技术

上下文记忆 agentic chat 图数据库的一些考量 LLM一些探索 Agent实践 LLM预训练 向量数据库的一些考量 fastapi+sqlalchemy进行项目开发 LLM微调实践 Python协程实现 Agent Functon Calling LLamaIndex入门 Multi-Agent探索 Python虚拟机 LLM工作流编排 Python实践 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Python一些比较有意思的库 Transformers源码学习 LangChain源码学习 通用分布式计算引擎Ray Python并发 go依赖注入 go collection gc的基本原理 golang性能分析及优化 数据湖 高性能计算与存储 Linux2.1.13网络源代码学习 《大数据经典论文解读》 三驾马车学习 Spark 内存管理及调优 Yarn学习 从Spark部署模式开始讲源码分析 容器狂占内存资源怎么办? 多角度理解一致性 golang io使用及优化模式 Flink学习 c++学习 学习ebpf go设计哲学 ceph学习 学习mesh kvm虚拟化 学习MQ go编译器以及defer实现 学习go 为什么要有堆栈 汇编语言 计算机组成原理 运行时和库 Prometheus client mysql 事务 mysql 事务的隔离级别 mysql 索引 坏味道 学习分布式 学习网络 学习Linux go堆内存分配 golang 系统调用与阻塞处理 Goroutine 调度过程 重新认识cpu mosn有的没的 负载均衡泛谈 单元测试的新解读 《Redis核心技术与实现》笔记 《Prometheus监控实战》笔记 Prometheus 告警学习 calico源码分析 对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go channel codereview gc分析 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes扩缩容 神经网络模型优化 直觉上理解深度学习 如何学习机器学习 TIDB源码分析 什么是云原生 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 共识算法 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全访问机制 jvm crash分析 Prometheus 学习 Kubernetes监控 Kubernetes 控制器模型 容器日志采集 容器狂占资源怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes类型系统 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 线程排队 jib源码分析之细节 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI——容器网络是如何打通的 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 精简代码的利器——lombok 学习 《深入剖析kubernetes》笔记 编程语言那些事儿 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 如何分发计算 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记 log4j学习 为什么netty比较难懂? 递归、回溯、动态规划 apollo client源码分析及看待面向对象设计 学习并发 docker运行java项目的常见问题 OpenTSDB 入门 spring事务小结 分布式事务 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型和jvm内存布局 java exception Linux IO学习 netty内存管理 测试环境docker化实践 netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker namespace和cgroup zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 深度学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM执行 git maven/ant/gradle/make使用 再看tcp kv系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 Go基础 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

架构

bert rerank微调 大模型推理tips RAG向量检索与微调 dddfirework源码分析 RAG与知识图谱 大模型推理服务框架vLLM 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer k8s设备管理 ddd从理念到代码 如何应用LLM 小鼠如何驾驭大象(LLM)? 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 AutoML和AutoDL 特征平台 实时训练 分布式链路追踪 K8S YAML 资源清单管理方案 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从混部到统一调度 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 多活 volcano特性源码分析 推理服务 kubebuilder 学习 mpi 学习pytorch client-go学习 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 学习rpc BFF openkruise学习 可观察性和监控系统 基于Kubernetes选主及应用 《许式伟的架构课》笔记 Admission Controller 与 Admission Webhook 发布平台系统设计 k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? 《软件设计之美》笔记 mecha 架构学习 Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 业务系统设计原则 grpc学习 元编程 以应用为中心 istio学习 下一代微服务Service Mesh 《实现领域驱动设计》笔记 概率论 serverless 泛谈 《架构整洁之道》笔记 处理复杂性 那些年追过的并发 服务器端编程 网络通信协议 架构大杂烩 如何学习架构 《反应式设计模式》笔记 项目的演化特点 反应式架构摸索 函数式编程的设计模式 服务化 ddd反模式——CRUD的败笔 研发效能平台 重新看面向对象设计 业务系统设计的一些体会 函数式编程 《左耳听风》笔记 业务程序猿眼中的微服务管理 DDD实践——CQRS 项目隔离——案例研究 《编程的本质》笔记 系统故障排查汇总及教训 平台支持类系统的几个点 代码腾挪的艺术 abtest 系统设计汇总 《从0开始学架构》笔记 初级权限系统设计 领域驱动理念 现有上传协议分析 移动网络下的文件上传要注意的几个问题 推送系统的几个基本问题 做配置中心要想好的几个基本问题 不同层面的异步 分层那些事儿 性能问题分析 用户认证问题 资源的分配与回收——池 消息/任务队列

标签

k8s设备管理 多类型负载协调员Koordinator controller-runtime细节分析 finops学习 kubevela多集群 kubevela中cue的应用 基于k8s的工作流 kubevela源码分析 容器和CPU那些事儿 数据集管理fluid 应用管理平台kubevela karmada支持crd 多集群管理 K8S YAML 资源清单管理方案 从混部到统一调度 volcano特性源码分析 kubebuilder 学习 client-go学习 tf-operator源码分析 k8s批处理调度/Job调度 喜马拉雅容器化实践 Kubernetes 实践 openkruise学习 基于Kubernetes选主及应用 Admission Controller 与 Admission Webhook k8s水平扩缩容 Scheduler如何给Node打分 Scheduler扩展 深入controller openkruise cloneset学习 controller-runtime源码分析 pv与pvc实现 csi学习 client-go informer源码分析 kubelet 组件分析 调度实践 Pod是如何被创建出来的? Kubernetes events学习及应用 CRI——kubelet与容器引擎之间的接口 资源调度泛谈 如何学习Kubernetes 以应用为中心 kubernetes operator kubernetes扩缩容 serverless 泛谈 什么是云原生 自定义CNI IPAM docker和k8s安全访问机制 Kubernetes监控 Kubernetes 控制器模型 Kubernetes资源调度——scheduler Kubernetes类型系统 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 Kubernetes源码分析——从kubectl开始 kubernetes yaml配置 CNI——容器网络是如何打通的 当我在说PaaS时,我在说什么 《深入剖析kubernetes》笔记 Kubernetes存储 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件
上下文记忆 agentic chat bert rerank微调 大模型推理tips LLM一些探索 Agent实践 LLM预训练 RAG向量检索与微调 LLM微调实践 RAG与知识图谱 大模型推理服务框架vLLM Agent Functon Calling LLamaIndex入门 Multi-Agent探索 LLM工作流编排 大模型推理服务框架 模型服务化(未完成) 大模型Post-Training 大模型训练 大模型推理 从Attention到Transformer 下一个平台Agent 激发LLM涌现——提示工程 LLM微调理论 大佬沉思 LLM外挂知识库 LLMOps 多模态LLM Transformers源码学习 LangChain源码学习 如何应用LLM 小鼠如何驾驭大象(LLM)? AutoML和AutoDL 特征平台 实时训练 tensorflow原理——python层分析 如何学习tensorflow 数据并行——allreduce 数据并行——ps 推荐系统embedding原理及实践 机器学习中的python调用c 机器学习训练框架概述 tensornet源码分析 大模型训练和推理 X的生成——特征工程 tvm tensorflow原理——core层分析 模型演变 《深度学习推荐系统实战》笔记 keras 和 Estimator tensorflow分布式训练 分布式训练的一些问题 基于Volcano的弹性训练 图神经网络 pytorch弹性分布式训练 从RNN到Attention pytorch分布式训练 CNN 《动手学深度学习》笔记 pytorch与线性回归 推理服务 mpi 学习pytorch 提高gpu 利用率 GPU与容器的结合 GPU入门 AI云平台梳理 tensorflow学习 kaggle泰坦尼克问题实践 神经网络模型优化 概率论 直觉上理解深度学习 如何学习机器学习 深度学习泛谈

《Elasticsearch权威指南》笔记

2018年01月03日

前言

面向对象编程语言流行的原因之一,是我们可以用对象来表示和处理现实生活中那些有着潜在关系和复杂结构的实体。但当我们想存储这些实体的时候问题便来了,传统上,我们以行和列的形式把数据存储在关系型数据库中,相当于使用电子表格。这种固定的存储方式导致对象的灵活性不复存在了。

如何能以对象的形式存储对象呢?相对于围绕表格去为我们的程序建模,我们可以专注使用数据,把对象本来的灵活性找回来。对象是一种语言相关,记录在内存的数据结构。为了在网络间发送或者存储它,我们需要一些标准的格式来表示它。JSON 是一种可读的以文本来表示对象的方式,已经成为NoSQL领域的事实标准格式。

Elasticsearch所涉及到的每一项技术都不是创新或革命性的,全文搜索、分析系统以及分布式数据库早已存在了,它的革命性在于将这些独立且有用的技术整合成一个一体化的、实时的应用。

核心概念

es核心概念

  1. 分布式存储相关概念,集群、节点、分片、副本。
  2. 数据模型相关概念,索引、类别(在Elasticsearch 7.0以后,类别逐渐被弃用)、文档
    1. 文档是一个JSON格式的数据对象。对应关系型数据库中的数据行。优势在于提供了更高的自由度,不需要预先定义严格的数据库模式,文档中可以方便地新增减字段,多个文档间也不要求字段完全一致。同时,文档也保留了一部分结构化存储的特性,对存储的数据进行了一定的结构化封装,而没有像K-V非关系型数据库那样完全抛弃数据的结构化。
  3. 分析检索能力相关概念:倒排索引,分析器。

应用中的对象很少只是简单的键值列表,更多时候它拥有复杂的数据结构,比如包含日期、地理位置、另一个对象或数组。总有一天你会想到把这些对象存储在数据库中。将这些数据保存到由行和列组成的关系数据库中,就好比是把一个丰富、信息表现力强的对象拆散了放入一个非常大的表格中:你不得不拆散对象以适应表模式(通常一列表示一个字段),然后又不得不在查询的时候重建它们。

elasticsearch 是面向文档的,使用JSON作为文档序列化格式,这意味着它可以存储整个对象或文档,然而它不仅仅是存储,还会索引每个文档的内容使之可以被索引、搜索、排序、过滤。elasticsearch官方客户端会自动为你序列化和反序列化Json。 PS:document-oriented 虽然不像relational database 一样有schema,但也是有json格式的。

称谓 relational db elasticsearch  
数据库 databases indices/indexes 索引在es里如此自然,以至于数据库都叫索引
tables types document代表的对象的类
记录 rows documents document是以唯一ID标识并存储与es的对象的json数据
columns fields document中所有field都拥有一个(倒排)索引
数据库操作 SQL restful api  
新增一条记录 create databalse xx;
use xx
create table xx;
insert xx
PUT /$index/$type/$id + json body  
更新某个字段 update xx set xx=xx update /$index/$type/$id es是整体更新
并发控制 隔离级别 乐观锁  

es 不适合/不善于频繁更新、复杂关联查询、事务等操作。

Term Query的文档相关度得分计算方式:利用倒排索引,对于输入的单词,考虑每个文档的以下指标:

  1. TFIDF 目的:用文档中的一个单词,在一堆文档中区分出该文档;
    1. TFIDF = TF * IDF;
    2. TF(term frequency):词频。表示单词在该文本中出现的频率(单词在该文本中出现的多不多);
    3. IDF(inverse document frequency):反向文档频率。 表示单词在整个文本集合中出现的频率(有多少文本包含了这个词)的倒数,IDF越大表示该词的重要性越高,反映了单词是否具有distinguish其所在文本的能力。
  2. 字段的长度。字段越短相关度越高; 综合这两个指标得出每个文档的相关度评分_score。

安装和配置

tar.gz 文件解压完

bin
    elasticsearch
config
    elasticsearch.yml  
    jvm.options  
    log4j2.properties  
    role_mapping.yml  
    roles.yml  
    users  
    users_roles
jdk
lib
LICENSE.txt
logs
modules
NOTICE.txt
plugins
README.textile

bin/elasticsearch 前台启动,bin/elasticsearch -d后台启动。

索引透明/自动化——数据插入即可被搜索

插入一条记录 curl -XPUT -H 'Content-Type:application/json' http://ip:9200/school/student/1 -d '{"name":"zhangsan"}'

查看插入的记录 curl http://192.168.62.212:9200/school/student/1

{
    "_index":"school",
    "_type":"student",
    "_id":"1",
    "_version":1,   ## cud都会使_version增加
    "_seq_no":0,
    "_primary_term":1,
    "found":true,
    "_source":{
        "name":"zhangsan"
    }
}

只返回source部分 curl http://192.168.62.212:9200/school/student/1/_source

{
    "name":"zhangsan"
}

使用Query DSL 通过json 请求body查询 curl -H 'Content-Type:application/json' http://192.168.62.212:9200/school/student/_search -d '{"query":{"match":{"name":"lisi"}}}'

增强的“select”

  1. 全文搜索,凡是出现某个关键字的json 都被检索,并给出相关性评分
  2. 短语搜索,检索同时出现多个关键字的 json
  3. 高亮我们的搜索
  4. 聚合aggregations

最关键的是:无需配置,只需要添加数据然后开始搜索

分布式概念透明化

elasticsearch 在分布式概念(cluster/node/shard)上做了很大程度的透明化,很多操作自动完成

  1. 将json记录分区到不同的shard中,
  2. 将shard均匀的分配到不同节点,对索引和搜索做负载均衡
  3. 冗余每一个shard
  4. 将集群任意一个节点的请求路由到相应数据所在的节点
  5. 无论增加删除节点,分片都可以做到无缝的扩展和迁移

集群中有一个node被选举为master,它将临时管理集群级别的一些变更,例如新建/删除database(es叫index)、增加移除node等,master不参与记录(es叫document)级别的变更和搜索。

database(es叫索引)只是一个用来指向多个shard(默认一个index被分配5个shard)的逻辑命名空间,一个shard 是最小级别的工作单元,就是一个Lucene实例,本身就是一个完整的搜索引擎。只不过应用程序直接与 index(mysql叫database)而不是shard 通信罢了。shard 分为primary shard 和 replica shard,后者用于冗余数据并提供读请求。

  es kafka  
逻辑概念 database/index topic  
工作单位 shard partition  
副本机制 primary-replica leader-follower es副本还可对外服务
集群发现 广播 zk  
复制数据 复试请求到各个shard pull es可以通过参数调整复制策略
es建议sync复制,这估计是其不适合大量写入的原因吧

映射

倒排索引由document/json记录中出现的唯一的单词列表,以及对每个单词在文档中的位置组成。

为了能够把日期字段处理为日期,把数字字段处理成数字,把字符串字段处理成全文本(full-text)或精确地字符串值,elasticsearch 需要知道每个字段里都包含了什么类型。索引中每个ducument 都有一个type,每个type 拥有自己的mapping或schema definition。一个mapping 定义了field的数据类型, 以及field被elasticsearch处理的方式。

curl -XPUT -H 'Content-Type:application/json' http://ip:9200/school/student/3 -d '{
    "name":"lisi",
    "age":18,
    "interests":["sports","music"],
    "address":{
        "country":"china",
        "city":"shanghai"
    }
}'

curl http://ip:9200/school/_mapping\?pretty 查看返回

{
    "school": {
        "mappings": {
            "properties": {
                "address": {
                    "properties": {
                        "city": {xx}, 
                        "country": {xx}
                    }
                }, 
                "age": {
                    "type": "long"
                }, 
                "interests": {
                    "type": "text", 
                    "fields": {}
                }, 
                "name": {
                    "type": "text", 
                    "fields": {}
                }
            }
        }
    }
}

查询dsl

浅谈Elasticsearch的入门与实践基于以上的index+document+倒排索引+分析器等概念,Elasticsearch通过分布式存储结构和分析检索能力,支持并提供了多种不同类型的查询能力,用于满足各种检索需求。

  1. 单词级别查询,
    1. Term Query(精确);把输入字符串全部看作一个完整的单词,然后去倒排索引表里面找。
    2. Fuzzy Query(模糊);带编辑距离的term查询。具体实现:给定一个模糊度(编辑距离),ES会根据这个编辑距离,对原始的单词进行拓展,生成一系列候选的新单词。对每一个编辑距离内的新单词,做term查询。
  2. 全文级别查询,全文级别查询是对多个/多种单词级别查询的封装。
    1. match,查询的主要步骤:检查字段类型,查看字段是analyzed(对输入进行分词)还是not_analyzed;分析查询字符串,将输入字符串进行分词,对分出来的每个单词,根据是否设置了模糊度参数fuzziness,选择走term query或者fuzzy query;文档评分计算。
    2. match_phrase,在match查询的基础上,保证输入的单词之间的顺序不变才会命中,性能相比match会差一些。
  3. Bool查询。用于实现复杂的组合查询逻辑,具体有四种:should(或)must(且)非(must _not)filter(类似must),逻辑完备性:足够数量的或且非,可以实现任何逻辑。

Query DSL

  1. leaf queries: Leaf queries search for a specified value in a certain field or fields. PS:可以看做是基本的筛选语句/表达式,后续都是最这些表达式的组合。
    1. Term-level queries: term
    2. Full-text queries: match
  2. Compound queries: Compound queries serve as wrappers for multiple leaf or compound clauses either to combine their results or to modify their behavior.
    1. bool a. must,对应 and 。表示查询条件必须匹配。如果有多个must条件,文档必须同时满足所有这些条件。 b. must_not,对应not。表示查询条件必须不匹配。 c. should,对应or,匹配的条数越多分越高.表示查询条件是首选的,但不是必需的。should查询可以有多个条件,文档至少满足其中一个条件就可以被包含在结果中。 d. filter。与must类似,filter条件也是必须匹配的,但它用于结构化查询,如范围查询、存在查询等,并且对性能有优化。可以用于作为查询中的前置过滤条件,must类似,好处是它不会参与计算相关性分数。
    2. function_score
    3. hybrid
      1. queries. An array of one or more query clauses that are used to match documents. A document must match at least one query clause in order to be returned in the results. The documents’ relevance scores from all query clauses are combined into one score by applying a search pipeline. The maximum number of query clauses is 5.

比如 query 里一个match 用的好好的,如果你想加一个过滤,就一下子变成

{
  "query": {
    "match": {
      "from": "raptor"
    }
  }
}
{
  "query": {
        "bool":{
            "must": "match": {"from": "raptor"}
            "filter": {
                "range": {
                    "year": { "gt": 2020}    
                }
            }
        }
}

其它金句

自然语言实际上是高度结构化的,问题是自然语言的规则是如此复杂,计算机难以正确解析,于是常常被视为“非结构化数据”。

Elasticsearch 背后的搜索原理,则是先分词,然后再使用倒排索引。简单来说,就是把上面的“气质小清新拼接百搭双肩斜挎包”这样的商品名称,拆分成“气质”“小清新”“拼接”“百搭”“双肩”“斜挎包”。每个标题都是这样切分。然后,建立一个索引,比如“气质”这个词,出现过的标题的编号,都按编号顺序跟在气质后面。其他的词也类似。然后,当用户搜索的时候,比如用户搜索“气质背包”,也会拆分成“气质”和“背包”两个词。然后就根据这两个词,找到包含这些词的标题,根据出现的词的数量、权重等等找出一些商品。