Elasticsearch 开发手册.PDF
Elasticsearch 开发手册.PDF Elasticsearch 是一个开源的、分布式的、提供多用能的全文搜索引擎,也是基于 Lucene 搜索的服务器,可以近乎实时地存储和搜索数据。Elasticsearch 能很方便地用于对大量数据进行搜索和分析,充分利用 Elasticsearch 的水平伸缩性,能够使数据在生产环境中变得更富有价值。 Elasticsearch 的主要应用场景有: * 网站搜索、代码搜索等 * 日志管理、日志分析、日志安全指标监控、应用性能监控、Web 抓取舆情分析等 * 利用 Elasticsearch 的高性能和分布式部署特征,可以对海量的业务订单数据进行分析和处理,还能利用 Elasticsearch 的聚合函数和分析能力统计出各种各样的数据报表。 Elasticsearch 全家桶介绍: * Kibana:Kibana 可以理解为 Elasticsearch 的管理平台,类似于 Navicat、DBeaver 等工具。可以通过 Kibana 很方便地对 Elasticsearch 进行数据操作。Kibana 可以实现数据可视化,它的作用是在 Elasticsearch 中对数据进行管理和展现。它能够通过图表的形式把数据呈现给用户。Kibana 可以提供各种可视化的图表,只需要简单地配置即可。Kibana 还可以通过机器学习技术对异常情况进行检测,以提前发现可疑的问题。 * Logstash:Logstash 是一个动态数据收集管道,它拥有可扩展的插件生态系统,支持从不同来源收集数据和转换数据(过滤和处理),并将转换后的数据发送到不同的存储库中。Logstash 能够与 Elasticsearch 强力协同工作。在数据抽取 ELT 领域,ES 全家桶 ELK(Elasticsearch+Logstash+Kibana)赫赫有名。 Elasticsearch 开发手册: * 倒排索引:Elasticsearch 的核心设计理念就是采用了倒排索引机制。倒排索引的方式是,根据内容分词后创建索引,索引后的存储方式为:index -> docId -> 字段值。这样在检索的时候,输入内容就可以快速匹配到相关的记录。 * 分词器:分词是搜索引擎的最常见的概念。好的分词能够很好地提高索引效率和搜索命中率。Elasticsearch 默认为 standard analyzer,通常用于处理英语语法,一般以空格拆分。对于中文,会被拆分成一个个词。有很多的中文分词器,例如 jieba 分词器、ik 分词器等。不同的分词器,有不同的分词方式和策略。采用的分词器后,对数据索引和数据检索时均采用同样的分词方式。 Elasticsearch 是一个功能强大且灵活的搜索引擎,可以满足各种搜索和分析需求。通过了解 Elasticsearch 的核心概念和应用场景,可以更好地应用 Elasticsearch 来解决实际问题。
剩余17页未读,继续阅读
- 粉丝: 13
- 资源: 3
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于Pygame库实现新年烟花效果的Python代码
- 浪漫节日代码 - 爱心代码、圣诞树代码
- 睡眠健康与生活方式数据集,睡眠和生活习惯关联分析()
- 国际象棋检测10-YOLO(v5至v9)、COCO、CreateML、Paligemma数据集合集.rar
- 100个情侣头像,唯美手绘情侣头像
- 自动驾驶不同工况避障模型(perscan、simulink、carsim联仿),能够避开预设的(静态)障碍物
- 使用Python和Pygame实现圣诞节动画效果
- 数据分析-49-客户细分-K-Means聚类分析
- 车辆轨迹自适应预瞄跟踪控制和自适应p反馈联合控制,自适应预苗模型和基于模糊p控制均在simulink中搭建 个人觉得跟踪效果相比模糊pid效果好很多,轨迹跟踪过程,转角控制平滑自然,车速在36到72
- 企业可持续发展性数据集,ESG数据集,公司可持续发展性数据(可用于多种企业可持续性研究场景)