通用 其它 Elasticsearch配置文件##################### Elasticsearch Configuration Example ################
Elasticsearch學習之ES節點類型以及各種節點的分工
重要 決定 ont 增刪改查 和數 建議 獨立 cpu bsp ES各種節點的分工 1. 客戶端節點 當主節點和數據節點配置都設置為false的時候,該節點只能處理路由請求,處理搜索,分發索引操作等,從本質上來說該客戶節點表現為智能負載平衡器。獨立的客戶端節點在一個比較
Elasticsearch 學習之攜程機票ElasticSearch集群運維馴服記(強烈推薦)
使用情況 strong 簡單 而且 第一個 並不是 5.x ber als 轉自: https://mp.weixin.qq.com/s/wmSTyIGCVhItVNPHcH7nsA 一、整體架構 為什麽采用ES作為搜索引擎呢?在做任何事情的時候,不要一上來就急
Elasticsearch 學習之不停止服務,完成升級重啟維護操作
tran cluster 集群 ransient details color settings none nbsp 我們可以設置集群的平衡參數來暫時禁用掉平衡,具體步驟如下: 1.如果可能的話,先暫停掉數據新增和更新操作,這樣會提高集群恢復的時間; 2.禁用集群分片平衡操作
Elasticsearch 學習之Search API inner hits
inner hits: curl -X PUT "localhost:9200/test" -H 'Content-Type: application/json' -d' { "mappings": { "_doc": { "pro
Elasticsearch學習之 Search After 結果分頁顯示
Search After 通過提供一個live cursor來規避消耗儲存和時間的效能問題 通過上一頁的結果幫助檢索下一頁 如下面這個示例,按照第一個檢索到的最後顯示的“balance”和‘_id’值,作為下一個檢索search_after的引數 當使用sear
Elasticsearch 學習之Field Collapsing(欄位摺疊)
Field Collapsing(欄位摺疊)不能與scroll、rescore以及search after 結合使用 collapse欄位:表示按照age(每個age對應多條document結果)的值摺疊(keyword或者數值) sort:表示按照age欄位排序 f
elasticsearch學習之文件分組
GET tmdb/_search { "size": 1, "_source": " ", "query": { "match": { "title": "star trek" } }, "aggs": { "statuses":