ITPub博客

引言本文主要讲述在生产环境中使用Elasticserch遇到的一些坑，以及如何避开这些坑。对于正在使用或即将使用Elasticsearch的用户来说可能可做参考，以下内容都是基于我个人的实践经验总结，如有任何错误或不足之处，请大家指正。本文不做任何Elasticsearch概念和基础普及，需要读者对

很多时候数据量大了，特别是有几亿条数据的时候，可能你会懵逼的发现，跑个搜索怎么一下5~10s，坑爹了。第一次搜索的时候，是5~10s，后面反而就快了，可能就几百毫秒。你就很懵，每个用户第一次访问都会比较慢，比较卡么？所以你要是没玩儿过ES，或者就是自己玩玩儿Demo，被问到这个问题容易懵逼，显示出你

前言在上一篇文章我们介绍了Lucene的基本概念，在本篇文章我们将深入Lucene中最核心的类之一IndexWriter，来探索Lucene中数据写入和索引构建的整个过程。IndexWriter//initializationDirectoryindex=newNIOFSDirectory(Path

solr：优点1、Solr有一个更大、更成熟的用户、开发和贡献者社区。2、支持添加多种格式的索引，如：HTML、PDF、微软Office系列软件格式以及JSON、XML、CSV等纯文本格式。3、Solr比较成熟、稳定。4、不考虑建索引的同时进行搜索，速度更快。缺点建立索引时，搜索效率下降，实时索引搜

前言：之前写过如何安装ElasticSearch(以下简称ES)以及简单的crud的使用实例的博客,不过ElasticSearch的版本变化太快,像之前的5.6版本使用的TransPortClient目前已经无法使用了,官方的API变化较快.最近工作中需要用到ES作为查询的中间件,项目组长决定使用7

写在前面：随着公司项目即将上线，定时抢购活动，督促着大家除了业务开发，也要把视线逐渐放到关注性能上。密密麻麻的日志文件信息挑战着人类视觉极限，坐在电脑前的我不知道下一步何去何从，如何是好（瑟瑟发抖）。最近，坐在我旁边的大佬，让我看一下es，hbase，还有公司用的mq，准备搞一套日志管理后台。好了，

性能与容量之间的矛盾由来已久，计算机的多级存储体系就是其中一个经典的例子，同样的问题在Elasticsearch中也存在。为了保证Elasticsearch的读写性能，官方建议磁盘使用SSD固态硬盘。然而Elasticsearch要解决的是海量数据的存储和检索问题，海量的数据就意味需要大量的存储空间

Elasticsearch，是目前行业中非常热门的一个技术。Elasticsearch是一种分布式的海量数据搜索与分析的技术，可以用于电商网站、门户网站、企业IT系统等各种场景下的搜索引擎，也可以用于对海量的数据进行近实时的数据分析。相较于Lucene来说，Elasticsearch天然的分布式特性

本文从架构上介绍了有赞搜索系统演进产生的背景以及希望解决的问题。有赞搜索平台是一个面向公司内部各项搜索应用以及部分NoSQL存储应用的PaaS产品，帮助应用合理高效的检索和多维过滤功能。有赞搜索平台目前支持了大大小小一百多个检索业务，服务于近百亿数据。在为传统的搜索应用提供高级检索和大数据交互能力的

写在前面：从开始接触Elasticsearch到现在也一年多了，一直停留在表面，对于它的原理没有做深入的研究，最近闲来无事就简单的做了一个总结，下面是我对ES的的一些简单的认识，其中部分图片和文字来自于网络。Elasticsearch是一个基于ApacheLucene(TM)的分布式可扩展的实时搜索

前言本文非完全直译译文，主要参考的的是elasticsearch6.5版的官网文档GettingStarted，可以把这篇文章理解为个人学习笔记，我力求详略得当吧。文末会附上GettingStarted阅读梳理的思维导图。为了能更加轻松地进入elasticsearch的世界，本文将先从基础角度给介绍

本篇分享最近把ElasticSearch当作时序数据库来用的心得。•需求需求是这样的：提供一个后台，选用户画像标签（多选），点确认后弹出“选出了xxx个用户”，再继续点就把用户dump出来、推送消息。现在要做这个后台的数据仓库层。详细分析一下需求：1.我们的用户画像走流式计算，每秒大量更新，所以对插

前言“Elasticsearch分布式一致性原理剖析”系列将会对Elasticsearch的分布式一致性原理进行详细的剖析，介绍其实现方式、原理以及其存在的问题等(基于6.2版本)。ES目前是最流行的分布式搜索引擎系统，其使用Lucene作为单机存储引擎并提供强大的搜索查询能力。学习其搜索原理，则必

在基于Elasticsearch实现搜索建议一文中我们曾经介绍过如何基于Elasticsearch来实现搜索建议，而本文是在此基于上进一步优化搜索体验，在当搜索无结果或结果过少时提供推荐搜索词给用户。背景介绍在根据用户输入和筛选条件进行搜索后，有时返回的是无结果或者结果很少的情况，为了提升用户搜索体

导读Elasticsearch是目前大数据领域最热门的技术栈之一，经过近8年的发展，已从0.0.X版升级至6.X版本，虽然增加了很多的特性和功能，但是在主体架构上，还是没有太多的变化。下面就把我对于ES使用实践的一些经验总结一下，供大家参考。一、硬件环境选择如果有条件，尽可能使用SSD硬盘，不错的C

es的aggs可以分为度量聚合和桶聚合，下面就直接实战开发中经常用到的语句。1、度量聚合：min、max、sum、avg聚合，度量聚合接收一个输入文档集并生成至少一个统计值sum。1)sum聚合：统计不同日志类型的总数量sum(log_type)"aggs":{"sum_logtype":{"sum

相对关系型数据库，我们知道Elasticsearch有很多优点：高性能、可扩展、近实时搜索、支持大数据量的数据分析。然后它不是万能的，他并没有对处理索引实体之间的关系给出很好的解决方法，不像关系型数据库那样使用范式来规范你的数据。所以如何更好的在Elasticsearch中进行数据建模非常重要。关系

在项目中使用SpringBoot可以快速集成各种中间件，遵循依赖优于配置原则，我们只需要选择合适的SpringBoot版本就可以轻松集成中间件，并且可以快速上手；但是由于Elasticsearch版本更新快等各方面原因，在目前的SpringBoot还只能支持到5.0版本以下的Elasticsearc

搜索建议是搜索的一个重要组成部分，一个搜索建议的实现通常需要考虑建议词的来源、匹配、排序、聚合、关联的文档数和拼写纠错等，本文介绍一个基于Elasticsearch实现的搜索建议。问题描述电商网站的搜索是最基础最重要的功能之一，搜索框上面的良好体验能为电商带来更高的收益，我们先来看看淘宝、京东、亚马

本文主要讲解mall整合Elasticsearch的过程，以实现商品信息在Elasticsearch中的导入、查询、修改、删除为例。SpringBoot实战电商项目mall（25k+star）地址：https://github.com/macrozheng/mall项目使用框架介绍Elasticse