Elasticsearch基本使用

安裝Elasticsearch

可以在https://www.elastic.co/cn/downloads/elasticsearch這個(gè)頁面找到elasticsearch對(duì)應(yīng)系統(tǒng)的安裝包，elasticsearch用java開發(fā)的，最新的版本內(nèi)置了對(duì)應(yīng)的jdk，通過下面的方式能快速啟動(dòng)：

cd /安裝目錄/elasticsearch/bin
./elasticsearch 
#驗(yàn)證是否啟動(dòng)， 可以訪問： http://127.0.0.1:9200/

對(duì)于插件的安裝，可以用bin目錄下的./elasticsearch-plugin 腳本，比如安裝 ik分詞器：
./elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.8.0/elasticsearch-analysis-ik-7.8.0.zip
系統(tǒng)會(huì)下載需要安裝的插件，然后解壓到plugins目錄下。也可以吧plugin直接下載到系統(tǒng)，解壓到plugin目錄。

安裝可視化工具Kibana

可以在https://www.elastic.co/cn/downloads/kibana這個(gè)頁面找到kibana對(duì)應(yīng)系統(tǒng)的安裝包，kibana用node開發(fā)，最新的版本內(nèi)置了對(duì)應(yīng)的node啟動(dòng)程序，啟動(dòng)流程如下：

解壓后修改config/kibana.yml里的配置，需要設(shè)置 elasticsearch.hosts, 本地就是: http://127.0.0.1:9200/

如果想用中文環(huán)境，可以修改config/kibana.yml文件，設(shè)置i18n.locale: "zh-CN"

在/bin 目錄下啟動(dòng)kibana
文章后面的代碼都是在kibana 的Dev Tools 里操作完成

重要的概念

索引(Index)：這里的索引跟我們平時(shí)用Mysql里索引是不一樣的，在ES中， Index可以理解成Mysql里的一張表。ES通過不同的Index來管理數(shù)據(jù)

文檔(Document): 相當(dāng)于Mysql里的一行記錄， ES 里的數(shù)據(jù)是通過文檔來記錄的。

倒排索引：把數(shù)據(jù)里的每個(gè)詞或者詞組（這里跟具體的分詞器相關(guān)）映射到文檔的id。

節(jié)點(diǎn)：一個(gè)Elasticsearch 進(jìn)程。

集群：多個(gè)節(jié)點(diǎn)組成的系統(tǒng)稱為集群。

分片：邏輯的概念，可以理解成對(duì)表做分庫分表

副本：某個(gè)分片的復(fù)制

類型：文檔里字段的定義

mappings：對(duì)Index的描述，類似于mysql里的Schemas

type類型： ES對(duì)這個(gè)概念已經(jīng)廢棄，不需要了解

數(shù)據(jù)類型

分類	具體類型
字符串	text: 會(huì)被分詞，能根據(jù)詞項(xiàng)快速檢索，比如文章的標(biāo)題，文本。keyword: 不會(huì)被分詞，只能通過精確查詢，比如文章的作者
整型	byte, short , int, long
浮點(diǎn)型	float, double, half_float (16位) , scaled_float(縮放類型，比如價(jià)格55.55，存的是5555, 縮放因子為100)
boolean	值為true, false
date	日期類型
二進(jìn)制類型	binary：用的比較少，沒法做索引
array	數(shù)組類型，數(shù)據(jù)里的類型可以是對(duì)象
object	對(duì)象類型，文檔會(huì)包含嵌套的對(duì)象
nested	嵌套類型, 他能夠保證數(shù)據(jù)之間的層級(jí)結(jié)構(gòu)

索引的基本操作

創(chuàng)建索引, 類似操作mysql的建表語句，這里初了需要關(guān)注各個(gè)字段的含義以外，還需要關(guān)注settings里的分片數(shù)（number_of_shards）和副本數(shù)（number_of_replicas）。

PUT film
{ 
    "mappings": { 
        "properties": { 
            "id":{
                "type": "keyword",
                "store":true
            },
            "name":{
                "type": "keyword",
                "store":true
            },
            "desc":{
                "type":"text",
                "store":true,
                "analyzer": "ik_max_word"
            },
            "tag":{
                "type": "keyword",
                "store":true
            },
            "actors":{
                "type": "nested",
                "properties":{
                    "id":{
                        "type": "keyword",
                        "store":true
                    },
                    "name":{
                        "type": "keyword",
                        "store":true
                    },
                    "sex":{
                        "type": "integer",
                        "store":true
                   }
               }
            }
        } 
    },
    "settings": {
      "number_of_replicas": 1,
      "number_of_shards": 1
    }
}

查看索引的元數(shù)據(jù)信息

GET film #film 是Index的名稱

刪除索引

DELETE film #film 是Index的名稱

對(duì)于索引沒有所謂的更新操作，如果對(duì)于有些字段的類型需要做更新，只能刪除原來的索引，重新創(chuàng)建新的索引。在實(shí)際的使用過程中，我們可以插入一些示例數(shù)據(jù)，通過ES幫我們生成默認(rèn)mappings，然后再對(duì)mappings做修改對(duì)于指定好的分片數(shù)，也是沒有辦法修改的，如果想增加分片數(shù)，只能做reindex操作。

文檔的基本操作

新增文檔，新增的時(shí)候需要指定id，如果沒指定， ES會(huì)生成一個(gè)String類型的id

PUT /film/_doc/001
{
    "id":"001",
    "name":"甄嬛傳",
    "desc":"雍正元年，結(jié)束了血腥的奪位之爭，新的君主（陳建斌 飾）繼位，國泰民安，政治清明，但在一片祥和的表象之下，一股暗流蠢蠢欲動(dòng)，尤其后宮，華妃（蔣欣 飾）與皇后（蔡少芬 飾）分庭抗禮，各方勢力裹挾其中，兇險(xiǎn)異常。十七歲的甄嬛（孫儷飾）與好姐妹眉莊（斕曦飾）、陵容（陶昕然飾）參加選秀，她本抱著來充個(gè)數(shù)的念頭，可皇帝（陳建斌飾）偏相中了她的智慧、氣節(jié)與端莊，最后三人一同入選。但因華妃（蔣欣飾）囂張，步步緊逼，眉莊被冤，陵容變心，天真的甄嬛慢慢變成了后宮精明的女子。皇帝發(fā)現(xiàn)年羹堯（孫寧飾）的野心，令甄父剪除年氏一族，甄嬛終于斗倒了華妃。但由于甄嬛與先故純?cè)屎蟮纳袼疲屎笤O(shè)計(jì)以純?cè)屎蟮亩Y服陷害甄嬛，父親（沈保平飾）也被文字獄牽連和奸人陷害而遭牢獄之災(zāi)，生下女兒后，心灰意冷的甄嬛選擇出宮修行。在宮外幸得十七爺允禮（李東學(xué)飾）悉心照顧，二人相親相愛，只等有機(jī)會(huì)遠(yuǎn)走高飛。后因誤傳十七爺死訊，甄嬛為保全腹中骨肉，設(shè)計(jì)與皇帝相遇，狠心斷絕對(duì)十七爺?shù)膼蹜伲鼗貙m中，再度與皇后相斗。后因生下雙生子，同時(shí)甄父的冤案得以平反，重新被皇帝重用，甄氏一族再度崛起。甄嬛多次躲過皇后的陷害，最終扳倒皇后。可造化弄人，由于皇帝的疑心，最終卻只能看著心上人允禮死在自己懷中，而與葉瀾依（熱依扎飾）合謀弒君。皇帝駕崩后，甄嬛養(yǎng)子弘歷登基，甄嬛被尊為圣母皇太后，即便享盡榮華，但眼見一生姐妹沈眉莊血崩而亡，一生愛人允禮為保其周全而無憾自盡，不過是一代封建王朝的悲情故夢罷了。",
    "tag":["后宮","古裝","清朝","愛情","宮斗"],
    "actors":[
        {
            "id":"actor_001",
            "name":"孫儷",
            "sex":0
        },
        {
            "id":"actor_002",
            "name":"陳建斌",
            "sex":1
        },
        {
            "id":"actor_003",
            "name":"蔡少芬",
            "sex":0
        },
        {
            "id":"actor_004",
            "name":"蔣欣",
            "sex":0
        },
        {
            "id":"actor_005",
            "name":"藍(lán)盈盈",
            "sex":0
        }
    ]
}

修改文檔，修改文檔的時(shí)候，需要指定文檔的id，并且在url后面加上_update表示更新，其中的"doc" 表示修改文檔的內(nèi)容，不加上會(huì)報(bào)錯(cuò)

POST /film/_update/001
{ 
  "doc":{
    "id":"001",
    "tag":["后宮","古裝","清朝","愛情","宮斗","玄幻"],
    "actors":[
        {
            "id":"actor_002",
            "name":"陳建斌",
            "sex":1
        },
        {
            "id":"actor_006",
            "name":"藍(lán)盈盈",
            "sex":0
        }
    ]
  }
}

刪除文檔

DELETE /film/_doc/001

文檔查詢

對(duì)于查詢，如果需要了解內(nèi)部是如何解析的，可以在查詢里加上"profile": "true"。

最簡單的，根據(jù)文檔Id查詢

GET /film/_doc/001 #001表示文檔的id

查看es分詞器的結(jié)果

GET _analyze
{
  "analyzer": "ik_max_word", #分詞器
  "text": "我是中國人"
}

term查詢: 完全匹配，不會(huì)將指定的查詢關(guān)鍵字進(jìn)行分詞，直接去分詞庫中匹配，找到相應(yīng)的文檔內(nèi)容，類似于mysql里的“=”。

GET /film/_search
{
  "query": {
    "term": {
      "name.keyword": {  #這里需要指定對(duì)name的keyword查詢
        "value": "甄嬛傳"
      }
    }
  }
}

terms查詢, 查詢機(jī)制更term一樣，類似于mysql里的in(?,?)

GET /film/_search
{
  "profile": "true", 
  "query": {
    "terms": {
      "name": ["甄", "畫"]
    }
  }
}

match_all查詢：查詢?nèi)績?nèi)容，不指定任何查詢條件，可以通過from, size 做分頁查詢

GET /film/_search
{
  "from": 0, 
  "size": 2, 
  "query": {
    "match_all": {}
  }
}

match查詢：match查詢屬于高級(jí)查詢，會(huì)根據(jù)你查詢的字段的類型不一致，采用不同的查詢方式。

如果查詢的是日期或者數(shù)值的字段，他會(huì)自動(dòng)將你的字符串查詢內(nèi)容轉(zhuǎn)換成日期或者數(shù)值對(duì)待；

如果查詢的內(nèi)容是一個(gè)不能被分詞的字段(keyword).match查詢不會(huì)對(duì)你的指定查詢關(guān)鍵字進(jìn)行分詞；

如果查詢的內(nèi)容是一個(gè)可以分詞的字段(text)，match會(huì)將你指定的查詢內(nèi)容根據(jù)一定的方式去分詞，然后去分詞庫中匹配指定的內(nèi)容。
總而言之：match查詢，實(shí)際底層就是多個(gè)term查詢，將多個(gè)term查詢的結(jié)果匯集到一起返回給你。

GET /film/_search
{
  "profile": "true", 
  "query": {
    "match": {
      "name": "甄"
    }
  }
}

match_phrase查詢：首先解析查詢字符串來產(chǎn)生一個(gè)詞條列表(這里會(huì)分詞)。然后會(huì)搜索所有的詞條，只保留包含了所有搜索詞條的文檔，并且詞條的位置要鄰接可以通過slop來指定詞之間相隔多遠(yuǎn)還能匹配，如果超過這個(gè)值，文檔將匹配不上

GET /film/_search
{
  "profile": "true", 
  "query": {
    "match_phrase": {
      "desc": {
        "query": "國泰民安 祥和",
        "slop": 8
      }
    }
  }
}

multi_match查詢：多字段進(jìn)行匹配，只要有一個(gè)字段滿足搜索條件，就能查詢出來，對(duì)于多字段匹配的問題，涉及到評(píng)分，可以通過type來指定評(píng)分標(biāo)準(zhǔn)，有三種類型，分別是： best_fields：完全匹配的文檔占比高，可以通過tie_breaker指定評(píng)分的系數(shù)；most_fields：表示越多字段匹配的文檔評(píng)分越；
cross_fields：表示詞條的分詞詞匯是分配到不同字段中評(píng)分高。

GET /film/_search
{
  "profile": "true", 
  "query": {
    "multi_match": {
     "query": "傳",
     "fields": ["name", "desc", "tag"]
    }
  }
}

GET /film/_search
{
  "profile": "true", 
  "query": {
    "multi_match": {
     "query": "民國",
     "fields": ["name", "desc", "tag"], 
     "type": "best_fields",
     "tie_breaker": 0.5
    }
  }
}

bool聯(lián)合查詢: 其中 must: 表示文檔必須完全匹配， must_not：表示文檔必須不能匹配，should表示下面的條件只要有一個(gè)滿足，就能查出來，類似sql的or

GET /film/_search
{
  "profile": "true", 
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "tag.keyword": {
              "value": "愛情"
            }
          }
        }
      ],
      "must_not": [
        {"term": {
          "tag.keyword": {
            "value": "土匪"
          }
        }}
      ]
    }
  }
}

范圍查詢：類似于sql里的between and

GET /sms-logs-index/_search
{
  "profile": "true", 
  "query": {
    "range": {
      "fee": {
        "gte": 50,
        "lte": 500
      }
    }
  }
}

GET /sms-logs-index/_search
{
  "profile": "true", 
  "query": {
    "range": {
      "createDate": {
        "gte": "2020-09-16",
        "lte": "2020-09-21"
      }
    }
  }
}

對(duì)于nested類型的查詢，需要指定path

GET /film/_search
{
    "query": {
        "bool": {
            "must": [
              {
                    "nested": {
                        "path": "actors", #這里需要指定查詢的path
                        "query": {
                            "bool": {
                                "must": [{
                                    "term": {
                                        "actors.name": "周迅"
                                    }
                                }]
                            }
                        }
                    }
                },
        {
          "term":{"tag":"民國"}
        }
            ]
        }
    }
}

通過sort對(duì)數(shù)據(jù)做排序

GET /sms-logs-index/_search
{
  "profile": "true", 
  "from": 0, 
  "size": 2, 
  "query": {
    "range": {
      "fee": {
        "gte": 50,
        "lte": 500
      }
    }
  },
  "sort": [
    {
      "fee": {
        "order": "desc"
      }
    }
  ]
}

分頁

通過from + size 淺分頁，這種分頁方式默認(rèn)值能查詢10000條數(shù)據(jù)

scroll 方式獲取深分頁的數(shù)據(jù), 查詢的時(shí)候URL上需要有scroll參數(shù)表示這個(gè)scroll存在的時(shí)間，比如5m表示存在5分鐘。之后的請(qǐng)求的接口不再使用索引名了，而是 _search/scroll，GET和POST方法都可以使用，需要重新設(shè)置scroll存在的時(shí)間。 在查詢的時(shí)候，不能加上"profile": "true", 不然后面的查詢會(huì)報(bào)錯(cuò)：The collector can only be set once 問題的鏈接在這里：https://github.com/elastic/elasticsearch/issues/27376。scroll 方式獲取數(shù)據(jù)會(huì)生成歷史快照，對(duì)于數(shù)據(jù)的變更不會(huì)反映到快照上。

GET /sms-logs-index/_search?scroll=5m
{
  "from": 0, 
  "size": 2, 
  "query": {
    "range": {
      "fee": {
        "gte": 50,
        "lte": 500
      }
    }
  }
}

GET /_search/scroll
{
   "scroll": "5m",
  "scroll_id": "FGluY2x1ZGVfY29udGV4dF91dWlkDnF1ZXJ5VGhlbkZldGNoBRRwVTRQUm5ZQllORnB0eHdqcVRpMgAAAAAAAAB-FlAxRDB2cU96UzdhbWRQSXAyWWZnZUEUcGs0UFJuWUJZTkZwdHh3anFUaTIAAAAAAAAAfxZQMUQwdnFPelM3YW1kUElwMllmZ2VBFHAwNFBSbllCWU5GcHR4d2pxVGkyAAAAAAAAAIAWUDFEMHZxT3pTN2FtZFBJcDJZZmdlQRRxRTRQUm5ZQllORnB0eHdqcVRpMgAAAAAAAACBFlAxRDB2cU96UzdhbWRQSXAyWWZnZUEUcVU0UFJuWUJZTkZwdHh3anFUaTMAAAAAAAAAghZQMUQwdnFPelM3YW1kUElwMllmZ2VB"
}

search_after 深分頁；分頁的方式是根據(jù)上一頁的最后一條數(shù)據(jù)來確定下一頁的位置，在查詢的時(shí)候需要有sort，并且排序的字段組合能有唯一性不然中間查詢的時(shí)候會(huì)有數(shù)據(jù)丟失， from一定是從零開始。

GET /sms-logs-index/_search
{
  "profile": "true", 
  "from": 0, 
  "size": 2, 
  "query": {
    "range": {
      "fee": {
        "gte": 50,
        "lte": 500
      }
    }
  },
  "sort": [
    {
      "fee": {
        "order": "desc"
      },
      "longCode":{
        "order": "desc"
      }
    }
  ]
}


GET /sms-logs-index/_search
{
  "profile": "true", 
  "from": 0, 
  "size": 2, 
  "query": {
    "range": {
      "fee": {
        "gte": 50,
        "lte": 500
      }
    }
  },
  "search_after":[200, 87454120],
  "sort": [
    {
      "fee": {
        "order": "desc"
      },
      "longCode":{
        "order": "desc"
      }
    }
  ]
}

聚合查詢

聚合查詢一般用于對(duì)數(shù)據(jù)做統(tǒng)計(jì)，比如每個(gè)城市雙11消費(fèi)了多少，用戶使用系統(tǒng)的平均時(shí)間是多少。聚合查詢分下面幾類

指標(biāo)聚合

對(duì)文檔的特定字段（field）或腳本值（generated using scripts），計(jì)算最大值(max)，最小值(min)，平均值(avg), 求和(sum)。

GET /sms-logs-index/_search
{
  "profile": "true", 
  "aggs": {
    "fee_max": { #聚合的名字
      "max": { #聚合的類型
        "field": "fee"
      }
    },
    "fee_min":{
      "min": {
        "field": "fee"
      }
    },
    "fee_sum":{
      "sum": {
        "field": "fee"
      }
    }
    ,
    "fee_avg":{
      "avg": {
        "field": "fee"
      }
    }
  }
}

distinct 聚合(cardinality)，統(tǒng)計(jì)某個(gè)字段有多少種值

GET /sms-logs-index/_search
{
  "profile": "true", 
  "aggs": {
    "fee_count": {
      "cardinality": {
        "field": "fee"
      }
    }
  }
}

統(tǒng)計(jì)聚合(stats)，統(tǒng)計(jì)的值包含 sum, avg , min, max , count

GET /sms-logs-index/_search
{
  "profile": "true", 
  "aggs": {
    "fee_stat": {
      "stats": {
        "field": "fee"
      }
    }
  }
}

百分比統(tǒng)計(jì)

GET /sms-logs-index/_search
{
  "profile": "true", 
  "size": 1, 
  "aggs": {
    "fee_percents": {
      "percentiles": {
        "field": "fee",
        "percents": [ #需要統(tǒng)計(jì)的百分比
          1,
          10,
          25,
          50,
          75,
          95,
          99
        ]
      }
    }
  }
}

百分比排名聚合，用于統(tǒng)計(jì)類似于：小費(fèi)在 200一下的占的百分比是多少。

GET /sms-logs-index/_search
{
  "profile": "true", 
  "size": 1, 
  "aggs": {
    "fee_percents": {
      "percentile_ranks": {
        "field": "fee",
        "values": [200, 2000]
      }
    }
  }
}

桶聚合

對(duì)文檔進(jìn)行分組的操作（與sql中的group by類似），把滿足相關(guān)特性的文檔分到一個(gè)桶里，即桶分，輸出結(jié)果往往是一個(gè)個(gè)包含多個(gè)文檔的桶（一個(gè)桶就是一個(gè)group）。

Terms Aggregation 詞聚合

GET /sms-logs-index/_search
{
  "profile": "true", 
  "size": 0, 
  "query": {
    "term": {
      "province": {
        "value": "杭州"
      }
    }
  }, 
  "aggs": {
    "province_terms": {
      "terms": {
        "field": "province",
        "size": 10,
        "min_doc_count": 4 #只返回文檔個(gè)數(shù)不小于該值的 buckets
      }
    }
  }
}

rang 范圍聚合

GET /sms-logs-index/_search
{
  "profile": "true", 
  "size": 0, 
  "query": {
    "term": {
      "province": {
        "value": "杭州"
      }
    }
  }, 
  "aggs": {
    "fee_range": {
      "range": {
        "field": "fee",
        "ranges": [
          {
            "from": 0,
            "to": 100
          },
          {
            "from": 100,
            "to": 2000
          }
        ]
      }
    }
  }
}

date_range 時(shí)間范圍查詢

GET /sms-logs-index/_search
{
  "size": 0, 
  "aggs": {
    "createDate_range": {
      "date_range": {
        "field": "createDate",
        "ranges": [
          {
            "from": "2020-09-16",
            "to": "2020-09-20"
          },
          {
            "from": "2020-09-21",
            "to": "2020-09-23"
          }
          
        ]
      }
    }
  }
}

最后編輯于：2020.12.14 22:09:40

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

人面猴
序言：七十年代末，一起剝皮案震驚了整個(gè)濱河市，隨后出現(xiàn)的幾起案子，更是在濱河造成了極大的恐慌，老刑警劉巖，帶你破解...
沈念sama閱讀 228,739評(píng)論 6贊 534
死咒
序言：濱河連續(xù)發(fā)生了三起死亡事件，死亡現(xiàn)場離奇詭異，居然都是意外死亡，警方通過查閱死者的電腦和手機(jī)，發(fā)現(xiàn)死者居然都...
沈念sama閱讀 98,634評(píng)論 3贊 419
救了他兩次的神仙讓他今天三更去死
文/潘曉璐我一進(jìn)店門，熙熙樓的掌柜王于貴愁眉苦臉地迎上來，“玉大人，你說我怎么就攤上這事。” “怎么了？”我有些...
開封第一講書人閱讀 176,653評(píng)論 0贊 377
道士緝兇錄：失蹤的賣姜人
文/不壞的土叔我叫張陵，是天一觀的道長。經(jīng)常有香客問我，道長，這世上最難降的妖魔是什么？我笑而不...
開封第一講書人閱讀 63,063評(píng)論 1贊 314
?港島之戀（遺憾婚禮）
正文為了忘掉前任，我火速辦了婚禮，結(jié)果婚禮上，老公的妹妹穿的比我還像新娘。我一直安慰自己，他們只是感情好，可當(dāng)我...
茶點(diǎn)故事閱讀 71,835評(píng)論 6贊 410
惡毒庶女頂嫁案：這布局不是一般人想出來的
文/花漫我一把揭開白布。她就那樣靜靜地躺著，像睡著了一般。火紅的嫁衣襯著肌膚如雪。梳的紋絲不亂的頭發(fā)上，一...
開封第一講書人閱讀 55,235評(píng)論 1贊 324
城市分裂傳說
那天，我揣著相機(jī)與錄音，去河邊找鬼。笑死，一個(gè)胖子當(dāng)著我的面吹牛，可吹牛的內(nèi)容都是我干的。我是一名探鬼主播，決...
沈念sama閱讀 43,315評(píng)論 3贊 442
雙鴛鴦連環(huán)套：你想象不到人心有多黑
文/蒼蘭香墨我猛地睜開眼，長吁一口氣：“原來是場噩夢啊……” “哼！你這毒婦竟也來了？” 一聲冷哼從身側(cè)響起，我...
開封第一講書人閱讀 42,459評(píng)論 0贊 289
萬榮殺人案實(shí)錄
序言：老撾萬榮一對(duì)情侶失蹤，失蹤者是張志新（化名）和其女友劉穎，沒想到半個(gè)月后，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體，經(jīng)...
沈念sama閱讀 49,000評(píng)論 1贊 335
?護(hù)林員之死
正文獨(dú)居荒郊野嶺守林人離奇死亡，尸身上長有42處帶血的膿包…… 初始之章·張勛以下內(nèi)容為張勛視角年9月15日...
茶點(diǎn)故事閱讀 40,819評(píng)論 3贊 355
?白月光啟示錄
正文我和宋清朗相戀三年，在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
茶點(diǎn)故事閱讀 43,004評(píng)論 1贊 370
活死人
序言：一個(gè)原本活蹦亂跳的男人離奇死亡，死狀恐怖，靈堂內(nèi)的尸體忽然破棺而出，到底是詐尸還是另有隱情，我是刑警寧澤，帶...
沈念sama閱讀 38,560評(píng)論 5贊 362
?日本核電站爆炸內(nèi)幕
正文年R本政府宣布，位于F島的核電站，受9級(jí)特大地震影響，放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜，卻給世界環(huán)境...
茶點(diǎn)故事閱讀 44,257評(píng)論 3贊 347
男人毒藥：我在死后第九天來索命
文/蒙蒙一、第九天我趴在偏房一處隱蔽的房頂上張望。院中可真熱鬧，春花似錦、人聲如沸。這莊子的主人今日做“春日...
開封第一講書人閱讀 34,676評(píng)論 0贊 26
一樁弒父案，背后竟有這般陰謀
文/蒼蘭香墨我抬頭看了看天上的太陽。三九已至，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間，已是汗流浹背。一陣腳步聲響...
開封第一講書人閱讀 35,937評(píng)論 1贊 288
情欲美人皮
我被黑心中介騙來泰國打工，沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留，地道東北人。一個(gè)月前我還...
沈念sama閱讀 51,717評(píng)論 3贊 393
代替公主和親
正文我出身青樓，卻偏偏與公主長得像，于是被迫代替她去往敵國和親。傳聞我的和親對(duì)象是個(gè)殘疾皇子，可洞房花燭夜當(dāng)晚...
茶點(diǎn)故事閱讀 48,003評(píng)論 2贊 374

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频

Elasticsearch基本使用

Elasticsearch基本使用

安裝Elasticsearch

安裝可視化工具Kibana

重要的概念

數(shù)據(jù)類型

索引的基本操作

文檔的基本操作

文檔查詢

分頁

聚合查詢

指標(biāo)聚合

桶聚合

推薦閱讀更多精彩內(nèi)容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美 国产 综合 欧美 视频

Elasticsearch基本使用

安裝Elasticsearch

安裝可視化工具Kibana

重要的概念

數(shù)據(jù)類型

索引的基本操作

文檔的基本操作

文檔查詢

分頁

聚合查詢

指標(biāo)聚合

桶聚合

推薦閱讀更多精彩內(nèi)容

三个男躁一个女,国精产品一区一手机的秘密,麦子交换系列最经典十句话,欧美国产综合欧美视频