Zhangxi

安装方式大概分为两种：自行编译；使用elasticsearch-rtf版，利用别人编译好的文件进行安装；环境说明：我下载的es版本是：elasticsearch-1.7.4.tar.gz，这里我是用的ik版本是elasticsearch-rtf-1.0.0.zip解压后得到的elasticsearch-analysis-ik-1.2.6.jar文件。方式一：自行编译

<?phpnamespace CronBundle\Command\Elasticsearch;use Symfony\Component\Console\Command\Command;use Symfony\Component\Console\Input\InputArgument;use Symfony\Component\Console\Input\InputInterface;

在使用Elasticsearch进行全文搜索时，搜索结果默认会以文档的相关度进行排序，如果想要改变默认的排序规则，也可以通过sort指定一个或多个排序字段。但是使用sort排序过于绝对，它会直接忽略掉文档本身的相关度（根本不会去计算）。在很多时候这样做的效果并不好，这时候就需要对多个字段进行综合评估，得出一个最终的排序。function_score在Elasticsearc

还有一个情况下，我们需要帮助ElasticSearch了解我们的数据结构，以便能够充分进行查询 - 复杂对象数组的时候。按理说的ElasticSearch的最佳功能之一是，它使我们能够索引和搜索之间复杂的JSON对象。我们不局限于领域的平面列表，但可以与对象图工作，就像我们使用面向对象语言编程时。然而，有一种情况，我们需要帮助ElasticSearch了解我们的数据结构，以便能

Elasticsearch不仅仅适合做全文检索，分析聚合功能也很好用。下面通过实例来学习。一、准备数据{"index":{ "_index": "books", "_type": "IT", "_id": "1" }}{"id":"1","title":"Java编程思想","language":"java","author":"Bruce Eckel","price":70.20,

ElasticSearch 的特点随处可见：基于 Lucene 的分布式搜索引擎，友好的 RESTful API……大部分文章都围绕 ELK Stack 和全文搜索展开，本文试图用一个小案例来展示 ElasticSearch Aggregations 在统计分析的强大之处。表单长这样需求：对回收的问卷进行统计，统计方式可能有：看每周／天／小时回收量（可以做成

时间数据处理(Looking at Time)如果在ES中，搜索是最常见的行为，那么创建日期柱状图(Date Histogram)肯定是第二常见的。为什么要使用日期柱状图呢？想象在你的数据中有一个时间戳。数据是什么不重要-Apache日志事件，股票交易日期，棒球比赛时间-任何拥有时间戳的数据都能通过日期柱状图受益。当你有时间戳时，你经常会想创建基于时间的指标信息：

前言说完了ES的索引与检索，接着再介绍一个ES高级功能API – 聚合(Aggregations)，聚合功能为ES注入了统计分析的血统，使用户在面对大数据提取统计指标时变得游刃有余。同样的工作，你在hadoop中可能需要写mapreduce或hive，在mongo中你必须得用大段的mapreduce脚本，而在ES中仅仅调用一个API就能实现了。开始之前，提醒老司机们注意，ES原有的

当今的软件开发多核以及分布已经成为了常态，基本上稍大型的应用都是多台机器分布式部署。分布式在提高性能的同时也带来了很多问题，今天我们只讨论一点，那就是如何处理多台机器线上系统的日志。以我司的某个应用T为例，部署在了百度云5台机子上，其中一台拥有公网IP，使用了百度云提供的负载均衡服务。每次想要在日志中检索某个关键字时，基本步骤如下：打开五个shell，登陆拥有公网IP的那台机器在另外四个shell...