Elasticsearch 术语介绍和CRUD实际操作入门

 

一、Elastic Stack 核心Elasticsearch

Elasticsearch 是一个分布式、RESTful 风格的搜索和数据分析引擎。Elasticsearch 是面向文档的,这就意味着它可以像MongoDB一样存储整个对象或者文档。然而它不仅仅是存储,还会索引每个文档的内容,使值可以被索引。我们也可以对文档进行索引,搜索,排序,过滤。

在Elasticsearch中存储数据的行为就叫做索引(indexing)。文档属于一种类型(type),而这些类型存储在索引(index)中。

Elasticsearch常用术语

  • Document 文档数据
  • Index 索引
  • Type 索引中的数据类型
  • Field 字段,文档属性
  • Query DSL 查询语法

对比MySQL、MongoDB、Elasticsearch中的相关概念。

 

 

二、本地启动Elasticsearch集群

bin\elasticsearch

启动信息如下所示。

 

 

bin\elasticsearch -Ehttp.port=8200 -Epath.data=node2
bin\elasticsearch -Ehttp.port=7200 -Epath.data=node3

 

 启动完成之后,分别访问:

http://localhost:9200/
http://localhost:8200/
http://localhost:7200/

查看集群

http://localhost:9200/_cat/nodes

 

 

显示集群中有3个节点。

http://localhost:9200/_cat/nodes?v

 

显示标题信息,其中 * 表示为主节点。

http://localhost:9200/_cluster/stats

 

显示集群详细信息。

 

 

三、Elasticsearch中CRUD实际操作

启动Kibana,访问http://localhost:5601,点击Dev Tools 菜单项。

 

 

CRUD 基本操作:

  • Create 创建 PUT /index/type/id(data)
  • Read 读取 GET /index/type/id
  • Update 更新 POST /index/type/id/_update(doc)
  • Delete 删除 DELETE /index/type/id

(1)输入POST 脚本,点击执行按钮,查看输出结果。

 

 

(2)查询操作 GET

GET /accounts/person/1 获取查询结果

 

 (3)更新操作 POST

POST /accounts/person/1/_update

{

"doc":{

"lastname":"li"

}

}

再次执行查询操作GET,发现结果已经更新成功。

 

 

(4)删除操作DELETE

DELETE /accounts/person/1

 

 

四、Elasticsearch 7.*的更新

在前面的操作过程中,会看看到 Deprecation 提示信息,意思是type已经移除了。

从Elasticsearch 6.0开始,官方便不建议一个索引中创建多个类型;在Elasticsearch 7.0中,更是移除了类型(Type)这个概念。

在 Elasticsearch 7.* 中,由于类型(Type)的移除,我们可以理解为,一个索引(index)就是一张 table。

创建一条新的文档,注意:_doc【Type名称,约定都用_doc】,此时就没有Deprecation 提示信息了。

POST /accounts/_doc/3

{

"name": "Tom",

"lastname": "Ma",

"job_desc": "码农"

}

 

 其他操作类似,将之前的type:person 更新为 _doc即可。

 

 

五、Elasticsearch 查询

简单介绍2中查询方式,分别为 query string 和query DSL。

(1)Query String

GET /accounts/_search?q=Senior

 

(2)Query DSL

GET /accounts/_search

{

"query" :{

"match": {

"name": "jacky"

}

}

}

 

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性稳定性。此外,文档还列举了大量相关的科研方向技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

孜孜孜孜不倦

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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