ITPub博客

项目名称：eblog摘要：eblog是一个基于Springboot2.1.2开发的博客学习项目，为了让项目融合更多的知识点，达到学习目的，编写了详细的从0到1开发文档。主要学习包括：自定义Freemarker标签，使用shiro+redis完成了会话共享，redis的zset结构完成本周热议排行榜，

分布式系统类型多，涉及面非常广，不同类型的系统有不同的特点，批量计算和实时计算就差别非常大。这篇文章中，重点会讨论下分布式数据系统的设计，比如分布式存储系统，分布式搜索系统，分布式分析系统等。我们先来简单看下Elasticsearch的架构。Elasticsearch集群架构Elasticsearc

Elasticsearch（以下简称ES）是近年来炙手可热的开源分布式搜索分析引擎，通过简单部署，就可以轻松实现日志实时分析、全文检索、结构化数据分析等多重诉求，并将挖掘数据价值的成本大幅降低。之前分享过一篇相关文章：腾讯万亿级Elasticsearch技术解密​mp.weixin.qq.com本文

Elasticsearch是一款优秀的开源搜索引擎，其除了可以完成复杂的query请求外，还可以做一些统计聚合的任务，类似sql中的max、sum、count、avg等。事情的缘起在于某一次对Elasticsearch的性能测试中发现，countAgg的性能会比sum等agg性能要低的多，甚至不在一

本文探讨了TextEmbedding和ElasticSearch的向量类型如何用于支持文本相似性搜索。本文将首先概述Textembedding技术，介绍该技术的一些应用场景，最后使用ElasticSearch完成一个简单的基于Textembedding的文本相似性搜索demo。从一开始Elastic

大家好~新年手打系列第三弹来了！今天分享的是Elasticsearch的面试题，那么话不多说，下面直接进入正题：Elasticsearch面试题1、elasticsearch了解多少，说说你们公司es的集群架构，索引数据大小，分片有多少，以及一些调优手段。面试官：想了解应聘者之前公司接触的ES使用场

1.为什么要使用Elasticsearch?​因为在我们商城中的数据，将来会非常多，所以采用以往的模糊查询，模糊查询前置配置，会放弃索引，导致商品查询是全表扫面，在百万级别的数据库中，效率非常低下，而我们使用ES做一个全文索引，我们将经常查询的商品的某些字段，比如说商品名，描述、价格还有id这些字段

前言1.Elasticsearch是一个分布式的RESTful风格的搜索和数据分析引擎。（1）查询：Elasticsearch允许执行和合并多种类型的搜索—结构化、非结构化、地理位置、度量指标—搜索方式随心而变。（2）分析：找到与查询最匹配的十个文档是一回事。但是如果面对的是十亿行日志，又该如何解读

前言Elasticsearch是一个很火的分布式搜索系统，提供了非常强大而且易用的查询和分析能力，包括全文索引、模糊查询、多条件组合查询、地理位置查询等等，而且具有一定的分析聚合能力。因为其查询场景非常丰富，所以如果泛泛的分析其查询性能是一个非常复杂的事情，而且除了场景之外，还有很多影响因素，包括机

前言前两周写过一篇《基于Lucene查询原理分析Elasticsearch的性能》，在最后留了一个彩蛋，说下一篇会介绍一种可以极大的优化查询性能的技术。本文就来介绍这种技术——IndexSorting。因为IndexSorting是在ES6.0之后才作为实验性的功能加入，相关的介绍资料还比较少，所以

1、elasticsearch了解多少，说说你们公司es的集群架构，索引数据大小，分片有多少，以及一些调优手段。面试官：想了解应聘者之前公司接触的ES使用场景、规模，有没有做过比较大规模的索引设计、规划、调优。解答：如实结合自己的实践场景回答即可。比如：ES集群架构13个节点，索引根据通道不同共20

网上看到的一篇文章，对Lucene的倒排索引是如何执行的，说的比较易懂，就转过来分享下。Elasticsearch是通过Lucene的倒排索引技术实现比关系型数据库更快的过滤。特别是它对多条件的过滤支持非常好，比如年龄在18和30之间，性别为女性这样的组合查询。倒排索引很多地方都有介绍，但是其比关系

网上看到的一篇文章，对Lucene的倒排索引是如何执行的，说的比较易懂，就转过来分享下。Elasticsearch是通过Lucene的倒排索引技术实现比关系型数据库更快的过滤。特别是它对多条件的过滤支持非常好，比如年龄在18和30之间，性别为女性这样的组合查询。倒排索引很多地方都有介绍，但是其比关系

因为工作关系学习使用了ElasticSearch，将该过程中的一些心得和笔记也记录在这个专栏，和Spark一起更新，之后会加入Hive，Hadoop，kafka，Neo4j图数据库等，主要是记录监督一下自己。Elasticsearch的脑图如下：本篇作为Elasticsearch（后文简称es），介

本文首发于云栖社区(Elasticsearch分布式一致性原理剖析(三)-Data篇-博客-云栖社区-阿里云)，由原作者转载。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

前言刚开始接触Elasticsearch的时候被Elasticsearch的搜索功能搞得晕头转向，每次想在Kibana里面查询某个字段的时候，查出来的结果经常不是自己想要的，然而又不知道问题出在了哪里。出现这个问题归根结底是因为对于Elasticsearch的底层索引原理以及各个查询搜索方式的不了解

前言今天开始搭建下ES的集群，ES的集群是由多个相同cluster.name配置的节点组成的，每个节点是一个运行ES的实例，换句说就是就是执行了多少个./bin/elasticsearch。具体可以参考官方的介绍。但是官网的实例用的是一个节点，就是运行了一个./bin/elasticsearch实例

前言Lucene是一个基于Java的全文信息检索工具包，目前主流的搜索系统Elasticsearch和solr都是基于lucene的索引和搜索能力进行。想要理解搜索系统的实现原理，就需要深入lucene这一层，看看lucene是如何存储需要检索的数据，以及如何完成高效的数据检索。在数据库中因为有索引

如题，要解决题目中的问题，之前在博客中我写了如何在windows环境下配置ELK，以及同步mysql数据库的问题，但在生产环境中一般都是linux,所以又要折腾一番了...步骤如下：deviantony/docker-elk​github.com首先我找到了这个star数最多的docker-elk配

query:用于包含查询使用到的语法match_all:最简单的查询，获取索引所有数据，类似搜索*。如：”query”:{“match_all”:{}}bool:复合查询，可以包含多个查询条件，主要有(must,must_not,should)must:用于包含逻辑与查询条件，即所有查询条件都满足才