Elasticsearch

我们知道 Elasticsearch output plugin 为我们在 Logstash 的 pipeline 中向 Elasticsearch 的写入提供了可能。在实际的使用中，假如我们的操作不

你听说过 “烹饪就像科学” 这句话吗？ 好吧，机器学习也是如此。 就像烹饪一样，构建机器学习 (ML) 管道需要一系列精确的步骤、一点创造力以及对你正在使用的食材的充分理解。

如果你通过博客或新闻关注 Elastic，你已经知道在最新版本的 Elasticsearch 中已经提供了用于自然语言处理 (NLP) 的资源。事实上，在我之前的博客文章中，我已经推出了很多关于 NL

Elasticsearch 是为你的用户提供无缝搜索体验的不可或缺的工具。 在最近的 QCon 会议上，我遇到了很多的开发者。在他们的系统中，Elastic Stack 是不可缺少的工具，无论在搜索，

针对带有 HTTPS 访问的 Elasticsearch 集群来说，在我之前的很多文章，我都习惯于使用集群的证书来访问 Elasticsearch。你可以参考我之前的文章 “Elastic Stack

想象一下你的文档具有层次结构特征并且你想搜索层次结构级别的情况，我相信 Path Hierarchy Tokenizer 是你需要了解的分词器。Path_hierarchy 分词器采用像文件系统路径这

Prefix queries 被用于在查询时返回在提供的字段中包含特定前缀的文档。有时我们可能想使用前缀查询单词，例如 Leonardo 的 Leo 或 Marlon Brando、Mark Hami

在我之前的文章 “Elasticsearch：运用 API 创建 roles 及 users” ，我展示了如何使用 Security API 来创建用户及角色来控制访问 Elasticsearch 中

Intervals query 根据匹配项的顺序和接近度返回文档。Intervals 查询使用匹配规则，由一小组定义构成。 然后将这些规则应用于指定字段中的术语。 这些定义产生跨越文本正文中的术语的最

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。