study121007
- 浏览: 178846 次
- 性别:
- 来自: 上海
-
最新评论
文章列表
原文链接：http://blog.csdn.net/dm_vincent/article/details/42695339
聚合作用域(Scoping Aggregations)
到现在给出的聚合例子中，你可能已经发现了在搜索请求中我们省略了query子句。整个请求只是一个简单的聚合。
聚合可以和搜索请求一起运行，但是你需要理解一个新概念：作用域(Scope)。默认情况下，聚合和查询使用相同的作用域。换句话说，聚合作于匹配了查询的文档集。
让我们看看之前的一个聚合例子：
GET /cars/transactions/_search?search_type=cou ...
原文链接：http://blog.csdn.net/dm_vincent/article/details/42594043
本章翻译自Elasticsearch官方指南的Looking at Time一章。
时间数据处理(Looking at Time)
如果在ES中，搜索是最常见的行为，那么创建日期柱状图(Date Histogram)肯定是第二常见的。为什么要使用日期柱状图呢？
想象在你的数据中有一个时间戳。数据是什么不重要-Apache日志事件，股票交易日期，棒球比赛时间-任何拥有时间戳的数据都能通过日期柱状图受益。当你有时间戳时，你经常会想创建基于时 ...
原文链接：http://blog.csdn.net/dm_vincent/article/details/42539391
创建条形图(Building Bar Charts)
聚合的一个令人激动的性质是它能够很容易地被转换为图表和图形。在本章中，我们会使用前面的样本数据集来创建出各种分析案例。我 ...
原文链接： http://blog.csdn.net/dm_vincent/article/details/42407823
本章翻译自Elasticsearch官方指南的Aggregation Test-Drive一章。
聚合的测试数据(Aggregation Test-Drive)
我们将学习各种聚合以及它们的语法，但是最好的学习方法还是通过例子。一旦你了解了如何思考聚合以及如何对它们进行合适的嵌套，那么语法本身是不难的。
让我们从一个例子开始。我们会建立一个也许对汽车交易商有所用处的聚合。数据是关于汽车交易的：汽车型号，制造商，销售价格，销售时间以及一 ...
原文链接：http://blog.csdn.net/dm_vincent/article/details/42387161
本章翻译自Elasticsearch官方指南的Aggregations-High-level Concepts一章。
高层概念(High-Level Concepts)
和查询DSL一样，聚合(Aggregations)也拥有一种可组合(Composable)的语法：独立的功能单元可以被混合在一起来满足你的需求。这意味着需要学习的基本概念虽然不多，但是它们的组合方式是几近无穷的。
为了掌握聚合，你只需要了解两个主要概念：
Bucket ...
原文链接：http://blog.csdn.net/dm_vincent/article/details/42201789
本章翻译自Elasticsearch官方指南的Controlling Relevance一章。
根据过滤子集来提升(Boosting Filtered Subsets)
回到在忽略TF/IDF(Ignoring TF/IDF)中处理的那个问题，我们需要 ...
原文链接：http://blog.csdn.net/dm_vincent/article/details/42201721
本章翻译自Elasticsearch官方指南的Controlling Relevance一章。
function_score查询
function_score查询是处理分值计算过程的终极工具。它让你能够对所有匹配了主查询的 ...
原文链接：http://blog.csdn.net/dm_vincent/article/details/42157577
本章翻译自Elasticsearch官方指南的Controlling Relevance一章。
忽略TF/IDF
有时我们不需要TF/IDF。我们想知道的只是一个特定的单词是否出现在了字段中。比如我们正 ...
原文链接：http://blog.csdn.net/dm_vincent/article/details/42134905
本章翻译自Elasticsearch官方指南的Controlling Relevance一章。
通过查询结构调整相关度
ES提供的查询DSL是相当灵活的。你可以通过将单独的查询子句在查询层次中上下移动来让它更重要/更不重要。比如，下面的查询：
quick OR brown OR red OR fox
原文链接：http://blog.csdn.net/dm_vincent/article/details/42113401
本章翻译自Elasticsearch官方指南的Controlling Relevance一章。
Lucene中的Practical Scoring Function
对于多词条查询(Multiterm Queries)，Lucene使用的是布尔模型(Boolean Model)，TF/IDF以及向量空间模型(Vec
原文链接：http://blog.csdn.net/dm_vincent/article/details/42099063
本章翻译自Elasticsearch官方指南的Controlling Relevance一章。
控制相关度(Controlling Relevance)
对于仅处理结构化数据(比如日期，数值和字符枚举值)的数据库，它们只需要检查一份文档(在关系数据库中是一行)是否匹配查询即可。
尽管布尔类型的YES|NO匹配也是全文搜索的一个必要组成，它们本身是不够的。我们还需要知道每份文档和查询之间的相关程度。全文搜索引擎不仅要找到匹配的文档，还 ...
原文链接：http://blog.csdn.net/dm_vincent/article/details/42076191
本章翻译自Elasticsearch官方指南的Partial Matching一章。
索引期间的优化(Index-time Optimizations)
目前我们讨论的所有方案都是在查询期间的。它们不需要任何特殊的映射或者索引模式(Indexing Patterns)；它们只是简单地工作在已经存在于索引中的数据之上。
查询期间的灵活性是有代价的：搜索性能。有时，将这些代价放到查询之外的地方是有价值的。在一个实时的Web应用中，一个额外的 ...
最近刚看完了《重构-改善既有代码的设计》([美] Martin Fowler)这本书，里面介绍了很多的重构手法，
挺实用的，看的时候简单的记录了一下，不是很详细，还是分享一下吧。
1）提炼函数（Extract Method）
使用场景
1、函数过长
2、全部或某一段代码块重复性太强，copy的过多
好处
1、颗粒度小，整体被复用的机会大，即不需要再多次重复内部逻辑
2、规范一个好的命名（命名长度可以很长，但一定要更好的解释此段的语义），
可以更加清晰此块代码的实际作用
实际运用
1、不需 ...
原文链接：http://blog.csdn.net/dm_vincent/article/details/42059387
本章翻译自Elasticsearch官方指南的Partial Matching一章。
查询期间的即时搜索(Query-time Search-as-you-type)
现在让我们来看看前缀匹配能够如何帮助全文搜索。用户已经习惯于在完成输入之前就看到搜索结果了 - 这被称为即时搜索(Instant Search, 或者Search-as-you-type)。这不仅让用户能够在更短的时间内看到搜索结果，也能够引导他们得到真实存在于我们的索引中的 ...
原文链接：http://blog.csdn.net/dm_vincent/article/details/42024799
通配符和正则表达式查询
wildcard查询和prefix查询类似，也是一个基于词条的低级别查询。但是它能够让你指定一个模式(Pattern)，而不是一个前缀(Prefix)。它使用标准的shell通配符：?用来匹配任意字符，*用来匹配零个或者多个字符。
以下查询能够匹配包含W1F 7HW和W2F 8HW的文档：
GET /my_index/address/_search
{
"query": {
...