Elasticsearch

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

什么是 terms set 查询？ Terms set 查询根据匹配给定字段的精确术语的最少数量返回文档。 terms set 查询与 term 查询有何不同？ Terms set query 和 T

Elasticsearch 中有四种基本的数据操作。 每个操作都有自己的资源需求。每个用例都使用这些操作，但它们会优先于某些操作。 Index：在这里被用做动词，而不是其名词索引。处理文档并将其存储在

从广义上讲，我们可以将聚合分为两种类型：父聚合（parent aggregation）和兄弟聚合（sibling aggregation）。 你可能会发现它们有点令人困惑，所以让我们看看它们是什么以及

在我们针对 text 类型的字段进行分词时，分词器会把该字段分解为一个个的 token。如果你对分词器还不是很理解的话，请参考我之前的文章 “Elasticsearch: analyzer”。在分词时

针对很多的开发者来说，如果你不是很熟悉 DSL 查询，那么在有些情况下，query_string 及 simple_query_string 变得非常灵活及方便。在今天的文章中，我来比较一下这两种查询

在我之前的文章 “Logstash：Data 转换，分析，提取，丰富及核心操作” 有涉及到这个话题。今天我想使用一个具体的例子来更深入地展示。 准备数据 我们先来把如下的数据拷贝下来，并保存到一个叫做