Elastic日报 第677期 (2019-07-22)

1、ElasticSearch在高并发复杂查询业务场景的应用
http://t.cn/AilTUc8N

2、谈一谈es的优势和限制
http://t.cn/AilT4JZD

3、使用elasticsearch实现十亿级数据的查询性能优化
http://t.cn/AilT6Bb4

编辑:cyberdak
归档:https://ela.st/cn-daily-all
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup
继续阅读 »
1、ElasticSearch在高并发复杂查询业务场景的应用
http://t.cn/AilTUc8N

2、谈一谈es的优势和限制
http://t.cn/AilT4JZD

3、使用elasticsearch实现十亿级数据的查询性能优化
http://t.cn/AilT6Bb4

编辑:cyberdak
归档:https://ela.st/cn-daily-all
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup 收起阅读 »

Elastic&滴滴 meetup杭州站 2019年9月7日,抓紧报名哦

Elastic中文社区联合滴滴出行,将于2019年9月7日,在杭州举办一次线下技术交流活动。 本次活动交流内容主要围绕Elastic的开源产品(Elasticsearch、Logstash、Kibana 和 Beats)及周边技术,探讨在搜索、数据实时分析、日志分析、安全等领域的实践与应用。 活动分享火热报名中!
报名地址

朱杰 Elastic elastic资深顾问 《卓越运维三连击日志、指标和APM》
主题摘要:讲解将日志、指标和APM融入同一个技术栈的优势,在Elastic Stack中统一管理这三者的挑战和解决方法。分析在同一个技术栈里做三者的关联的优势和意义。相关问题解答和产品演示。

高斌龙 腾讯 Elasticsearch云服务后台开发工程师 《云上Elasticsearch的容灾与数据备份机制》
主题摘要:介绍基于云服务器和云硬盘搭建的ES集群,如何实现跨机房容灾和跨地域容灾;另外介绍云上的ES集群如何进行数据备份和恢复。

朱永清 杭州美创 技术专家 《ES 认证工程师考试经验分享》
主题摘要:如何参加 ES 认证工程师考试,如何做好考前准备并顺利通过考试,和一些经验分享。

钟华 滴滴ES团队 资深软件开发工程师 《基于Hadoop快速构建离线elasticsearch索引》
主题摘要:本主题介绍滴滴内部FastIndex服务,一种利用Hadoop计算能力快速离线构建elasticsearch索引的方式,替代之前使用DataX离线导入方式,在大数据场景下,可将写入时间降低为DataX的十分之一,同时不影响在线ES集群。

活动时间: 2019年9月7日
活动地址: 杭州市西湖区弘德路256号 西溪谷国际商务中心G座8楼(滴滴办公大楼)
报名地址
继续阅读 »
Elastic中文社区联合滴滴出行,将于2019年9月7日,在杭州举办一次线下技术交流活动。 本次活动交流内容主要围绕Elastic的开源产品(Elasticsearch、Logstash、Kibana 和 Beats)及周边技术,探讨在搜索、数据实时分析、日志分析、安全等领域的实践与应用。 活动分享火热报名中!
报名地址

朱杰 Elastic elastic资深顾问 《卓越运维三连击日志、指标和APM》
主题摘要:讲解将日志、指标和APM融入同一个技术栈的优势,在Elastic Stack中统一管理这三者的挑战和解决方法。分析在同一个技术栈里做三者的关联的优势和意义。相关问题解答和产品演示。

高斌龙 腾讯 Elasticsearch云服务后台开发工程师 《云上Elasticsearch的容灾与数据备份机制》
主题摘要:介绍基于云服务器和云硬盘搭建的ES集群,如何实现跨机房容灾和跨地域容灾;另外介绍云上的ES集群如何进行数据备份和恢复。

朱永清 杭州美创 技术专家 《ES 认证工程师考试经验分享》
主题摘要:如何参加 ES 认证工程师考试,如何做好考前准备并顺利通过考试,和一些经验分享。

钟华 滴滴ES团队 资深软件开发工程师 《基于Hadoop快速构建离线elasticsearch索引》
主题摘要:本主题介绍滴滴内部FastIndex服务,一种利用Hadoop计算能力快速离线构建elasticsearch索引的方式,替代之前使用DataX离线导入方式,在大数据场景下,可将写入时间降低为DataX的十分之一,同时不影响在线ES集群。

活动时间: 2019年9月7日
活动地址: 杭州市西湖区弘德路256号 西溪谷国际商务中心G座8楼(滴滴办公大楼)
报名地址 收起阅读 »

Elastic日报 第676期 (2019-07-21)

1.用于集成测试的Elasticsearch实例。
http://t.cn/AilNuhqS
2.搜索成熟度指数。
http://t.cn/AilN1DwW
3.(自备梯子)大数据 -  Apache NiFi和Kafka示例。
http://t.cn/AilNdvHK

编辑:至尊宝
归档:https://ela.st/cn-daily-all
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup
继续阅读 »
1.用于集成测试的Elasticsearch实例。
http://t.cn/AilNuhqS
2.搜索成熟度指数。
http://t.cn/AilN1DwW
3.(自备梯子)大数据 -  Apache NiFi和Kafka示例。
http://t.cn/AilNdvHK

编辑:至尊宝
归档:https://ela.st/cn-daily-all
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup 收起阅读 »

Elastic日报 第675期 (2019-07-20)

1.es常用api备忘录 http://t.cn/AilXMABc

2.Logstash详解之filter模块 http://t.cn/AilXm9R9

3.手把手教你构建推荐系统 http://t.cn/EwTb6zy

继续阅读 »

1.es常用api备忘录 http://t.cn/AilXMABc

2.Logstash详解之filter模块 http://t.cn/AilXm9R9

3.手把手教你构建推荐系统 http://t.cn/EwTb6zy

收起阅读 »

Elastic日报 第674期 (2019-07-19)

1、开源:Kibana的数据透视表(梯子)
https://tinyurl.com/y5ybyzvm
2、使用Elasticsearch和Fluentd实时监控HAProxy
https://tinyurl.com/y38ejvc2
3、使用Kibana和Rsyslog监控Linux日志详解
https://tinyurl.com/y5jtqyjm

编辑:铭毅天下
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup
继续阅读 »
1、开源:Kibana的数据透视表(梯子)
https://tinyurl.com/y5ybyzvm
2、使用Elasticsearch和Fluentd实时监控HAProxy
https://tinyurl.com/y38ejvc2
3、使用Kibana和Rsyslog监控Linux日志详解
https://tinyurl.com/y5jtqyjm

编辑:铭毅天下
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup 收起阅读 »

Elastic日报 第673期 (2019-07-18)

1.如何在Kubernetes上部署高可用和可扩展的Elasticsearch
http://t.cn/ELhogLr
2.基于 Elasticsearch 的 Zipkin 统计
http://t.cn/AilZGksE
3.谈谈Java日志
http://t.cn/AilZGksm

编辑:金桥
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup
继续阅读 »
1.如何在Kubernetes上部署高可用和可扩展的Elasticsearch
http://t.cn/ELhogLr
2.基于 Elasticsearch 的 Zipkin 统计
http://t.cn/AilZGksE
3.谈谈Java日志
http://t.cn/AilZGksm

编辑:金桥
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup 收起阅读 »

Elastic日报 第672期 (2019-07-17)

1、使用elastic stack监控nginx;
http://tinyurl.com/y4nkkgdp
2、开源监控指南;
http://tinyurl.com/y3djkbk3
3、elasticsearch安全;
http://tinyurl.com/y527flat

编辑:wt
归档:https://ela.st/cn-daily-all
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup
继续阅读 »
1、使用elastic stack监控nginx;
http://tinyurl.com/y4nkkgdp
2、开源监控指南;
http://tinyurl.com/y3djkbk3
3、elasticsearch安全;
http://tinyurl.com/y527flat

编辑:wt
归档:https://ela.st/cn-daily-all
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup 收起阅读 »

从MySQL建立Elasticsearch索引-索引

本文始发于知乎Elasticsearch专栏:从MySQL建立Elasticsearch索引-索引

接上文从MySQL建立Elasticsearch索引-引言,本文介绍一下我们实现索引创建时的一些思路。

目标

框架以Jar包的形式提供,通过配置(XML)提供规则,支持插件开发,支持全量、增量等。

因为希望尽量减少开发量,所以不要求使用方提供平表,因此需要考虑如何将平表

概念

  • 全量:即使用全部数据创建一个新的索引
  • 增量:按照时间范围或者给定的规则,把变化的数据同步到ES
  • 插件:本框架内定义了一个插件接口,用于特定需求自行开发,并接入到现有的配置文件中
  • 分批参数:SQL中由框架填充的参数,类似${id}等

配置

以用户(users)为例,配置有三种文件:

  1. users.mapping,保存了索引的配置,每次全量的时候会读取本文件进行索引创建
  2. rule,规则文件,里面主要定义了对应SQL和插件的配置
    1. users-all.rule,全量规则,规则中以主表为主体,支持以Top、Limit的形式对数据进行分批获取,分批参数在SQL里可以定义为${id},框架会自动填充该值,以保证能够拉取到全量的数据
    2. users-inc.rule,按照时间范围进行增量,分批参数支持在SQL中使用${startTime}和${endTime}
    3. users-spec.rule,按照指定的主表的主键,获取数据及更新索引的操作
    4. users-partial.rule,框架接入了阿里的Canal,本规则定义了各种表变化时,如果取到主表Id,以使用spec进行数据更新
  3. users.plugin,以上的rule主要提供了主表数据的获取方法,plugin文件则提供了各种关联表的信息获取方式,可以使用SQL,或者自定义的插件

全量索引实现关键点

为了保证索引的性能、监控、正确性等,实现时进行了以下设计。

(一)索引的维护

ES使用分布式、Replica、Snapshot机制保证索引的有效及集群稳定性。我们综合考虑后决定放弃Snapshot机制,通过定时/不定时创建全新全量索引,索引名字以${indexName}-{yyyy-MM-dd}的格式定义。正进行全量的索引关联上${indexName}_F的别名,正在使用的索引关联上${indexName}的别名,这样代码里可以不用关心应该读取或者使用哪个索引,合适的场景使用合适的别名即可。

(二)索引的性能

此处专指创建索引的性能,ES的性能是老话题了。

首先,为了保证全量的性能,创建索引时会调整mapping参数,类似refresh_interval改成-1,number_of_replicas改成0,添加默认slowlog设置。

索引过程中,控制bulk请求体的总大小,保证合适的分批大小的数据一并提交到ES。如果失败简单重试三次,如果三次都失败则认为失败,退出并删除当前索引,以保证线上ES数据干净准确。

(三)索引的变更

索引完成后,检查当前索引文档数和正使用索引文档数差异,如果大于配置的阈值,则认为此次索引创建有问题,删除索引并退出;做强制合并,减少segments数,提高搜索性能;恢复refresh_interval、number_of_replicas等设置;等待新索引状态变成GREEN后,将${indexName}切换到新的索引上,以使新索引生效。

最后,检查以${indexName}-{yyyy-MM-dd}格式命名的索引有几份,将多于指定个数的较老的索引删除,将多于指定个数的索引状态改为Close。这样可以尽可能提供磁盘内存利用率,减少不必要的损耗,又能在一定程度上保证数据可用。

以上,即完成了全量索引的创建。

增量索引实现关键点

增量索引因为场景比较多,所以规则也分了几种:

  • inc,使用${startTime}和${endTime}在SQL中代替时间范围,框架会自动保存上次执行时间,以使整个增量整体不断滚动更新。实际使用时,因为有多个关联表导致SQL写起来比较复杂,以及部分增量数据过大,对DB有一定压力,因此不推荐使用此种方式。数据相对简单的场景可以使用。
  • spec,在知道主表数据变化范围的时候使用,也是目前我们推荐的一种方式。使用主键查找数据,所有的表都是主键查询,影响范围也很明确。
  • partial,针对canal做了单独封装的规则,用户获取canal的变化类型(更新、删除),变化的主表Id,用于使用spec的方式进行数据更新。

暂时没有使用部分更新的原因是,关联表与主表的映射关系比较复杂,有1:1,1:N,M:N;并且目前按照主键更新数据的方式,对DB等压力不大;加上spec的方式逻辑清晰,有利于维护和开发。

扩展性

SQL不是万能的,比方说我们部分数据需要从其他微服务取,或者SQL逻辑复杂建议代码实现,这时候就可以使用我们的插件机制了。默认框架提供了一个很强大的插件,支持Distinct、Merge、Mapping等功能,可以满足80%的关联数据的场景了。其他的场景以及需要微服务的场景,支持用户自己实现指定插件,通过配置文件,即可接入现有的框架体系中。以此能支持目前我们全部需求。

下一篇,我们将分享我们搜索模块的实现思路。

继续阅读 »

本文始发于知乎Elasticsearch专栏:从MySQL建立Elasticsearch索引-索引

接上文从MySQL建立Elasticsearch索引-引言,本文介绍一下我们实现索引创建时的一些思路。

目标

框架以Jar包的形式提供,通过配置(XML)提供规则,支持插件开发,支持全量、增量等。

因为希望尽量减少开发量,所以不要求使用方提供平表,因此需要考虑如何将平表

概念

  • 全量:即使用全部数据创建一个新的索引
  • 增量:按照时间范围或者给定的规则,把变化的数据同步到ES
  • 插件:本框架内定义了一个插件接口,用于特定需求自行开发,并接入到现有的配置文件中
  • 分批参数:SQL中由框架填充的参数,类似${id}等

配置

以用户(users)为例,配置有三种文件:

  1. users.mapping,保存了索引的配置,每次全量的时候会读取本文件进行索引创建
  2. rule,规则文件,里面主要定义了对应SQL和插件的配置
    1. users-all.rule,全量规则,规则中以主表为主体,支持以Top、Limit的形式对数据进行分批获取,分批参数在SQL里可以定义为${id},框架会自动填充该值,以保证能够拉取到全量的数据
    2. users-inc.rule,按照时间范围进行增量,分批参数支持在SQL中使用${startTime}和${endTime}
    3. users-spec.rule,按照指定的主表的主键,获取数据及更新索引的操作
    4. users-partial.rule,框架接入了阿里的Canal,本规则定义了各种表变化时,如果取到主表Id,以使用spec进行数据更新
  3. users.plugin,以上的rule主要提供了主表数据的获取方法,plugin文件则提供了各种关联表的信息获取方式,可以使用SQL,或者自定义的插件

全量索引实现关键点

为了保证索引的性能、监控、正确性等,实现时进行了以下设计。

(一)索引的维护

ES使用分布式、Replica、Snapshot机制保证索引的有效及集群稳定性。我们综合考虑后决定放弃Snapshot机制,通过定时/不定时创建全新全量索引,索引名字以${indexName}-{yyyy-MM-dd}的格式定义。正进行全量的索引关联上${indexName}_F的别名,正在使用的索引关联上${indexName}的别名,这样代码里可以不用关心应该读取或者使用哪个索引,合适的场景使用合适的别名即可。

(二)索引的性能

此处专指创建索引的性能,ES的性能是老话题了。

首先,为了保证全量的性能,创建索引时会调整mapping参数,类似refresh_interval改成-1,number_of_replicas改成0,添加默认slowlog设置。

索引过程中,控制bulk请求体的总大小,保证合适的分批大小的数据一并提交到ES。如果失败简单重试三次,如果三次都失败则认为失败,退出并删除当前索引,以保证线上ES数据干净准确。

(三)索引的变更

索引完成后,检查当前索引文档数和正使用索引文档数差异,如果大于配置的阈值,则认为此次索引创建有问题,删除索引并退出;做强制合并,减少segments数,提高搜索性能;恢复refresh_interval、number_of_replicas等设置;等待新索引状态变成GREEN后,将${indexName}切换到新的索引上,以使新索引生效。

最后,检查以${indexName}-{yyyy-MM-dd}格式命名的索引有几份,将多于指定个数的较老的索引删除,将多于指定个数的索引状态改为Close。这样可以尽可能提供磁盘内存利用率,减少不必要的损耗,又能在一定程度上保证数据可用。

以上,即完成了全量索引的创建。

增量索引实现关键点

增量索引因为场景比较多,所以规则也分了几种:

  • inc,使用${startTime}和${endTime}在SQL中代替时间范围,框架会自动保存上次执行时间,以使整个增量整体不断滚动更新。实际使用时,因为有多个关联表导致SQL写起来比较复杂,以及部分增量数据过大,对DB有一定压力,因此不推荐使用此种方式。数据相对简单的场景可以使用。
  • spec,在知道主表数据变化范围的时候使用,也是目前我们推荐的一种方式。使用主键查找数据,所有的表都是主键查询,影响范围也很明确。
  • partial,针对canal做了单独封装的规则,用户获取canal的变化类型(更新、删除),变化的主表Id,用于使用spec的方式进行数据更新。

暂时没有使用部分更新的原因是,关联表与主表的映射关系比较复杂,有1:1,1:N,M:N;并且目前按照主键更新数据的方式,对DB等压力不大;加上spec的方式逻辑清晰,有利于维护和开发。

扩展性

SQL不是万能的,比方说我们部分数据需要从其他微服务取,或者SQL逻辑复杂建议代码实现,这时候就可以使用我们的插件机制了。默认框架提供了一个很强大的插件,支持Distinct、Merge、Mapping等功能,可以满足80%的关联数据的场景了。其他的场景以及需要微服务的场景,支持用户自己实现指定插件,通过配置文件,即可接入现有的框架体系中。以此能支持目前我们全部需求。

下一篇,我们将分享我们搜索模块的实现思路。

收起阅读 »

从MySQL建立Elasticsearch索引-引言

本文始发于知乎Elasticsearch专栏:从MySQL建立Elasticsearch索引-引言

日常工作里,因业务需要大量使用了Elasticsearch。为了简化索引的开发工作,我们需要一个易用可扩展的MySQL到ES的同步框架,在比较了可以找到的各种开源框架&工具后,我们还是选择自行研发了一个,名字简单粗暴:es-common。

背景

16年我接手了并负责了部门所有业务的搜索系统,旧搜索系统是基于Lucene自研实现的一个搜索框架,包含了平表创建、全量索引、增量索引、搜索引擎四个部分基础功能的封装;另有一个管理系统,用于配置索引、字典等信息。框架的实现思路是通过建立平表,简化索引创建的过程。

接手该系统以后,各业务出现井喷式发展,各种需求铺天盖地,同时该系统的不稳定性也开始作妖,最早三个人的小团队每天都疲于奔命。解决现有问题的同时,也在查找更好的解决方案。于是Elasticsearch进入视野。 基于JSON的交互、分布式、数据与逻辑隔离、开箱即用、稳定等特性,使我们确定了向ES转型的计划。每个点都是现有系统没有解决的问题,具体的点就不吐槽了。

选择

我们的需求有:

  1. 支持全量、增量建立索引,以使数据变更较快体现
  2. 支持更新指定文档,以处理突发问题
  3. 索引有版本控制,以防止出现问题无法快速回滚
  4. 尽量减少代码开发,减少出错概率,更专注业务
  5. 简单的出错处理,失败检测等
  6. 支持插件化开发,提供额外数据
  7. 支持简单的规则,类似合并同主键数据
  8. 域名、AUTH不可见,以满足安全要求
  9. 支持非MySQL来源的数据,因为微服务的存在,不是所有数据都能从DB获取到

当时的调用结果已经找不到了,那么按照现在可以搜索到的框架和工具来重新做调研好了。简单搜索了一下MySQL到ES的同步框架或者工具,有以下几个:

这几个工具通过简单的配置,即可建立索引,但分析我们的需求,有以下需求无法满足:

  1. 需要提供DB的URL、User和Password等,我们公司由于安全的考虑,是无法拿到这些参数的;
  2. 有部分数据是通过微服务获取的,单纯的SQL是无法访问微服务的;
  3. 有的表数据量比较大,需要分片多JOB同时处理,JDBC在这点上操作比较麻烦;
  4. 增量是需要按照主键进行更新的,按照时间扫描对表压力比较大;
  5. 类似工具无法走常规发布,有一定的发布风险

基于以上原因,我们选择了自己研发了一个框架,用来满足我们的需求。下篇文章讲介绍es-common的实现思路。

继续阅读 »

本文始发于知乎Elasticsearch专栏:从MySQL建立Elasticsearch索引-引言

日常工作里,因业务需要大量使用了Elasticsearch。为了简化索引的开发工作,我们需要一个易用可扩展的MySQL到ES的同步框架,在比较了可以找到的各种开源框架&工具后,我们还是选择自行研发了一个,名字简单粗暴:es-common。

背景

16年我接手了并负责了部门所有业务的搜索系统,旧搜索系统是基于Lucene自研实现的一个搜索框架,包含了平表创建、全量索引、增量索引、搜索引擎四个部分基础功能的封装;另有一个管理系统,用于配置索引、字典等信息。框架的实现思路是通过建立平表,简化索引创建的过程。

接手该系统以后,各业务出现井喷式发展,各种需求铺天盖地,同时该系统的不稳定性也开始作妖,最早三个人的小团队每天都疲于奔命。解决现有问题的同时,也在查找更好的解决方案。于是Elasticsearch进入视野。 基于JSON的交互、分布式、数据与逻辑隔离、开箱即用、稳定等特性,使我们确定了向ES转型的计划。每个点都是现有系统没有解决的问题,具体的点就不吐槽了。

选择

我们的需求有:

  1. 支持全量、增量建立索引,以使数据变更较快体现
  2. 支持更新指定文档,以处理突发问题
  3. 索引有版本控制,以防止出现问题无法快速回滚
  4. 尽量减少代码开发,减少出错概率,更专注业务
  5. 简单的出错处理,失败检测等
  6. 支持插件化开发,提供额外数据
  7. 支持简单的规则,类似合并同主键数据
  8. 域名、AUTH不可见,以满足安全要求
  9. 支持非MySQL来源的数据,因为微服务的存在,不是所有数据都能从DB获取到

当时的调用结果已经找不到了,那么按照现在可以搜索到的框架和工具来重新做调研好了。简单搜索了一下MySQL到ES的同步框架或者工具,有以下几个:

这几个工具通过简单的配置,即可建立索引,但分析我们的需求,有以下需求无法满足:

  1. 需要提供DB的URL、User和Password等,我们公司由于安全的考虑,是无法拿到这些参数的;
  2. 有部分数据是通过微服务获取的,单纯的SQL是无法访问微服务的;
  3. 有的表数据量比较大,需要分片多JOB同时处理,JDBC在这点上操作比较麻烦;
  4. 增量是需要按照主键进行更新的,按照时间扫描对表压力比较大;
  5. 类似工具无法走常规发布,有一定的发布风险

基于以上原因,我们选择了自己研发了一个框架,用来满足我们的需求。下篇文章讲介绍es-common的实现思路。

收起阅读 »

Elastic日报 第671期 (2019-07-16)

1、ElasticSearch与NoSQL之差异比较。
http://tinyurl.com/y3h9qund
2、Pandora日志收集实战。
http://tinyurl.com/y6r9mobm
3、ElasticSearch冷热数据分离介绍。
http://tinyurl.com/y6phaw9m

编辑:叮咚光军

归档:https://ela.st/cn-daily-all
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup
继续阅读 »
1、ElasticSearch与NoSQL之差异比较。
http://tinyurl.com/y3h9qund
2、Pandora日志收集实战。
http://tinyurl.com/y6r9mobm
3、ElasticSearch冷热数据分离介绍。
http://tinyurl.com/y6phaw9m

编辑:叮咚光军

归档:https://ela.st/cn-daily-all
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup 收起阅读 »

Elastic日报 第670期 (2019-07-15)

1、I-team 博客全文检索 Elasticsearch 实战
https://tinyurl.com/y3u8hels
2、ElasticSearch 多值类型的数据存储
https://tinyurl.com/y39jr2dg
3、ELK:kibana使用的lucene查询语法
https://tinyurl.com/y5uyagn4

编辑:cyberdak
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup
继续阅读 »
1、I-team 博客全文检索 Elasticsearch 实战
https://tinyurl.com/y3u8hels
2、ElasticSearch 多值类型的数据存储
https://tinyurl.com/y39jr2dg
3、ELK:kibana使用的lucene查询语法
https://tinyurl.com/y5uyagn4

编辑:cyberdak
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup 收起阅读 »

Elastic日报 第669期 (2019-07-14)

1.一些Elasticsearch安全功能已经免费。
http://t.cn/AiWaXmUV
2.Logz.io将在Microsoft Azure上提供ELK-as-a-Service。
http://t.cn/AiWaKM32
3.(自备梯子)记录决策的简单而强大的工具。
http://t.cn/AiWaEFss

编辑:至尊宝
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup
继续阅读 »
1.一些Elasticsearch安全功能已经免费。
http://t.cn/AiWaXmUV
2.Logz.io将在Microsoft Azure上提供ELK-as-a-Service。
http://t.cn/AiWaKM32
3.(自备梯子)记录决策的简单而强大的工具。
http://t.cn/AiWaEFss

编辑:至尊宝
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup 收起阅读 »

Elastic日报 第668期 (2019-07-13)

1、使用metricbeat监控linux raid;
http://tinyurl.com/y6lk5wgl
2、使用Elasticsearch进行智能搜索的机器学习
http://tinyurl.com/y3gtymnr
3、python和elasticsearch构建简易搜索
http://tinyurl.com/yxbfcbgo

编辑:wt
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup
继续阅读 »
1、使用metricbeat监控linux raid;
http://tinyurl.com/y6lk5wgl
2、使用Elasticsearch进行智能搜索的机器学习
http://tinyurl.com/y3gtymnr
3、python和elasticsearch构建简易搜索
http://tinyurl.com/yxbfcbgo

编辑:wt
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup 收起阅读 »

Elastic日报 第667期 (2019-07-12)

1、Elasticsearch的高效嵌入向量相似打分插件
https://0x7.me/hUa9
2、DoorDash 的个性化搜索是如何实现的(自备梯子)
https://0x7.me/4kBH
3、ELK监控容器实现
https://0x7.me/VnKLT

编辑:铭毅天下
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup
继续阅读 »
1、Elasticsearch的高效嵌入向量相似打分插件
https://0x7.me/hUa9
2、DoorDash 的个性化搜索是如何实现的(自备梯子)
https://0x7.me/4kBH
3、ELK监控容器实现
https://0x7.me/VnKLT

编辑:铭毅天下
归档:https://ela.st/cn-daily-all 
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup 收起阅读 »

Elastic日报 第666期 (2019-07-11)

1.使用ES升级助手升级集群
http://t.cn/AiW70bC0
2.基于k8s运行elasticsearch
http://t.cn/Ei8iZeq
3.ES的深度翻页怎么处理
http://t.cn/AiW70bCC

编辑:金桥
归档:https://ela.st/cn-daily-all
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup
继续阅读 »
1.使用ES升级助手升级集群
http://t.cn/AiW70bC0
2.基于k8s运行elasticsearch
http://t.cn/Ei8iZeq
3.ES的深度翻页怎么处理
http://t.cn/AiW70bCC

编辑:金桥
归档:https://ela.st/cn-daily-all
订阅:https://ela.st/cn-daily-sub
沙龙:https://ela.st/cn-meetup 收起阅读 »