全文检索与日志管理 Elasticsearch（上）

一、Elasticsearch介绍

1.1 全文检索索引

Elasticsearch是一个全文检索服务器，全文检索是一种非结构化数据的搜索方式。

那么什么是结构化数据和非结构化数据呢？

  • 结构化数据：指具有固定格式固定长度的数据，如数据库中的字段。

  •  非结构化数据：指格式和长度不固定的数据，如电商网站的商品详情,每种商品的详情都是不相同的。

 结构化数据一般存入数据库，使用sql语句即可快速查询。但由于非结构化数据的数据量大且格式不固定，我们需要采用全文检索的方式进行搜索。全文检索通过建立倒排索引加快搜索效率。

1.2 倒排索引

什么是索引？

将数据中的一部分信息提取出来，重新组织成一定的数据结构，我们可以根据该结构进行快速搜索，这样的结构称之为索引。

索引即目录，例如字典会将字的拼音提取出来做成目录，通过目录即可快速找到字的位置。

索引分为正排索引和倒排索引。

 正排索引（正向索引）

将文档id建立为索引，通过id快速可以快速查找数据。如数据库中的主键就会创建正排索引。

倒排索引（反向索引）

非结构化数据中我们往往会根据关键词查询数据。此时我们将数据中的关键词建立为索引，指向文档数据，这样的索引称为倒排索引。

 创建倒排索引流程

 1.3 Elasticsearch的出现

 多年前，一个刚结婚的名叫Shay的失业开发者，跟着妻子去了伦敦，他的妻子在那里学习厨师。Shay使用全文检索工具——lucene，给他的妻子做一个食谱搜索引擎。

 但Lucene的操作非常复杂，且Lucene是一个单机软件，不支持联网访问。因此 Shay基于Lucene开发了开源项目 Elasticsearch。Elasticsearch本质是一个java语言开发的web项目，我们可以通过RESTful风格的接口访问该项目内部的Lucene，从而让全文搜索变得简单。

从此以后，Elasticsearch成为了Github上最活跃的项目之一， Elastic公司围绕Elasticsearch提供商业服务，并开发新的特性。Elasticsearch将永远开源并对所有人可用。

 1.4 Elasticsearch应用场景

  • 2013年初，GitHub抛弃了Solr，采取Elasticsearch来做PB级的搜索。GitHub使用Elasticsearch搜索20TB 的数据，包括13亿文件和1300亿行代码。
  • 维基百科：以Elasticsearch为基础的核心搜索架构。
  • 百度：百度目前广泛使用Elasticsearch作为文本数据分析，采集百度所有服务器上的各类指标数据及用户自定义数据。目前覆盖百度内部20多个业务线（包括casio、云分析、网盟、预测、文库、直达号、钱包、风控等），单集群最大100台机器，200个ES节点，每天导入30TB+数据
  • 新浪使用ES分析处理32亿条实时日志。
  • 阿里使用ES构建自己的日志采集和分析体系。
  • 我们可以使用Elasticsearch实现全站搜索，线上商城系统的搜索，分析日志等功能。

 1.5 Elasticsearch数据结构

文档（Document）：文档是可被查询的最小数据单元，一个 Document 就是一条数据。类似于关系型数据库中的记录的概念。

类型（Type）：具有一组共同字段的文档定义成一个类型，类似于关系型数据库中的数据表的概念。

索引（Index）：索引是多种类型文档的集合，类似于关系型数据库中的库的概念。

域（Fied）：文档由多个域组成，类似于关系型数据库中的字段的概念。

Elasticsearch跟关系型数据库中概念的对比：

JAVA项目实体类对象属性
ESIndexTypeDocumentFiled
MysqlDatabaseTableRowColumn

注：ES7.X之后删除了type的概念，一个索引不会代表一个库，而是代表一张表。所以目前的ES中概念对比为 

JAVA项目实体类对象属性
ES无此概念IndexDocumentFiled
MysqlDatabaseTableRowColumn

二、Elasticsearch安装

2.1 Linux安装ES服务 

准备工作

1.准备一台搭载有CentOS7系统的虚拟机，使用XShell连接虚拟机

2.关闭防火墙，方便访问ES

#关闭防火墙：
systemctl stop firewalld.service#禁止防火墙自启动：
systemctl disable firewalld.service

 3.配置最大可创建文件数大小,因为在安装ES的时候会创建大量的文件，但是linux系统对创建文件的数量是有限制的。

#打开系统文件：
vim /etc/sysctl.conf#添加以下配置：
vm.max_map_count=655360#配置生效：
sysctl -p

4.由于ES不能以root用户运行，我们需要创建一个非root用户，此处创建一个名为es的用户：

#创建用户：
useradd es

安装服务

1.使用xftp将linux版的ES上传至虚拟机

2.解压ES

#解压：
tar -zxvf elasticsearch-7.17.0-linux-x86_64.tar.gz#重命名：
mv elasticsearch-7.17.0 elasticsearch1#移动文件夹：
mv elasticsearch1 /usr/local/#es用户取得该文件夹权限：
chown -R es:es /usr/local/elasticsearch1

3.启动ES服务

#切换为es用户：
su es#进入ES安装文件夹：
cd /usr/local/elasticsearch1/bin/#启动ES服务：
./elasticsearch#查询ES服务是否启动成功
curl 127.0.0.1:9200

 2.2 安装kibana

 Kibana是一款开源的数据分析和可视化平台，设计用于和Elasticsearch协作。我们可以使用Kibana对Elasticsearch索引中的数据进行搜索、查看、交互操作。

1.使用xftp工具将Kibana压缩文件上传到Linux虚拟机

注意，Kibana的版本一定要和Elasticsearch的版本一致。

 2.解压到usr/local下

tar -zxvf kibana-7.17.0-linux-x86_64.tar.gz -C /usr/local/

3.修改配置

# 进入Kibana解压路径
cd /usr/local/kibana-7.17.0-linux-x86_64/config# 修改配置文件
vim kibana.yml# 加入以下内容
# kibana主机IP
server.host: "虚拟机IP"
# Elasticsearch路径
elasticsearch.hosts: ["http://127.0.0.1:9200"]

4.启动：

kibana也不能以root用户运行，我们给es用户设置kibana目录的权限，并使用es用户运行kibana

# 给es用户设置kibana目录权限
chown -R es:es /usr/local/kibana-7.17.0-linux-x86_64/# 切换为es用户
su es# 启动kibana
cd /usr/local/kibana-7.17.0-linux-x86_64/bin/
./kibana

需要注意的是，不要忘了启动es，可以开两个窗口，一个启动es另一个启动kibana 

5.访问kibana：http://192.168.66.100:5601

6.点击Management =>Stack Management=> Index Management可以查看es索引信息。

2.3 Docker安装ES和Kibana

安装Elasticsearch

1.在Centos7中安装docker

# 安装Docker
curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun# 启动docker
systemctl start docker

2.拉取ES镜像

docker pull elasticsearch:7.17.0

3.启动容器

# docker容器间建立通信
docker network create elastic# 创建es容器
docker run --restart=always -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" -e ES_JAVA_OPTS="-Xms512m -Xmx512m" --name='elasticsearch' --net elastic --cpuset-cpus="1" -m 1G -d elasticsearch:7.17.0

参数：

run ：运行容器

--restart=always：开机自动启动

-p 9200:9200 -p 9300:9300：外部端口是9200，内部端口是9300

-e "discovery.type=single-node"：单节点模式

-e ES_JAVA_OPTS="-Xms512m -Xmx512m"：java环境运行占用的最大内存空间是512m

--name:容器的名字

--net elastic：使用的网关是elastic

--cpuset-cpus="1" -m 1G：使用1个cpu占用1G内存

-d elasticsearch:7.17.0：容器使用的镜像叫elasticsearch:7.17.0

安装Kibana 

1.拉取镜像

docker pull kibana:7.17.0

2.启动容器

docker run --name kibana --net elastic --link elasticsearch:elasticsearch -p 5601:5601 -d kibana:7.17.0

三、Elasticsearch常用操作

Elasticsearch是使用RESTful风格的http请求访问操作的，请求参数和返回值都是Json格式的，我们可以使用kibana发送http请求操作ES。 

3.1 索引操作

创建无结构的索引

路径：ip地址:端口号/索引名

注：在kibana中所有的请求都会省略ip地址:端口号，之后的路径我们省略写ip地址:端口号。创建索引相当于是创建一张表。

在kibana中创建一个索引/student，Management—>DevTools

查看刚刚创建的索引，Management—>StackManagement—>IndexManagement

 创建有结构的索引

POST /索引名/_mapping
{"properties":{"域名1":{"type":域的类型,"store":是否存储,"index":是否创建索引,"analyzer":分词器},"域名2":{ ...}}
}

这里的域相当于是表中的字段/属性。 

也可以在创建索引的时候直接为索引添加结构

PUT /索引名
{"mappings":{"properties":{"域名1":{"type":域的类型,"store":是否单独存储,"index":是否创建索引,"analyzer":分词器},"域名2":{ ...}}}
}

 删除索引

DELETE /索引名

3.2 文档操作

文档操作就是为索引添加、删除、修改、查询内容 

 新增/修改文档

POST /索引/_doc/[id值]
{"field名":field值
}

注：id值不写时自动生成文档id，id和已有id重复时修改文档。这个id相当于是文档的主键，而域则是文档的属性。

POST /student/_doc/1
{"id":1,"name":"zj","age":10
}

根据id查询文档

GET /索引/_doc/id值

例如，查询student索引中1的数据：

GET /student/_doc/1

注：查询的数据也是json格式的。

删除文档 

DELETE /索引/_doc/id值

根据文档id批量查询某个索引的文档

GET /索引/_mget
{"docs":[{"_id":id值},{"_id":id值}] 
}

例如，查询student索引中id为1和id为2的索引

GET /student/_mget
{"docs":[{"_id":1},{"_id":2}] 
}

查询索引中所有文档

相当于是MySQL中的记录。

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

例如，查询student索引中的全部文档

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

修改文档部分字段

POST /索引/_doc/id值/_update
{ "doc":{ 域名:值} 
}

例如，修改文档id为1的记录的id和age属性

POST /student/_doc/1/_update
{ "doc":{ "id":123,"age":100} 
}

注：

Elasticsearch执行删除操作时，ES先标记文档为deleted状态，而不是直接物理删除。当ES存储空间不足或工作空闲时，才会执行物理删除操作。

Elasticsearch执行修改操作时，ES不会真的修改Document中的数据，而是标记ES中原有的文档为deleted状态，再创建一个新的文档来存储数据。

3.3 域的属性

index属性

该域是否创建倒排索引。只有值设置为true，才能根据该域的关键词查询文档。

// 根据关键词查询文档
GET /索引名/_search
{"query":{"term":{ 搜索字段: 关键字} }
}

演示

#创建索引student1，设置index为true
PUT /student1
{"mappings": {"properties": {"name":{"type": "text","index": true}}}
}#创建索引student2，设置index为false
PUT /student2
{"mappings": {"properties": {"name":{"type": "text","index": false}}}
}#为student1索引添加一条文档
POST /student1/_doc/1
{"name":"HELLO ES"
}#为student2索引添加一条文档
POST /student2/_doc/1
{"name":"HELLO ES"
}#根据关键字查询数据
GET /student1/_search
{"query":{"term":{ "name":"HELLO"} }
}GET /student2/_search
{"query":{"term":{ "name":"HELLO"} }
}

发现。建立索引的student1 能通过关键字搜索到，但是没有建立索引的student2不能通过关键字查询到。

type属性

域的类型

核心类型具体类型
字符串类型text
整数类型long, integer, short, byte
浮点类型double, float
日期类型date
布尔类型boolean
数组类型array
对象类型object
不分词的字符串keyword

不分词的字符串和字符串类型的区别是：字符串类型是能分词的，就是能将该字符串分为多个部分来检索，但是不分词的字符串不能拆分，只能作为一个整体来检索。

store域的属性

是否单独存储。如果设置为true，则该域能够单独查询出来，没有其他域的影响。

// 单独查询某个域：
GET /索引名/_search
{"stored_fields": ["域名"]
}

演示

#创建索引student1,store设置为true
PUT /student1
{"mappings": {"properties": {"name":{"type": "text","index": true,"store": true},"age":{"type": "integer"}}}
}#创建索引student2，store设置为false
PUT /student2
{"mappings": {"properties": {"name":{"type": "text","index": true,"store": false},"age":{"type": "integer"}}}
}#为student1索引添加一条文档
POST /student1/_doc/1
{"name":"HELLO ES","age":10
}#为student2索引添加一条文档
POST /student2/_doc/1
{"name":"HELLO ES","age":20
}# 单独查询student1某个域：
GET /student1/_search
{"stored_fields": ["name"]
}# 单独查询student2某个域：
GET /student2/_search
{"stored_fields": ["name"]
}

四、分词器

4.1 默认分词器 

 ES文档的数据拆分成一个个有完整含义的关键词，并将关键词与文档对应，这样就可以通过关键词查询文档。要想正确的分词，需要选择合适的分词器。

standard ：Elasticsearch默认分词器，根据空格和标点符号对英文进行分词，会进行单词的大小写转换。

默认分词器是英文分词器，对中文的分词是一字一词。也就是说对中文的支持不好

GET /_analyze
{"text":测试语句, "analyzer":分词器
}

实例

4.2 IK分词器

IKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。提供了两种分词算法：

  • ik_smart：最少切分

  • ik_max_word：最细粒度划分

安装IK分词器

1.关闭es服务

#查找es进程
ps -ef | grep elastic#杀死进程
kill -9 PID

2.使用文件上传工具将ik分词器上传至虚拟机

注：ik分词器的版本要和es版本保持一致。

 3.解压ik分词器到elasticsearch的plugins目录下

unzip elasticsearch-analysis-ik-7.17.0.zip -d /usr/local/elasticsearch1/plugins/analysis-ik

4.启动ES服务

su es#进入ES安装文件夹：
cd /usr/local/elasticsearch1/bin/#启动ES服务：
./elasticsearch -d

测试分词器效果

GET /_analyze
{"text":"测试语句", "analyzer":"ik_smart/ik_max_word"
}

IK分词器词典

IK分词器根据词典进行分词，词典文件在IK分词器的config目录中。

  • main.dic：IK中内置的词典。记录了IK统计的所有中文单词。

  • IKAnalyzer.cfg.xml：用于配置自定义词库。

/usr/local/elasticsearch1/plugins/analysis-ik/config
<properties><comment>IK Analyzer 扩展配置</comment><!--用户可以在这里配置自己的扩展字典 --><entry key="ext_dict">ext_dict.dic</entry><!--用户可以在这里配置自己的扩展停止词字典--><entry key="ext_stopwords">ext_stopwords.dic</entry><!--用户可以在这里配置远程扩展字典 --><!-- <entry key="remote_ext_dict">words_location</entry> --><!--用户可以在这里配置远程扩展停止词字典--><!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

注，配置完成后需要重新启动es和kibana。

4.3 拼音分词器

拼音分词器可以将中文分成对应的全拼，全拼首字母等。

安装拼音分词器

1.关闭es服务

#查找es进程
ps -ef | grep elastic#杀死进程
kill -9 PID

2.使用文件上传工具将拼音分词器上传至虚拟机

注：拼音分词器的版本要和es版本保持一致。

3.解压拼音分词器到elasticsearch的plugins目录下

unzip elasticsearch-analysis-pinyin-7.17.0.zip -d /usr/local/elasticsearch1/plugins/analysis-pinyin

4.启动ES服务

su es#进入ES安装文件夹：
cd /usr/local/elasticsearch1/bin/#启动ES服务：
./elasticsearch

测试分词效果

4.4 自定义分词器

 真实开发中我们往往需要对一段内容既进行文字分词，又进行拼音分词，此时我们需要自定义ik+pinyin分词器。

 创建自定义分词器

1.在创建索引时自定义分词器

PUT /索引名
{"settings" : {"analysis" : {"analyzer" : {"ik_pinyin" : { //自定义分词器名"tokenizer":"ik_max_word", // 基本分词器"filter":"pinyin_filter" // 配置分词器过滤}},"filter" : { // 分词器过滤时配置另一个分词器，相当于同时使用两个分词器"pinyin_filter" : { "type" : "pinyin", // 另一个分词器// 拼音分词器的配置"keep_separate_first_letter" : false, // 是否分词每个字的首字母"keep_full_pinyin" : true, // 是否分词全拼"keep_original" : true, // 是否保留原始输入"remove_duplicated_term" : true // 是否删除重复项}}}},"mappings":{"properties":{"域名1":{"type":域的类型,"store":是否单独存储,"index":是否创建索引,"analyzer":分词器},"域名2":{ ...}}}
}

测试自定义分词器

GET /索引/_analyze
{"text": "你好ES","analyzer": "ik_pinyin"
}

五、Elasticsearch搜索文档

5.1 准备工作 

 Elasticsearch提供了全面的文档搜索方式，在学习前我们添加一些文档数据

#创建索引
PUT /students
{"mappings": {"properties": {"id": {"type": "integer","index": true},"name": {"type": "text","store": true,"index": true,"analyzer": "ik_smart"},"info": {"type": "text","store": true,"index": true,"analyzer": "ik_smart"}}}
}#为索引添加数据
POST /students/_doc/
{"id":1,"name":"Java","info":"I love Java"
}POST /students/_doc/
{"id":2,"name":"美羊羊","info":"美羊羊是羊村最漂亮的人"
}POST /students/_doc/
{"id":3,"name":"懒羊羊","info":"懒羊羊的成绩不是很好"
}POST /students/_doc/
{"id":4,"name":"小灰灰","info":"小灰灰的年纪比较小"
}POST /students/_doc/
{"id":5,"name":"沸羊羊","info":"沸羊羊喜欢美羊羊"
}POST /students/_doc/
{"id":6,"name":"灰太狼","info":"灰太狼是小灰灰的父亲，每次都会说我一定会回来的"
}

搜索文档

GET /索引/_search
{"query":{搜索方式:搜索参数}
}

5.2 搜索方式

match_all：查询所有文档

#查询全部文档
GET /students/_search
{"query": {"match_all": {}}
}

match：全文检索。将查询条件分词后再进行搜索。

格式

{"query":{"match":{搜索字段（域）:搜索条件}}
}

实例

#查询info域中带🐏的文档
GET /students/_search
{"query": {"match": {"info": "羊"}}
}

注：在搜索时关键词有可能会输入错误，ES搜索提供了自动纠错功能，即ES的模糊查询。使用match方式可以实现模糊查询。模糊查询对中文的支持效果一般，我们使用英文数据测试模糊查询。

格式

{"query": {"match": {"域名": {"query": 搜索条件,"fuzziness": 最多错误字符数,不能超过2}}}
}

实例

GET /students/_search
{"query": {"match": {"info": {"query": "lova","fuzziness": 1}}}
}

range：范围搜索。对数字类型的字段进行范围搜索

格式

{"query":{"range":{搜索字段:{ "gte":最小值,"lte":最大值} }}
}
gt/lt:大于/小于
gte/lte:大于等于/小于等于

实例

#查询id从1到3的文档
GET /students/_search
{"query": {"range": {"id": {"gte": 1,"lte": 3}}}
}

match_phrase：短语检索。搜索条件不做任何分词解析，在搜索字段对应的倒排索引中精确匹配。

格式

{"query":{"match_phrase":{搜索字段:搜索条件}}
}

实例

#查询info域是"I love Java"的文档
GET /students/_search
{"query": {"match_phrase": {"info": "I love Java"}}
}

term/terms：单词/词组搜索。搜索条件不做任何分词解析，在搜索字段对应的倒排索引中精确匹配

格式

{"query":{"term":{ 搜索字段: 搜索条件}}
}{"query":{"terms":{ 搜索字段: [搜索条件1,搜索条件2]}}
}

实例

GET /students/_search
{"query": {"term": {"info": {"value": "成绩"}}}
}GET /students/_search
{"query": {"terms": {"info": ["成绩","羊羊"]}}
}

5.3 复合搜索 

 格式

GET /索引/_search
{ "query": { "bool": { // 必须满足的条件 类似sql中的and"must": [ 搜索方式:搜索参数,搜索方式:搜索参数],// 多个条件有任意一个满足即可类似or"should": [搜索方式:搜索参数,搜索方式:搜索参数],// 必须不满足的条件"must_not":[搜索方式:搜索参数,搜索方式:搜索参数]} } 
}

 实例

#查询info域中没有成绩的和id范围不在1-3之间的文档
GET /students/_search
{"query": {"bool": {"must_not": [{"term": {"info": {"value": "成绩"}}},{"range": {"id": {"gte": 1,"lte": 3}}}]}}
}

5.4 结果排序

 ES中默认使用相关度分数实现排序，当然不想使用默认的排序方法可以通过搜索语法定制化排序。

格式

GET /索引/_search
{ "query": 搜索条件,"sort": [{"字段1":{"order":"asc"} },{ "字段2":{ "order":"desc" } }] 
}

示例

#查询info域是"成绩"的文档，按照id降序排序
GET /students/_search
{"query": {"match": {"info": "成绩"}},"sort": [{"id": {"order": "desc"}}]
}

由于ES对text类型字段数据会做分词处理，使用哪一个单词做排序都是不合理的，所以 ES中默认不允许对text类型的字段做排序。如果需要使用字符串做结果排序，可以使用 keyword类型的字段作为排序依据，因为keyword字段不做分词处理。

5.5 分页查询

 格式

GET /索引/_search
{ "query": 搜索条件,"from": 起始下标,"size": 查询记录数
}

示例

#查询info域是"成绩"的文档，并且查询第一页的1条数据
GET /students/_search
{"query": {"match": {"info": "成绩"}},"from": 0,"size": 1
}

5.6 高亮查询

在进行关键字搜索时，搜索出的内容中的关键字会显示不同的颜色，称之为高亮。

我们可以在关键字左右加入标签字符串，数据传入前端即可完成高亮显示，ES可以对查询出的内容中关键字部分进行标签和样式的设置。

格式

GET /索引/_search
{ "query":搜索条件,"highlight":{"fields": { "高亮显示的字段名": {// 返回高亮数据的最大长度"fragment_size":100,// 返回结果最多可以包含几段不连续的文字"number_of_fragments":5} },"pre_tags":["前缀"], "post_tags":["后缀"]} 
}

示例

GET /students/_search
{"query": {"match": {"info": "羊"}},"highlight": {"fields": {"info": {"fragment_size": 20,"number_of_fragments": 5}}}
}

5.7 SQL查询

在ES7之后，支持SQL语句查询文档

GET /_sql?format=txt
{"query": SQL语句
}

开源版本的ES并不支持通过Java操作SQL进行查询，如果需要操作 SQL查询，则需要氪金（购买白金版）

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/89946.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

如何有效开展网络安全事件调查工作

如何有效开展网络安全事件调查工作

网络安全事件调查是现代企业网络安全体系建设的关键组成部分。为了防止网络攻击&#xff0c;仅仅关注于安全工具的应用效果远远不够&#xff0c;因为安全事件一直都在发生。安全团队只有充分了解攻击者的行踪和攻击路径&#xff0c;才能更好地防范更多攻击时间的发生。 做好网…
阅读更多...
基于Python爬虫+词云图+情感分析对某东上完美日记的用户评论分析

基于Python爬虫+词云图+情感分析对某东上完美日记的用户评论分析

&#x1f935;‍♂️ 个人主页&#xff1a;艾派森的个人主页 ✍&#x1f3fb;作者简介&#xff1a;Python学习者 &#x1f40b; 希望大家多多支持&#xff0c;我们一起进步&#xff01;&#x1f604; 如果文章对你有帮助的话&#xff0c; 欢迎评论 &#x1f4ac;点赞&#x1f4…
阅读更多...
【go语言学习笔记】05 Go 语言实战

【go语言学习笔记】05 Go 语言实战

文章目录 一、 RESTful API 服务1. RESTful API 定义1.1 HTTP Method1.2 RESTful API 规范 2. RESTful API 风格示例3. RESTful JSON API4. Gin 框架4.1 导入 Gin 框架4.2 使用 Gin 框架4.2.1 获取特定的用户&#xff08;GET&#xff09;4.2.2 新增一个用户&#xff08;POST&am…
阅读更多...
ElasticSearch安装与介绍

ElasticSearch安装与介绍

Elastic Stack简介 如果没有听说过Elastic Stack&#xff0c;那你一定听说过ELK&#xff0c;实际上ELK是三款软件的简称&#xff0c;分别是Elasticsearch、 Logstash、Kibana组成&#xff0c;在发展的过程中&#xff0c;又有新成员Beats的加入&#xff0c;所以就形成了Elastic…
阅读更多...
9月大理，Move HackerHouse，成为全球数字游民的第一站

9月大理，Move HackerHouse，成为全球数字游民的第一站

&#x1f680;世界各地的 hacker 们&#xff01;即日起&#xff0c;我们正式向您发出 co-buiding & co-living 的邀请&#xff01; 9.3日至9.24日&#xff0c;为期3周的 Move 主题Antalpha HackerHouse 将坐落于大理&#xff0c;邀请所有 Web3 开发者一起探索 Move 生态发…
阅读更多...
基于Selenium模块实现无界面模式 执行JS脚本

基于Selenium模块实现无界面模式 执行JS脚本

此篇文章主要介绍如何使用 Selenium 模块实现 无界面模式 & 执行JS脚本(把滚动条拉到底部)&#xff0c;并以具体的示例进行展示。 1、Selenium 设置无界面模式 创建浏览器对象之前&#xff0c;创建 options 功能对象 &#xff1a;options webdriver.ChromeOptions() 添加…
阅读更多...
微服务系列（2）--注册中心

微服务系列（2）--注册中心

在博文&#xff1a;微服务系列(1)里我们提到过注册中心的概念&#xff0c;简单来说微服务注册中心是一个用于存储和管理微服务实例信息的组件&#xff0c;它提供了服务注册、服务发现、服务健康检查等功能&#xff0c;以确保微服务之间的稳定通信。在微服务架构中&#xff0c;各…
阅读更多...
Python 图形界面框架TkInter（第八篇：理解pack布局）

Python 图形界面框架TkInter（第八篇：理解pack布局）

前言 tkinter图形用户界面框架提供了3种布局方式&#xff0c;分别是 1、pack 2、grid 3、place 介绍下pack布局方式&#xff0c;这是我们最常用的布局方式&#xff0c;理解了pack布局&#xff0c;绝大多数需求都能满足。 第一次使用pack&#xff08;&#xff09; import …
阅读更多...
6. CSS（三）

6. CSS（三）

目录 一、盒子模型 &#xff08;一&#xff09;网页布局的本质 &#xff08;二&#xff09;盒子模型组成 &#xff08;三&#xff09;边框&#xff08;border&#xff09; &#xff08;四&#xff09;表格的细线边框 &#xff08;五&#xff09;内边距&#xff08;padding…
阅读更多...
Android多屏幕支持-Android12

Android多屏幕支持-Android12

Android多屏幕支持-Android12 1、概览及相关文章2、屏幕窗口配置2.1 配置xml文件2.2 DisplayInfo#uniqueId 屏幕标识2.3 adb查看信息 3、配置文件解析3.1 xml字段读取3.2 简要时序图 4、每屏幕焦点 android12-release 1、概览及相关文章 AOSP > 文档 > 心主题 > 多屏…
阅读更多...
【数据结构】栈与队列

【数据结构】栈与队列

1 栈 1.1 栈的概念及结构 栈&#xff1a;一种特殊的线性表&#xff0c;其只允许在固定的一端进行插入和删除元素操作。进行数据插入和删除操作的一端称为栈顶&#xff0c;另一端称为栈底。栈中的数据元素遵守后进先出 LIFO (Last In First Out) 的原则。 压栈&#xff1a;栈…
阅读更多...
【Git】

【Git】

Git 简介下载安装验证安装 简介 Git 是一个分布式版本控制系统&#xff0c;用于跟踪和管理软件开发项目的变化。它可以有效地记录文件的修改历史、协调多人协作开发、解决代码冲突&#xff0c;并提供了分支管理、版本回滚等功能&#xff0c;使团队能够更好地合作开发软件项目。…
阅读更多...
Android实现超出固定行数折叠文字“查看全文“、“收起全文“

Android实现超出固定行数折叠文字“查看全文“、“收起全文“

先上效果图 分析问题 网上有很多关于这个的代码&#xff0c;实现都过于复杂了&#xff0c;github上甚至还看到一篇文章600多行代码&#xff0c;结果一跑起来全是bug。还是自己写吧&#xff01;&#xff01;&#xff01; 如果我们需要换行的"查看全文"、"收起全…
阅读更多...
8.14 作业 ARM

8.14 作业 ARM

.text .globl _gcd_gcd:mov r0,#9mov r1,#15cmp r0,r1 比较r0和r1寄存器中的值beq stopsubhi r0,r0,r1subcc r1,r1,r0stop:b stop .end用for循环实现1~100之间和&#xff1a; .text .globl _start_start:mov r0,#0 总和mov r1,#1 从1开始mov r2,#100 到100结束bl add_loopa…
阅读更多...
安装elasticsearch

安装elasticsearch

一、docker安装elasticsearch 1、下载镜像 docker pull elasticsearch:6.5.4 2、启动容器 docker run -p 9200:9200 -p 9300:9300 --name elasticsearch \ -e "discovery.typesingle-node" \ -e "cluster.nameelasticsearch" \ -e "ES_JAVA_OPTS-Xm…
阅读更多...
软件测试基础篇——Docker

软件测试基础篇——Docker

1、docker技术概述 docker描述&#xff1a;docker是一项虚拟化的容器技术&#xff08;类似于虚拟机&#xff09;&#xff0c;docker技术给使用者提供一个平台&#xff0c;在该平台上可以利用提供的容器&#xff0c;对每一个应用程序进行单独的封装隔离&#xff0c;每一个应用程…
阅读更多...
IC人必看| 模拟IC方向面试常考问题及答案汇总（二）

IC人必看| 模拟IC方向面试常考问题及答案汇总（二）

有不少小伙伴说还想要更多模拟IC方向的面试题目&#xff0c;这不就来了&#xff01;&#xff08;文末可领全部面试题目&#xff09; 1. Bandgap 里有几种反馈&#xff1f;原理是&#xff1f; 正反馈和负反馈。 2. 负反馈种类&#xff1f;负反馈的优点&#xff1f; 种类&am…
阅读更多...
【深度学习】【风格迁移】Zero-shot Image-to-Image Translation

【深度学习】【风格迁移】Zero-shot Image-to-Image Translation

论文&#xff1a;https://arxiv.org/abs/2302.03027 代码&#xff1a;https://github.com/pix2pixzero/pix2pix-zero/tree/main 文章目录 Abstract1. Introduction相关工作3. Method Abstract 大规模文本到图像生成模型展示了它们合成多样且高质量图像的显著能力。然而&#x…
阅读更多...
代码质量检查工具SonarQube

代码质量检查工具SonarQube

Devops流水线之SonarQube 文章目录 Devops流水线之SonarQube1. 软件功能介绍及用途2. 软件环境搭建与使用2.1 使用方法2.2 SonarQube相关属性说明2.3 Sonar配置文件内容说明 3. 使用环节4. 检查方法 1. 软件功能介绍及用途 SonarQube是一个用于代码质量管理的开源平台&#xf…
阅读更多...
网络安全进阶学习第十五课——Oracle SQL注入

网络安全进阶学习第十五课——Oracle SQL注入

文章目录 一、Oracle数据库介绍二、Oracle和MySQL的语法差异&#xff1a;三、Oracle的数据库结构四、Oracle的重点系统表五、Oracle权限分类1、系统权限2、实体权限3、管理角色 六、oracle常用信息查询方法七、联合查询注入1、order by 猜字段数量2、查数据库版本和用户名3、查…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023