程序员经验分享-hwhale

Elasticsearch的简单入门：（二）ES基础

2023-11-05

Elasticsearch的简单入门：（一）ES简介与安装：https://blog.csdn.net/kavito/article/details/88289820

前面我们把环境准备好了，下面继续学习ES的索引操作

2.操作索引

 2.1.基本概念

Elasticsearch也是基于Lucene的全文检索库，本质也是存储数据，很多概念与MySQL类似的。

对比关系：

索引集（indices）-----------------------------Databases 数据库

​ 类型（type）-----------------------------Table 数据表

​ 文档（Document）----------------Row 行

​ 字段（Field）-------------------Columns 列

6.0之前的版本有type（类型）概念，type相当于关系数据库的表，6.0以后慢慢弱化这个概念。ES官方将在之后的版本中彻底删除type。ES为什么要取消type的概念 

详细说明：

概念 说明
索引库（indices) indices是index的复数，代表许多的索引，
类型（type） 类型是模拟mysql中的table概念，一个索引库下可以有不同类型的索引，比如商品索引，订单索引，其数据格式不同。不过这会导致索引库混乱，因此未来版本中会移除这个概念
文档（document） 存入索引库原始的数据。比如每一条商品信息，就是一个文档
字段（field） 文档中的属性
映射配置（mappings） 字段的数据类型、属性、是否索引、是否存储等特性

是不是与Lucene和solr中的概念类似。

另外，在SolrCloud中，有一些集群相关的概念，在Elasticsearch也有类似的：

  • 索引集（Indices，index的复数）：逻辑上的完整索引

  • 分片（shard）：数据拆分后的各个部分

  • 副本（replica）：每个分片的复制

下图中，将索引数据分成三个分片，每个分片有一个副本 

要注意的是：Elasticsearch本身就是分布式的，因此即便你只有一个节点，Elasticsearch默认也会对你的数据进行分片和副本操作，当你向集群添加新数据时，数据也会在新加入的节点中进行平衡。

2.2.创建索引

2.2.1.语法

Elasticsearch采用Rest风格API，因此其API就是一次http请求，你可以用任何工具发起http请求

创建索引的请求格式：

  • 请求方式：PUT

  • 请求路径：/索引库名

  • 请求参数：json格式：

{
    "settings": {
        "number_of_shards": 3,
        "number_of_replicas": 2
      }
}

settings：索引库的设置

  • number_of_shards：分片数量

  • number_of_replicas：副本数量

2.2.2.测试

可以用任何RestClient来测试：这里用Insomnia发送请求，test是索引库的名字

可以看到索引创建成功了。  

2.2.3.使用kibana创建

kibana的控制台，可以对http请求进行简化，示例：

 

相当省去了elasticsearch的服务器地址，而且还有语法提示，非常舒服。

2.3.查看索引设置

Get请求可以帮我们查看索引信息，格式：

GET /索引库名

或者，我们可以使用GET * 来查询所有索引库的配置。

2.4.删除索引

删除索引使用DELETE请求

DELETE /索引库名

删除成功

 

 我们也可以用HEAD请求，查看索引是否存在：

2.5.映射配置

索引有了，接下来肯定是添加数据。但是，在添加数据之前必须定义映射。

什么是映射？

​ 映射是定义文档的过程，文档包含哪些字段，这些字段是否保存，是否索引，是否分词等

只有配置清楚，Elasticsearch才会帮我们进行索引库的创建（不一定）

2.5.1.创建映射字段

请求方式依然是PUT

PUT /索引库名/_mapping/类型名称
{
  "properties": {
    "字段名": {
      "type": "类型",
      "index": true，
      "store": true，
      "analyzer": "分词器"
    }
  }
}

  • 类型名称：就是前面讲的type的概念，类似于数据库中的不同表

  • 字段名：任意填写 ，可以指定许多属性，例如：

    • type：类型，可以是text、long、short、date、integer、object等

    • index：是否索引，默认为true

    • store：是否存储，默认为false

    • analyzer：分词器，这里的ik_max_word即使用ik分词器

实例：发起请求

 

2.5.2.查看映射关系

语法：GET /索引库名/_mapping

GET /leyou/_mapping

 

2.5.3.字段属性详解

2.5.3.1.type

Elasticsearch中支持的数据类型非常丰富：

 我们说几个关键的：

  • String类型，又分两种：

    • text：可分词，不可参与聚合

    • keyword：不可分词，数据会作为完整字段进行匹配，可以参与聚合

  • Numerical：数值类型，分两类

    • 基本数据类型：long、interger、short、byte、double、float、half_float

    • 浮点数的高精度类型：scaled_float

      • 需要指定一个精度因子，比如10或100。elasticsearch会把真实值乘以这个因子后存储，取出时再还原。

  • Date：日期类型

    elasticsearch可以对日期格式化为字符串存储，但是建议我们存储为毫秒值，存储为long，节省空间。

  • 复杂类型如：数组，对象等

    比如存了个json对象：{people:{"name":"zhangSan","age":25}}，这个对象会被处理成两个字段：people.name和people.age

2.5.3.2.index影响字段的索引情况。

  • true：字段会被索引，则可以用来进行搜索。默认值就是true

  • false：字段不会被索引，不能用来搜索

index的默认值就是true，也就是说你不进行任何配置，所有字段都会被索引。

但是有些字段是我们不希望被索引的，比如商品的图片信息，就需要手动设置index为false。

2.5.3.3.store

是否将数据进行额外存储。

在学习lucene和solr时，我们知道如果一个字段的store设置为false，那么在文档列表中就不会有这个字段的值，用户的搜索结果中不会显示出来。

但是在Elasticsearch中，即便store设置为false，也可以搜索到结果。

原因是Elasticsearch在创建文档索引时，会将文档中的原始数据备份，保存到一个叫做_source的属性中。而且我们可以通过过滤_source来选择哪些要显示，哪些不显示。

而如果设置store为true，就会在_source以外额外存储一份数据，多余，因此一般我们都会将store设置为false，事实上，store的默认值就是false。

其它的不再一一讲解，用的不多，大家参考官方文档

 

2.6.新增数据

2.6.1.随机生成id

通过POST请求，可以向一个已经存在的索引库中添加数据。

POST /索引库名/类型名
{
    "key":"value"
}

示例：

POST /leyou/goods/
{
    "title":"小米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":2699.00
}

通过kibana查看数据：

  • _source：源文档信息，所有的数据都在里面。

  • _id：这条文档的唯一标识，与文档自己的id字段没有关联

2.6.2.自定义id

如果我们想要自己新增的时候指定id，可以这么做：POST /索引库名/类型/id值{...}

示例：新增一条id为2的数据

POST /乐优/goods/2
{
    "title":"红米手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":2899.00
}

2.6.3.智能判断

然而在Solr中新增数据，只能使用提前配置好映射属性的字段，否则就会报错。

不过在Elasticsearch中并没有这样的规定。

事实上Elasticsearch非常智能，你不需要给索引库设置任何mapping映射，它也可以根据你输入的数据来判断类型，动态添加数据映射。

测试一下：

我们额外添加了stock库存，和saleable是否上架，brand品牌三个字段 。

再看下索引库的映射关系：

三个字段都被成功映射了，注意字符串类型的brand会分成text和keyword类型。

2.7.修改数据

把刚才新增的请求方式改为PUT，就是修改了。不过修改必须指定id，

  • id对应文档存在，则修改

  • id对应文档不存在，则新增

比如，我们把id为3的数据进行修改：

PUT /leyou/goods/3
{
    "title":"华为手机",
    "images":"http://image.leyou.com/12479122.jpg",
    "price":3899.00,
    "stock": 10000,
    "saleable":false，
    "brand":"华为"
}

 

2.8.删除数据

删除使用DELETE请求，同样，需要根据id进行删除：

DELETE /索引库名/类型名/id值

3.查询

  • 基本查询
  • 结果过滤_source
  • 高级查询
  • filter过滤
  • 排序

3.1.基本查询：

 GET /索引库名/_search
{
    "query":{
        "查询类型":{
            "查询条件":"查询条件值"
        }
    }
}

这里的query代表一个查询对象，里面可以有不同的查询属性

  • 查询类型：例如：match_all， match，term ， range 等

    • 查询条件：查询条件会根据类型的不同，写法也有差异，后面详细讲解

 

3.1.1 查询所有（match_all)

GET /leyou/_search
{
    "query":{
        "match_all": {}
    }
}

3.1.2 匹配查询（match）

 只有同时包含小米和电视的词条才会被搜索到

  • or关系
    match类型查询，会把查询条件进行分词，然后进行查询,多个词条之间是or的关系

  • and关系
    某些情况下，我们需要更精确查找，我们希望这个关系变成and，可以这样做：

  • minimum_should_match 
    match 查询支持 minimum_should_match 最小匹配参数， 这让我们可以指定必须匹配的词项数用来表示一个文档是否相关。我们可以将其设置为某个具体数字，更常用的做法是将其设置为一个百分数，因为我们无法控制用户搜索时输入的单词数量： 如果用户给定的条件分词后有 5 个查询词项，想查找只包含其中 4 个词的文档 ，只需指定最小匹配数时80%。

 

3.1.3 多字段查询（multi_match）

可以在多个字段中查询。

我们会在title字段和brand字段中查询华为这个词 ，只要有一个满足就会被搜索到。

3.1.4 词条匹配(term)

term 查询被用于精确值匹配，这些精确值可能是数字、时间、布尔或者那些未分词的字符串 (keyword)

 

3.1.5 多词条精确匹配(terms)

terms 查询和 term 查询一样，但它允许你指定多值进行匹配。如果这个字段包含了指定值中的任何一个值，那么这个文档满足条件。

 

3.2.结果过滤

默认情况下，elasticsearch在搜索的结果中，会把文档中保存在_source的所有字段都返回。

如果我们只想获取其中的部分字段，我们可以添加_source的过滤

3.2.1.直接指定字段

3.2.2.指定includes和excludesincludes：来指定想要显示的字段

  • excludes：来指定不想要显示的字段

二者都是可选的。

 

3.3 高级查询

3.3.1 布尔组合（bool)

 bool把各种其它查询通过must（与）、must_not（非）、should（或）的方式进行组合

  • 与：搜索条件的分词都必须匹配,match和term都要满足
  • 非：搜索条件分词必须都不匹配
  • 或：搜索条件分词只要有匹配就可以

3.3.2 范围查询(range)

 

  range查询允许以下字符：

操作符 说明
gt 大于
gte 大于等于
lt 小于
lte 小于等于

3.3.3 模糊查询(fuzzy)

新增一个商品apple手机。

fuzzy 查询是 term 查询的模糊等价。它允许用户搜索词条与实际词条的拼写出现偏差，不指定fuzziness默认是1个偏差距离，例如搜索apple,输入adpla,这时偏差距离是2，通过fuzziness来指定允许的编辑距离，但是偏差的距离不得超过2。

 

3.4 过滤(filter)

条件查询中进行过滤:
        所有的查询都会影响到文档的评分及排名。如果我们需要在查询结果中进行过滤，并且不希望过滤条件影响评分，那么就不要把过滤条件作为查询条件来用。而是使用filter方式 。例如我想搜索2000-3000的小米手机，但我又不希望价格影响到我搜索小米手机的文档得分，那我把价格的范围查询放在filter里面。

注意：filter中还可以再次进行bool组合条件过滤。

无查询条件，直接过滤 :
        如果一次查询只有过滤，没有查询条件，不希望进行评分，我们可以使用constant_score取代只有 filter 语句的 bool 查询。在性能上是完全相同的，但对于提高查询简洁性和清晰度有很大帮助。

GET /leyou/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "range": {"price": {"gte": 2000, "lte": 3000}}
      }
    }
  }
}

3.5 排序

3.4.1 单字段排序

sort 可以让我们按照不同的字段进行排序，并且通过order指定排序的方式

3.4.2 多字段排序

假定我们想要结合使用 price和 _score（得分） 进行查询，并且匹配的结果首先按照价格排序，然后按照相关性得分排序：

GET leyou/_search
{
  "query": {
    "bool": {
      "must": [{"match": {"title": "小米手机"}}],
      "filter": {
        "range": {"price": {"gte": 3000,"lte": 4000}}
      }
    }
  },
  "sort": [
    {"price": {"order": "desc"}},
    {"_score": {"order": "desc"}}
  ],
  "from": 0,
  "size": 10
} 

 

4. 聚合aggregations

聚合可以让我们极其方便的实现对数据的统计、分析。例如：

  • 什么品牌的手机最受欢迎？

  • 这些手机的平均价格、最高价格、最低价格？

  • 这些手机每月的销售情况如何？

实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现实时搜索效果。

 

4.1 基本概念

Elasticsearch中的聚合，包含多种类型，最常用的两种，一个叫桶，一个叫度量：

桶（bucket）

桶的作用，是按照某种方式对数据进行分组，每一组数据在ES中称为一个桶，例如我们根据国籍对人划分，可以得到中国桶、英国桶，日本桶……或者我们按照年龄段对人进行划分：0~10,10~20,20~30,30~40等。

Elasticsearch中提供的划分桶的方式有很多：

  • Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组

  • Histogram Aggregation：根据数值阶梯分组，与日期类似 （以10为周期，自动分为0~10,10~20,20~30）

  • Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组

  • Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组

  • ……

综上所述，我们发现bucket aggregations 只负责对数据进行分组，并不进行计算，因此往往bucket中往往会嵌套另一种聚合：metrics aggregations即度量

度量（metrics）

分组完成以后，我们一般会对组中的数据进行聚合运算，例如求平均值、最大、最小、求和等，这些在ES中称为度量

比较常用的一些度量聚合方式：

  • Avg Aggregation：求平均值

  • Max Aggregation：求最大值

  • Min Aggregation：求最小值

  • Percentiles Aggregation：求百分比

  • Stats Aggregation：同时返回avg、max、min、sum、count等

  • Sum Aggregation：求和

  • Top hits Aggregation：求前几

  • Value Count Aggregation：求总数

  • ……

为了测试聚合，我们先批量导入一些数据

创建索引：

PUT /cars
{
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 0
  },
  "mappings": {
    "transactions": {
      "properties": {
        "color": {
          "type": "keyword"
        },
        "make": {
          "type": "keyword"
        }
      }
    }
  }
}

注意：在ES中，需要进行聚合、排序、过滤的字段其处理方式比较特殊，因此不能被分词。这里我们将color和make这两个文字类型的字段设置为keyword类型，这个类型不会被分词，将来就可以参与聚合。

导入数据：

POST /cars/transactions/_bulk
{ "index": {}}
{ "price" : 10000, "color" : "red", "make" : "honda", "sold" : "2014-10-28" }
{ "index": {}}
{ "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2014-11-05" }
{ "index": {}}
{ "price" : 30000, "color" : "green", "make" : "ford", "sold" : "2014-05-18" }
{ "index": {}}
{ "price" : 15000, "color" : "blue", "make" : "toyota", "sold" : "2014-07-02" }
{ "index": {}}
{ "price" : 12000, "color" : "green", "make" : "toyota", "sold" : "2014-08-19" }
{ "index": {}}
{ "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2014-11-05" }
{ "index": {}}
{ "price" : 80000, "color" : "red", "make" : "bmw", "sold" : "2014-01-01" }
{ "index": {}}
{ "price" : 25000, "color" : "blue", "make" : "ford", "sold" : "2014-02-12" }

4.2 聚合为桶

首先，我们按照 汽车的品牌make来划分桶

 

 ​​​​​

  • hits：查询结果为空，因为我们设置了size为0

  • aggregations：聚合的结果

  • popular_colors：我们定义的聚合名称

  • buckets：查找到的桶，每个不同的make字段值都会形成一个桶

    • key：这个桶对应的make字段的值

    • doc_count：这个桶中的文档数量

通过聚合的结果我们发现，目前honda品牌生产的汽车比较畅销！

 

4.3 桶内度量

前面的例子告诉我们每个桶里面的文档数量，这很有用。 但通常，我们的应用需要提供更复杂的文档度量。 例如，每种品牌汽车的平均价格是多少？

因此，我们需要告诉Elasticsearch使用哪个字段，使用何种度量方式进行运算，这些信息要嵌套在桶内，度量的运算会基于桶内的文档进行。

现在，我们为刚刚的聚合结果添加求价格平均值的度量：

  • aggs：我们在上一个aggs(popular_colors)中添加新的aggs。可见度量也是一个聚合,度量是在桶内的聚合

  • avg_price：聚合的名称

  • avg：度量的类型，这里是求平均值

  • field：度量运算的字段

4.4 桶内嵌套桶

刚刚的案例中，我们在桶内嵌套度量运算。事实上桶不仅可以嵌套运算， 还可以再嵌套其它桶。也就是说在每个分组中，再分更多组。

比如：我们想统计每个制造商品牌的汽车中，分别有哪些颜色，按照color字段再进行分桶

 

  • 可以看到，新的聚合colors被嵌套在原来每一个make的桶中。

  • 每个制造商下面都根据 color字段进行了分组

以截图中福特汽车为例，我们可以知道：

  • 有两辆汽车是福特制造的

  • 福特汽车平均售价是 $27，500 美元。

  • 其中一辆是蓝色，一辆是绿色的

 

4.5.划分桶的其它方式

前面讲了，划分桶的方式有很多，例如：

  • Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组

  • Histogram Aggregation：根据数值阶梯分组，与日期类似

  • Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组

  • Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组

刚刚的案例中，我们采用的是Terms Aggregation，即根据词条划分桶。

接下来，我们再学习几个比较实用的：

4.5.1.范围分桶range

范围分桶与阶梯分桶类似，也是把数字按照阶段进行分组，只不过range方式需要你自己指定每一组的起始和结束大小。

4.5.2.阶梯分桶Histogram

histogram是把数值类型的字段，按照一定的阶梯大小进行分组。你需要指定一个阶梯值（interval）来划分阶梯大小。

举例：

比如你有价格字段，如果你设定interval的值为200，那么阶梯就会是这样的：

0，200，400，600，...

上面列出的是每个阶梯的key，也是区间的启点。

如果一件商品的价格是450，会落入哪个阶梯区间呢？计算公式如下：

bucket_key = Math.floor((value - offset) / interval) * interval + offset

value：就是当前数据的值，本例中是450

offset：起始偏移量，默认为0

interval：阶梯间隔，比如200

因此你得到的key = Math.floor((450 - 0) / 200) * 200 + 0 = 400

实践出真知：

比如，我们对汽车的价格进行分组，指定间隔interval为5000：

参数min_doc_count为1，来约束最少文档数量为1，这样文档数量为0的桶会被过滤

如果你用kibana将结果变为柱形图，会更好看：

 

 ES的基础知识学习完毕！下篇文章开始Spring Data Elasticsearch的学习之旅！

 

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

elasticsearch

ES索引库操作

Elasticsearch的简单入门：（二）ES基础 的相关文章

随机推荐

  • linux下安装git-lfs的两种方法

    一 方法一 推荐 首先安装git lfs ubuntu版 sudo apt get install git lfs centeros版 sudo yum install git lfs 然后验证安装成功 git lfs install 若显

  • 电商平台学习笔记（四）——Spring配置Mybatis简化DAO层省略Mybatis核心配置文件

    今天看到电商视频教程第三天的时候 惊奇的发现 这个电商平台一共有16张表 加上MyBatis的模板Bean 一共32个Bean 如下图 想到这里 如果有Mybatis的核心配置文件 mybatis config xml 仅对每一JavaBe

  • Java中匿名内部类

    含义 由于Java中接口和抽象类都不能实例化对象 故使用接口或抽象类时 必须有一个实现类 对应接口 或继承类 对应抽象类 而该实现类或继承类的对象被使用次数很少 不值得去专门编码时候 就可以使用匿名内部类 此时该类不必命名 并且对象只被创建

  • 4.7、漏洞利用-SMTP

    目录 4 7 漏洞利用 SMTP 1 SMTP环境搭建 1 1 邮件发送和接收模型 1 2 添加主机名和域名 1 3 Ubuntu下安装postfix 1 4 安装dovcot 2 利用搭建环境发送和接收邮件 3 枚举smtp用户名 3 2

  • secure注册码&许可向导

    secure许可向导搜了半天也没找到能用的 搜注册码一搜就搜到了 Name meisi Company TEAM ZWT Serial Number 03 14 367662 License Key ACCFAX R9FHJ7 QZVS2P

  • 适合零基础学习的IT编程技术

    现在很多应届生 不管是否是计算机专业 都想毕业后从事IT行业 不仅是因为IT行业的薪资高 更主要是IT行业就业需求多 发展好 工作稳定 学IT 技术在手 天下我走 当然 IT行业有很多学科方向 学习哪个方向很重要 选择方向这件事 有时候就是

  • Lenet5实现及代码详解——以MINST数据集为例

    看了卷积神经网络 CNN 的原理及介绍 想着自己动手解决一个案例 在网上也看了很多博客 这里整理一下 顺便记录一下自己解决一个完成的CNN实例的过程 以便以后方便看 如果有不足之处 欢迎大家指正 数据获取与可视化操作 1 下载minst数据

  • Android Audio系统框架

    Audio System 二 之 Audio系统框架 二 Linux Audio系统框架 2 1 Application 层 2 2 Framework 层 2 3 Libraries 层 2 4 HAL 层 2 5 Tinyalsa 层

  • vue3 Failed to resolve component router-view

    Failed to resolve component router view If this is a native custom element make sure to exclude it from component resolu

  • unity常用核心类

    Transform 变换 主要用于控制物体的旋转 移动 缩放 Rotate eulerAngles Vector3 relativeTo Space Space Self void 旋转 游戏对象围绕Y轴旋转 transform Rotat

  • JqGrid实现分页相关

    jqGrid默认就提供了分页的功能 其在实现分页的时候有两个隐含的属性与后台交互及page 当前页 rows 每页显示的数据量 当请求下一页的时候请求数据头部默认包含这两个属性 如图 Page和rows传到后台 后台接收 要实现分页后台必须

  • unity 获取场景所有物体

    转载的 Unity 遍历场景所有物体 包括隐藏及被禁用的物体 用于获取所有Hierarchy中的物体 包括被禁用的物体 private List

  • mysql增加用户

    mysql增加用户 增加用户 注意 和上面不同 下面的因为是MYSQL环境中的命令 所以后面都带一个分号作为命令结束符 格式 grant select on 数据库 to 用户名 登录主机 identified by 密码 第一种 增加一个

  • CM5501高效四开关降压-升压控制器（升降压芯片）

    CM5501 High Efficiency 4 Switch Buck Boost Controller Description CM5501 is a synchronous 4 switch Buck Boost controller

  • elasticsearch-索引与分片实现原理

    添加索引 我们往 Elasticsearch 添加数据时需要用到 索引 保存相关数据的地方 索引实际上是指向一个或者多个物理 分片 的逻辑命名空间 一个 分片 是一个底层的 工作单元 它仅保存了全部数据中的一部分 在分片内部机制中 我们将详

  • InheritableThreadLocal类详解

    我们在使用ThreadLocal类的时候 可以保证各个线程使用自己的数据 而不相互干扰 但是如果我们有这样的一个需求 就是各个线程相互不干扰的情况下 各个线程的子线程可以访问到当前线程中的值 对于这个子线程来说就是访问父线程 public

  • Scrum那些事 - 什么是Scrum?

    1 什么是Scrum Scrum是敏捷开发方法论里面的一个具体实施框架 Scrum是一个包括了一系列的实践和预定义角色的过程骨架 是一种流程 计划 模式 用于有效率地开发软件 Scrum的框架中包含3种角色 3个产出 5个活动和5种价值观

  • 1.业务层 、服务层、数据层、表现层

    一般说来 业务逻辑层中的模块包含了系统所需要的所有功能上的算法和计算过程 并与数据访问层和表现层交互 抽象的说 业务逻辑层就是处理与业务相关的部分 一般来说 业务层包含一系列的执行与数据的操作 例如 开具发票 添加客户或下订单等 服务层就是

  • 《我的眼睛--图灵识别》第十章：实战演练：文字类识别

    我的眼睛 图灵识别 第十章 实战演练 文字类识别 1 标准数字 标准数字 Standard Numbers 是指10个数字使用的都是同属一种字体 它们的数字没有发生变形 没有扭曲 没有错位 存在有些变色但影响不大 字与字之间的间隔距离一样

  • Elasticsearch的简单入门：（二）ES基础

    Elasticsearch的简单入门 一 ES简介与安装 https blog csdn net kavito article details 88289820 前面我们把环境准备好了 下面继续学习ES的索引操作 2 操作索引 2 1 基本

热门标签