当前位置: 首页 > 编程日记 > 正文

Elasticsearch 知识点目录

2019独角兽企业重金招聘Python工程师标准>>> hot3.png

经过一段时间的编写,完成了第一个版本的Elasticsearch书籍的编写,目录结构如下:

1 Elasticsearch入门 7

1.1 Elasticsearch是什么 7

1.1.1 Elasticsearch是什么 7

1.1.2 Elasticsearch历史 8

1.1.3 相关产品 8

1.2 全文搜索 9

1.2.1 Lucene介绍 9

1.2.2 Lucene倒排索引 9

1.3 基础 11

1.3.1 Elasticsearch术语概念 11

1.3.2 json介绍 15

1.4 安装配置 16

1.4.1 安装java 16

1.4.2 安装Elasticsearch 16

1.4.3 配置 17

1.4.4 运行 19

1.4.5 停止 20

1.4.6 作为服务 20

1.4.7 版本升级 22

1.5 对外接口 24

1.5.1 Api约定 24

1.5.2 rest介绍 28

1.5.3 Head插件安装 29

1.5.4 创建库 30

1.5.5 插入数据 31

1.5.6 修改文档 31

1.5.7 查询文档 32

1.5.8 删除文档 32

1.5.9 删除库 33

1.6 JAVA接口 33

1.6.1 JAVA接口说明 33

1.6.2 创建索引文档 36

1.6.3 增加文档 37

1.6.4 修改文档 37

1.6.5 查询文档 38

1.6.6 删除文档 38

1.7 小结 38

2 索引 38

2.1 索引管理 39

2.1.1 创建索引 39

2.1.2 删除索引 41

2.1.3 获取索引 41

2.1.4 打开/关闭索引 42

2.1.5 查询更新接口 43

2.2 索引映射管理 47

2.2.1 增加映射 47

2.2.2 获取映射 50

2.2.3 获取字段映射 51

2.2.4 判断类型是否存在 52

2.3 索引别名 52

2.4 索引设置 58

2.4.1 更新索引设置 58

2.4.2 获取设置 58

2.4.1 索引分析 59

2.4.2 索引模板 61

2.5 复制配置 62

2.6 索引监控 62

2.6.1 索引统计 62

2.6.2 索引碎片 63

2.6.3 索引恢复 64

2.6.4 索引分片存储 65

2.7 状态管理 65

2.7.1 清除缓存 65

2.7.2 索引刷新 65

2.7.3 Flush 66

2.7.4 合并索引 66

2.8 文档管理 66

2.8.1 增加文档 66

2.8.2 更新删除文档 70

2.8.3 查询文档 74

2.8.4 多文档操作(bulk) 76

2.8.5 索引词频率 81

2.8.6 文档统计 85

2.9 小结 85

3 映射-内部结构 85

3.1 概念 85

3.2 字段数据类型 87

3.2.1 字符串数据类型 88

3.2.2 数字型数据类型 89

3.2.3 日期型数据类型 90

3.2.4 布尔数据类型 92

3.2.5 二进制数据类型 93

3.2.6 数组数据类型 93

3.2.7 对象数据类型 94

3.2.8 嵌套数据类型 95

3.2.9 地理点数据类型 97

3.2.10 地理形态数据类型 99

3.2.11 IPv4数据类型 99

3.2.12 单词计数数据类型 100

3.3 元字段 101

3.3.1 _all字段 101

3.3.2 _field_names字段 102

3.3.3 _id字段 103

3.3.4 _index字段 103

3.3.5 _meta字段 104

3.3.6 _parent字段 104

3.3.7 _routing字段 106

3.3.8 _source字段 107

3.3.9 _type字段 109

3.3.10 _uid字段 110

3.4 映射参数 111

3.4.1 analyzer参数 111

3.4.2 boost参数 113

3.4.3 coerce参数 114

3.4.4 copy_to参数 116

3.4.5 doc_values参数 117

3.4.6 dynamic参数 117

3.4.7 enabled参数 118

3.4.8 fielddata参数 120

3.4.9 format参数 122

3.4.10 geohash参数 125

3.4.11 geohash_precision参数 126

3.4.12 geohash_prefix参数 126

3.4.13 ignore_above参数 127

3.4.14 ignore_malformed参数 128

3.4.15 include_in_all参数 129

3.4.16 index参数 130

3.4.17 index_options参数 130

3.4.18 lat_lon参数 131

3.4.19 fields参数 132

3.4.20 norms参数 133

3.4.21 null_value参数 134

3.4.22 position_increment_gap参数 135

3.4.23 precision_step参数 135

3.4.24 properties参数 136

3.4.25 search_analyzer参数 137

3.4.26 similarity参数 138

3.4.27 store参数 139

3.4.28 term_vector参数 139

3.5 动态映射 140

3.5.1 概念 140

3.5.2 _default_映射 141

3.5.3 动态字段映射 141

3.5.4 动态模板 142

3.5.5 重写默认模板 146

3.6 小结 146

4 搜索 146

4.1 深入搜索 146

4.1.1 搜索详解 146

4.1.2 重新评分 151

4.1.3 滚动查询请求 153

4.1.4 隐藏内容查询(Inner hits) 156

4.1.5 搜索相关函数(preference) 160

4.1.6 搜索模板 163

4.1.7 复合查询 163

4.1.8 总数查询 163

4.1.9 碎片查询 163

4.1.10 搜索参考 163

4.1.11 语法校验 163

4.1.12 搜索解释 163

4.1.13 过滤 163

4.1.14 简化查询(cat) 163

4.2 查询DSL 165

4.2.1 查询上下文 166

4.2.2 全文搜索 166

4.2.3 字段查询 177

4.2.4 高亮显示 182

4.2.5 复合查询 185

4.2.6 连接查询 191

4.2.7 地理查询 193

4.2.8 跨度查询 200

4.2.9 最低匹配 203

4.3 小结 204

5 聚合 204

5.1 聚合介绍 204

5.2 指标聚合 205

5.2.1 平均值聚合 205

5.2.2 基数聚合 207

5.2.3 最大值聚合 209

5.2.4 最小值聚合 210

5.2.5 和聚合 211

5.2.6 统计聚合 211

5.2.7 值计数聚合 211

5.2.8 百分比聚合 211

5.2.9 百分比分级聚合 213

5.2.10 最高命中排行聚合 213

5.2.11 脚本指标聚合 214

5.2.12 地理边界聚合 218

5.2.13 地理重心聚合 219

5.3 分组聚合 221

5.3.1 子聚合 221

5.3.2 直方图聚合 224

5.3.3 日期直方图聚合 228

5.3.4 时间范围聚合 232

5.3.5 范围聚合 233

5.3.6 过滤聚合 234

5.3.7 多重过滤聚合 234

5.3.8 空值聚合 237

5.3.9 嵌套聚合 237

5.3.10 采样聚合 238

5.3.11 重要索引词聚合 241

5.3.12 索引词聚合 244

5.3.13 总体聚合 250

5.3.14 地理距离聚合 251

5.3.15 地理散列(GeoHash)网格聚合 253

5.3.16 IPv4范围聚合 254

5.4 管道聚合 256

5.4.1 平均分组聚合 259

5.4.2 移动平均聚合 260

5.4.3 和分组聚合 261

5.4.4 和累计聚合 262

5.4.5 最大分组聚合 264

5.4.6 最小分组聚合 266

5.4.7 统计分组聚合 268

5.4.8 百分位分组聚合 270

5.4.9 派生聚合 272

5.4.10 分组脚本聚合 277

5.4.11 串行差分聚合 280

5.4.12 分组选择器聚合 281

5.5 小结 283

6 集群 283

6.1 监控集群状态与健康状况 283

6.1.1 集群健康值 284

6.1.2 集群状态 285

6.1.3 集群统计 285

6.1.4 节点信息 285

6.1.5 节点统计 286

6.2 节点配置 286

6.2.1 节点发现 289

6.3 集群配置 290

6.3.1 簇级节点分配 290

6.3.2 基于磁盘的配置 291

6.3.3 碎片分配的配置 291

6.3.4 碎片配置过滤 292

6.3.5 其他集群配置 293

6.4 小结 293

7 索引分析分析 293

7.1 分析器 293

7.1.1 自定义分析器 296

7.2 插件介绍 297

7.2.1 中文分词 297

7.3 插件安装 305

7.3.1 插件清单 306

7.4 小结 308

8 高级设置 308

8.1 网络配置 309

8.1.1 本地网关 309

8.1.2 HTTP设置 309

8.1.3 网络设置 309

8.1.4 传输配置 309

8.2 脚本配置 309

8.3 快照和恢复 309

8.4 线程池配置 315

8.5 索引配置 315

8.5.1 缓存配置 315

8.5.2 索引碎片分片 317

8.5.3 合并Merge 317

8.5.4 相似模块 317

8.5.5 显示日志 317

8.5.6 存储 317

8.5.7 Translog 317

8.6 小结 317

9 告警监控和权限 317

9.1 告警(Watcher) 317

9.1.1 安装 317

9.1.2 配置 318

9.1.4 示例 318

9.2 监控(marvel) 320

9.3 权限(shield) 322

9.3.1 工作原理 322

9.3.2 用户访问控制 323

9.3.3 示例 323

9.4 小结 324

10 Elasticsearch应用 324

10.1 Elk 324

10.2 SeciLog 324

10.2.4 SeciLog示例 325

10.3 小结 325

转载于:https://my.oschina.net/secisland/blog/674698

相关文章:

不要千言万语,一组漫画让你秒懂最终一致性

直接上图 如果你以前看过最终一致性的定义那么你一定会为这幅精彩漫画拍手叫好。 你要是不知道什么是最终一致性你可以看看下面的权威定义,当然了网上关于什么是最终一致性的帖子铺天盖地,也许你已经很明白了,即使这样你是不是依然为此图欢呼…

Feign实现服务调用

上一篇博客我们使用ribbonrestTemplate实现负载均衡调用服务,接下来我们使用feign实现服务的调用,首先feign和ribbon的区别是什么呢? ribbon根据特定算法,从服务列表中选取一个要访问的服务; RoundRobinRule:轮询RandomRule:随机Availability…

度量,跟踪和日志记录

今天,我有幸参加了2017年的分布式追踪峰会,其中有很多来自AWS / X-Ray,OpenZipkin,OpenTracing,Instana,Datadog,Librato等公司的人员,我很遗憾我忘记了这一点。有一次讨论转向了项目…

python 第六章 函数 pta(1)

1.Multiple-Choice 1.print(type(lambda:3))的输出结果是____。 A.<class ‘function’> B.<class ‘int’> C.<class ‘NoneType’> D.<class ‘float’> 答案&#xff1a;A 2.在Python中&#xff0c;对于函数定义代码的理解&#xff0c;正确的理解…

生成.a文件步骤

1.新建一个Project 选择 iOS->Framework & Library ->Cocoa Touch Static Library点击Next-> 输入Product Name 2.删除自动生成的文件 替换成我们需要的文件 如&#xff1a;原本自定生成的文件为继承自NSObject的&#xff0c;而你需要的为继承自UIView的&#xff…

机器学习之优雅落地线性回归法

在统计学中&#xff0c;线性回归&#xff08;Linear regression&#xff09;是利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析维基百科。简单线性回归当只有一个自变量的时候&#xff0c;成为简单线性回归。简单线性回归模型的思…

SpringBoot整合Grpc实现跨语言RPC通讯

什么是gRPC gRPC是谷歌开源的基于go语言的一个现代的开源高性能RPC框架&#xff0c;可以在任何环境中运行。它可以有效地连接数据中心内和跨数据中心的服务&#xff0c;并提供可插拔的支持&#xff0c;以实现负载平衡&#xff0c;跟踪&#xff0c;健康检查和身份验证。它还适用…

python 第六章 函数

1.函数的定义 def 名称(形参): 函数体 2.函数的调用 名称(实参) 单独文件&#xff1a;模块 调用方式——模块.名称 3.函数的参数类型 1.位置参数&#xff1a; def add(a,b):add(2,3) #顺序&#xff0c;个数&#xff0c;数据类型都要相同&#xff01;&#xff01;&#xf…

C++简单使用Jsoncpp来读取写入json文件

一、源码编译 C操作json字符串最好的库应该就是jsoncpp了&#xff0c;开源并且跨平台。它可以从这里下载。 下载后将其解压到任意目录&#xff0c;它默认提供VS2003和VS2010的工程文件&#xff0c;使用VS2010可以直接打开makefiles\msvc2010目录下的sln文件。 工程文件提供Json…

BZOJ 3420: Poi2013 Triumphal arch

二分答案 第二个人不会走回头路 那么F[i]表示在i的子树内(不包括i)所需要的额外步数 F[1]0表示mid可行 k可能为0 #include<cstdio> #include<algorithm> using namespace std; int cnt,n,mid,F[300005],last[300005]; struct node{int to,next; }e[600005]; void a…

Java泛型使用需要小心

这是源自实际开发的一个坑&#xff0c;只是被我简化了。 Set<Integer> gs null;Set gss new HashSet();gs gss;gss.add("19");System.out.println(gs);for (int i : gs) {if (i19) {System.out.println("1");}} 代码经过一些转换你如果不注意以…

证明实对称正定矩阵A的Gauss-Seidel法必定收敛(完整过程)

Solution: ​ \quad将nnn阶实对称矩阵AAA设为D−L−LTD-L-L^TD−L−LT,其中DDD是AAA的所有主对角元素构成对角矩阵&#xff0c;−L-L−L是AAA的所有主对角线以下的元素构成的严格下三角矩阵。 ​ \quad此时Gauss−SeidelGauss-SeidelGauss−Seidel法的迭代矩阵为(D−L)−1LT(…

5月中旬的一些总结

考完英语口语了&#xff0c;最大的帮助就是找到了练习的方法和思路。 周三晚上有谷歌的全球IO大会。 ******** 写吴斌老师的课程作业&#xff0c;这才发现winedt过期了。用了rept之后本来是解决问题了&#xff0c;可是一联网就又不行了。总要关上再打开。用防火墙阻断却找不到选…

项目总结10:通过反射解决springboot环境下从redis取缓存进行转换时出现ClassCastException异常问题...

通过反射解决springboot环境下从redis取缓存进行转换时出现ClassCastException异常问题 关键字 springboot热部署 ClassCastException异常 反射 redis 前言 最近项目出现一个很有意思的问题&#xff0c;用户信息(token)储存在redis中&#xff1b;在获取token&#xff0c;反序列…

Rouche Theorem(Stein复分析)

Rouche Theorem&#xff1a; \quadIffandgareholomorphicfunctionsinaregionΩcontainingacircleCanditsinterior,and∣f(z)∣≥∣g(z)∣forz∈C,fandfghavethesamenumbersofzerosinsidethecircleC.If\quad f\quad and\quad g\quad are\quad holomorphic\quad functions\quad i…

Java线上程序频繁JVM FGC问题排障与启示

线上Java程序的JVM频繁FGC&#xff0c;现象如图所示&#xff1a; 一直持续FGC 5次左右&#xff0c;每次耗时1秒多不等。 FGC的原因实际上是内存不够用&#xff0c;但是运维反映堆内存是2G&#xff0c;从运维提供的参数看也是。 内存实际上一直只用到1G以内。 这时候可以自己写…

python常用数据结构的常用操作

作为基础练习吧。列表LIST&#xff0c;元组TUPLE,集合SET&#xff0c;字符串STRING等等&#xff0c;显示&#xff0c;增删&#xff0c;合并。。。 #List shoplist [apple,mango,carrot,banana] print I have ,len(shoplist), items to purchase. print These items are: for …

h5 和native 交互那些事儿

前端菜菜一枚&#xff0c;写下关于h5 和native 交互那些事情。偏前端&#xff0c;各种理论知识&#xff0c;不在赘述。之前有各位大牛已经写过。我只写代码&#xff0c;有问题&#xff0c;下面留言/* 关于h5 和native 之间的交互 JSBridge 解决问题&#xff0c;偏向前端* 使用U…

手把手教你写电商爬虫-第二课 实战尚妆网分页商品采集爬虫

系列教程 手把手教你写电商爬虫-第一课 找个软柿子捏捏 如果没有看过第一课的朋友&#xff0c;请先移步第一课&#xff0c;第一课讲了一些基础性的东西&#xff0c;通过软柿子"切糕王子"这个电商网站好好的练了一次手&#xff0c;相信大家都应该对写爬虫的流程有了一…

Python程序设计 第六章 函数(续

复习 1. 10进制 ⇒\Rightarrow⇒ 2进制 除2取余&#xff0c;从低位到高位存储到字符串中&#xff0c;从高位到低位def d2b(n):if n>1:d2b(n//2)print(n%2,end)d2b(4)出口&#xff1a; 条件&#xff0c;值确定 &#xff08;一&#xff09;return (二&#xff09;函数体执行结…

K8S的横向自动扩容的功能Horizontal Pod Autoscaling

K8S 作为一个集群式的管理软件&#xff0c;自动化、智能化是免不了的功能。Google 在 K8S v1.1 版本中就加入了这个 Pod 横向自动扩容的功能&#xff08;Horizontal Pod Autoscaling&#xff0c;简称 HPA&#xff09;。 HPA 与之前的 Deployment、Service 一样&#xff0c;也属…

第八周例行报告

此作业要求参见&#xff1a;https://edu.cnblogs.com/campus/nenu/2018fall/homework/2326 1、本周PSP 类型 任务 开始时间 结束时间 中断时间 Delta时间 会议 事后诸葛亮会议 11.3 14&#xff1a;12 11.3 15&#xff1a;08 0min 56min 博客 编写博客《事后诸葛…

HTTP头部信息解释分析(详细整理)

这篇文章为大家介绍了HTTP头部信息&#xff0c;中英文对比分析&#xff0c;还是比较全面的&#xff0c;若大家在使用过程中遇到不了解的&#xff0c;可以适当参考下 HTTP 头部解释 1. Accept&#xff1a;告诉WEB服务器自己接受什么介质类型&#xff0c;*/* 表示任何类型&#…

深圳杯---深圳市生活垃圾处理社会总成本分析

2017年3月18日&#xff0c;国务院向全国发布了《生活垃圾分类制度实施方案》&#xff0c;这标志着中国垃圾分类制度建设开始了一个全新阶段&#xff0c;垃圾分类已成为推进社会经济绿色发展、提升城市管理和服务水平、优化人居环境的重要举措。为了保证这一目标能够顺利实现&am…

你真的掌握了并发编程volatile synchronized么?

先看代码&#xff1a; import java.util.concurrent.atomic.AtomicInteger;/**** author xialuomantian*/ public class NewTest {static volatile int a 1;static volatile int b 1;//static int a 1;//static int b 1;public static AtomicInteger aa new AtomicInteg…

SQLSERVER存储过程基本语法使用

一、定义变量 --简单赋值 declare a int set a5 print a --使用select语句赋值 declare user1 nvarchar(50) select user1张三 print user1 declare user2 nvarchar(50) select user2 Name from ST_User where ID1 print user2 --使用update语句赋值 declare user3 nv…

线上java JVM问题排查

作者&#xff1a;霞落满天 第一部分 是我以前公司的一则正式案例&#xff1a; 第二部分 是我另一个博客上写的主要是最近发现大家问的比较多就写了此文 第一部分 线上真实故障案例 下面是一个老系统&#xff0c;代码写的有点问题导致出现这样一个JVM占比过高的问题&#xff…

走向云时代的大型机

大型机&#xff0c;又称大型主机&#xff0c;英文名mainframe&#xff0c;是指使用专用的处理器指令集、操作系统和应用软件的有机整体。大型机最早诞生于上个世纪六十年代&#xff0c;经过四十多年的不断发展&#xff0c;其在可靠性、安全性、可用性和灵活性方面首屈一指。近年…

区分 欧几里得距离 曼哈坦距离 明考斯基距离

欧几里德距离(Euclidean Distance)&#xff0c;欧氏距离。一种通常采用的表示相似度的距离定义&#xff0c;是表示在m维空间中两个点之间的真实距离。 对于n维空间中的两个点之间的欧几里得距离d(i,j)表示为&#xff1a; d(i,j) (|xi1-xj1|2|xi2-xj2|2……|xip-xjp|2)1/2 当n2…

传统行业转型微服务的挖坑与填坑

原文:传统行业转型微服务的挖坑与填坑一、微服务落地是一个复杂问题&#xff0c;牵扯到IT架构&#xff0c;应用架构&#xff0c;组织架构多个方面 在多家传统行业的企业走访和落地了微服务之后&#xff0c;发现落地微服务是一个非常复杂的问题&#xff0c;甚至都不完全是技术问…