庐州曦月
庐州曦月

ElasticSearch

全文搜索、结构化搜索、分析以及将这三者混合使用

  1. 全文检索：

支持模糊查询全文，速度快，而MySQL也能模糊查询，但此时的 %content%不走索引；

基本概念

与MySQL对比：

ElasticSearch MySQL数据库
索引(indices) index 数据库
类型(type) 已废除
一个索引包含多个类型		 Table 数据表
文档(Document) Row 行
字段（Field） Column 列
Mapping Schema
DSL （API） SQL
  1. 索引类似于数据库，包括多个文档或类型，
    1. 类型：索引中的逻辑分类，可定义自己的映射和设置。
    2. 文档：类似于行，被查询搜索的对象。
      1. 映射：定义文档的字段（field）及数据类型，类似于表结构的定义。
        1. 字段：文档中的属性；（键值对）包括 文本、数字、日期。类似于列。

倒排索引：

Elasticsearch 底层数据结构 - TechLee - 博客园
将文章分词，统计不同词汇 的出现次数及对应的位置：倒排索引。

  • 即根据 分词找到对应的记录（位置、次数）

ElasticSearch_第1张图片
常见名词：

  1. Term Dictionary 词字典
  2. 通常 **词条（Term） **的数量巨大，故对词条进行排序，之后使用二分查询。快速查找 Term
  3. 一般不会存于内存中。（太多了）
  4. Term Index 部分词的前缀。 由 byte数组组成。(一般是字母或其他字符)
  5. 目的：快速找到 Term Dictionary 的大致位置，以提高对 词条 的查询效率
  6. 使用 FST结构存储于内存中，减少容量大小，查询速度快
  7. PostingList int数组。存储符合 词条 Term 的文档id
  8. 优化：使用 FOR编码对其压缩，以保证查询效率的同时节约磁盘空间。
  9. 通常情况下，需要对文档ID进行 并集、交集操作（多条件查询时），PostingList 使用 Roaring Bitmaps操作并交集，可以节省空间并快速计算并交集。 Roaring Bitmaps详见：Elasticsearch 底层数据结构 - TechLee - 博客园 Roaring bitmaps 部分

什么是 Elasticsearch？一篇搞懂-腾讯云开发者社区-腾讯云

FST结构

ElasticSearch : FST 数据结构 - 掘金
Elasticsearch中的FST（Finite State Transducer）是一种有限状态转换器，用于高效地存储和检索大量的字符串数据。FST是一种基于有向图的数据结构，可实现高效的前缀匹配、模糊搜索和自动完成等功能。

  1. 在Elasticsearch中被广泛应用于搜索引擎的内部工作机制中，特别是在倒排索引（Inverted Index）的构建和词条（Term）的检索过程中。倒排索引是一种将文档中的词条映射到文档ID的数据结构，而FST则可以用于快速检索和匹配这些词条。
  2. 主要优势: 高效性和紧凑性。它使用了一种特殊的压缩算法，能够以非常紧凑的方式存储大量的字符串数据，并支持快速的前缀匹配和模糊搜索。这使得Elasticsearch能够在大规模数据集上快速地进行搜索和匹配操作。
  3. 其他领域: 比如自然语言处理、数据压缩和字典匹配等。它的高效性和紧凑性使得它成为许多字符串处理任务的理想选择。

FOR编码

Elasticsearch 底层数据结构 - TechLee - 博客园 的FOR模块
在倒排索引中，posting list用于存储每个词项出现的文档ID列表。通常情况下，posting list中的文档ID是按照递增顺序存储的。

  • 当文档ID在posting list中具有较大的间隔时，使用递增的方式存储会导致posting list的长度变长，占用更多的存储空间。这也会对查询性能产生一定的影响。
  • 为了解决这个问题，Elasticsearch引入了Frame of Reference（FoR）技术。FoR可以将posting list中的文档ID转换为相对于一个参考点的差值，然后使用压缩算法对这些差值进行存储。这样可以大大减少存储空间的占用，并且不会对查询性能造成明显的影响。

使用Frame of Reference技术的好处是可以在保持查询性能的同时，减少了倒排索引的存储空间，从而提高了整体的索引效率。

CRUD

  1. PUT 覆盖
PUT test/doc/2 
{
  "name":"wangfei",
  "age":27,
  "desc":"热天还不让后人不认同"
}
  1. GET查询
 -- 查询索引信息
GET test 
-- 查询指定文档信息
GET test/doc/1

--查询对应索引下全部数据
GET test/doc/_search
  {
    "query": {
      "match_all": {}
    }
  }
  1. DELETE 删除
-- 删除指定文档
DELETE test/doc/3

-- 删除整个索引
DELETE test
  1. POST 修改/新增
-- 修改指定属性：
POST test/doc/1/_update
  {
    "doc":{
      "desc":"生活就像 茫茫海上"
    }
  }

查询

在Elasticsearch中，查询（query）是用于搜索和过滤文档的一种机制。通过查询，您可以指定要搜索的字段、搜索的条件以及其他参数来获取匹配的文档。
Elasticsearch提供了多种类型的查询，以下是一些常用的查询类型：

  1. Match查询：用于在文本字段中搜索包含指定词语的文档，默认会对查询的文本进行分词处理。相当于模糊匹配,只包含其中一部分关键词就行

分词：例如，如果你使用match查询搜索"Hello World"，它会将文本分成两个词"hello"和"world"，然后在索引中搜索包含这两个词的文档。

  1. Term查询：用于搜索精确匹配某个字段的词语，不会进行分词。例如，搜索"status": "published"将返回status字段值为"published"的文档。
  2. Range查询：用于搜索某个字段的范围内的值。可以指定一个范围，如"age": { "gte": 18, "lte": 30 }表示搜索age字段在18到30之间的文档。
  3. Bool查询：用于组合多个查询条件，包括must、must_not、should和filter等子查询。可以通过布尔逻辑（与、或、非）来组合多个查询条件。
  4. Wildcard查询：用于在文本字段中进行通配符匹配，如"name": "Joh?n"将匹配"name"字段为"John"或"Joan"的文档。
  5. Exists查询：用于搜索包含某个字段的文档，如"exists": { "field": "name" }将返回包含"name"字段的文档。

以上只是一些常见的查询类型，Elasticsearch还提供了更多的查询类型和功能，如全文搜索、聚合查询、地理位置查询等。
elasticsearch 常见几种查询方式

常见的查询：

term

  1. term查询:精确查询，不分词，只能查单个词
{
  "query":{
    "term":{
      "title":"love china",
    }
  }
}
  1. 用term匹配多个词：使用 terms数组，多个词之间是或的关系。
{
  "query": {
    "terms": {
      "title": ["love", "China"]
    }
  }
}
  1. 也可以使用 多个 term：与 terms数组结果一样。
{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "age":27
          }
        },{
          "term":{
            "age":28
          }
        }
      ]
    }
  }
}

match

使用match查询，会对文本进行分析器分析，模糊查询；而 term查询不会有分析器分析的过程。

  • match查询可以用于全文搜索（full text search）和精确匹配（exact value match）。
    • 当应用于文本字段时，"match"查询会对查询字符串进行分词处理，并与字段中的词项进行匹配。它会考虑词项的顺序、重复和相似性等因素来计算匹配度，并返回匹配度最高的文档。
    • 当应用于非字符串字段或者"**not_analyzed**"类型的字段时，"match"查询会进行精确匹配。它会将查询字符串与字段的原始值进行比较，只有在完全匹配的情况下才会返回匹配的文档。
{
  "query":{
    "match":{
      "title":"中国"
    }
  }
}
  1. 全文查询: match_all 返回所有匹配的结果。
{
  "query":{
    "match_all": {
      
    }
  }
}
  1. 短语查询 ： match_phrase

不懂可以看：Elasticsearch使用：Match_phrase查询-腾讯云开发者社区-腾讯云

  1. 词汇匹配 且词的相对位置一致
    1. 词汇匹配： 查询分词的词项必须完全匹配到索引分词的词项中
    2. 相对位置也需一致。默认 slop=0，即顺序必须相同且必须都是连续的。
{
  "query":{
    "match_phrase": {
      "title": "中国风"
    }
  }
}
-- 匹配的结果： 中国、国风； 
-- 不会匹配的结果：美国，中风，国中

slop:

{
  "query":{
    "match_phrase": {
      "title": {
        "query": "中国世界",
        "slop":2
      }
    }
  }
}
-- 中国是世界上人口最多的国家
  1. 最左前缀查询：match_phrase_prefix
    1. : 搜索特定字符、短语 开头的数据
    2. max_expansions ：最多返回的匹配项。默认为50。以对查询结果进行限制，前缀查询会非常的影响性能
{
  "query": {
    "match_phrase_prefix": {
      "desc": "bea" 或："desc": "you are bea",
       "max_expansions":1
    }
  }
}
-- 匹配到以文本开头的数据
  1. 多字段查询：multi_match
    1. 要在多个不同字段（不同属性下）中匹配同一个关键字。
    • 当设置属性 type:phrase 时 等同于 短语查询
    • 当设置属性 type:phrase_prefix时 等同于 最左前缀查询
GET test2/doc/_search
{
  "query": {
    "multi_match": {
      "query": "beautiful",
      "fields": ["title","desc"],
       "type": ""
    }
  }
}

-- 只要包含beautiful，即返回。
"_source1" : {
          "title" : "prefix1",
          "desc" : "beautiful girl you are beautiful so"
        }
 "_source2" : {
          "title" : "beautiful",
          "desc" : "I like basking on the beach"
        }

小总结

match_phrase ，match与term的区别：
es中的term和match的区别

  1. term属于精确匹配，只能查单个词。
    1. terms里的[] 多个是或者的关系，只要满足其中一个词就可以。想要通知满足两个词的话，就得使用bool的must
  2. match 默认分词，进行模糊查询，只要包含关键词则查询。
    1. 若字段属性是 keyword类型，match也不分词。
  3. match_phrase 称为短语搜索，要求所有的分词必须同时出现在文档中，同时位置必须紧邻一致。

bool查询（多条件查询）

包含四种操作符，分别是must,should,must_not,query。它们均是一种数组，数组里面是对应的判断条件

1.must：

必须匹配，与and等价。贡献算分

#### 多条件组合查询
GET test/doc/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "name": "wanggfei" } },
        { "match": { "age": 25 } }
      ]
    }
  }
}

2.must_not：

必须不匹配，与not等价，所有的must_not子句都不能匹配，但不贡献算分

3.should：

选择性匹配，至少满足一条，与 OR 等价。贡献算分

4.filter：

过滤子句，必须匹配，但不贡献算分
过滤器，会查询对结果进行缓存，不会计算相关度，避免计算分值，执行速度非常快。
filter也常和range范围查询一起结合使用，range范围可供组合的选项
gt : 大于
lt : 小于
gte : 大于等于
lte :小于等于

排序查询

需要分词的字段无法直接排序 eg：text 类型 。
es的text类型的排序问题

  1. 若需要对该类型进行排序，需要对字段索引两次：
    1. 索引分词（用于搜索）
    2. 索引不分词（进行排序）

es 默认生成的 text 类型 是通过该方式实现排序

准备索引：

## mapping创建
PUT test_text_sort
{
  "mappings": {
    "doc": {
      "properties": {
        "name": {
          "type": "text",
          "fields":{
            "row":{
              "type":"keyword" 
            }
          },
          "fielddata":true
        }
      }
    }
  }, 
  "settings": {
    "number_of_replicas": 0,
    "number_of_shards": 1
  }
}

使用name的子字段：row 排序： name.row

GET test_text_sort/doc/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "name.row": {
        "order": "desc"
      }
    }
  ]
}

分页查询

from ：开始位置； size 查询条数。

GET test/doc/_search
{
  "query": {
    "match_phrase_prefix": {
      "name": "wang"
    }
  },
  "from": 0,
  "size": 1
}

查询结果过滤

对查询的结果指定返回某些属性：

GET test/doc/_search
{
  "query":{
    "match":{
      "name":"wang"
    }
  },
    "_source":["name","id"]
}
-- 指定属性返回 name、id

高亮显示
GET test/doc/_search
{
  "query":{
    "match":{
      "name":"wang"
    }
  },
  "highlight":{
    "fields":{
      "name": {}  -- 默认高亮
  }
}

自定义高亮：

  1. pre_tags 定义标签前部分
  2. post_tags 定义标签后部分
{
  "query": {
    "match": {
      "desc": "性格直"
    }
  },
  "highlight": {
    "pre_tags": "",
    "post_tags": "",
    "fields": {
      "desc": {}
    }
  }
}

聚合查询

group 分组、avg 平均数、max、min、sum

Elasticsearch的聚合查询是一种用于对数据进行统计、分析和计算的功能强大的工具。

聚合函数的使用，一定是先查出结果，然后对结果使用聚合函数做处理！

avg、max、min、sum

eg：求平均年龄：

GET zhifou/doc/_search 
{
  "query": {
    "match": {
      "from": "gu"
    }
  },
  "aggs": {
    "my_avg": {
      "avg": {
        "field": "age"
      }
    }
  },
  "size":0,
  "_source": ["name", "age"]
}
-- 查询 from字段包含 gu 的 年龄平均值

解释：

  1. aggs:做聚合操作
  2. my_avg：自定义的返回结果名称
  3. avg 对指定字段field 求 平均数
  4. **"size":0** 设置不返回具体查询结果，只返回聚合结果

查询结果：

{
  "took" : 35,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 3,
    "max_score" : 0.0,
    "hits" : [{...},{...}... ]
  },
  "aggregations" : {
    "my_avg" : {
      "value" : 27.0
    }
  }
}

{
  "_index" : "zhifou",
  "_type" : "doc",
  "_id" : "4",
  "_score" : 0.6931472,
  "_source" : {
    "name" : "石头",
    "age" : 29
  }
}

返回结果键的解释：
  • “took”：查询所花费的时间（以毫秒为单位）。
  • “timed_out”：指示查询是否超时。
  • “_shards”：关于查询涉及的分片的统计信息。
    • “total”：总分片数。
    • “successful”：成功执行的分片数。
    • “skipped”：跳过的分片数。
    • “failed”：执行失败的分片数。
  • “hits”：与查询条件匹配的文档的结果。
    • “total”：总匹配文档数。
    • “max_score”：最相关的文档分数。
    • “hits”：匹配的文档列表。
      • “_index”：文档所在的索引。
      • “_type”：文档的类型。
      • “_id”：文档的唯一标识符。
      • “_score”：文档的得分。
      • “_source”：文档的原始内容。
  • “aggregations”：关于聚合操作的结果。
    • “my_avg”：聚合操作的名称。
      • “value”：聚合结果的值。

下面是一个示例的聚合查询请求体，展示了几种常用的聚合操作：

{
  "size": 0,
  "aggs": {
    "group_by_age": {
      "terms": {
        "field": "age",
        "size": 10
      }
    },
    "average_age": {
      "avg": {
        "field": "age"
      }
    },
    "sum_age": {
      "sum": {
        "field": "age"
      }
    },
    "min_age": {
      "min": {
        "field": "age"
      }
    },
    "max_age": {
      "max": {
        "field": "age"
      }
    }
  }
}

在这个示例中，使用了以下几种聚合操作：

  • terms聚合：按照"age"字段进行分组，并指定返回的分组数量为10。
  • avg聚合：计算"age"字段的平均值。
  • sum聚合：计算"age"字段的总和。
  • min聚合：计算"age"字段的最小值。
  • max聚合：计算"age"字段的最大值。

这些聚合操作可以根据你的需求进行组合和嵌套，以获得更复杂的聚合结果。你还可以通过filter、range、date_histogram等子聚合来进一步细化聚合结果。
请注意，在上述示例中的查询请求体中，size参数设置为0，表示不返回任何文档，只返回聚合结果。如果你需要同时返回文档和聚合结果，请将size参数设置为大于0的数值。

分组查询
  • 需求： 要查询所有人的年龄段，并且按照1520，2025,25~30分组，并且算出每组的平均年龄。
GET zhifou/doc/_search

{
  "size": 0,
  "query": {
    "match": {
      "name": "text"
    }   
  },
  "aggs": {
    "range_age": {
      "range": {
        "field": "age", -- 根据什么属性分组
         "ranges": [
           	{"from": 15, "to": 20},
            {"from": 20, "to": 25},
            {"from": 25, "to": 30}
         ]
      },
      "aggs": {
        "range_avg_age": {  -- 对不同的分组进行计算年龄的平均值
          "avg": {
            "field": "age"
          }
        }
      }
    }
  }
}

查询结果：

"aggregations": {
    "age_ranges": {
      "buckets": [
        {
          "key": "15-20",
          "from": 15,
          "to": 20,
          "doc_count": 20,
          "average_age": {
            "value": 18.5
          }
        },
        {
          "key": "20-25",
          "from": 20,
          "to": 25,
          "doc_count": 30,
          "average_age": {
            "value": 22.3
          }
        },
        {
          "key": "25-30",
          "from": 25,
          "to": 30,
          "doc_count": 50,
          "average_age": {
            "value": 27.8
          }
        }
      ]
    }
  }

映射Mapping

定义文档字段和据类型；

Mapping参数详解文档：

ES mapping 详解_ZhaoYingChao88的博客-CSDN博客
Elasticsearch 5.4 Mapping详解_esc_ai的博客-CSDN博客

字段数据类型：

文本（text）、关键字（keyword）、日期（data）、整形（long）、双精度（double）、布尔（boolean）或ip、对象（Object）、数组（Array）、地理位置（geo_point & geo_shape/percolator）等。

创建索引：

注意：默认情况下，创建的索引分片数量是 5 个，副本数量是 1 个。

您可以通过如下参数来指定分片数、副本数量：

# PUT http://127.0.0.1:9200/user  -- 创建索引
{
	"settings": {
		"number_of_shards": 3,
		"number_of_replicas": 2
	}
}
-- 返回结果
{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "user"
}
  1. “number_of_replicas”: 设置每个分片的副本数量。默认为1个。
  2. “number_of_shards”: 设置索引的主分片数量。 每个索引默认5个主分片。
    1. 分片是将索引的数据分布在集群中的不同节点上的方式，它可以提高搜索和并行处理的性能。
设置mapping：
# PUT http://127.0.0.1:9200/user/_mapping  
{
    "properties": {
        "name":{ "type": "text",	"index": true },
        "sex":{  "type": "keyword",	"index": true },
        "tel":{	"type": "keyword",	"index": false }
    }
}

查询映射：
#GET http://127.0.0.1:9200/user/_mapping

完整操作

使用PUT请求定义一个索引

PUT /test_index
{
  "mappings": {
    "doc": {
      "dynamic" : true,
      "properties": {
        "name": {
          "type": "text",
          "fields": {
            "row": {
              "type": "keyword"
            }
          },
          "fielddata": true
        },
        "age": {
          "type": "integer"
        }
      }
    }
  }
}

创建了索引 test_index。在索引的"mappings"部分中，定义类型：doc，两段：“name"和"age”。

  • “name"字段的类型是"text”，定义子字段"row"，其类型是"keyword"。这样做是为了在排序时可使用**"raw"子字段，以便于进行精确匹配、聚合操作和排序。**
  • “age"字段的类型是"integer”，表示它是一个整数类型的字段。
  • fielddata 详见：fielddata

Mapping常见参数

fields

为字段定义子字段，使得同一个字段可以有多个不同的索引方式。

  • "fields"属性使用范围：
    • 主字段的类型必须是支持多个类型的主字段类型，
    • "text"、"keyword"或"completion"等。这样才能为字段定义多个子字段。
  • eg：String类型的字段，可以 text 全文索引，也可 keyword 聚合和排序
PUT my_index
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "fields": {
          "accurateSearch": {
            "type": "keyword"
          },
          "suggest": {
            "type": "completion"
          }
        }
      }
    }
  }
}

在上面的示例中，我们定义了一个名为"title"的字段，它的主字段类型为"text"。同时，我们还为"title"字段定义了两个子字段：“keyword"和"suggest”。

  • “accurateSearch"子字段的类型为"keyword”，这意味着它将被索引为一个精确值，适合进行精确匹配和聚合操作。
  • “suggest"子字段的类型为"completion”，这意味着它将被用于自动补全和建议功能。

通过这样的设置，我们可以在搜索时同时对"title"字段进行全文搜索、对"keyword"字段进行精确匹配搜索，以及使用"suggest"字段进行自动补全和建议。

dynamic动态字段映射

ElasticSearch_第2张图片
在Elasticsearch中，"dynamic"是一个用于控制字段映射行为的设置。它有三种状态：

  1. “dynamic”: true - 默认状态。当索引文档时，如果遇到未定义的字段， 这个字段可以被索引（ES根据内容自动识别字段类型），mapping会自动更新。
  2. “dynamic”: false - 当索引文档时，如果遇到未定义的字段，Elasticsearch会忽略该字段而不创建映射。这种状态下，字段的映射是静态的，mapping不会被更新，该字段不会被索引。
  3. “dynamic”: “strict” - 当索引文档时，如果遇到未定义的字段，Elasticsearch会抛出异常，表示字段未定义。这种状态下，字段的映射严格，会强制要求所有字段都必须在映射中定义。

index

设置该字段是否被索引。
index属性默认为true。

  • 如果该属性设置为false，elasticsearch不会为该属性创建索引，也就是说无法当做主查询条件。
index_options

控制索引时存储哪些信息到倒排索引。

  • doc：只记录 doc id
  • freqs：记录 doc id 和 term frequencies （词项频率）
  • positions：记录 doc id、term frequencies （词项频率） 和 term position （词项位置）
  • offsets：记录 doc id、term frequencies、term position 和 character offects（词项偏移量）

text 类型默认配置为 positions，其他类型默认为 doc，记录内容越多，占用存储空间越大。

"properties": {
      "user_name":{
        "index": false,
        "type": "text"
      },
      "info":{
        "index_options": "positions",
        "type": "text"
      }
    }

null_value

值为null的字段不能被索引和搜索。使用null_value参数可以让值为null的字段显式的可索引。
GET users/_search?q=mobile:NULL

"mobile":{
     "type":"keyword",
      "null_value":"NULL"
 }

copy_to

copy_to属性用于配置自定义的_all字段。换言之，就是将多个字段可以合并成一个超级字段。比如，first_name和last_name可以合并为full_name字段。

PUT my_index
{
  "mappings": {
    "my_type": {
      "properties": {
        "first_name": {
          "type": "text",
          "copy_to": "full_name" 
        },
        "last_name": {
          "type": "text",
          "copy_to": "full_name" 
        },
        "full_name": {
          "type": "text"
        }
      }
    }
  }
}
  1. 多条件查询：
GET test8/doc/_search
{
  "query": {
    "match": {
      "full_name": {
        "query": "tom smith",
        "operator": "or"
      }
    }
  }
}
----- 法2
GET test8/doc/_search
{
  "query": {
    "match": {
      "full_name": "tom smith"
    }
  }
}
  1. 将一个字段值复制到多个不同的字段：
"first_name":{
    "type": "text",
    "copy_to": ["full_name1","full_name2"]
  },

ignore_above

仅使用于 **keyword** 类型。 设置字段索引存储最大值；若超过最大值会被忽略。

"name": {
          "type": "keyword",
          "ignore_above":5
        }

fielddata

用于 将指定字段加载到内存中，以便于 进行聚合、排序、脚本等操作。

  • 使用范围： 支持被索引的字段类型：text、keyword、numeric 等。 若字段类型不支持被索引，则设置失效。
  • 默认禁用。缺点：占用大量内存资源； 可使用 doc_values 代替 之，
PUT my_index
{
  "mappings": {
    "properties": {
      "age": {
        "type": "integer",
        "fielddata": true
      }
    }
  }
}

doc_values

doc_values是为了加快排序、聚合操作，在建立倒排索引的时候，额外增加一个列式存储映射，是一个空间换时间的做法。默认是开启的，对于确定不需要聚合或者排序的字段可以关闭。
对于某些字段类型，如"text"和"keyword"，“doc_values"属性并不适用。这些字段类型通常用于全文搜索和过滤，而不需要进行聚合、排序或脚本操作。对于这些字段类型，默认情况下不会启用"doc_values”。
注:text类型不支持doc_values。

PUT my_index
{
  "mappings": {
    "my_type": {
      "properties": {
        "status_code": { 
          "type":       "keyword"
        },
        "session_id": { 
          "type":       "keyword",
          "doc_values": false
        }
      }
    }
  }
}

整合

ES学习教程

尚硅谷笔记：
Elasticsearch学习笔记_巨輪的博客-CSDN博客
黑马：
Elasticsearch分布式引擎7.x,2021黑马详细课程笔记_2021年 最新版 传智黑马搜索引擎elasticsearch_努力学习编程Sakura的博客-CSDN博客
ElasticSearch （ES）万字黑马学习笔记（超详细）搜索引擎ElasticSearch7.x笔记_elasticsearch黑马笔记_努力学习编程Sakura的博客-CSDN博客
系统学习
系统学习ElasticSearch
一起读ElasticSearch官方文档
一些特殊的类型

  1. “_index”：用于表示索引的名称。
  2. “type”：用于表示文档的类型。在Elasticsearch 7.x及以上的版本中_，"_type"已经不被推荐使用，因为Elasticsearch团队将在未来的版本中移除这个概念。
  3. “_id”：每个文档在索引中都有一个唯一的标识符，称为文档ID。"_id"字段用于表示文档的ID。
  4. “_source”： 指定要返回的字段
  5. “_score”：表示文档与查询匹配的相关性分数。
  6. _doc：表示文档类型

需要注意的是，Elasticsearch 7.x及以上的版本中，默认只支持单一的类型"_doc"，这是为了简化数据模型并提高性能。因此，推荐在创建索引时使用"_doc"作为文档类型。

涉及原理

什么是 Elasticsearch？一篇搞懂-腾讯云开发者社区-腾讯云

ElasticSearch_第3张图片

你可能感兴趣的:(ElasticSearch,elasticsearch)

  • 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）。
  • 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
  • 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
  • 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
  • ELK架构介绍 星河漫漫l elkelasticsearch运维服务器
    一、ELK简介ELK是由三个开源软件组成的，分别是：Elasticsearch、Logstash和Kibana，这三个软件各自在日志管理和数据分析领域发挥着重要作用。Elasticsearch提供分布式存储和搜索能力；Logstash负责数据收集和处理，而Kibana则提供数据可视化和分析界面。他们共同构成了一个完整的日志管理解决方案，帮助企业高效利用日志数据进行监控、分析和安全审计。1.Elas
  • JAVA使用es不分词_谈谈 Elasticsearch 分词和自定义分词 weixin_39966376 JAVA使用es不分词
    初次接触Elasticsearch的同学经常会遇到分词相关的难题，比如如下这些场景：1、为什么命名有包含搜索关键词的文档，但结果里面就没有相关文档呢？2、我存进去的文档到底被分成哪些词(term)了？3、我得自定义分词规则，但感觉好麻烦呢，无从下手如果你遇到过类似的问题，希望本文可以解决你的疑惑。一、上手让我们从一个实例出发，如下创建一个文档：PUTtest/doc/1{"msg":"Eating
  • ElasticSearch 谈谈你对段合并的策略思想的认识 用心去追梦 elasticsearch大数据搜索引擎
    段合并是Elasticsearch中的一个重要概念，它在数据索引和查询过程中起着关键的作用。Elasticsearch使用Lucene作为其全文搜索库，Lucene中使用的数据结构就是段（Segment）合并。段合并的策略思想主要体现在以下几个方面：提高查询性能：在Elasticsearch中，段合并的过程可以看作是对索引进行优化，通过合并将多个小的段合并成一个大的段，这样可以减少内存的使用，提高
  • Grafana仪表盘设计最佳实践：如何创建有效的监控面板 范范0825 grafana信息可视化
    Grafana仪表盘设计最佳实践：如何创建有效的监控面板引言Grafana是一个开源的数据可视化和监控平台，它提供了丰富的仪表盘功能，用于展示和分析各种数据源（如Prometheus、InfluxDB、Elasticsearch等）。有效的仪表盘设计能够帮助团队迅速识别和解决问题，提高系统的可靠性和性能。本文将深入探讨如何设计高效的Grafana仪表盘，涵盖最佳实践和实际应用。1.了解需求和目标1
  • es安装ik分词器 abments ESelasticsearchjenkins大数据
    下载分词器首先确定es对应的版本（假设版本是7.10.0）根据版本下载指定的分词器开始安装在线安装./bin/elasticsearch-plugininstallhttps://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.10.0/elasticsearch-analysis-ik-7.10.0.zip离线安装-
  • Elasticsearch——配置详解 smart哥 elasticsearch专题elasticsearch搜索引擎
    作者简介：大家好，我是smart哥，前中兴通讯、美团架构师，现某互联网公司CTO联系qq：184480602，加我进群，大家一起学习，一起进步，一起对抗互联网寒冬学习必须往深处挖，挖的越深，基础越扎实！阶段1、深入多线程阶段2、深入多线程设计模式阶段3、深入juc源码解析阶段4、深入jdk其余源码解析阶段5、深入jvm源码解析码哥源码部分码哥讲源码-原理源码篇【2024年最新大厂关于线程池使用的场
  • mysql主从数据同步 林鹤霄 mysql主从数据同步
    配置mysql5.5主从服务器(转) 教程开始：一、安装MySQL 说明：在两台MySQL服务器192.168.21.169和192.168.21.168上分别进行如下操作，安装MySQL 5.5.22  二、配置MySQL主服务器（192.168.21.169）mysql  -uroot  -p   &nb
  • oracle学习笔记 caoyong oracle
    1、ORACLE的安装    a>、ORACLE的版本    8i,9i :   i是internet    10g,11g : grid (网格)    12c : cloud (云计算)       b>、10g不支持win7 &
  • 数据库，SQL零基础入门 天子之骄 sql数据库入门基本术语
    数据库，SQL零基础入门        做网站肯定离不开数据库，本人之前没怎么具体接触SQL，这几天起早贪黑得各种入门，恶补脑洞。一些具体的知识点，可以让小白不再迷茫的术语，拿来与大家分享。          数据库，永久数据的一个或多个大型结构化集合，通常与更新和查询数据的软件相关
  • pom.xml 一炮送你回车库 pom.xml
    1、一级元素dependencies是可以被子项目继承的 2、一级元素dependencyManagement是定义该项目群里jar包版本号的，通常和一级元素properties一起使用，既然有继承，也肯定有一级元素modules来定义子元素 3、父项目里的一级元素<modules> <module>lcas-admin-war</module> <
  • sql查地区省市县 3213213333332132 sqlmysql
    -- db_yhm_city SELECT * FROM db_yhm_city WHERE class_parent_id = 1 -- 海南 class_id = 9 港、奥、台 class_id = 33、34、35 SELECT * FROM db_yhm_city WHERE class_parent_id =169 SELECT d1.cla
  • 关于监听器那些让人头疼的事 宝剑锋梅花香 画图板监听器鼠标监听器
           本人初学JAVA，对于界面开发我只能说有点蛋疼，用JAVA来做界面的话确实需要一定的耐心（不使用插件，就算使用插件的话也没好多少）既然Java提供了界面开发，老师又要求做，只能硬着头皮上啦。但是监听器还真是个难懂的地方，我是上了几次课才略微搞懂了些。       
  • JAVA的遍历MAP darkranger map
    Java Map遍历方式的选择 1. 阐述 　　对于Java中Map的遍历方式，很多文章都推荐使用entrySet，认为其比keySet的效率高很多。理由是：entrySet方法一次拿到所有key和value的集合；而keySet拿到的只是key的集合，针对每个key，都要去Map中额外查找一次value，从而降低了总体效率。那么实际情况如何呢？ 　　为了解遍历性能的真实差距，包括在遍历ke
  • POJ 2312 Battle City 优先多列+bfs aijuans 搜索
    来源：http://poj.org/problem?id=2312 题意：题目背景就是小时候玩的坦克大战，求从起点到终点最少需要多少步。已知S和R是不能走得，E是空的，可以走，B是砖，只有打掉后才可以通过。 思路：很容易看出来这是一道广搜的题目，但是因为走E和走B所需要的时间不一样，因此不能用普通的队列存点。因为对于走B来说，要先打掉砖才能通过，所以我们可以理解为走B需要两步，而走E是指需要1
  • Hibernate与Jpa的关系，终于弄懂 avords javaHibernate数据库jpa
    我知道Jpa是一种规范，而Hibernate是它的一种实现。除了Hibernate，还有EclipseLink(曾经的toplink)，OpenJPA等可供选择，所以使用Jpa的一个好处是，可以更换实现而不必改动太多代码。 在play中定义Model时，使用的是jpa的annotations，比如javax.persistence.Entity, Table, Column, OneToMany
  • 酸爽的console.log bee1314 console
    在前端的开发中，console.log那是开发必备啊，简直直观。通过写小函数，组合大功能。更容易测试。但是在打版本时，就要删除console.log，打完版本进入开发状态又要添加，真不够爽。重复劳动太多。所以可以做些简单地封装，方便开发和上线。 /** * log.js hufeng * The safe wrapper for `console.xxx` functions *
  • 哈佛教授：穷人和过于忙碌的人有一个共同思维特质 bijian1013 时间管理励志人生穷人过于忙碌
            一个跨学科团队今年完成了一项对资源稀缺状况下人的思维方式的研究，结论是：穷人和过于忙碌的人有一个共同思维特质，即注意力被稀缺资源过分占据，引起认知和判断力的全面下降。这项研究是心理学、行为经济学和政策研究学者协作的典范。 　　这个研究源于穆来纳森对自己拖延症的憎恨。他7岁从印度移民美国，很快就如鱼得水，哈佛毕业
  • other operate 征客丶 OSosx
    一、Mac Finder 设置排序方式，预览栏 在显示－》查看显示选项中 二、有时预览显示时，卡死在那，有可能是一些临时文件夹被删除了，如：/private/tmp[有待验证] -------------------------------------------------------------------- 若有其他凝问或文中有错误，请及时向我指出， 我好及时改正，同时也让我们一
  • 【Scala五】分析Spark源代码总结的Scala语法三 bit1129 scala
    1. If语句作为表达式 val properties = if (jobIdToActiveJob.contains(jobId)) { jobIdToActiveJob(stage.jobId).properties } else { // this stage will be assigned to "default" po
  • ZooKeeper 入门 BlueSkator 中间件zk
    ZooKeeper是一个高可用的分布式数据管理与系统协调框架。基于对Paxos算法的实现，使该框架保证了分布式环境中数据的强一致性，也正是基于这样的特性，使得ZooKeeper解决很多分布式问题。网上对ZK的应用场景也有不少介绍，本文将结合作者身边的项目例子，系统地对ZK的应用场景进行一个分门归类的介绍。 值得注意的是，ZK并非天生就是为这些应用场景设计的，都是后来众多开发者根据其框架的特性，利
  • MySQL取得当前时间的函数是什么 格式化日期的函数是什么 BreakingBad mysqlDate
    取得当前时间用 now() 就行。 在数据库中格式化时间 用DATE_FORMA T(date, format) . 根据格式串format 格式化日期或日期和时间值date，返回结果串。 可用DATE_FORMAT( ) 来格式化DATE 或DATETIME 值，以便得到所希望的格式。根据format字符串格式化date值: %S, %s 两位数字形式的秒（ 00,01,
  • 读《研磨设计模式》-代码笔记-组合模式 bylijinnan java设计模式
    声明： 本文只为方便我个人查阅和理解，详细的分析以及源代码请移步 原作者的博客http://chjavach.iteye.com/ import java.util.ArrayList; import java.util.List; abstract class Component { public abstract void printStruct(Str
  • 4_JAVA+Oracle面试题(有答案) chenke oracle
    基础测试题 卷面上不能出现任何的涂写文字，所有的答案要求写在答题纸上，考卷不得带走。 选择题 1、 What will happen when you attempt to compile and run the following code? （3） public class Static { static { int x = 5; // 在static内有效 } st
  • 新一代工作流系统设计目标 comsci 工作算法脚本
      用户只需要给工作流系统制定若干个需求，流程系统根据需求，并结合事先输入的组织机构和权限结构，调用若干算法，在流程展示版面上面显示出系统自动生成的流程图，然后由用户根据实际情况对该流程图进行微调，直到满意为止，流程在运行过程中，系统和用户可以根据情况对流程进行实时的调整，包括拓扑结构的调整，权限的调整，内置脚本的调整。。。。。 在这个设计中，最难的地方是系统根据什么来生成流
  • oracle 行链接与行迁移 daizj oracle行迁移
    表里的一行对于一个数据块太大的情况有二种(一行在一个数据块里放不下) 第一种情况: INSERT的时候，INSERT时候行的大小就超一个块的大小。Oracle把这行的数据存储在一连串的数据块里(Oracle Stores the data for the row in a chain of data blocks)，这种情况称为行链接(Row Chain)，一般不可避免(除非使用更大的数据
  • [JShop]开源电子商务系统jshop的系统缓存实现 dinguangx jshop电子商务
    前言 jeeshop中通过SystemManager管理了大量的缓存数据，来提升系统的性能，但这些缓存数据全部都是存放于内存中的，无法满足特定场景的数据更新（如集群环境）。JShop对jeeshop的缓存机制进行了扩展，提供CacheProvider来辅助SystemManager管理这些缓存数据，通过CacheProvider,可以把缓存存放在内存,ehcache,redis，memcache
  • 初三全学年难记忆单词 dcj3sjt126com englishword
    several 儿子；若干 shelf 架子 knowledge 知识；学问 librarian 图书管理员 abroad 到国外，在国外 surf 冲浪 wave 浪；波浪 twice 两次；两倍 describe 描写；叙述 especially 特别；尤其 attract 吸引 prize 奖品；奖赏 competition 比赛；竞争 event 大事；事件 O
  • sphinx实践 dcj3sjt126com sphinx
      安装参考地址:http://briansnelson.com/How_to_install_Sphinx_on_Centos_Server   yum install sphinx 如果失败的话使用下面的方式安装 wget http://sphinxsearch.com/files/sphinx-2.2.9-1.rhel6.x86_64.rpm yum loca
  • JPA之JPQL（三） frank1234 ormjpaJPQL
    1 什么是JPQL JPQL是Java Persistence Query Language的简称，可以看成是JPA中的HQL， JPQL支持各种复杂查询。 2 检索单个对象 @Test public  void querySingleObject1() {     Query query = em.createQuery("sele
  • Remove Duplicates from Sorted Array II hcx2013 remove
    Follow up for "Remove Duplicates":What if duplicates are allowed at most twice? For example,Given sorted array nums = [1,1,1,2,2,3], Your function should return length
  • Spring4新特性——Groovy Bean定义DSL jinnianshilongnian spring 4
    Spring4新特性——泛型限定式依赖注入 Spring4新特性——核心容器的其他改进 Spring4新特性——Web开发的增强 Spring4新特性——集成Bean Validation 1.1(JSR-349)到SpringMVC  Spring4新特性——Groovy Bean定义DSL Spring4新特性——更好的Java泛型操作API  Spring4新
  • CentOS安装Mysql5.5 liuxingguome centos
    CentOS下以RPM方式安装MySQL5.5 首先卸载系统自带Mysql： yum remove mysql mysql-server mysql-libs compat-mysql51 rm -rf /var/lib/mysql rm /etc/my.cnf 查看是否还有mysql软件： rpm -qa|grep mysql 去http://dev.mysql.c
  • 第14章 工具函数（下） onestopweb 函数
    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/
  • POJ 1050 SaraWon 二维数组子矩阵最大和
    POJ ACM第1050题的详细描述，请参照 http://acm.pku.edu.cn/JudgeOnline/problem?id=1050 题目意思： 给定包含有正负整型的二维数组，找出所有子矩阵的和的最大值。 如二维数组 0 -2 -7 0 9 2 -6 2 -4 1 -4 1 -1 8 0 -2 中和最大的子矩阵是 9 2 -4 1 -1 8 且最大和是15
  • [5]设计模式——单例模式 tsface java单例设计模式虚拟机
    单例模式：保证一个类仅有一个实例，并提供一个访问它的全局访问点   安全的单例模式：     /* * @(#)Singleton.java 2014-8-1 * * Copyright 2014 XXXX, Inc. All rights reserved. */ package com.fiberhome.singleton;
  • Java8全新打造，英语学习supertool yangshangchuan javasuperword闭包java8函数式编程
    superword是一个Java实现的英文单词分析软件，主要研究英语单词音近形似转化规律、前缀后缀规律、词之间的相似性规律等等。Clean code、Fluent style、Java8 feature: Lambdas, Streams and Functional-style Programming。   升学考试、工作求职、充电提高，都少不了英语的身影，英语对我们来说实在太重要
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他