Elasticsearch

Rescore 可以帮助提高精度，方法是仅对 query 和 post_filter 阶段返回的顶部（例如 100 - 500）文档进行重新排序，使用辅助（通常成本更高）算法，而不是将成本算法应用于索

Nested 类型是 object 数据类型的特殊版本，它允许对象数组以一种可以彼此独立查询的方式进行索引。在内部，嵌套对象将数组中的每个对象索引为单独的隐藏文档，这意味着每个嵌套对象都可以使用 ne

有时一个匹配项可以覆盖多个文本字段。 在这种情况下，你可以使用 combined_fields 查询来搜索多个文本字段，就好像它们的值实际上已被索引到一个组合字段中一样。 除此之外，combined_

在我们经常调试微服务或者使用 Elasticsearch API 时，经常会使用curl 来进行调试。但是有时我们的输出不尽如意。显示的不是一 pretty 格式进行输出的。我们有时还必须借助于其他的

Character filter，也即字符过滤器用于在将字符流传递给分词器（tokenizer）之前对其进行预处理。字符过滤器将原始文本作为字符流接收，并可以通过添加、删除或更改字符来转换流。 例如，

在我之前的文章 “Elasticsearch: object 及 nested 数据类型” 对 nested 数据类型做了一个比较详细的介绍。在实际使用中，你在构建查询时肯定会遇到一些问题。根据官方文

在 Elasticsearch 的搜索中，经常遇到的情况是，我们创建一个 data view 或者 index pattern 跨多个索引，这样我们可以对它们进行统一的搜索。我们有遇到这样的情况：完全

Elasticsearch 中的分析器是一个软件模块，主要负责两个功能：tokenization (分词化) 和 normalization（规范化）。 Elasticsearch 采用分词化和规范化

在我之前的文章 “Elasticsearch：词分析中的 Normalizer 的使用”， 我对 analyzer 中的 normalizer 有一个简单的介绍。今天我将展示使用 normalizer

当我们想要执行持续时间较长的查询时，执行异步操作是一个很好的选择。 在这篇文章中，我们将学习如何管理异步查询。异步操作由 async search API 执行。 异步搜索 API 具有与 _sear

想象一下，你需要根据用户位置的接近程度对结果进行排序。完成此任务的方法之一是使用定位和衰减函数。 衰减函数可用于根据比例调整文档的相关性分数。

Keep words token 过滤器是用来仅保留包含在指定单词列表中的 token，尽管你的文字中可能含有比这个列表更多的 token。在某些情况下，我们可以有一个包含多个单词的字段，但是将字段中

Elasticsearch 有一些专门用于提供专门功能的高级查询。 例如，使用 distance_feature 查询提高在指定位置提供冷饮的咖啡馆的分数 —— 本文的主题。 在搜索经典文学时，我们可

多重匹配（multi_match）查询，顾名思义就是跨多个字段搜索查询。 例如，如果我们想在 title、synopsis 和 tags 三个字段中搜索 Java 一词，那么 multi_match

检测解析的日志是否包含单个或多个警告消息，然后添加一个字段来说明这两种情况。在很多的情形下，我们在测试 Logstash 的过滤器时，并不急于把实际的 input 的数据接入到过滤器中来进行测试。我们

很多刚开始学习 Elasticsearch 的人经常会混淆 text 和 keyword 字段数据类型。 它们之间的区别很简单，但非常关键。 在本文中，我将讨论两者之间的区别、如何使用它们、它们的行为

计算搜索中两点之间的距离有很多用例。 如果你正在处理地理数据，那么无论你从事何种业务，这都必然会出现。 然后，在对这些点进行排序时，你可能需要考虑距离，因为……好吧，为什么不呢？ 所以这里有几种不同的

如果你想知道是否可以对数组进行排序，答案是肯定的。使用 sort 处理器，我们可以按升序或降序对元素数组进行排序。对数组的元素进行升序或降序排序。 同构数字数组将按数字排序，而字符串数组或字符串+数字

我们知道文本字段是不可以进行聚合的。要想把该字段变成为可以进行聚合的字段，一种方法就是把它变成为 [keyword](https://www.elastic.co/guide/en/elasticse

我们知道 CSV 是一种非常流行的数据格式。在 Elastic Stack 中，我们有很多的方式来摄入 CSV 格式的数据。我们可以先看看一个常用的数据摄入数据流： 如上所示，我们可以采取不同的方法来