本小册分为 4 个部分，将由浅入深为你介绍 Elasticsearch 7.x 中的核心技术。主要知识点包括基本概念、常用 API 的使用实践、核心特性的底层原理与思想、集群管理与调优、源码阅读等知识。整个小册的思维导图如下：

你会学到什么？

本小册将会从非常浅显的概念开始与你学习 Elasticsearch 7.x 中的常用 API，在熟悉使用 Elasticsearch 后，我们将会对 Elasticsearch 中部分重要的特性、概念的底层实现原理进行介绍。在了解这些原理后，我们将学习如何部署、运维线上小规模集群，并且与你一起搭建一个简单的 ELK 系统。最后我们会搭建源码阅读的环境并且与你一起阅读部分模块的源码。

所以，通过本小册 4 大部分的学习，你可以收获：

• 熟练使用 Elasticsearch 来解决搜索需求；
  
• 强化 Elasticsearch 集群运维、调优的能力；
  
• 通晓 Elasticsearch 核心技术的底层实现；
  
• 牢固掌握源码阅读与调试的技巧。
  
  也就是说，学完本课程后，你不仅可以掌握 ElasticSearch 相关的技术，还可以帮助你根据业务的特点快速构建出相应的搜索业务、数据分析、日志系统。真正实现学以致用。
  
  

  适宜人群
  

• 对 Elasticsearch 或搜索引擎感兴趣的同学。
  
• 有了解和使用过 Elasticsearch，现在想进一步了解 Elasticsearch 的同学。
  
• 准备从事数据搜索、分析相关工作的同学。
  
• 从事 Elasticsearch 集群运维的同学。
  

 原文地址 使用 Elastic Stack 来分析奥运数据（一）

最近冬奥会在中国北京顺利举行。这是一件举国高兴的事。在历届都有许多的奥运数据，我们是否可以使用 Elastic Stack 来分析这些数据，并为我国的体育事业提供一些洞察呢？




最近，孩子学校布置了一个寒假的科技信息作用。内容如下：

1、使用网络及其他方式，完成数据搜集，收集2014、2018、2022三届冬奥会的相关数据，例如举办国家、城市、日期、吉祥物、获得前20（以金牌计）的国家，金、银、铜牌数量等相关信息，同学可以根据爱好，选择五种自己喜爱的运动，并查找此三届冬奥会中，中国、美国、俄罗斯、日本、德国在此五个项目上的奖牌情况。同学可以根据自己的思考，搜集更多的相关数据或信息。

同学思考：（1）如何才能保证自己所搜集数据的准确性。

                 （2）如何才能通过整理、分析以上数据，从我国运动员的获奖数据等信息中，对我国青少年冰雪体育教育提出自己的小建议。

2、在获得以上数据后，同学可以根据需要，把它们填写在EXCEL等数据处理软件中。可以自主决定是放在一个文件中，还是放在多个文件中，是整理在一个工作表中，还是放置在不同的工作表中。

3、对数据进行整理后，可以用图表等方式形象表达出来，并根据数据表、图表，撰写自己对于我国青少年冰雪体育教育提出自己的见解，如发现的问题，造成问题的原因，你的解决方案等。

首先，我得申明，我不是什么 Excel 表格高手，我也不知道该如何来使用 Excel 表来完成上面的工作。我倒是觉得使用 Elastic Stack 能完美地解决这个问题。

在今天的展示中，我将使用 Elastic Stack 8.0 来解决这个问题，尽管其他版本的 Elastic Stack 没有多大区别。在 Elastic Stack 8.0 中，一个最大的变化就是 Index patterns 界面变为 Data views。

原文链接：https://blog.csdn.net/UbuntuTo ... 43103

Elasticsearch 在 7.0 之后的版本中，为了优化性能，搜索结果的命中数默认不进行精确的计数统计，同时对搜索结果的响应体进行了调整， 这样势必会造成已有代码的不兼容，如何快速修复呢？

在我之前的文章：

• Elastic Stack 8.0 安装 - 保护你的 Elastic Stack 现在比以往任何时候都简单
• Elastic：使用 Docker 安装 Elastic Stack 8.0 并开始使用

我详细描述了如何安装单节点的 Elastic Stack。在今天的教程中，我详述如何安装3个节点的 Elasticsearch 集群。我将使用 Docker 来进行部署。

首先，我们使用如下的命令来创建第一个 Elasticsearch 节点：

docker network create elastic
docker pull docker.elastic.co/elasticsearch/elasticsearch:8.0.0
docker run -e ES_JAVA_OPTS="-Xms1g -Xmx1g" --name es-node01 --net elastic -p 9200:9200 -p 9300:9300 -it docker.elastic.co/elasticsearch/elasticsearch:8.0.0


原文链接：https://elasticstack.blog.csdn ... 27404

8.x 重要更新

• Rest API相比较7.x而言做了比较大的改动（比如彻底删除_type），为了降低用户的升级成本，8.x会暂时的兼容7.x的请求。兼容方式：
  
  [REST API compatibility | Elasticsearch Guide [8.0] | Elastic](https://www.elastic.co/guide/e ... y.html)
  
• 默认开启安全配置（三层安全），并极大简化了开启安全需要的工作量，可以这么说：7.x开启安全需要10步复杂的步骤比如CA、证书签发、yml添加多个配置等等，8.x只需要一步即可）。
  
  [elasticsearch-create-enrollment-token | Elasticsearch Guide [8.0] | Elastic](https://www.elastic.co/guide/e ... n.html)
  
• 存储空间优化：对倒排文件使用新的编码集，对于keyword、match_only_text、text类型字段有效，有3.5%的空间优化提升，对于新建索引和segment自动生效。
  
• 优化geo_point，geo_shape类型的索引（写入）效率：15%的提升。
  
• 新特性：支持上传pyTorch模型，在ingest的时候使用。比如在写入电影评论的时候，如果我们想要知道这个评论的感情正负得分，可以使用对应的AI感情模型对评论进行运算，将结果一并保存在ES中。
  
  [Overview | Machine Learning in the Elastic Stack [8.0] | Elastic](https://www.elastic.co/guide/e ... w.html)
  
• 技术预览版KNN API发布，（K邻近算法），跟推荐系统、自然语言排名相关。之前的KNN是精确搜索，在大数据集合的情况会比较慢，新的KNN提供近似KNN搜索，以提高速度。[https://www.elastic.co/guide/e ... .html](https://www.elastic.co/guide/e ... h.html)
  
• 对ES内置索引的保护加强了：elastic用户默认只能读，如果需要写权限的时候，需有allow_restrict_access权限。
  
• 其他更新
  
  [Elasticsearch breaking changes | Elastic Installation and Upgrade Guide [8.0] | Elastic](https://www.elastic.co/guide/e ... s.html)