从0到1, 精通 ElasticSearch 工业级使用

已于 2024-08-14 22:53:07 修改
阅读量713 收藏 7
点赞数 17
文章标签： 面试 elasticsearch
于 2024-08-14 22:43:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/lichunericli/article/details/141177402
版权

百亿级数据存储架构能力

生产需求上，百亿级数据存储架构， 一般来说，需要具备以下四个能力：

  • 高并发的在线ACID事务 （分库分表）

  • 高并发的在线搜索 （倒排表副本）

  • 海量数据的离线处理 （高可用+全量副本）

  • 冗余表双写能力 （不同业务维度的副本）

百亿级数据存储架构，需要使用ES完成高性能、跨库搜索

便于商品的聚合搜索，高速搜索，采用两大优化方案：

  • 把商品数据冗余存储在Elasticsearch中，实现高速搜索

  • 把商品数据冗余存储在redis 中，实现高速缓存

图片

很多的时候，要求保持很高的数据一致性。比如：

  • 要求 mysql 与 es 做到秒级别的数据同步。

  • 要求 mysql 与 redis 做到秒级别的数据同步。

  • 要求 mysql 与 hbase 做到秒级别的数据同步。

1 ElasticSearch 从入门到工业级使用

1.1 什么是全文检索

将非结构化数据中的一部分信息提取出来，重新组织，使其变得有一定结构，然后对此有一定结构的数据进行搜索，从而达到搜索相对较快的目的。这部分从非结构化数据中提取出的然后重新组织的信息，我们称之索引。

例如：字典。字典的拼音表和部首检字表就相当于字典的索引，对每一个字的解释是非结构化的，如果字典没有音节表和部首检字表，在茫茫辞海中找一个字只能顺序扫描。

然而字的某些信息可以提取出来进行结构化处理，比如读音，就比较结构化，分声母和韵母，分别只有几种可以一一列举，于是将读音拿出来按一定的顺序排列，每一项读音都指向此字的详细解释的页数。

我们搜索时按结构化的拼音搜到读音，然后按其指向的页数，便可找到我们的非结构化数据—也即对字的解释。 这种先建立索引，再对索引进行搜索的过程就叫全文检索(Full-text Search)。

虽然创建索引的过程也是非常耗时的，但是索引一旦创建就可以多次使用，全文检索主要处理的是查询，所以耗时间创建索引是值得的。

图片

比如使用全文检索，所搜索“生化机”

图片

(有可能是手抖打错了，本来是生化危机)，但是期望需要出来右侧的 4条 记录。

有 4条 数据将每条数据进行词条拆分。

如“生化危机电影”拆成：生化、危机、电影 关键词（拆分结果与策略算法有关）每个关键词将对应包含此关键词的数据 ID 搜索的时候，直接匹配这些关键词，就能拿到包含关键词的数据这个过程就叫做全文检索。

而词条拆分和词条对应的 ID 这个就是倒排索引的的基本原理。

对比数据库的缺陷

MySQL如果没有索引的情况下，共有100万条,按照之前的思路,其实就要扫描100万次，而且每次扫描,都需要匹配那个文本所有的字符，确认是否包含搜索的关键词，而且还不能将搜索词拆解开来进行检索

图片

利用倒排索引 进行搜索的话，假设100万条数据,拆分出来的词语,假设有1000万个词语，那么在倒排索引中,就有1000万行,我们可能并不需要搜索1000万次。很可能说,在搜索到第一次的时候,我们就可以找到这个搜索词对应的数据。也可能是第100次,或者第1000次

全文检索使用场景

  • 维基百科，类似百度百科，牙膏，牙膏的维基百科，全文检索，高亮，搜索推荐

  • The Guardian（国外新闻网站），类似搜狐新闻，用户行为日志（点击，浏览，收藏，评论）+社交网络数据（对某某新闻的相关看法），数据分析，给到每篇新闻文章的作者，让他知道他的文章的公众反馈（好，坏，热门，垃圾，鄙视，崇拜）

  • Stack Overflow（国外的程序异常讨论论坛），IT问题，程序的报错，提交上去，有人会跟你讨论和回答，全文检索，搜索相关问题和答案，程序报错了，就会将报错信息粘贴到里面去，搜索有没有对应的答案

  • GitHub（开源代码管理），搜索上千亿行代码（5）电商网站，检索商品

  • 日志数据分析，logstash采集日志，ES进行复杂的数据分析（ELK技术，elasticsearch+logstash+kibana）

  • 商品价格监控网站，用户设定某商品的价格阈值，当低于该阈值的时候，发送通知消息给用户，比如说订阅牙膏的监控，如果高露洁牙膏的家庭套装低于50块钱，就通知我，我就去买

  • BI系统，商业智能，Business Intelligence。比如说有个大型商场集团，BI，分析一下某某区域最近3年的用户消费金额的趋势以及用户群体的组成构成，产出相关的数张报表，**区，最近3年，每年消费金额呈现100%的增长，而且用户群体85%是高级白领，开一个新商场。ES执行数据分析和挖掘，Kibana进行数据可视化

1.2 ES简介

Elaticsearch，简称为es， es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。

es也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

Elasticsearch是面向文档(document oriented)的，这意味着它可以存储整个对象或文档(document)。然而它不仅仅是存储，还会索引(index)每个文档的内容使之可以被搜索。

在Elasticsearch中，你可以对文档（而非成行成列的数据）进行索引、搜索、排序、过滤。Elasticsearch比传统关系型数据库如下：

Relational DB -> Databases -> Tables -> Rows -> Columns
Elasticsearch -> Indices -> Types -> Documents -> Fields

Elasticsearch提供多种语言支持，其中Java的客户端为 Java REST Client 。

而它又分成两种：高级和低级的。高级包含更多的功能，如果把高级比作MyBatis的话，那么低级就相当于JDBC，是基于Netty和Server通讯相关。高级的 Client类似Mybatis是对于Low Level的封装。

图片

1.3 ES基本概念

  • 索引库

ElasticSearch将它的数据存储在一个或多个索引（index）中。

用SQL领域的术语来类比，索引就像数据库，可以向索引写入文档或者从索引中读取文档，并通过ElasticSearch内部使用Lucene将数据写入索引或从索引中检索数据。

Elastic Search使用倒排索引（Inverted Index）来做快速的全文搜索，这点与数据库不同，一般数据库 的索引，用B+Tree来实现。

Relational DB Databases Tables 表结构 Rows Columns

ElasticSearch

Indices

Types

映射mapping

Documents

Fields 字段

索引库就是存储索引的保存在磁盘上的一系列的文件。里面存储了建立好的索引信息以及文档对象。一个索引库相当于数据库中的一张表。

图片

  • document对象

获取原始内容的目的是为了索引，在索引前需要将原始内容创建成文档（Document），文档中包括一个一个的域（Field），域中存储内容。

每个文档都有一个唯一的编号，就是文档id。document对象相当于表中的一条记录。文档（document）是ElasticSearch中的主要实体。

对所有使用ElasticSearch的案例来说，他们最终都可以归结为对文档的搜索。文档由字段构成。

图片

  • field对象

如果我们把document看做是数据库中一条记录的话，field相当于是记录中的字段。field是索引库中存储数据的最小单位。field的数据类型大致可以分为数值类型和文本类型，一般需要查询的字段都是文本类型的，field的还有如下属性：

  1. 是否分词：是否对域的内容进行分词处理。前提是我们要对域的内容进行查询。

  2. 是否索引：将Field分析后的词或整个Field值进行索引，只有索引方可搜索到。比如：商品名称、商品简介分析后进行索引，订单号、身份证号不用分词但也要索引，这些将来都要作为查询条件。

  3. 是否存储：将Field值存储在文档中，存储在文档中的Field才可以从Document中获取。比如：商品名称、订单号，凡是将来要从Document中获取的Field都要存储。

  • term对象

从文档对象中拆分出来的每个单词叫做一个Term，不同的域中拆分出来的相同的单词是不同的term。

term中包含两部分一部分是文档的域名，另一部分是单词的内容。term是创建索引的关键词对象。

  • 类型（type）

每个文档都有与之对应的类型（type）定义。

这允许用户在一个索引中存储多种文档类型，并为不同文 档提供类型提供不同的映射。 type的版本迭代

  1. 5.x及以前版本一个index有一个或者多个type

  2. 6.X版本一个index只有一个index

  3. 7.X版本移除了type，type相关的所有内容全部变成Deprecated，为了兼容升级和过渡，所有的7.X版本es数据写入后type字段都默认被置为_doc

  4. 8.X版本完全废弃type

  • 映射（mapping）

mapping是处理数据的方式和规则方面做一些限制，如某个字段的数据类型、默认值、分析器、是否被索引等等，这些都是映射里面可以设置的，其它就是处理es里面数据的一些使用规则设置也叫做映射，按着最优规则处理数据对性能提高很大，因此才需要建立映射，并且需要思考如何建立映射才能对性能更好。

  • 分片（shards）

代表索引分片，es可以把一个完整的索引分成多个分片，这样的好处是可以把一个大的索引拆分成多个，分布到不同的节点上。构成分布式搜索。分片的数量只能在索引创建前指定，并且索引创建后不能更改。

5.X默认不能通过配置文件定义分片 ES默认5:1 5个主分片，每个分片，1个副本分片

  • 副本（replicas）

代表索引副本，es可以设置多个索引的副本，副本的作用：

  1. 提高系统的容错性，当个某个节点某个分片损坏或丢失时可以从副本中恢复。

  2. 是提高es的查询效率，es会自动对搜索请求进行负载均衡。

  • 集群（cluster）

代表一个集群，集群中有多个节点（node），其中有一个为主节点，这个主节点是可以通过选举产生的，主从节点是对于集群内部来说的。es的一个概念就是去中心化，字面上理解就是无中心节点，这是对于集群外部来说的，因为从外部来看es集群，在逻辑上是个整体，你与任何一个节点的通信和与整个es集群通信是等价的。

2 安装和DSL的使用

2.1 安装ES

使用docker安装单点Elasticsearch，步骤如下：

docker network create elastic
docker pull docker.elastic.co/elasticsearch/elasticsearch:7.15.2
docker run -di --name es --net elastic -p 192.168.56.181:9200:9200 -p 192.168.56.181:9300:9300 -e "discovery.type=single-node" docker.elastic.co/elasticsearch/elasticsearch:7.15.2

9200端口(Web管理平台端口)  9300(服务默认端口)

浏览器输入地址访问：http://192.168.56.181:9200/

图片

  • 系统参数配置

es发现重启启动失败了，这是什么原因？

这与我们刚才修改的配置有关，因为elasticsearch在启动的时候会进行一些检查，比如最多打开的文件的个数以及虚拟内存区域数量等等，如果你放开了此配置，意味着需要打开更多的文件以及虚拟内存，所以我们还需要系统调优 修改vi /etc/security/limits.conf ，追加内容 (nofile是单个进程允许打开的最大文件个数 soft nofile 是软限制 hard nofile是硬限制 )

* soft nofile 65536
* hard nofile 65536

修改vi /etc/sysctl.conf，追加内容 (限制一个进程可以拥有的VMA(虚拟内存区域)的数量 )

vm.max_map_count=655360

执行下面命令 修改内核参数马上生效

sysctl -p

重新启动虚拟机，再次启动容器，发现已经可以启动并远程访问

reboot

2.2 安装Kibana

Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana，可以通过各种图表进行高级数据分析及展示。

Kibana让海量数据更容易理解。它操作简单，基于浏览器的用户界面可以快速创建仪表板（dashboard）实时显示Elasticsearch查询动态。

设置Kibana非常简单。

无需编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。

Query DSL是一个Java开源框架用于构建类型安全的SQL查询语句。

采用API代替传统的拼接字符串来构造查询语句。

目前QueryDSL支持的平台包括JPA，JDO，SQL，Java Collections，RDF，Lucene，Hibernate Search。elasticsearch提供了一整套基于JSON的DSL语言来定义查询。

docker pull docker.elastic.co/kibana/kibana:7.15.2
docker run -di --name kb --net elastic -p 192.168.56.181:5601:5601 -e "ELASTICSEARCH_HOSTS=http://192.168.56.181:9200" docker.elastic.co/kibana/kibana:7.15.2

  • 拉取kibana镜像

docker pull docker.elastic.co/kibana/kibana:7.15.2

  • 安装kibana容器

docker run -di --name kb --net elastic -p 192.168.56.181:5601:5601 -e "ELASTICSEARCH_HOSTS=http://192.168.56.181:9200" docker.elastic.co/kibana/kibana:7.15.2

  • 修改配置文件

docker exec -it kb /bin/bash
vi config/kibana.yml

好像不改也可以，因为上面docker启动有了ES地址

#修改elasticsarch.hosts: [ "http://elasticsearch:9200" ]，如下：
elasticsearch.hosts: [ "http://192.168.56.181:9200" ]

2.3 启动ES

图片

启动完之后的效果

图片

接下来，可以访问es

http://cdh1:9200

图片

接下来，可以访问 Kibana

默认的地址 http://cdh1:5601

图片

2.4 使用 DSL 操作ES

在 Kibana的开发工具界面，可以执行 DSL 去进行ES的查询。

图片

es开发，常常需要用到DSL语法去定义好 es 的查询语句。

就像 mysql 开发，需要提前定义好 sql 语句，并进行 sql 的执行和测试一样。

2.4.1 DSL 定义基本介绍

DSL（Domain Specific Language），一种特定领域的查询语言，用于构建复杂的查询和聚合操作。

在Elasticsearch中，可用DSL语法来定义查询和过滤条件，以及执行聚合操作。DSL语法 具有JSON格式，因此它非常易于阅读和编写。

2.4.2 DSL 定义语法说明

（1）关键字(Keywords)

  • DSL通常会定义一组关键字，这些关键字具有特殊含义，并在DSL中起到关键作用。关键字通常不能用作标识符或变量名。

  • 示例：在一个简单的数学表达式DSL中，可能会定义关键字如"add"、"subtract"等来表示加法和减法操作。

（2）标识符(Identifiers)

  • 标识符是用来表示变量名、函数名或其他用户定义的名称。它们需要遵循特定的命名规则，如大小写敏感、不包含特殊字符等。

  • 示例：在一个配置文件DSL中，可以使用标识符来表示不同的配置项，如"username"、"password"等。

（3）表达式(Expressions)

  • 表达式是DSL中最基本的构建块，用于计算或产生某个值。表达式可以包括变量、常量、运算符和函数调用。

  • 示例：在一个数学表达式DSL中，可以将"2 + 3"作为一个表达式，计算结果为5。

（4）运算符(Operators)

  • 运算符用于执行各种操作，例如算术运算、逻辑运算、比较运算等。DSL中的运算符根据所涉及的领域和需求而定。

  • 示例：在一个布尔表达式DSL中，可以定义逻辑运算符如"and"、"or"用于连接多个条件。

（5）函数调用(Function Calls)

  • DSL可以支持函数调用，允许用户使用预定义或自定义的函数来完成特定的任务。函数调用通常由函数名称和传递给函数的参数组成。

  • 示例：在一个日期处理DSL中，可以定义函数"formatDate(date, format)"，其中"date"是日期值，"format"是日期格式字符串。

（6）控制流(Control Flow)

  • 控制流语句用于控制程序的执行流程，例如条件语句(if-else)和循环语句(while、for)等。DSL可以支持特定的控制流语句来满足领域特定需求。

  • 示例：在一个工作流程DSL中，可以使用条件语句来判断某个条件是否满足并执行相应的操作。

（7）注释(Comments)

  • 注释用于向DSL代码添加说明性文本，以便开发人员理解和维护代码。注释通常不会被编译或执行，仅用于阅读目的。

  • 示例：在DSL中，可以使用双斜杠(//)或特定的注释标记来添加注释，如：“// 这是一个示例注释”。

2.4.3 DSL常见语法

略

3 ES 的分词器

3.1 倒排索引

图片

如上图

  • 左边的是正排索引，通过文档的id如查找文档的内容

  • 右边的是倒排索引，通过单词统计次数以及文档的位置

如Elasticsearch出现的次数为3，在id=1，id=2，id=3都出现过，且位置分别为1，0，0

3.2 默认分词器

默认分词器对于英文分词的效果如下

POST /_analyze
{
"text": "You can use Elasticsearch to store, search, and manage data",
"analyzer": "standard"
}

结果如下： 

图片

 默认分词器对于中文的分词

POST /_analyze
{
"text": "中华人民共和国人民大会堂",
"analyzer": "standard"
}

图片

3.3 中文分词

中文分词是中文文本处理的一个基础步骤，也是中文人机自然语言交互的基础模块。不同于英文的是，中文句子中没有词的界限，因此在进行中文自然语言处理时，通常需要先进行分词，

分词效果将直接影响词性、句法树等模块的效果。当然分词只是一个工具，场景不同，要求也不同。

部分分词工具如下：

  • 中科院计算所NLPIR：http://ictclas.nlpir.org/nlpir/

  • ansj分词器：https://github.com/NLPchina/ansj_seg

  • 哈工大的LTP：https://github.com/HIT-SCIR/ltp

  • 清华大学THULAC：https://github.com/thunlp/THULAC

  • 斯坦福分词器：https://nlp.stanford.edu/software/segmenter.shtml

  • Hanlp分词器：https://github.com/hankcs/HanLP

  • 结巴分词：https://github.com/yanyiwu/cppjieba

  • KCWS分词器(字嵌入+Bi-LSTM+CRF)：https://github.com/koth/kcws

  • ZPar：https://github.com/frcchang/zpar/releases

  • IKAnalyzer：https://github.com/wks/ik-analyzer

3.4 IK分词器

IK分词器下载地址https://github.com/medcl/elasticsearch-analysis-ik/releases 将ik分词器上传到服务器上，然后解压，并改名字为ik

mkdir ~/ik
mv elasticsearch-analysis-ik-7.15.2.zip ~/ik
unzip elasticsearch-analysis-ik-7.15.2.zip

将ik目录拷贝到docker容器的plugins目录下

docker cp ./ik es:/usr/share/elasticsearch/plugins

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，IK分词器分为两种模式

  • ik_max_word：会将文本做最细粒度的拆分

比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、华人、人民共和国、人民、共和国、大会堂、大会、会堂等词语。

POST /_analyze
{
"text":"中华人民共和国人民大会堂",
"analyzer":"ik_max_word"
}

图片

  • ik_smart：会做最粗粒度的拆分

比如会将“中华人民共和国人民大会堂”拆分为中华人民共和国、人民大会堂。

POST /_analyze
{
"text": "中华人民共和国人民大会堂",
"analyzer": "ik_smart"
}

图片

3.5 自定义扩展字典

IK分词器的两种模式的最佳实践是：索引时用ik_max_word，搜索时用ik_smart，索引时最大化的将文章内容分词，搜索时更精确的搜索到想要的结果。

举个例子：用户输入“华为手机”搜索，此时应该搜索出“华为手机”的商品，而不是“华为”和“手机”这两个词，这样会搜索出华为其它的商品，

此时使用ik_smart和ik_max_word都会将华为手机拆分为华为和手机两个词，那些只包括“华为”这个词的信息也被搜索出来了，我的目标是搜索只包含华为手机这个词的信息，这没有满足我的目标。

ik_smart默认情况下分词“华为手机”，依然会分成两个词“华为”和“手机”，这时需要使用自定义扩展字典

  • 进入es

docker exec -it es /bin/bash

  • 增加自定义字典文件

如果容器编辑乱码，可以在宿主机编辑，然后拷贝到容器中

#进入ik配置目录
cd plugins/ik/config/
vi new_word.dic

内容如下：

老铁
王者荣耀
洪荒之力
共有产权房
一带一路
java日知录
华为手机

  • 修改配置文件

vi IKAnalyzer.cfg.xml

内容如下：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<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">new_word.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"></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>

  • 拷贝到宿主机

docker cp es:/usr/share/elasticsearch/plugins/elasticsearch-analysis-ik/config ~/ik

  • 重启

docker restart es

4 高级的DSL 查询

ES提供基于DSL(Domain Specific Language)的索引查询模式，DSL查询基于JSON定义查询。

Wikipedia对于DSL的定义"为了解决某一类任务而专门设计的计算机语言"。

大师Martin Fowler对于DSL定义“DSL 通过在表达能力上做的妥协换取在某一领域内的高效”。

我们在使用ES的时候，避免不了使用DSL语句去查询，就像使用关系型数据库的时候要学会SQL语法一样。

图片

Elasticsearch provides a full Query DSL (Domain Specific Language) based on JSON to define queries. Think of the Query DSL as an AST (Abstract Syntax Tree) of queries

4.1 管理索引

查看所有的索引

GET _cat/indices?v

图片

  • 删除某个索引

DELETE /skuinfo

  • 新增索引

PUT /user

  • 创建映射

PUT /user/_mapping

{
    "properties": {
       

最低0.47元/天 解锁文章
lichunericli
关注
【Elasticsearch】分片与副本机制：优化数据存储与查询性能
在技术的广袤天地里，本博客如精准罗盘。剖析前沿科技，深掘代码奥秘，以精炼笔触，带您穿越复杂技术迷宫，速达知识彼岸。
12-25 3493
是一个基于Lucene库的开源分布式搜索引擎，它提供了强大的全文搜索、结构化搜索、分析和数据可视化功能。具有高度可扩展性，能够轻松处理海量数据，并在分布式环境中实现高效的数据存储和检索。分片是Elasticsearch中用于将索引数据进行水平分割的概念。一个索引可以被分割成多个分片，每个分片都是一个独立的Lucene索引，包含了部分索引数据。通过将数据分散到多个分片中，可以实现数据的分布式存储，提高系统的存储能力和处理效率。例如，假设有一个包含100万条商品信息的索引，如果将其分成10个。
ElasticSearch大数据分布式弹性搜索引擎使用
dengzai7446的博客
10-16 344
阅读目录： 背景 安装 查找、下载rpm包 、执行rpm包安装 配置elasticsearch专属账户和组 设置elasticsearch文件所有者 切换到elasticsearch专属账户测试能否成功启动 安装自启动elasticsearch servicewrapper包 下载elasticsearch servicewrapper 包 elasticsearc...
Elasticsearch 在互联网公司大量真实的应用案例
程序猿DD
03-27 1799
点击上方蓝色“程序猿DD”，选择“设为星标”回复“资源”获取独家整理的学习资料！来源 |http://suo.im/6vxt6A国内现在有大量的公司都...
ElasticSearch搜索引擎使用-从0到1
王清培的个人博客
10-16 3578
阅读目录： 背景 安装 查找、下载rpm包 、执行rpm包安装 配置elasticsearch专属账户和组 设置elasticsearch文件所有者 切换到elasticsearch专属账户测试能否成功启动 安装自启动elasticsearch servicewrapper包
牛逼！Java 从入门到精通，超全汇总版
热门推荐
程序员cxuan的个人主页
05-06 10万+
文章目录Java 基础Head First JavaJava 核心技术卷一Java 编程思想设计模式Head First 设计模式图解设计模式设计模式重学 Java 设计模式Java 进阶Java 并发编程实战Java 并发编程艺术Java 并发编程之美图解Java多线程设计模式JVM深入理解 Java 虚拟机Java 虚拟机规范HotSpot 实战自己动手写 Java 虚拟机MySQLMySQL 基础教程SQL 基础教程深入浅出 MySQLMySQL 必知必会SQL 必知必会高性能 MySQLMySQL
ELK 圣经：Elasticsearch、Logstash、Kibana 从入门到精通
架构师尼恩
11-21 921
ELK指的是Elastic公司下面Elasticsearch、Logstash、Kibana三大开源框架首字母大写简称。Elasticsearch、Logstash、Kibana三大开源框架首字母大写简称。是一个用于将 Java 应用程序的日志输出转换为 Logstash 可解析的 JSON 格式的库。
WebGL开发：ThreeJS从入门到精通
YunWisdom
03-03 2884
欢迎来到ThreeJS的奇妙世界！无论你是前端开发者、图形学爱好者，还是希望将3D技术融入Web应用的工程师，这本书都将带你从零开始，逐步掌握ThreeJS的核心概念，并最终实现大型数字孪生项目。让我们一起踏上这段充满挑战与乐趣的旅程吧！
Python开发FastAPI从入门到精通
YunWisdom
01-24 3123
想用Python写API快到飞起？FastAPI就是你的“代码瑞士军刀”！这本书不讲玄学，只教真功夫——从零搭建高性能API，到微服务、分布式事务、熔断限流，连异步编程都能玩成魔法！ 小白也能变大神：路由、依赖注入、数据库集成手把手教学；老鸟直呼内行：服务网格、Saga模式、K8s部署实战全覆盖。附赠三个硬核项目：任务管理、在线商城、实时聊天系统，代码跑起来比奶奶织毛衣还丝滑！别说我没提醒你：翻开这本书，你的代码可能会快到自己都追不上！🚀
SQL 从入门到精通
GitChat
10-30 4708
专栏亮点 零基础学习：通过简单易懂的示意图和案例分析，透彻讲解每个 SQL 知识点； 内容全面覆盖：从基础查询到高级分析，从数据库设计到查询优化，全面介绍 SQL 必备技巧； 基于最新标准：紧跟产业发展的最新趋势，解锁最前沿的 SQL 技能； 4 种主流数据库的语法实现：提供并解读 Oracle、MySQL、SQL Server 以及 PostgreSQL 实现代码。 为什么要学 SQL？ 下...
索引：手把手教你索引从零基础到精通使用
weixin_51261234的博客
04-22 1302
最近在看mysql是怎样运行的这本书的时候，发现自己的基础还是比较的薄软，所以在浑浑噩噩的看完索引后自己有开始找视频进一步的学习mysql，索引是数据库较为重要的一个章节，所以我在这里也是花费了十分久的时间，但是学习是一种持续的过程，可能自己这几天刚学习完索引，记的比较的清楚，但是在不经常使用后肯定有所遗忘，所以写下这篇博客，一是加深自己对索引的记忆，而是方便自己后面复习巩固。
【FIBOCOM模块AT命令高级攻略】：从入门到精通的进阶之路
[【FIBOCOM模块AT命令高级攻略】：从入门到精通的进阶之路](https://forum.huawei.com/enterprise/api/file/v1/small/thread/667237238771159040.png?appid=esc_es) # 摘要 本文详细介绍了FIBOCOM模块与AT命令的...
【Keil入门到精通】：0基础手把手带你精通printf在串口中的应用
[【Keil入门到精通】：0基础手把手带你精通printf在串口中的应用](https://img-blog.csdnimg.cn/aed46d37439647d0a01ff480a913454a.png) # 摘要 本文旨在通过系统性的教学和实践操作，介绍Keil开发环境和C语言的...
面试之 Java 新特性 一览表
草原孤狼的专栏
05-17 753
java8 到 java24 的新特性一览表
ElasticSearch 8.x新特性面试题
真实的菜的博客
05-17 1298
原理理解🧠Async Search、Bulk 异步化等机制实战能力💪错误处理性能调优架构设计API 熟练度🛠️Java 客户端的使用（如延伸问题“如何监控异步任务的资源占用？”（答案：通过和_tasksAPI）“异步写入如何避免数据丢失？”（答案：结合Translog和flush机制）
软件测试—接口测试面试题及jmeter面试题
2301_80119579的博客
05-16 937
接口测试就是对系统或组件之间的接口进行测试，主要是。
C++面试4-sizeof解析
最新发布
caowei880123的专栏
05-19 910
掌握`sizeof`的每个细节，相当于获得了窥探C++对象内存模型的X光机——既能诊断内存问题，又能优化性能瓶颈。在面试中，这不仅是技术能力的试金石，更是对候选人系统理解能力的终极考验。
【超详细】面试中问到事件循环（Event Loop）机制？
2401_83475219的博客
05-18 619
事件循环机制是浏览器V8引擎处理JavaScript代码的核心策略，通过宏任务和微任务的调度实现异步操作。宏任务包括定时器、网络请求等，而微任务如Promise.then则在当前宏任务结束后立即执行。
Java大厂面试三轮问答：微服务与数据库技术深度解析
优快云_LiMingfly的博客
05-19 364
Spring Cloud 和 Eureka: Spring Cloud 提供了一系列工具用于微服务架构设计，Eureka 是其中的服务注册与发现组件。OpenFeign: 声明式 HTTP 客户端，可简化服务之间的调用。分布式事务: 包括 TCC 模型（Try-Confirm-Cancel），通过分阶段提交事务实现一致性。
西安前端面试
恰恰冲鸭
05-16 217
1.vue2和vue3的原理及区别2.伪数组3.对箭头函数怎么理解的4.vue父子组件传值的几种方式5.对Promise的理解。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值