《深入理解Elasticsearch(原书第2版)》一2.6 小结
elasticsearch 深入 理解 小结 原书 2.6
2023-09-11 14:16:11 时间
本节书摘来自华章出版社《深入理解Elasticsearch(原书第2版)》一书中的第2章,第2.6节,作者[美]拉斐尔·酷奇(Rafal Ku) 马雷克·罗戈任斯基(Marek Rogoziski),更多章节内容可以访问云栖社区“华章计算机”公众号查看
在本章中,我们了解了Apache Lucene默认的打分机制是如何运作的,探讨了查询改写的处理过程—查询改写是如何实现的以及为什么需要查询改写。我们还认识了查询模板的工作原理,以及它们是如何简化查询构建的。我们还一起探索了不同的查询过滤方式、它们之间的差异,以及它们的使用时机。最后,我们把查询指派到不同的分组中,并学习了不同分组的使用场景和具体示例。
下一章中,我们将告别全文检索,把目光投向其他查询功能上。首先我们将把知识面拓展到二次评分功能,并具备对搜索结果前N个文档重新打分的能力。然后我们将学习如何加载重要词项,并使用聚集功能实现文档分组。我们还将对比父子关系和嵌套文档之间的差异,掌握方法查询的使用。最后,我们还将学习如何高效地对结果文档集进行分页。
大话ElasticSearch(上) 搜索引擎简述 什么是搜索? 搜索:就是在任何场景下,找寻你想要的信息,这个时候,会输入一段你要搜索的关键字,然后就期望找到这个关键字相关的有些信息。 搜索分类: 普通的网页搜索、垂直搜索引擎等
大话ElasticSearch(下) 搜索引擎简述 什么是搜索? 搜索:就是在任何场景下,找寻你想要的信息,这个时候,会输入一段你要搜索的关键字,然后就期望找到这个关键字相关的有些信息。 搜索分类: 普通的网页搜索、垂直搜索引擎等
Elasticsearch就是这么简单(二) 最近有点想弄一个站内搜索的功能,之前学过了Lucene,后来又听过Solr这个名词。接着在了解全文搜索的时候就发现了Elasticsearch这个,他也是以Lucene为基础的。
Elasticsearch 指南 [7.0] - 快速开始 Getting started Elasticsearch 是一个高度伸缩的开源全文搜索与分析引擎。它可以使你快速的近乎于准实时的存储、查询和分析超大数据集。它通常被用来当做构建复杂查询特性和需求强大应用的基础引擎/技术。
相关文章
- Elasticsearch-更新现有文档
- Elasticsearch docker-compose部署hot、warm、cold的elasticsearch集群
- Elasticsearch 文档分布式存储
- 《深入理解Elasticsearch(原书第2版)》一1.2 何为Elasticsearch
- 《深入理解Elasticsearch(原书第2版)》一第2章查询DSL进阶2.1 Apache Lucene默认评分公式解释
- 《深入理解Elasticsearch(原书第2版)》一2.4 过滤器的使用及作用原理
- elasticsearch 八、重要的配置更改
- ElasticSearch第一讲 Docker-compose 单机部署Elasticsearch kibana esHead与配置认证证书设置密码
- java.nio.file.AccessDeniedException: /home/soft/elasticsearch-6.8.0/config/jvm.options
- ElasticSearch使用代码
- ElasticSearch(ES) Connection reset by peer解决方案
- ElasticSearch搜索实例含高亮显示及搜索的特殊字符过滤
- 深入浅出 spring-data-elasticsearch 之 ElasticSearch 架构初探(一)
- 乐优13天UnmappedTerms cannot be cast to org.elasticsearch.search.aggregations.bucket.terms.StringTerms
- 《深入理解Elasticsearch(原书第2版)》——第1章 Elasticsearch简介 1.1 Apache Lucene简介
- 《深入理解Elasticsearch(原书第2版)》——第2章 查询DSL进阶 2.1 Apache Lucene默认评分公式解释
- Linux系统Elasticsearch启动时候出现vm.max_map_count异常的处理方法
- Elasticsearch聚合后分页深入详解
- Elasticsearch增、删、改、查操作深入详解
- Es ElasticSearch 常用命令
- ElasticSearch 文档数据导入导出及两个ElasticSearch互相导入操作
- windows环境下一键搭建大数据开发环境,Java+hadoop+hbase+elasticsearch+apache-tomcat,对上海出租车历史数据进行了分析并做了轨迹数据可视化展现