Gandalf_z
Gandalf_z

ElasticSearch学习文档

@author Gandalf

介绍

ES是什么

Elasticsearch实时的分布式全文搜索分析引擎，内部使用Lucene做索引与搜索，开发语言为Java

全文：对全部的文本内容进行分析，建立索引，使之可以被搜索

实时：新增到 ES 中的数据在1秒后就可以被检索到，这种新增数据对搜索的可见性称为“准实时/近实时搜索”。

分布式：可以动态调整集群规模，弹性扩容

Github：https://github.com/elastic/elasticsearch

可以做什么

  • 搜索：搭建搜索引擎（类似百度、谷歌、知乎等可搜索功能的实现）、日志收集分析系统
  • 聚合分析：进行数据分析、统计，生成指标数据。
  • 适用场景：适合用于中等规模数据的应用场景，据官方描述，集群规模支持“上百”个节点，ES适合中等数据量的业务，不适合海量数据存储

优缺点

  • 迭代快速，目前每2周左右就会发布新版本

  • 社区活跃且生态丰富

  • 语法与关系型数据库迥异，语法学习成本高

基本概念

ES是面向文档的。各种文本内容以文档（document）的形式存储到ES中，文档可以是一封邮件、一条日志，一条关系型数据库的记录，或者一个网页的内容。使用 JSON 作为文档的序列化格式，文档可以有很多字段，创建索引的时候，同关系型数据库创建表约束一样，可指定各字段的数据类型(也可不指定，动态生成文档），可指定不同字段不同的分词器，指定字段是否被搜索到。

索引结构

存储结构上，由_index、_type和_id标识一个文档

  • _index：为指向一个或多个分片的物理存储命名，存储某一类型文档的集合

  • _type：用于区分一个_index中的不同细分，多个_type的数据结构应是相似的，如建立一个订单类的索引，有不同_type类型的订单：物流订单、采购订单、出库订单...，索引中的多个type,实际上是存放在一起的，一个index下，不能有多个字段重名但type不一致

  • _id：文档唯一标识，可自行指定，ES自动生成的id，长度为20个字符，URL安全，base64编码，GUID,分布式环境也不会发生冲突

分片

分片(Shard)： ES利用分片解决单机无法存储规模巨大的问题，将数据分为多个分片，分片就是一个lucene实例，会自动创建索引和处理请求，不同分片可存储在不同的机器上，通过路由策略找到分片所在的位置；分布式存储中还会把分片复制成多个副本，实现水平扩展能力以及高可用(HA)，同时副本还可以执行读请求，分担集群压力，ES将数据副本分为主从两部分，即主分片primary hard和副分片replica shard，主数据作为权威数据，写过程中先写主分片，成功后再写副分片，当集群规模扩大或缩小时，ES 会自动在各节点中迁移分片，使数据仍然均匀分布在集群里

primary shard不能和自己replica shad在同一节点，单节点创建primary shard和replica shard在同一台机器上时，是不会分配给replica shard的。

Tip :分片一旦指定久可以修改，所以一开始就尽量规划好主分片数量，先依据硬件情况定好单个分片容量，然后依据业务场景预估数据量和增长量，再除以单个分片容量。

文档结构

_mapping：自动或者手动为ES中index的typet建立的一种数据结构和相关配置

_all：ES会自动将多个field的值用串联的方式链接起来，变成一个长的字符串，作为_all field的值，同时建立索引，在搜索的时候，没有指定field的值时候，就默认搜索_all

倒排索引

建立倒排索引的时候，会执行一个操作，对各个拆分的各个单词进行相应的处理(noralization)归一化，搜索的时候也要进行分词并归一化，提升搜索命中文档的概率 likes-->like Tom-->tom

如不提前指定索引及类型，es会自动建立index和type,不需要提前创建，会默认对每个field建立倒排索引，让其可以被搜索

各节点说明

  • master节点：管理ES的元数据，管理索引的创建和删除，结点增加和移除，默认会选出一台做master,不会处理所有的请求，通过配置 node.master: true（默认）,使节点具有被选举为 Master 的资格，主结点也可做数据节点，生产环境尽量分离主节点与数据节点
  • 数据节点（Data node）：保存数据、执行数据相关操作：CRUD、搜索、聚合等。数据节点对CPU、内存、I/O要求较高
  • 预处理节点（Ingest node）：在索引文档之前，即写入数据之前，通过定义好的一系列的processors（处理器）和pipeline（管道），对数据进行某种转换。processors和pipeline拦截bulk和index请求
  • 协调节点（Coordinateing node）：处理客户端请求的节点，并将请求转发给文档所在的位置，在收集各节点的处理请求后，合并数据并转换为客户端，每个节点都可以作为协调节点
集群状态示意图

ES读请求与写请求都是首先通过协调节点，由协调节点进行请求分发到对应的shard以及对应的node，各node处理完后回复协调节点再向客户端做响应

分词

IK 分词器简介:ik有两种分词模式，ik_max_word,和ik_smart模式;

ik_max_word: 会将文本做最细粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各种可能的组合；
ik_smart: 会做最粗粒度的拆分，比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。

进阶知识

集群健康状态

从数据完整性的角度划分，集群健康状态分为三种：

  • Green：所有的主分片和副分片都正常运行。

  • Yellow：所有的主分片都正常运行，但不是所有的副分片都正常运行。这意味着存在单点故障风险

  • Red：有主分片没能正常运行，不是所有的主分片都是active状态。

集群状态是全局信息，包括内容路由信息、配置信息，描述了“哪个分片位于哪个节点”这种信息，

集群状态发布流程：集群状态由主节点负责维护，主节点更新后广播到其它节点 ，该操作是一个不完全分布事务，分为两阶段，commit与apply阶段， master变更集群信息后，广播变更信息到各个子节点，多数节点确认后，集群状态发布成功

主节点主分片选举过程

当master节点挂掉后，会自动选举一个node成为新的maste，基于Bully算法，每个节点个ID，选出各节点认为ID值最小的作为主节点

新主节点将丢失掉的primary shard的某个replica shard提升为primary shard， 此时cluster status会变为yellow，因为primary全都变成active了，但少了一个replica shard

重启故障的node，主节点会将缺失的副本都cpy到该node上，而且该node会用之前已有的shard数据，只是同步一下挂掉后发生过的修改

之后cluster status状态就变为green，因为primary shard和replica shard都属于可用状态

ES节点内部通信与数据传输都是基于TCP，基于netty，包括REST接口也是基于netty进行封装路由

ES数据可被搜索流程

段合并

默认情况下索引的refresh_interval为1秒，

ES并发控制

通过乐观锁实现并发控制，通过版本号的方式控制，每次更新之前先拿到版本号与ES中的版本号对比，如果不一致，则过去当前版本号中的最新数据，再修改

悲观锁：每次获取数据都会加锁，悲观的认为别人会修改数据，其余线程想获取数据必须等到该锁被释放后才能获取到，悲观适用于多写，乐观适用于多读，乐观锁存在ABA问题

悲观锁可通过版本号与CAS实现，如Java中的原子类；

写数据流程

image-20210121112939821
  1. 客户端向NODE1发送写请求。
  2. NODE1使用文档ID来确定文档属于分片0，通过集群状态中的内容路由表信息获知分片0的主分片位于NODE3，因此请求被转发到NODE3上。
  3. NODE3上的主分片执行写操作。如果写入成功，则它将请求并行转发到 NODE1和NODE2的副分片上，等待返回结果。当所有的副分片都报告成功，NODE3将向协调节点报告成功，协调节点再向客户端报告成功
详细流程
image-20210121113357715

在客户端收到成功响应时，意味着写操作已经在主分片和所有副分片都执行完成

建立索引流程
image

读数据流程

查询分为两阶段：QUERY_THEN_FETCH查询与获取，Query阶段知道了要取哪些数据，但是并没有取具体的数据，Fetch阶段获取具体的数据

Query阶段
query阶段

QUERY_THEN_FETCH搜索类型的查询阶段步骤如下：
（1）客户端发送search请求到NODE 3。
（2）Node 3将查询请求转发到索引的每个主分片或副分片中。
（3）每个分片在本地执行查询，并使用本地的Term/DocumentFrequency信息进行打分，添加结果到大小为from + size的本地有序优先队列中。
（4）每个分片返回各自优先队列中所有文档的ID和排序值给协调节点，协调节点合并这些值到自己的优先队列中，产生一个全局排序后的列表。

Fetch阶段
image-20210121114352581

Fetch阶段由以下步骤构成：
（1）协调节点向相关NODE发送GET请求。
（2）分片所在节点向协调节点返回数据。
（3）协调节点等待所有文档被取得，然后返回给客户端。

分布式系统搜索执行流程
image

删数据流程

删除方式为标记删除，只会对文档进行标记为delete，不会真正物理删除，等es存储达到一定阈值时，才会自动删除标记为delete的文档，查询时会过滤掉被标记为删除的数据，或者lucene段合并时才会清除标记为删除的数据

修改数据流程

ES配置

节点配置

创建独立主节点的配置：

node.master: true
node.data: false

数据节点配置

node.master: false
node.data: true
node.ingest: false

预处理节点配置

node.master: false
node.data: false
node.ingest: true

协调节点配置

node.master: false
node.data: false
node.ingest: false

ES模板配置

{
    "template": "*"，
    "order" : 0，
    "settings": 
    {
        "index.merge.policy.max_merged_segment" : "2gb"，
        "index.merge.policy.segments_per_tier" : "24"，
        "index.number_of_replicas" : "1"，
        "index.number_of_shards" : "24"，
        "index.optimize_auto_generated_id" : "true"，
        "index.refresh_interval" : "120s"，
        "index.translog.durability" : "async"，
        "index.translog.flush_threshold_size" : "1000mb"，
        "index.translog.sync_interval" : "120s"，
        "index.unassigned.node_left.delayed_timeout" : "5d"
    }
}

配置修改

重要配置修改

https://www.elastic.co/guide/cn/elasticsearch/guide/current/important-configuration-changes.html

设置es堆内存

https://www.elastic.co/guide/cn/elasticsearch/guide/current/heap-sizing.html

时间类型存储：往 ES 写入时间类型的数据的时候，可以写入不同的时间格式的值，最终在 ES 中都会转化成 long 类型用于查询和排序。

ES使用

安装使用

下载 https://www.elastic.co/cn/downloads/elasticsearch

java环境：确保服务器的jvm和运行程序的jvm的版本是完全一致的

  1. 启动
/usr/java/jdk1.8.0_144/bin/java -Xms24g -Xmx24g -XX:+UseConcMarkSweepGC -XX:CMSInitiatingOccupancyFraction=75 -XX:+UseCMSInitiatingOccupancyOnly -XX:+AlwaysPreTouch -server -Xss1m -Djava.awt.headless=true -Dfile.encoding=UTF-8 -Djna.nosys=true -Djdk.io.permissionsUseCanonicalPath=true -Dio.netty.noUnsafe=true -Dio.netty.noKeySetOptimization=true -Dio.netty.recycler.maxCapacityPerThread=0 -Dlog4j.shutdownHookEnabled=false -Dlog4j2.disable.jmx=true -Dlog4j.skipJansi=true -XX:+Hepath.home=/usr/elasticsearch-5.5.2 -cp /usr/elasticsearch-5.5.2/lib/* org.elasticsearch.bootstrap.Elasticsearch -d
  1. 访问

启动成功后，ES提供REST接口，http端口为9200，Java默认访问端口为9300

集群运维管理

查询集群状态

-- 默认请求到主节点
curl -X GET "localhost:9200/_cluster/state  
-- 接收请求的节点执行，可用于验证当前节点的集群状态是否为最新
curl -X GET "localhost:9200/_cluster/state?local=true

查询集群健康状态

curl -X GET localhost:9200/_cat/health?v
curl -X GET localhost:9200/_cluster/health?pretty

集群节点信息

curl http://127.0.0.1:9200/_cat/nodes?v
图片

查询索引列表

curl -X GET "localhost:9200/_cat/indices?v"

节点监控

-- 可以全面的查看集群各个节点的各种性能指标情况
curl -X GET "localhost:9200/_nodes/stats?pretty"

查询节点信息

curl -X GET "localhost:9200/_nodes?pretty"

集群磁盘分布情况

curl http://127.0.0.1:9200/_cat/allocation?v

修改索引允许动态映射

-- 修改后插入文档时索引遇到默认字段会自动修改mapping（表接口）
curl -XPUT "http://localhost:9200/index_name/type_name/_mapping" -H 'Content-Type: application/json' -d '{
    "dynamic": true
}'

修改索引为一个副本

curl -XPUT  "http://localhost:9200/index_name/_settings" -H 'Content-Type: application/json' -d '{"number_of_replicas":1}'

ES正在执行的任务

curl -X GET 'localhost:9200/_tasks?pretty'
-- 取消正在执行的任务
curl -X POST 'localhost:9200/_tasks/node_id:task_id/_cancel'
-- 过滤出正在执行的查询任务
curl -X GET 'localhost:9200/_tasks?actions=cluster:*&pretty'
curl -X GET 'localhost:9200/_tasks?actions=*&detailed&pretty'

任务管理API

分片状态及管理

索引恢复进度

curl localhost:9200/_cat/recovery?pretty&v
-- 查询某个具体索引的恢复过程
curl localhost:9200/index_name/_recovery?pretty&v

节点自动分配

查看是否自动副本分配
-- 如修改副本数量后，索引为自动均衡，可通过用此配置查询
curl -XGET 'localhost:9200/_cluster/settings?pretty' -d '{
    "persistent": {},
    "transient": {
        "cluster": {
            "routing": {
                "allocation": {
                    "enable": "all"
                }
            }
        }
    }
}'
设置自动分配分片
curl -XPUT 'localhost:9200/_cluster/settings' -d'{
    "transient": {
        "cluster.routing.allocation.enable": "all"
    }
}'

分片分布情况

curl localhost:9200/_cat/shards

索引分片同步列表

curl 'localhost:9200/_cluster/state?filter_path=metadata.indices.index_name.in_sync_allocations.*,routing_table.indices.index_name.*&pretty'

问题定位

热点线程查询

curl -X GET "localhost:9200/_nodes/node_name1,node_name2/hot_threads"

查询未分配索引的详细解释

curl localhost:9200/_cluster/allocation/explain

查询节点线程池使用

curl -X GET "http://localhost:9200/_cat/thread_pool"

常用语法

ES查询语法：QueryDSL

DSL:Domain specified language:特定领域的语言，使用http构建复杂的请求体进行查询

查询返回语法解释

GET /index_name/type_name/_search
took 耗费了多少毫秒
time_out 是否超时
_shards:数据拆分成了5个分片
hists.total:查询结果的数量
hist.max_score:score的含义，就是document对于一个search的相关度的匹配分数，分数越高，相关度越高
hits.hits:包含了匹配搜索的数据

查询排序

-- 查询index_name索引，按时间排序，默认取前20条
curl -i -XGET 'http://localhost:9200/index_name/_search?sort=createTime:asc?pretty'

批量查询 mget

 查询不同index下的不同document
 GET /_mget 
 {
   "docs"  :[
     {
       "_index":"index_name",
       "_type":"type_name",
       "_id":1
     },{
       "_index":"index_name2",
       "_type":"type_name",
       "_id":2
     }
   ]
 }
 --查询同一个index下的不同document
  GET /index_name/_mget
 {
   "docs"  :[
     {
       "_type":"type_name",
       "_id":1
     },{
       "_type":"type_name",
       "_id":2
     }
   ]
 }

bool查询

bool查询，组合查询
复合子句可以合并多种子句为一个单一的查询，无论是叶子子句还是其他的复合子句。
合并多子句
http://192.168.41.11:9200/index_name/type_name/_search
{
    "query":{
        "bool":{
            "must":{"match":{"type":"1"} },
            "must_not":{"match":{ "blockCode":"5201030003"}},
            "should":{"match":{ "doorName":"Openai大模型"} }
        }
    }
}

分页查询

{
    "query":{
        "bool":{
            "must":[
                {
                    "match":{"blockCode":"5201030003"}
                },
                {
                    "match":{"type":"23"}
                }
            ]
        }
    },
    "size":"2",
    "from":"0",
    "sort":{
        "createdDate":{
            "order":"desc"
        }
    }
}

ES分页from默认从0开始，size默认为10

深分页问题

deep paging：当集群节点众多，且分页查询的页数过大时，会很消耗服务器资源，如分页from1000,size10 的分页请求过来后，会将请求打到各个shard或者replica节点上，去取每个节点去10010条数据到coordinate结点上，10个节点共100100条进行排序选出10条。

超时查询

返回在指定超时时间内查询到的数据，有可能数据没有查询完毕

curl localhost:9200/index_name/index_name/_search?timeout=1s

精确值查询

term过滤：term主要用于精确匹配哪些值，比如数字，日期，布尔值或 not_analyzed的字符串,允许使用多个匹配条件

----条件查询并排序
http://localhost:9200/index_name/type_name/_search
{
  "query":{
    :"match":{
      "residentId":"1234123"
    }
  },
  "sort":[{
    "createdDate":"desc"
  }]
}
-----全文检索
http://localhost:9200/index_name/type_name/_search
{
    "query": {
        "match":{"photoLargeUuid":"84cb5b32 a195229e0a7d"}
    }
}
全文搜索会将查询条件分割进行组合查询按权重排序
---phrase 查询
短语全词匹配

复合查询

GET /item/_search
{
    "query": {
        "bool": {
            "must": [
                {
                    "match": {
                        "brand": {
                            "query": "小米"
                        }
                    }
                },
                {
                    "term": {
                        "title": {
                            "value": "小米"
                        }
                    }
                }
            ]
        }
    }
}

更新语法

post /index_name/type_name/1/update
{
"doc":{
"residentId":"341234123412"
  }
 }

删除语法

-- delete  post 删除ID为796098575183802的记录
curl -x delete http://localhost:9200/index_name/type_name/796098575183802
--delete post  删除该索引index_name，谨慎执行

curl -X DELETE "localhost:9200/index_name?pretty"

统计语法

统计索引条数

curl 'localhost:9200/index_name/_count?pretty'
curl 'localhost:9200/face_picture_index/_count?pretty'
curl 'localhost:9200/index_name/_count?pretty'

聚合统计

按类型进行统计

http://localhost:9200/index_name/type_name/_search
{
    "size":0,
    "aggs": {
        "group_by_type": {
            "terms": {
                "field": "type"
            }
        }
    }
}
-----聚合统计，按月分段，以开门方式为维度进行统计
{
    "size":0,
    "aggs":{
        "group_by_date":{
            "range":{
                "field":"createdDate",
                "ranges":[
                    {"from":1555261319001,
                     "to":1557853319000
                    },{
                    "from":1552582919001,
                    "to":1555261319000
                    },{
                    "from":1550163719000,
                    "to":1552582919000}
                    ]
            },
            "aggs":{
                "group_by_type":{
                    "terms":{
                        "field":"type"
                    }
                }
            }
        }
    }
}

ES优化

1. 慢查询配置

curl -XPUT "http://localhost:9200/index_name/_settings" -H 'Content-Type: application/json' -d'{
    "index.search.slowlog.threshold.fetch.debug": "5s",
    "index.search.slowlog.threshold.query.warn": "5s",
    "index.indexing.slowlog.threshold.index.info": "5s",
    "index.indexing.slowlog.threshold.index.warn": "10s"
}'

配置慢查询日志，将索引中的慢查询，慢索引打印出来

2. 索引配置优化

数据量大的情况下：基于日期轮询的索引可以每天生成一个索引，然后用别名关联，或者使用索引通配符匹配

3. 系统层面优化

  1. 关闭swap，调整max open files
  2. http://dockone.io/article/505
  3. 调整shard数，replica数
  4. elasticsearch三个重要的优化 https://zhaoyanblog.com/archives/319.html

4. 结构优化

不需要排序聚合，不需要在脚本中访问的字段可以禁用doc_valus字段节省存储空间

建议周期性的建立新索引

5. 写入速度优化

  1. 加大 Translog Flush ，目的是降低 Iops(每秒读写数)、Writeblock。但是会降低实时性，需要接受一定概率的数据丢失（服务器断电）
  2. 增加 Index Refresh 间隔，目的是减少 Segment Merge 的次数。
  3. 增长索引刷新时间，默认为1s,index_refresh_interval:120s
  4. 调整 Bulk 线程池和队列。
  5. 优化节点间的任务分布。

6. 定位cup过高

查看节点hot_threads

curl -X GET "localhost:9200/_cat/thread_pool"
curl -X GET "localhost:9200/_nodes/node-241/hot_threads"
curl -X GET "localhost:9200/_nodes/node-241,node-131/hot_threads"

active:当前正在执行任务的线程数量，queue:队列中等待处理的请求数量，rejected:队列已满，请求被拒绝的次数。

7. ES写入数据过慢原因

  1. 随着写入索引数据增多，单个shard数据量太大(超过50GB)，导致写入速度变慢

  2. 随着数据写入，segment合并变得频繁，es节点负载变高

8.存储优化

强制段合并

elasticsearch删除数据并未真正从磁盘进行删除已，而是将数据标记为删除，等到段合并时才会清楚标记为删除的数据，强制Elasticsearch进行段合并segment merging，Segment merging要消耗CPU，以及大量的I/O资源，所以一定要在你的ElasticSearch集群处于维护窗口期间，并且有足够的I/O空间的

curl -XPOST 'http://localhost:9200/索引名称/_forcemerge?only_expunge_deletes=true'

9. 节点内存使用率过高原因

分段内存一个Lucene分段就是一个完整的倒排索引，倒排索引由单词词典和倒排列表组成。在 Lucene 中，单词词典中的 FST 结构会被加载到内存。因此每个分段都会占用一定的内存空间。可以通过下面的

API来查看所有节点上的所有分段占用的内存总量：
curl -X GET "localhost:9200/_cat/nodes?v&h=segments.memory"

也可以单独查看每个分段的内存占用量：

curl  -X  GET  "localhost:9200/_cat/segments?v&h=index,shard,segment,size.memory"

查询分片缓存请求大小， 默认为堆1%大小

curl -X GET "localhost:9200/_stats/request_cache?pretty"

查询节点查询缓存占用大小,默认为堆10%大小

curl -X GET "localhost:9200/_cat/nodes?v&h=query_cache.memory_size"

故障处理

1. 如何安全重启elasticsearch？

https://www.elastic.co/guide/cn/elasticsearch/guide/current/_rolling_restarts.html

2. 重启节点后有部分索引分片未能恢复

生产环境中有两台节点，将主节点增加查询最大限制数后重启

indices.query.bool.max_clause_count: 10240

直接docker restart elasticsearch 后，重启elasticsearch后，有一个索引长期yellow,有两个分片长期处于未分配状态，es日志出现以下关键错误日志

primary shard with sync id but number of docs differ: 7728586 (node-205-1, primary) vs 7728583(node-149-1)

直接重启节点后出现两个节点的某个分片的数据不一致
解决：

将这个有问题的索引修改副本数为0，再修改为1，待分配完后即可恢复

索引恢复（indices.recovery）是ES数据恢复过程，是集群启动过程中最缓慢的过程。集群完全重启，或者Master节点挂掉后，新选出的Master也有可能执行索引恢复过程。
待恢复的是哪些数据？是客户端写入成功，但是未执行刷盘（flush）的Lucene分段。
索引恢复有哪些好处？
保持数据完整性：当节点异常重启时，写入磁盘的数据先到文件系统的缓冲，未必来得及刷盘。如果不通过某种方式将未进行刷盘的数据找回，则会丢失一些数据。
数据副本一致性：由于写入操作在多个分片副本上没有来得及全部执行，副分片需要同步成和主分片完全一致。

3. 生产环境某台ES节点负载高原因：

未找到

4. profile定位查询缓慢原因

curl -X GET "http://localhost:9200/index_name/type_name/_search?pretty" -d'{
"profile":true,
"query":{
     "match":{
        "blockCode":"5203210005"
        }
    }
}'

fielddata=true，以便通过取消倒排索引将fielddata加载到内存中

ES官方解释为在es5.x以后，聚合排序这种操作需使用指定数据结构fieldData进行单独操作，需要单独开启，ES排序field的类型只支持text类型

解决办法如下两步：

第二：mapping修改

PUT my_index/_mapping
{
  "properties": {
    "createTime": { 
      "type":     "text",
      "fielddata": true
    }
  }
}

5. 索引有多个副本但副本分片未自动分配

问题描述：新建索引时设置了0个副本，后来设置为1个，但是集群没有自动分配分片，索引长期为yellow

解决：查看集群设置是否自动分配，是否为未设置自动分配，设置为自动分配

参考及推荐

ES中文使用向导

Elasticsearch学习之集群常见状况处理（干货）

elasticsearch 百亿级数据检索案例与原理

Elasticsearch 集群内应该设置多少个分片

《Elasticsearch 源码解析与优化实战》

你可能感兴趣的:(ElasticSearch学习文档)

  • ES聚合分析原理与代码实例讲解 光剑书架上的书 大厂Offer收割机面试题简历程序员读书硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLMJavaPython架构设计Agent程序员实现财富自由
    ES聚合分析原理与代码实例讲解1.背景介绍1.1问题的由来在大规模数据分析场景中，特别是在使用Elasticsearch（ES）进行数据存储和检索时，聚合分析成为了一个至关重要的功能。聚合分析允许用户对数据集进行细分和分组，以便深入探索数据的结构和模式。这在诸如实时监控、日志分析、业务洞察等领域具有广泛的应用。1.2研究现状目前，ES聚合分析已经成为现代大数据平台的核心组件之一。它支持多种类型的聚
  • ElasticSearch查询超过10000条（1000页）时出现Result window is too large的问题 王月亮17
    问题当ES数据量较大，使用分页查询超过10000条（1000页）时，出现如下错误：Cannotexecutejestaction,responsecode:500,error:{"root_cause":[{"type":"query_phase_execution_exception","reason":"Resultwindowistoolarge,from+sizemustbelesstha
  • Elasticsearch7.7.0 配置用户名和密码 i0208 Elasticsearch
    配置用户和密码需要在配置文件中开启x-pack验证,修改config目录下面的elasticsearch.yml文件，在里面添加如下内容,并重启ES[root@localhostesuser]#vim/opt/es/elasticsearch-7.7.0/config/elasticsearch.ymlxpack.security.enabled:truexpack.license.self_ge
  • elasticsearch数据迁移之elasticdump 迷茫运维路 elasticsearch中间件elasticsearchlinux运维
    系列文章目录第一章es集群搭建第二章es集群基本操作命令第三章es基于search-guard插件实现加密认证第四章es常用插件文章目录系列文章目录前言一、elasticdump是什么？二、安装elasticdump工具1.离线安装2.在线安装三、elasticdump相关参数四、使用elasticdump进行数据备份五、使用elasticdump进行数据恢复前言在企业实际生产环境中,避免不了要对
  • 在生产环境中部署Elasticsearch：最佳实践和故障排除技巧——聚合与搜索（三） 不会编程的小孩子 elasticsearch大数据搜索引擎
    #在生产环境中部署Elasticsearch：最佳实践和故障排除技巧——聚合与搜索（三）前言文章目录前言-聚合和分析-执行聚合操作-1.使用JavaAPI执行聚合操作-2.使用CURL命令执行聚合操作-1.使用JavaAPI执行度量操作-2.使用CURL命令执行度量操作-使用缓存-调整分片大小和数量-使用搜索建议-结论-节点发现-负载均衡-故障转移-结论-访问控制-加密-身份验证-结论-RESTA
  • Elasticsearch Java API 的使用（22）—实现桶聚合 迷途码界 ElasticsearchJavaAPI桶聚合
    分组聚合使用terms实现分组集合publicclassEsTermsAggthrowsUnknownHostException{publicvoidTermsAgg(TransportClientclient){AggregationBuilderagg=AggregationBuilders.terms("terms").field("agg");SearchResponseresponse=
  • Elasticsearch之bool查询 cyt涛 javaelasticsearch大数据搜索引擎bool布尔查询全文检索
    bool查询是Elasticsearch中最常用的复合查询类型，允许将多个查询组合在一起。它通过逻辑操作符（如must、should、must_not和filter）来构建复杂的查询条件，从而满足多条件匹配、逻辑与（AND）、或（OR）、非（NOT）的查询需求。bool查询主要由四个部分组成：must：必须满足的条件（类似于SQL中的AND）。should：应该匹配的条件（类似于SQL中的OR）。
  • golang学习笔记14——golang性能问题的处理方法 GoppViper golang学习笔记golang学习笔记编程语言golang性能性能优化后端
    推荐学习文档基于golang开发的一款超有个性的旅游计划app经历golang实战大纲golang优秀开发常用开源库汇总golang学习笔记01——基本数据类型golang学习笔记02——gin框架及基本原理golang学习笔记03——gin框架的核心数据结构golang学习笔记04——如何真正写好Golang代码？golang学习笔记05——golang协程池，怎么实现协程池？golang学习笔
  • golang学习笔记15——golang依赖管理方法 GoppViper golang学习笔记golang学习笔记编程语言golang依赖管理源代码管理后端
    推荐学习文档golang应用级os框架，欢迎star基于golang开发的一款超有个性的旅游计划app经历golang实战大纲golang优秀开发常用开源库汇总golang学习笔记01——基本数据类型golang学习笔记02——gin框架及基本原理golang学习笔记03——gin框架的核心数据结构golang学习笔记04——如何真正写好Golang代码？golang学习笔记05——golang协
  • golang学习笔记12——Go 语言内存管理详解 GoppViper golang学习笔记golang学习笔记编程语言golang内存管理内存优化后端
    推荐学习文档golang应用级os框架，欢迎star基于golang开发的一款超有个性的旅游计划app经历golang实战大纲golang优秀开发常用开源库汇总golang学习笔记01——基本数据类型golang学习笔记02——gin框架及基本原理golang学习笔记03——gin框架的核心数据结构golang学习笔记04——如何真正写好Golang代码？golang学习笔记05——golang协
  • golang学习笔记11——Go 语言的并发与同步实现详解 GoppViper golang学习笔记golang学习笔记编程语言golang并发goroutine后端
    推荐学习文档golang应用级os框架，欢迎star基于golang开发的一款超有个性的旅游计划app经历golang实战大纲golang优秀开发常用开源库汇总golang学习笔记01——基本数据类型golang学习笔记02——gin框架及基本原理golang学习笔记03——gin框架的核心数据结构golang学习笔记04——如何真正写好Golang代码？golang学习笔记05——golang协
  • Elasticsearch 安装 哒哒-blog Elasticsearchelasticsearchjenkins大数据
    下载安装elasticsearch下载链接运行：bin\elasticsearch.bat设置密码：.\bin\elasticsearch-setup-passwordsinteractive这边设置密码遇到一个坑PSG:\elasticsearch-8.8.1>.\bin\elasticsearch-setup-passwordsinteractiveFailedtoauthenticateus
  • Docker启动Elasticsearch(挂载数据、配置文件、插件) 程序员迪迦 项目实战Javaelasticsearchdocker
    Docker启动Elasticsearch拉取镜像dockerpullelasticsearch:7.4.2修改配置文件mkdir-p/mydata/elasticsearch/configmkdir-p/mydata/elasticsearch/data/mkdir-p/mydata/elasticsearch/pluginsecho"http.host:0.0.0.0">>/mydata/el
  • docker部署elasticsearch 大大陈· elasticsearchdocker大数据
    docker部署es1.简单启动2.配置文件3.安装es步骤1.简单启动#"discovery.type=single-node"标识单机启动dockerrun-d--nameelasticsearch-p9200:9200-p9300:9300-e"discovery.type=single-node"elasticsearch:tag#如果没有上面的标识，是集群启动，不这样做会报错#但是这样启
  • Docker安装elasticsearch和kibana viego1999 elasticsearchdocker大数据
    1、首先拉取elasticsearch镜像dockerpullelasticsearch:7.9.12、创建docker挂载的目录我这里将docker环境下挂在的目录统一放在了/dockerdata目录下mkdir-p/dockerdata/elasticsearch/configmkdir-p/dockerdata/elasticsearch/datamkdir-p/dockerdata/ela
  • Docker部署单点es Javaismymorning ES学习笔记dockerelasticsearch
    前言该笔记是根据B站上黑马SpringCloud学习总结的一、ES是什么？Elasticsearch是一个分布式、高扩展、高实时的搜索与数据分析引擎。它能很方便的使大量数据具有搜索、分析和探索的能力。充分利用Elasticsearch的水平伸缩性，能使数据在生产环境变得更有价值二、Docker部署ES步骤1.创建网络因为还要部署Kibana，实现es和Kibana关联，创建一个网络Kibana是为
  • MySQL同步数据到Elasticsearch 运维小雅 elasticsearchmysql大数据
    背景随着平台的业务日益增多，基于数据库的全文搜索查询速度较慢，已经无法满足需求。所以，决定基于Elasticsearch做一个全文搜索平台，支持业务相关的搜索需求。那么第一个问题就是：如何从MySQL同步数据到Elasticsearch？解决方案一：基于Logstash同步数据该方案上次有详细说明过，这里就简单描述一下。Logstash同步数据流程图：优点：1、组件少，只需要Logstash就可以
  • docker安装与使用 小鱼做了就会 开发框架及各种插件dockerjavamavenubuntulinux
    docker安装与使用一、docker安装二、容器三、镜像五、Docker部署ES5.1部署ES5.2配置跨域5.3重启容器5.4Docker部署ES-IK分词器5.5Docker部署ElasticSearch-Head5.6Docker快速安装kibana一、docker安装sudowget-qO-https://get.docker.com/|bash二、容器容器是由镜像实例化而来，这和我们学
  • ES(Elasticsearch)常用的函数 遨游在知识的海洋里无法自拔 java
    Elasticsearch（简称ES）是一个开源的搜索引擎，广泛用于全文搜索、分析和数据可视化。以下是一些常用的Elasticsearch函数和操作：索引操作创建索引PUT/index_name删除索引DELETE/index_name查看索引GET/index_name文档操作插入文档POST/index_name/_doc/{"field":"value"}获取文档GET/index_name
  • golang学习笔记16——golang部署与运维全攻略 GoppViper golang学习笔记golang学习笔记后端持续部署源代码管理
    推荐学习文档golang应用级os框架，欢迎star基于golang开发的一款超有个性的旅游计划app经历golang实战大纲golang优秀开发常用开源库汇总golang学习笔记01——基本数据类型golang学习笔记02——gin框架及基本原理golang学习笔记03——gin框架的核心数据结构golang学习笔记04——如何真正写好Golang代码？golang学习笔记05——golang协
  • java实现es分页查询_elasticsearch high level rest api分页查询数据 weixin_42565971 java实现es分页查询
    Transport方式查询数据，在今后的elasticsearch中将不在维护，官方推荐用用highlevelrestapi或者lowerlevelapi去操作elasticsearch中的数据。在elasticsearch的增删改查操作中，其实最复杂的也就是分页查询了，根据elasticsearch官方资料，做个简单的笔记.1.准备jar包,我用的elasticsearch7.3版本,各版本需要
  • android fork 子进程,fork子进程 那你干哈 androidfork子进程
    title:fork子进程data:2019/3/2120:24:39toc:true这里实在学习socket编程前的小知识点,用来创建多个服务端学习文档速记fork并不保证父子进程的执行顺序,会存在父进程先比子进程结束,这个时候子进程的就可能由系统进程1(PID为1的init)接管子进程返回0父进程返回子进程的进程号(PID)粗浅的理解就是fork之后创建了一个一模一样的上下文,子进程也是从下一
  • python连接es_Elasticsearch --- 3. ik中文分词器, python操作es weixin_39962285 python连接es
    一.IK中文分词器1.下载安装2.测试#显示结果{"tokens":[{"token":"上海","start_offset":0,"end_offset":2,"type":"CN_WORD","position":0},{"token":"自来水","start_offset":2,"end_offset":5,"type":"CN_WORD","position":1},{"token":"
  • python 写入es_python-elasticsearch从创建索引到写入数据 夙砂酒 python写入es
    创建索引fromelasticsearchimportElasticsearches=Elasticsearch('192.168.1.1:9200')mappings={"mappings":{"type_doc_test":{#type_doc_test为doc_type"properties":{"id":{"type":"long","index":"false"},"serial":{"
  • 使用Python的Elasticsearch客户端 elasticsearch-py 来完成删除现有索引、重新创建索引并测试分词的示例代码 Roc-xb Pythonpythonelasticsearch
    以下是一个使用Python的Elasticsearch客户端elasticsearch-py来完成删除现有索引、重新创建索引并测试分词的示例代码一、安装依赖pipinstallelasticsearch二、运行效果三、程序代码fromelasticsearchimportElasticsearch,NotFoundError#连接到Elasticsearches=Elasticsearch(
  • springboot指定依赖jar版本 m0_67402235 javajava后端
    项目是maven父子项目结构如下：有多个子项目，因为springboot版本采用的是1.5.所以默认导入的elasticsearch版本是1.2.，而我们的集群是6.*的版本，试了很多次最后解决问题如下：在父pom的dependencyManagement中添加指定版本就可以了因为！！！父pom中指定版本优先级最高，所以可以解决子依赖pom中的版本问题。子模块只需要引入就可以了
  • ElasticSearch-多边形范围查询(8.x) W_Meng_H #ElasticSearch#SpringBootelasticsearch大数据搜索引擎
    目录一、字段设计二、数据录入三、查询语句四、Java代码实现开发版本详见：Elasticsearch-经纬度查询(8.x-半径查询)_es经纬度范围查询-CSDN博客一、字段设计PUT/aoi_points{"mappings":{"properties":{"location":{"type":"geo_shape"}}}}aoi_points是索引名称，location是字段名称，它将存储地理
  • Elasticsearch文档值 知知之之 Elasticsearchelasticsearch大数据搜索引擎
    在Elasticsearch中，文档值（DocValues）是用于高效存储和检索数据的一种数据结构，特别是在处理聚合、排序和过滤操作时。文档值是Elasticsearch为每个字段生成的预先计算的格式化数据，目的是改善性能和降低内存使用。什么是文档值（DocValues）文档值是将字段的数据存储在磁盘上的一种方式，使得字段的值以列式结构存储。这种存储方式使得对字段的高效检索和聚合成为可能，尤其是在
  • 弹性搜索引擎Elasticsearch：本地部署与远程访问指南 猴哥是肖鸿 人工智能技术指导专升本jenkins运维
    在大数据时代，数据搜索和分析成为企业核心竞争力的关键因素。弹性搜索引擎Elasticsearch作为一种分布式、可扩展的搜索和分析引擎，受到广泛欢迎。本文将介绍Elasticsearch的本地部署与远程访问，帮助读者更好地利用这一强大的工具。一、本地部署环境准备在开始部署Elasticsearch之前，需要准备以下环境：操作系统：Elasticsearch支持多种操作系统，如Linux、Windo
  • elasticsearch 图灵农场 tl微服务专题
    cluster：代表一个集群，集群中有多个节点，其中有一个为主节点，这个主节点是可以通过选举产生的，主从节点是对于集群内部来说的。es的一个概念就是去中心化，字面上理解就是无中心节点，这是对于集群外部来说的，因为从外部来看es集群，在逻辑上是个整体，你与任何一个节点的通信和与整个es集群通信是等价的。shards：代表索引分片，es可以把一个完整的索引分成多个分片，这样的好处是可以把一个大的索引拆
  • windows下源码安装golang 616050468 golang安装golang环境windows
             系统： 64位win7， 开发环境：sublime text 2，  go版本： 1.4.1    1.  安装前准备(gcc, gdb, git)        golang在64位系
  • redis批量删除带空格的key bylijinnan redis
    redis批量删除的通常做法： redis-cli keys "blacklist*" | xargs redis-cli del 上面的命令在key的前后没有空格时是可以的，但有空格就不行了： $redis-cli keys "blacklist*" 1) "blacklist:12: [email protected]
  • oracle正则表达式的用法 0624chenhong oracle正则表达式
      方括号表达示 方括号表达式 描述 [[:alnum:]] 字母和数字混合的字符 [[:alpha:]] 字母字符 [[:cntrl:]] 控制字符 [[:digit:]] 数字字符 [[:graph:]] 图像字符 [[:lower:]] 小写字母字符 [[:print:]] 打印字符 [[:punct：]] 标点符号字符 [[:space:]]
  • 2048源码(核心算法有，缺少几个anctionbar，以后补上) 不懂事的小屁孩 2048
    2048游戏基本上有四部分组成， 1：主activity，包含游戏块的16个方格，上面统计分数的模块 2：底下的gridview，监听上下左右的滑动，进行事件处理， 3：每一个卡片，里面的内容很简单，只有一个text，记录显示的数字 4：Actionbar，是游戏用重新开始，设置等功能(这个在底下可以下载的代码里面还没有实现) 写代码的流程 1：设计游戏的布局，基本是两块，上面是分
  • jquery内部链式调用机理 换个号韩国红果果 JavaScriptjquery
    只需要在调用该对象合适(比如下列的setStyles)的方法后让该方法返回该对象（通过this  因为一旦一个函数称为一个对象方法的话那么在这个方法内部this（结合下面的setStyles）指向这个对象） function create(type){ var element=document.createElement(type); //this=element;
  • 你订酒店时的每一次点击 背后都是NoSQL和云计算 蓝儿唯美 NoSQL
    全球最大的在线旅游公司Expedia旗下的酒店预订公司，它运营着89个网站，跨越68个国家，三年前开始实验公有云，以求让客户在预订网站上查询假期酒店时得到更快的信息获取体验。 云端本身是用于驱动网站的部分小功能的，如搜索框的自动推荐功能，还能保证处理Hotels.com服务的季节性需求高峰整体储能。 Hotels.com的首席技术官Thierry Bedos上个月在伦敦参加“2015 Clou
  • java笔记1 a-john java
    1，面向对象程序设计（Object-oriented Propramming，OOP）：java就是一种面向对象程序设计。 2，对象：我们将问题空间中的元素及其在解空间中的表示称为“对象”。简单来说，对象是某个类型的实例。比如狗是一个类型，哈士奇可以是狗的一个实例，也就是对象。 3，面向对象程序设计方式的特性：     3.1 万物皆为对象。    
  • C语言 sizeof和strlen之间的那些事 C/C++软件开发求职面试题 必备考点（一） aijuans C/C++求职面试必备考点
            找工作在即，以后决定每天至少写一个知识点，主要是记录，逼迫自己动手、总结加深印象。当然如果能有一言半语让他人收益，后学幸运之至也。如有错误，还希望大家帮忙指出来。感激不尽。        后学保证每个写出来的结果都是自己在电脑上亲自跑过的，咱人笨，以前学的也半吊子。很多时候只能靠运行出来的结果再反过来
  • 程序员写代码时就不要管需求了吗？ asia007 程序员不能一味跟需求走
          编程也有2年了，刚开始不懂的什么都跟需求走，需求是怎样就用代码实现就行，也不管这个需求是否合理，是否为较好的用户体验。当然刚开始编程都会这样，但是如果有了2年以上的工作经验的程序员只知道一味写代码，而不在写的过程中思考一下这个需求是否合理，那么，我想这个程序员就只能一辈写敲敲代码了。       我的技术不是很好，但是就不代
  • Activity的四种启动模式 百合不是茶 android栈模式启动Activity的标准模式启动栈顶模式启动单例模式启动
    android界面的操作就是很多个activity之间的切换,启动模式决定启动的activity的生命周期 ;   启动模式xml中配置     <activity android:name=".MainActivity" android:launchMode="standard&quo
  • Spring中@Autowired标签与@Resource标签的区别 bijian1013 javaspring@Resource@Autowired@Qualifier
    Spring不但支持自己定义的@Autowired注解，还支持由JSR-250规范定义的几个注解，如：@Resource、 @PostConstruct及@PreDestroy。   1. @Autowired    @Autowired是Spring 提供的，需导入    Package:org.springframewo
  • Changes Between SOAP 1.1 and SOAP 1.2 sunjing ChangesEnableSOAP 1.1SOAP 1.2
    JAX-WS SOAP Version 1.2 Part 0: Primer (Second Edition) SOAP Version 1.2 Part 1: Messaging Framework (Second Edition) SOAP Version 1.2 Part 2: Adjuncts (Second Edition)   Which style of WSDL
  • 【Hadoop二】Hadoop常用命令 bit1129 hadoop
    以Hadoop运行Hadoop自带的wordcount为例，   hadoop脚本位于/home/hadoop/hadoop-2.5.2/bin/hadoop，需要说明的是，这些命令的使用必须在Hadoop已经运行的情况下才能执行   Hadoop HDFS相关命令  hadoop fs -ls  列出HDFS文件系统的第一级文件和第一级
  • java异常处理（初级） 白糖_ javaDAOspring虚拟机Ajax
    从学习到现在从事java开发一年多了，个人觉得对java只了解皮毛，很多东西都是用到再去慢慢学习，编程真的是一项艺术，要完成一段好的代码，需要懂得很多。 最近项目经理让我负责一个组件开发，框架都由自己搭建，最让我头疼的是异常处理，我看了一些网上的源码，发现他们对异常的处理不是很重视，研究了很久都没有找到很好的解决方案。后来有幸看到一个200W美元的项目部分源码，通过他们对异常处理的解决方案，我终
  • 记录整理-工作问题 braveCS 工作
    1）那位同学还是CSV文件默认Excel打开看不到全部结果。以为是没写进去。同学甲说文件应该不分大小。后来log一下原来是有写进去。只是Excel有行数限制。那位同学进步好快啊。 2）今天同学说写文件的时候提示jvm的内存溢出。我马上反应说那就改一下jvm的内存大小。同学说改用分批处理了。果然想问题还是有局限性。改jvm内存大小只能暂时地解决问题，以后要是写更大的文件还是得改内存。想问题要长远啊
  • org.apache.tools.zip实现文件的压缩和解压，支持中文 bylijinnan apache
    刚开始用java.util.Zip，发现不支持中文（网上有修改的方法，但比较麻烦） 后改用org.apache.tools.zip org.apache.tools.zip的使用网上有更简单的例子 下面的程序根据实际需求，实现了压缩指定目录下指定文件的方法 import java.io.BufferedReader; import java.io.BufferedWrit
  • 读书笔记-4 chengxuyuancsdn 读书笔记
    1、JSTL 核心标签库标签 2、避免SQL注入 3、字符串逆转方法 4、字符串比较compareTo 5、字符串替换replace 6、分拆字符串 1、JSTL 核心标签库标签共有13个， 学习资料：http://www.cnblogs.com/lihuiyy/archive/2012/02/24/2366806.html 功能上分为4类： (1)表达式控制标签：out
  • [物理与电子]半导体教材的一个小问题 comsci 问题
          各种模拟电子和数字电子教材中都有这个词汇-空穴       书中对这个词汇的解释是; 当电子脱离共价键的束缚成为自由电子之后,共价键中就留下一个空位,这个空位叫做空穴       我现在回过头翻大学时候的教材,觉得这个
  • Flashback Database --闪回数据库 daizj oracle闪回数据库
    Flashback 技术是以Undo segment中的内容为基础的， 因此受限于UNDO_RETENTON参数。要使用flashback 的特性，必须启用自动撤销管理表空间。 在Oracle 10g中， Flash back家族分为以下成员： Flashback Database， Flashback Drop，Flashback Query(分Flashback Query,Flashbac
  • 简单排序:插入排序 dieslrae 插入排序
    public void insertSort(int[] array){ int temp; for(int i=1;i<array.length;i++){ temp = array[i]; for(int k=i-1;k>=0;k--)
  • C语言学习六指针小示例、一维数组名含义，定义一个函数输出数组的内容 dcj3sjt126com c
    # include <stdio.h> int main(void) { int * p; //等价于 int *p 也等价于 int* p; int i = 5; char ch = 'A'; //p = 5; //error //p = &ch; //error //p = ch; //error p = &i; //
  • centos下php redis扩展的安装配置3种方法 dcj3sjt126com redis
    方法一 1.下载php redis扩展包  代码如下 复制代码 #wget http://redis.googlecode.com/files/redis-2.4.4.tar.gz 2 tar -zxvf 解压压缩包，cd /扩展包 （进入扩展包然后 运行phpize 一下是我环境中phpize的目录，/usr/local/php/bin/phpize (一定要
  • 线程池(Executors) shuizhaosi888 线程池
    在java类库中，任务执行的主要抽象不是Thread，而是Executor，将任务的提交过程和执行过程解耦 public interface Executor { void execute(Runnable command); }   public class RunMain implements Executor{ @Override pub
  • openstack 快速安装笔记 haoningabc openstack
    前提是要配置好yum源 版本icehouse，操作系统redhat6.5 最简化安装，不要cinder和swift 三个节点 172 control节点keystone glance horizon 173 compute节点nova 173 network节点neutron control /etc/sysctl.conf net.ipv4.ip_forward =
  • 从c面向对象的实现理解c++的对象（二） jimmee C++面向对象虚函数
    1. 类就可以看作一个struct，类的方法，可以理解为通过函数指针的方式实现的，类对象分配内存时，只分配成员变量的，函数指针并不需要分配额外的内存保存地址。 2. c++中类的构造函数，就是进行内存分配(malloc)，调用构造函数 3. c++中类的析构函数，就时回收内存(free) 4. c++是基于栈和全局数据分配内存的，如果是一个方法内创建的对象，就直接在栈上分配内存了。 专门在
  • 如何让那个一个div可以拖动 lingfeng520240 html
    <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/xhtml
  • 第10章 高级事件（中） onestopweb 事件
    index.html <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/
  • 计算两个经纬度之间的距离 roadrunners 计算纬度LBS经度距离
    要解决这个问题的时候，到网上查了很多方案，最后计算出来的都与百度计算出来的有出入。下面这个公式计算出来的距离和百度计算出来的距离是一致的。 /** * * @param longitudeA * 经度A点 * @param latitudeA * 纬度A点 * @param longitudeB *
  • 最具争议的10个Java话题 tomcat_oracle java
    1、Java8已经到来。什么！？ Java8 支持lambda。哇哦，RIP Scala！ 　　随着Java8 的发布，出现很多关于新发布的Java8是否有潜力干掉Scala的争论，最终的结论是远远没有那么简单。Java8可能已经在Scala的lambda的包围中突围，但Java并非是函数式编程王位的真正觊觎者。 　 　2、Java 9 即将到来 　　 Oracle早在8月份就发布
  • zoj 3826 Hierarchical Notation(模拟) 阿尔萨斯 rar
    题目链接：zoj 3826 Hierarchical Notation 题目大意：给定一些结构体，结构体有value值和key值，Q次询问，输出每个key值对应的value值。 解题思路：思路很简单，写个类词法的递归函数，每次将key值映射成一个hash值，用map映射每个key的value起始终止位置，预处理完了查询就很简单了。 这题是最后10分钟出的，因为没有考虑value为{}的情
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他