2. 程式人生 > >ElasticSearch學習筆記（超詳細）

ElasticSearch學習筆記（超詳細）

阿新 • • 發佈：2021-03-02

 

文章目錄

  • 初識ElasticSearch
    • 什麼是ElasticSearch
    • ElasticSearch特點
    • ElasticSearch用途
    • ElasticSearch底層實現
    • ElasticSearch和Solr的區別
      • Solr是什麼
      • 不同場景時兩個的對比
      • 總結
    • ElasticSearch體系結構
    • 倒排索引
    • 什麼是Term Dictionary
    • 什麼是Term Index
    • 為什麼 Elasticsearch/Lucene 檢索可以比 MySQL快
  • 什麼是ELK
  • 安裝ElasticSearch
    • 安裝ik分詞器
    • 測試ik分詞器
    • IK分詞器的兩種分詞模式
    • ik分詞器新增自定義詞庫
  • 安裝ElasticSearch-head
  • 安裝Kibana
  • REST風格說明
    • 什麼是REST風格
    • 基本REST命令說明
    • PUT命令
      • 建立型別
      • 插入資料
      • 更新資料
    • POST命令
      • 更新資料（推薦使用）
    • DELETE命令
    • GET命令
      • 查詢資料（重點）
        • 精確查詢
        • 查詢字串搜尋
        • 查詢所有結果
        • 條件查詢
        • 布林查詢
        • 按排序查詢
        • 分頁查詢
        • 指定查詢結果的欄位
        • 高亮查詢
      • 拓展

 

初識ElasticSearch

什麼是ElasticSearch

Elasticsearch 是一個分散式的開源搜尋和分析引擎，適用於所有型別的資料，包括文字、數字、地理空間、結構化和非結構化資料。它可以幫助你用前所未有的速度去處理大規模資料。ElasticSearch是一個基於Lucene的搜尋伺服器。它提供了一個分散式多使用者能力的全文搜尋引擎，基於RESTful web介面。Elasticsearch是用Java開發的，並作為Apache許可條款下的開放原始碼釋出，是當前流行的企業級搜尋引擎。設計用於雲端計算中，能夠達到實時搜尋，穩定，可靠，快速，安裝使用方便。

ElasticSearch特點

  • 可以作為一個大型分散式叢集（數百臺伺服器）技術，處理PB級資料，服務大公司；也可以執行在單機上，服務小公司
  • 對使用者而言，是開箱即用的，非常簡單，作為中小型的應用，直接3分鐘部署一下ES
  • Elasticsearch作為傳統資料庫的一個補充,比如全文檢索，同義詞處理，相關度排名，複雜資料分析，海量資料的近實時處理
  • Elasticsearch不是什麼新技術，主要是將全文檢索、資料分析以及分散式技術，合併在了一起，才形成了獨一無二的ES；lucene（全文檢索），商用的資料分析軟體（也是有的），分散式資料庫（mycat）

ElasticSearch用途

Elasticsearch 在速度和可擴充套件性方面都表現出色，而且還能夠索引多種型別的內容，這意味著其可用於多種用例：

  • 應用程式搜尋
  • 網站搜尋
  • 企業搜尋
  • 日誌處理和分析
  • 基礎設施指標和容器監測
  • 應用程式效能監測
  • 地理空間資料分析和視覺化
  • 安全分析
  • 業務分析

維基百科使用Elasticsearch提供全文搜尋並高亮關鍵字，以及輸入實時搜尋(search-asyou-type)和搜尋糾錯(did-you-mean)等搜尋建議功能。

英國衛報使用Elasticsearch結合使用者日誌和社交網路資料提供給他們的編輯以實時的反饋，以便及時瞭解公眾對新發表的文章的迴應。

Github使用Elasticsearch檢索1300億行的程式碼。

ElasticSearch底層實現

ElasticSearch是基於對 Lucene 進行封裝，將搜尋引擎的操作封裝成了RESTful API,通過http請求就可以呼叫，目的是為了隱藏Lucene的複雜性，從而讓全文搜尋變得簡單。

ElasticSearch和Solr的區別

Solr是什麼

Solr 是Apache下的一個頂級開源專案，採用Java開發，它是基於Lucene的全文搜尋伺服器。Solr提供了比Lucene更為豐富的查詢語言，同時實現了可配置、可擴充套件，並對索引、搜尋效能進行了優化。

Solr可以獨立執行，執行在Jetty、Tomcat等這些Servlet容器中，Solr 索引的實現方法很簡單，用 POST 方法向 Solr 伺服器傳送一個描述 Field 及其內容的 XML 文件，Solr根據xml文件新增、刪除、更新索引 。Solr 搜尋只需要傳送 HTTP GET 請求，然後對 Solr 返回Xml、json等格式的查詢結果進行解析，組織頁面佈局。Solr不提供構建UI的功能，Solr提供了一個管理介面，通過管理介面可以查詢Solr的配置和執行情況。

Solr是基於lucene開發企業級搜尋伺服器，實際上就是封裝了lucene。

Solr是一個獨立的企業級搜尋應用伺服器，它對外提供類似於Web-service的API介面。使用者可以通過http請求，向搜尋引擎伺服器提交一定格式的檔案，生成索引；也可以通過提出查詢請求，並得到返回結果。

不同場景時兩個的對比




總結

（1）es基本是開箱即用，非常簡單。Solr安裝略微複雜一點。

（2）Solr 利用 Zookeeper 進行分散式管理，而 Elasticsearch 自身帶有分散式協調管理功能。

（3）Solr 支援更多格式的資料，比如JSON、XML、CSV，而 Elasticsearch 僅支援json檔案格式。

（4）Solr 官方提供的功能更多，而 Elasticsearch 本身更注重於核心功能，高階功能多有第三方外掛提供，例如圖形化介面需要kibana支撐

（5）Solr 查詢快，但更新索引時慢（即插入刪除慢），用於電商等查詢多的應用；ES建立索引快（即查詢慢），即實時性查詢快，用於FaceBook、百度等搜尋。Solr 是傳統搜尋應用的有力解決方案，但 Elasticsearch 更適用於新興的實時搜尋應用。

（6）Solr比較成熟，有一個更大，更成熟的使用者、開發和貢獻者社群，而 Elasticsearch相對開發維護者較少，更新太快，學習使用成本較高。

ElasticSearch體系結構

初學者建議將 ElasticSearch當為一個數據庫進行學習。

下圖是Elasticsearch與關係型資料庫邏輯結構概念的對比：

倒排索引

倒排索引（Inverted Index）也叫反向索引，有反向索引必有正向索引。通俗地來講，正向索引是通過key找value，反向索引則是通過value找key。

正向索引：
MYSQL資料庫所用的索引就是正向索引，適合根據文件中的ID來查詢對應的內容。但是在查詢一個keyword在哪些文件裡包含的時候需對所有的文件進行掃描以確保沒有遺漏，這樣就使得檢索時間大大延長，檢索效率低下。

正向索引構建的結果如下圖：

倒排索引：
與正序索引相反。在搜尋引擎中每個檔案都對應一個檔案ID，檔案內容被表示為一系列關鍵詞的集合，記錄每個關鍵字在文件中出現的頻率和出現的位置。

按照上面的文件內容構建的倒排索引結果會如下圖：



如果我們要通過倒排索引查詢‘Male’這個關鍵詞在哪些文件中出現過，首先我們通過倒排索引可以查詢到該關鍵詞出現的文件位置是在2和3中;然後再通過正排索引查詢到文件2和3的內容並返回結果。

什麼是Term Dictionary

Elasticsearch為了能快速找到某個Term，將所有的Term排個序，二分法查詢Term，這就是Term Dictionary。

什麼是Term Index

如果Term太多，Term Dictionary也會很大，全部放在記憶體不現實，只能部分儲存到磁碟上。這是又出現了新的問題，磁碟尋道次數太多也會嚴重影響查詢效率，為了減少磁碟尋道次數來提高查詢效能，於是有了Term Index，就像字典裡的索引頁一樣，A開頭的有哪些Term，分別在哪頁，可以理解Term Index是一顆樹：

Term Index不需要存下所有的Term，而僅僅是它們的一些字首與Term Dictionary的Block之間的對映關係，再結合相關的壓縮技術，可以使Term Index快取到記憶體中。從Term Index查到對應的Term Dictionary的Block位置之後，再去磁碟上找Term，大大減少了磁碟隨機讀的次數。

為什麼 Elasticsearch/Lucene 檢索可以比 MySQL快

MySQL 只有 Term Dictionary 這一層，是以 B+Tree 排序的方式儲存在磁碟上的。檢索一個 Term 需要若干次的 Random Access 的磁碟操作。

Lucene 在 Term Dictionary 的基礎上添加了 Term Index 來加速檢索，Term Index 以樹的形式快取在記憶體中。從 Term Index 查到對應的 Term Dictionary 的 Block 位置之後，再去磁碟上找 Term，大大減少了磁碟的 Random Access 次數。

值得一提的兩點是：
Term Index 在記憶體中是以 FST（finite state transducers）的形式儲存的，其特點是非常節省記憶體。

Term Dictionary 在磁碟上是以分 Block 的方式儲存的，一個 Block 內部利用公共字首壓縮，比如都是 Ab 開頭的單詞就可以把 Ab 省去。這樣 Term Dictionary 可以比 B-Tree 更節約磁碟空間。

什麼是ELK

ELK 是elastic公司提供的一套完整的日誌收集以及展示的解決方案，分別表示：ElasticSearch , Logstash, Kibana。

ElasticSearch是個開源分散式搜尋引擎，提供蒐集、分析、儲存資料三大功能。它的特點有：分散式，零配置，自動發現，索引自動分片，索引副本機制，restful風格介面，多資料來源，自動搜尋負載等。

Logstash 主要是用來日誌的蒐集、分析、過濾日誌的工具，支援大量的資料獲取方式。一般工作方式為c/s架構，client端安裝在需要收集日誌的主機上，server端負責將收到的各節點日誌進行過濾、修改等操作在一併發往elasticsearch上去。

Kibana 也是一個開源和免費的工具，Kibana可以為 Logstash 和 ElasticSearch 提供的日誌分析友好的 Web 介面，可以幫助彙總、分析和搜尋重要資料日誌。

安裝ElasticSearch

由於官網下載較慢，下方連結為華為雲的映象。

ElasticSearch：
https://mirrors.huaweicloud.com/elasticsearch/?C=N&O=D

選好自己的版本，下載壓縮包。

我選擇的是7.6.2的Windows版本，需要清晰知道自己下載的版本，後面下載kibana等都必須版本一致。

下載完成後解壓。

重點關注一下config資料夾中的 jvm.options

很多同學一啟動馬上閃退，就是因為這裡的記憶體設定過大，按照自己電腦配置進行設定，1g閃退就設定512M，以此類推。

接著我們開啟bin目錄中的elasticsearch.bat

出現下面圖片，在瀏覽器輸入紅框地址。

出現下方 json格式則安裝成功

安裝ik分詞器

開啟下方網址，找到和自己elasticsearch一樣版本的下載。
https://github.com/medcl/elasticsearch-analysis-ik/releases

下載完成後，將其解壓到elasticsearch資料夾中的plugins，由於ik分詞器是elasticsearch的一個外掛，elasticsearch的外掛都是放在plugins中的。


重啟elasticsearch，觀察其啟動介面的命令列是否出現下圖

出現了即安裝ik外掛成功。

測試ik分詞器


安裝成功後我們開啟Kibana可以嘗試一下ik分詞器如何使用。

IK分詞器的兩種分詞模式

IK分詞器有兩種分詞模式：ik_max_word和ik_smart模式。

  • ik_max_word
    會將文字做最細粒度的拆分，比如會將“中華人民共和國人民大會堂”拆分為“中華人民共和國、中華人民、中華、華人、人民共和國、人民、共和國、大會堂、大會、會堂等詞語。

  • ik_smart
    會做最粗粒度的拆分，比如會將“中華人民共和國人民大會堂”拆分為中華人民共和國、人民大會堂。

點選小三角形對該陰影區域的json的text進行分詞

ik_smart

ik_max_word

{
  "tokens" : [
    {
      "token" : "中華人民共和國",
      "start_offset" : 0,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "中華人民",
      "start_offset" : 0,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "中華",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "華人",
      "start_offset" : 1,
      "end_offset" : 3,
      "type" : "CN_WORD",
      "position" : 3
    },
    {
      "token" : "人民共和國",
      "start_offset" : 2,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 4
    },
    {
      "token" : "人民",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 5
    },
    {
      "token" : "共和國",
      "start_offset" : 4,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 6
    },
    {
      "token" : "共和",
      "start_offset" : 4,
      "end_offset" : 6,
      "type" : "CN_WORD",
      "position" : 7
    },
    {
      "token" : "國人",
      "start_offset" : 6,
      "end_offset" : 8,
      "type" : "CN_WORD",
      "position" : 8
    },
    {
      "token" : "人民大會堂",
      "start_offset" : 7,
      "end_offset" : 12,
      "type" : "CN_WORD",
      "position" : 9
    },
    {
      "token" : "人民大會",
      "start_offset" : 7,
      "end_offset" : 11,
      "type" : "CN_WORD",
      "position" : 10
    },
    {
      "token" : "人民",
      "start_offset" : 7,
      "end_offset" : 9,
      "type" : "CN_WORD",
      "position" : 11
    },
    {
      "token" : "大會堂",
      "start_offset" : 9,
      "end_offset" : 12,
      "type" : "CN_WORD",
      "position" : 12
    },
    {
      "token" : "大會",
      "start_offset" : 9,
      "end_offset" : 11,
      "type" : "CN_WORD",
      "position" : 13
    },
    {
      "token" : "會堂",
      "start_offset" : 10,
      "end_offset" : 12,
      "type" : "CN_WORD",
      "position" : 14
    }
  ]
}

ik分詞器新增自定義詞庫

當有一些自造詞需要ik分詞器進行分詞時，可以開啟在ik分詞器的解壓資料夾中的config

新建一個文件將自造詞放進去即可，記得要把文件字尾改為dic,編碼為UTF-8

儲存後，開啟IKAnalyzer.cfg.xml


將自己詞典的檔名填寫進去，儲存，新增成功，重啟es。

安裝ElasticSearch-head

elasticsearch-head將是一款專門針對於elasticsearch的客戶端工具，包括資料視覺化，增刪改查工具，es語句的視覺化等等。

下載地址：
https://github.com/mobz/elasticsearch-head

和elasticsearch安裝一樣，將解壓包解壓，進入elasticsearch-head的資料夾

進入解壓路徑的命令列

執行 npm install

執行 npm run start

在瀏覽器訪問http://localhost:9100，可看到如下介面，表示啟動成功：

安裝Kibana

依舊是華為雲的映象

Kibana
https://mirrors.huaweicloud.com/kibana/?C=N&O=D

選擇和你的ElasticSearch一樣的版本下載，和es一樣解壓即可用。

由於Kibana預設是英文，我們需要進入config資料夾中的kibana.yml

在末尾加入i18n.locale: "zh-CN"，更改儲存，讓國際化變成中文。

接著進入bin目錄開啟kibana.bat，出現下方介面。

在瀏覽器開啟http://localhost:5601，進入下方頁面即安裝成功。

REST風格說明

什麼是REST風格

REST是一種軟體架構風格，或者說是一種規範，其強調HTTP應當以資源為中心，並且規範了URI的風格；規範了HTTP請求動作（GET/PUT/POST/DELETE/HEAD/OPTIONS）的使用，具有對應的語義。

基本REST命令說明

PUT命令

建立一個demo索引的 type型別下儲存1號資料為 “name”: “小黃”, “age”:21

PUT demo/type/1
{
    "name": "小黃",
    "age":21
}

建立成功

對照著和關係型資料庫的聯絡理解

建立型別

不填寫時，預設為_.doc型別，在未來8.多的版本具體型別可能會被拋棄。

指定某個欄位使用指定型別，常見型別有下圖：

我們在下方建立了一個test2的索引裡面的欄位和對應的型別

插入資料

這裡在demo索引下的插入了4個記錄

PUT demo/type/1
{
    "name": "小黃1.0",
    "age":21
}

PUT demo/type/2
{
    "name": "小黃2.0",
    "age":21
}

PUT demo/type/3
{
    "name": "小黃3.0",
    "age":21
}

PUT demo/type/4
{
    "name": "小黃4.0",
    "age":21
}

更新資料

假設我需要更新name為小黃2.0，直接在對應的欄位更改成對應資料即可，需要將不修改欄位的資料也寫上去，否則將會被空白覆蓋。

PUT demo/type/1 # 更新id為1的資料
{
    "name": "小黃2.0",
    "age":21 #即使21不用修改還是需要寫
}


修改後 _version增加

POST命令

POST可以不帶ID傳送，ES會自動生成一個ID，如果再次請求也會再次新增一個ID

POST demo/type
{
    "name": "小黃",
    "age":21
}


可以看到自動生成一個ID為 5IF1dncBdbJa8wg0om_V

更新資料（推薦使用）

POST一樣可以更新資料，只需要在最後加上需要修改的ID號和/_update，加上 “doc”:{｝包圍需要修改的資料欄位即可，不需要將不修改的資料寫上去。

POST demo/type/1/_update
{
  "doc":{
     "name": "小黃3.0"
  }
}

DELETE命令

DELETE demo #刪除demo索引

DELETE demo/type/1  #刪除demo索引下的1號文件

根據請求判斷刪除索引還是文件記錄

GET命令

查詢資料（重點）

GET demo  #獲取索引資訊


GET demo/type/1 #獲取demo索引的 type型別下儲存1號資料

_index：表示在哪個索引下

_type：型別

_id：新增時的id

_version：版本號

_seq_no：併發控制欄位，序列號，每次更新+1 （樂觀鎖操作使用）

_primary_term：分片，作用同上，重啟會變化

_source：真正的內容

精確查詢

term查詢是直接通過倒排索引指定的詞條進行精確查詢的

GET demo/type/_search
{
    "query": {
        "term": {
            "age": "21"
        }
    }
}

而match會使用分詞器解析（先分析文件，在通過分析的文件進行查詢）

keyword型別資料不能被分詞器解析

而其他型別可以被分詞器解析

查詢字串搜尋

將具有"黃"的資料全部搜尋出來

GET demo/type/_search?q=name:黃  

#! Deprecation: [types removal] Specifying types in search requests is deprecated.
{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : 0.10536051,
    "hits" : [
      {
        "_index" : "demo",
        "_type" : "type",
        "_id" : "1",
        "_score" : 0.10536051,
        "_source" : {
          "name" : "小黃1.0",
          "age" : 21
        }
      },
      {
        "_index" : "demo",
        "_type" : "type",
        "_id" : "2",
        "_score" : 0.10536051,
        "_source" : {
          "name" : "小黃2.0",
          "age" : 21
        }
      },
      {
        "_index" : "demo",
        "_type" : "type",
        "_id" : "3",
        "_score" : 0.10536051,
        "_source" : {
          "name" : "小黃3.0",
          "age" : 21
        }
      },
      {
        "_index" : "demo",
        "_type" : "type",
        "_id" : "4",
        "_score" : 0.10536051,
        "_source" : {
          "name" : "小黃4.0",
          "age" : 21
        }
      }
    ]
  }
}

hits：顯示索引和文件資訊，查詢總結果數，權重， 具體文件，資料中的東西都可以遍歷出來

_score：表示權重，越高表示該資料和搜尋欄位越匹配。由於我上面的資料格式一樣，都只具有一個"黃"所以權重一樣，都是0.10536051。

查詢所有結果

GET demo/type/_search
{
    "query":{"match_all":{}}
}

條件查詢

GET demo/type/_search
{
  "query":{
    "match":{
      "name":"黃"
    }
  }
}

布林查詢

使用 "bool":{} 宣告使用布林查詢

must等同於MySQL中的 and

GET demo/type/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "huang"
          }
        },
         {
          "match": {
            "age": 21
          }
        }
      ]
    }
  }
}

should等同於MySQL中的 or

filter條件過濾查詢，過濾條件的範圍用range表示gt表示大於、lt表示小於、gte表示大於等於、lte表示小於等於)

GET demo/type/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "黃"
          }
        }
      ],
      "filter": {
        "range": {
          "age": {
            "gte": 10,
            "lt": 27
          }
        }
      }
    }
  }
}

按排序查詢

GET demo/type/_search
{
    "query":{
          "match":{
                    "name":"黃"
          }
    },
    "sort":[
        {
             "age":"desc" #降序
       }
   ]
}

分頁查詢

GET demo/type/_search
{
    "query":{"match_all":{}},
    "from":0,
    "size":2  #從零開始查詢所有記錄，每頁只顯示2條記錄
}

指定查詢結果的欄位

GET demo/type/_search
{
    "query":{"match_all":{}},
    "_source":["name","age"]
}

高亮查詢

搜尋出name為小黃1.0的資料，並將其name欄位高亮顯示

GET demo/type/_search
{ 
    "query":{
          "match_phrase":{
                  "name":"小黃1.0"
            }              
    } ,
   "highlight":{
              "fields":{
                    "name":{}
               }
   }
}


自定義搜尋高亮欄位格式前後綴

拓展

GET  _cat/nodes #檢視所有節點


GET  _cat/health #檢視es健康狀況


GET  _cat/master #檢視主節點


GET  _cat/indices #檢視所有索引 == MySQL中的show databases

參考：
https://www.bilibili.com/video/BV17a4y1x7zq
http://www.mybatis.cn/archives/1112.html
https://www.jianshu.com/p/c96576fcbcd9

轉：

ElasticSearch學習筆記

&n

相關推薦

ElasticSearch學習筆記（超詳細）

  文章目錄 初識ElasticSearch 什麼是ElasticSearch ElasticSearch特點 ElasticSearch用途 ElasticSearch底層實現 ElasticSearch和Solr的區別 Solr是什麼 不同場景時兩個的對比 總結 Elastic

STM32學習筆記（超詳細整理144個問題）

1、AHB系統匯流排分為APB1（36MHz）和APB2（72MHz），其中2>1，意思是APB2接高速裝置； 2、Stm32f10x.h相當於reg52.h（裡面有基本的位操作定義），另一個為stm32f10x_conf.h專門控制外圍器件的配置，也就

SpringMvc學習筆記（基礎+詳細）

本人技術小白，學習SpringMvc後，將相關內容整理下來，供大家分享，歡迎批評指正。 本文主要介紹如下方面相關知識，並分為不同章節，大家可根據自身需求選擇性閱讀： SpirngMvc的HelloWorld（一個SpringMvc例項的簡單流程） 使用@RequestM

學習筆記-5步安裝 Github中文漢化外掛（超詳細）

今天看視訊的時候聽老師說以後面試面試官會問你你在github有上傳開源專案嗎，訪問量是多少。然後我看完視訊後馬上去弄一個github帳號，然後發現github基本是英文。。。。。在百度上查了一下後發現有一個好用基於chrome的外掛，然後安裝，途中碰到了一些問題，於是寫下這篇

Elasticsearch學習筆記（四）ElasticSearch分布式機制

clas cse 負載均衡 丟失 數據 不可 分布式 復雜 發生 一、Elasticsearch對復雜分布式機制透明的隱藏特性 1、分片機制： （1）index包含多個shard，每個shard都是一個最小工作單元，承載部分數據，lucen

Elasticsearch學習筆記（六）核心概念和分片shard機制

服務器 存儲 play wid 讀寫 number 容錯 組成 操作 一、核心概念 1、近實時（Near Realtime NRT） （1）從寫入數據到數據可以被搜索到有一個小延遲（大概1秒）； （2）基於es執行搜索和分析可以達到秒級

Elasticsearch學習筆記（九）partial update

cse adding 操作 nbsp 進行 樂觀 gin clas 比較 一、什麽是partial update？ PUT /index/type/id，創建文檔&替換文檔，就是一樣的語法 一般對應到應用程序中，每次的執行流程基本是這樣的： （1）應

Elasticsearch學習筆記（十）批量查詢mget、批量增刪改bulk

出錯 color body 換行 nor test 增刪 doc document 一、批量查詢 mget GET /_mget { "docs":[ { "_index":"ecommerce

ElasticSearch學習筆記（三）

elastic ise inf arc img png cse 演示 earch 1. URISearch詳解與演示 ElasticSearch學習筆記（三）

ElasticSearch學習筆記（四）

分布式 png elastic cer 筆記 連接 訪問 eas 副本 1. 分布式介紹及cerebro cerebro插件 點擊release下載 解壓運行 訪問9000端口，連接es的9200端口 2. 構建集群 新增一個節點 3. 副本

安卓學習筆記 -- （安裝環境） Android Studio安裝配置、環境搭建詳細步驟及基本使用 Android Studio和SDK官方開發工具下載 Android Studio教程從入門到精通 Android開發-之第一個程式：HelloWorld！

1、下載Android Studio安裝配置、環境搭建詳細步驟及基本使用    https://www.cnblogs.com/yanglh6-jyx/p/Android_AS_Configuration.html https://blog.csdn.net/k491022087/ar

solr簡介、學習詳細過程！（超詳細~）

solr是什麼呢？ 一、Solr它是一種開放原始碼的、基於 Lucene Java 的搜尋伺服器，易於加入到 Web 應用程式中。 二、Solr 提供了層面搜尋(就是統計)、命中醒目顯示並且支援多種輸出格式（包括XML/XSLT 和JSON等格式）。它易於安裝和配置，而且附帶了一個基於 H

Python機器學習實戰專案--預測紅酒質量（超詳細）

用Scikit-Learn（sklearn）建立模型 1 環境搭建  Python 3+NumPy+Pandas+Scikit-Learn (sklearn) 2 匯入庫和模組 Numpy是比Python自身的巢狀列表（nested list structure)結構要高效的多的一

ElasticSearch學習筆記（二）IK分詞器和拼音分詞器的安裝

ElasticSearch是自帶分詞器的，但是自帶的分詞器一般就只能對英文分詞，對英文的分詞只要識別空格就好了，還是很好做的（ES的這個分詞器和Lucene的分詞器很想，是不是直接使用Lucene的就不知道），自帶的分詞器對於中文就只能分成一個字一個字，這個顯然

【原】無腦操作：ElasticSearch學習筆記（01）

健康 方便 階段 alt hits chrom 信息 repl out 開篇來自於經典的“保安的哲學三問”（你是誰，在哪兒，要幹嘛） 問題一、ElasticSearch是什麽？有什麽用處？ 答：截至2018年12月28日，從ElasticSear

Elasticsearch學習筆記（三）Elasticsearch5.1.2安裝

下載 解壓 tar -zxvf elasticsearch-5.1.2.tar.gz 修改jdk版本 注意，elasticsearch需要使用jdk8，但是由於我對Linux還跑著其他的程式，所以要在.sh啟動shell指令碼中指定JDK

Udacity cs344Unit 5-Introduction to Parallel Programming筆記（超詳細，CUDA，並行，GPU）

1.優化的等級 2.應該有一個系統化的優化過程（類似於一個優化的週期，缺少哪一步效果都不好） 在真實資料集上跑很重要 不要“真空”優化 別忘了 思考你到底想實現啥 和在現實世界中執行收到反饋 3.具體過程 a.分析

Udacity cs344Unit 4-Introduction to Parallel Programming筆記（超詳細，CUDA，並行，GPU）

1.啥是緊密（compact）：這裡的壓縮指的是過濾，filter，過濾出一個子集，也就是隻留我們想要的（比如一把撲克牌裡的方片） （只計算我們關心的物件才更有意義，計算代價較小，需要更少空間） 2. 3.密集運算好一點？為啥 第一個稀疏運算要啟動52個

Udacity cs344Unit 3-Introduction to Parallel Programming筆記（超詳細，CUDA，並行，GPU）

1.課程目標 如何分析GPU演算法的速度和效率（speed and efficiency） 三個新的基本演算法：歸約，掃描和直方圖（reduce，scan and histogram） 2.   3.再看之前講的例子 考慮兩件事  

機器學習（包括深度神經網路）python開發環境搭建（超詳細）（適合新手）

最近接了一個大資料專案，需要進行到資料分析，作為一個從程式設計師往資料探勘工程師轉行的人來說，R語言在靈活性上不如Python，並且在深度神經網路等機器學習開源模組上，python也比R語言有更好的支援。本文主要利用Ubuntu來搭建虛擬機器來進行資料分析工作，主要利用了