1.基于 Elasticsearch 的人才搜索架构
http://t.cn/RKYPGL3 
2.ElasticSearch 深入理解系列
http://t.cn/RF2LdiG 
http://t.cn/RF2zPF9 
http://t.cn/RF2zABQ 
http://t.cn/RF22Efd 
3.使用ELK构建微服务的日志平台
http://t.cn/Rkb1wdM 
​
1、活动预告：Elastic 中国开发者大会最后一波早鸟票发售进行中
https://conf.elasticsearch.cn/2018/shenzhen.html 
2、Elastic Meetup 9月8日 北京线下沙龙正在报名中
https://elasticsearch.cn/article/759 

编辑：江水
归档：https://elasticsearch.cn/article/777
订阅：https://tinyletter.com/elastic-daily
 

10月5日，Elastic 正式在纽交所上市了，股票代码 ESTC，当日股票涨幅超过100%，超越14年阿里巴巴，开盘价创有史以来新高。

Elastic这么受欢迎，说明大家手里的 Elastic 技术更值钱了，那么在国内的年度开发者交流大会更是不能错过啦，并且现在福利来了，大会门票抢购中，[https://www.bagevent.com/event ... 50OFF](https://www.bagevent.com/event ... D50OFF) 手快有，手慢无啊！

知道 ELK 么？知道 Elasticsearch 么？目前最流行的开源数据库及分析类软件，目前已新晋级到数据库兵器谱排名第七位，搜索引擎排行榜长期霸占第一位，想要了解更多他的本事，快来了解一下他的官方用户大会：Elastic 中国开发者大会，时间2018年11月10日周六，地点深圳金茂 JW 万豪酒店。届时，将有来自 Elastic、eBay、暴雪、Grab、华为、阿里巴巴、顺丰等公司的25位各领域的专家大拿为你带来围绕 Elastic 开源技术的各自精彩干货分享。

Elastic Stack 作为目前全球最流行的数据搜索与实时分析引擎套件，其产品累计下载次数已超过三亿五千万次，各行各业从一线互联网公司到传统的行业都能找到使用 Elasticsearch 的身影。Elastic 的开源技术正越来越受到众多开发者的青睐，已然成为大数据领域分析工具的最佳选择。

[来自 db-engines.com的最新综合排名]

Elastic 中国开发者大会 2018（Elastic Developers China 2018）是由 Elastic 官方在中国举办的第二次开发者大会，主要围绕 Elastic 的开源产品: Elasticsearch、Logstash、Kibana 和 Beats，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。

举办 Elastic 开发者大会的目的是为中国广大的 Elastic 开发者提供一个技术交流和学习切磋的地方，汇集业界众多的成功案例，集思广益，发散思维，促进社区和行业的进步。

不管您是 Elasticsearch 的初学者还是资深的用户，您都应该参加！

大会亮点

01 部分精彩议题

1. Beats 创始人 Monica Sarbu 带来的运维分析的三连击
   
   
2. 新产品 Codesearch（原 Insight.io） 的初次亮相
   
   
3. Elastic 内部是如何使用 Elastic 产品的案例
   
   
4. 暴雪中国借助 ELK 运营游戏的经验分享
   
   
5. 东南亚打车软件 Grab 的 POI 搜索平台迁移史
   
   
6. 东半球对 Kibana 二次开发最多团队带来的经验分享
   
   
7. 千亿数据规模下的 Elasticsearch 深度应用
   
   
8. Elasticsearch 和 AI 的深度结合与用户画像系统
   
   更多在互联网、证券、快递、新零售、安全等领域的分享，点击[这里](https://www.bagevent.com/event ... D50OFF)了解更多
   
   
   

   02 部分嘉宾阵容
   

   
   

   

   
   
   

   

   
   
   
   

   03 Elastic AMA 展台
   

   
   

   

   
   
   AMA 即 Ask Me Anything，意思是尽管随便问，您可以在大会当天，尽情的在现场咨询 Elastic 官方工作人员任意的问题，可以是技术的咨询，可以是特性的讲解，可以是最佳实践，可以是商务合作。AMA 展台，您一定不要错过。
   
   
   

   04 Elastic Demo 展台
   

   
   

   

   
   
   如果您对 Elastic 能够帮您做哪些事情比较感兴趣，最直观的方式就是来到 Elastic 的 Demo 展台，现场有 Elastic 技术专家为您讲解各种酷炫的 Demo 以及具体的如何使用 Elastic Stack 来完成特定的任务。 Demo 展台有趣又好玩，记得打卡。
   
   
   

   05 闪电演讲
   

   
   

   

   
   
   您也来讲讲，大会的最后一个环节名叫闪电演讲，参会者可以现场报名，每位分享者可以有5分钟的时间来进行分享，可以是任何相关的话题，可以是 Demo 演示，可以是技术脱口秀，或是您的一个开源的项目，名额有限，先报先得。
   
   最后，赶紧报名吧！
   [https://www.bagevent.com/event ... 50OFF](https://www.bagevent.com/event ... D50OFF)
   

在 Elasticsearch 中处理字符串类型的数据时，如果我们想把整个字符串作为一个完整的 term 存储，我们通常会将其类型 type 设定为 keyword。但有时这种设定又会给我们带来麻烦，比如同一个数据再写入时由于没有做好清洗，导致大小写不一致，比如 apple、Apple两个实际都是 apple，但当我们去搜索 apple时却无法返回 Apple的文档。要解决这个问题，就需要 Normalizer出场了。废话不多说，直接上手看！

1. 上手

我们先来重现一下开篇的问题

```json
PUT test_normalizer
{
"mappings": {
"doc":{
"properties": {
"type":{
"type":"keyword"
}
}
}
}
}

PUT test_normalizer/doc/1
{
"type":"apple"
}

PUT test_normalizer/doc/2
{
"type":"Apple"
}

查询一

GET test_normalizer/_search
{
"query": {
"match":{
"type":"apple"
}
}
}

查询二

GET test_normalizer/_search
{
"query": {
"match":{
"type":"aPple"
}
}
}
``<br /> <br /> 大家执行后会发现查询一返回了文档1，而查询二`没有文档返回，原因如下图所示：


1. Docs写入 Elasticsearch时由于 type是 keyword,分词结果为原始字符串
   
2. 查询 Query 时分词默认是采用和字段写时相同的配置，因此这里也是 keyword，因此分词结果也是原始字符
   
3. 两边的分词进行匹对，便得出了我们上面的结果
   
   
   
   

   2. Normalizer
   

   
   normalizer是 keyword的一个属性，可以对 keyword生成的单一 Term再做进一步的处理，比如 lowercase，即做小写变换。使用方法和自定义分词器有些类似，需要自定义，如下所示：
   
   ```json
   DELETE test_normalizer
   

   自定义 normalizer
   

   PUT test_normalizer
   {
   "settings": {
   "analysis": {
   "normalizer": {
   "lowercase": {
   "type": "custom",
   "filter": [
   "lowercase"
   ]
   }
   }
   }
   },
   "mappings": {
   "doc": {
   "properties": {
   "type": {
   "type": "keyword"
   },
   "type_normalizer": {
   "type": "keyword",
   "normalizer": "lowercase"
   }
   }
   }
   }
   }
   
   
   PUT test_normalizer/doc/1
   {
   "type": "apple",
   "type_normalizer": "apple"
   }
   
   
   PUT test_normalizer/doc/2
   {
   "type": "Apple",
   "type_normalizer": "Apple"
   }
   

   查询三
   

   GET test_normalizer/_search
   {
   "query": {
   "term":{
   "type":"aPple"
   }
   }
   }
   
   

   查询四
   

   GET test_normalizer/_search
   {
   "query": {
   "term":{
   "type_normalizer":"aPple"
   }
   }
   }
   ``<br /> <br /> 我们第一步是自定义了名为lowercase的 normalizer，其中filter类似自定义分词器中的filter，但是可用的种类很少，详情大家可以查看官方文档。然后通过normalizer属性设定到字段type_normalizer中，然后插入相同的2条文档。执行发现，查询三无结果返回，查询四`返回2条文档。
   
   问题解决了！我们来看下是如何解决的
   
   
   
   

4. 文档写入时由于加入了 normalizer,所有的 term都会被做小写处理
   
5. 查询时搜索词同样采用有 normalizer的配置，因此处理后的 term也是小写的
   
6. 两边分词匹对，就得到了我们上面的结果
   
   
   

   3. 总结
   

   
   本文通过一个实例来给大家讲解了 Normalizer的实际使用场景，希望对大家有所帮助！