文章目录一、核心概念二、环境依赖三、索引管理1.创建索引和分片副本数目2.集群管理工具2.1 chrome插件 elasticsearch-head下载地址操作界面四、水平扩容1.当前集群2个节点2.增加节点进行水平扩容，可以提高索引的最大数据存储量3.增加副本数目进行水平扩容，可以提供搜索操作吞吐量五、故障处理1.故障演练2.恢复节点六、读写原理1.路由计算2.分片控制2.1 协调节点2.2
转载
2024-04-24 20:08:43
768阅读
这篇文章主要关注于优化ES以得实现的最大索引吞吐量和降低监控和管理负载。 ES提供了分片和复制的推荐方法用于扩展和增加索引的可用性。分配稍多一点的分片是好的，但是大量的分片是不好的。很难定义什么是太多的分片，因为这取决于它们的大小以及它们是如何被使用的。不常使用的100个分片可能很好，而两个使用非常频繁的分片可能太多了。监视你的节点以确保它们有足
转载
2024-05-31 10:46:44
69阅读
所使用的主要有四个评价的标准，根据不同的分类情况，有的单独分析，有的综合着来看。 这四个评估标准分别是Accuracy, Precision, Recall, f1-score. 我自己对他们的理解：Accuracy（准确率）：综合分类正确的概率，综合是指正类和负类被分类正确的概率Precision（精确率）： or 对正类/负类样本的区分能力。 针对某一类而言的，正类或者是负类，一般的模块中的p
转载
2024-05-19 15:14:59
39阅读
有时ES默认的评分规则并不能满足需求，时长会有在old_source的基础上根据某字段的值需要重新打分的需求场景，比如在相关度相差不大的情况下时间越进越靠前，或者评论数越多越靠前等等。此时需要重新打分。对此可以通过两种方式法来处理：1、在创建索引的时候提高文档的权重，根据因素字段值来给文档设置boost.这种方式在lucene之前有效，之后就无效了。不建议采用。2、通过function_query
转载
2024-03-23 15:40:59
189阅读
1、match略1.1 不同字段权重 如果需要为不同字段设置不同权重，可以考虑使用 bool 查询的 should 子句来组合多个 match 查询，并为每个 match 查询设置不同的权重。{
"query": {
"bool": {
"should": [
{
转载
2024-03-16 11:59:57
240阅读
--------------------------------------------------------------- 搜索开始--------------------------------------------------------------- ----------------------------------------
转载
2024-07-23 20:55:48
48阅读
elasticsearch搜索分数自定义以及相关度计算相关es通过其score字段对搜索结果进行排序 在进行业务开发时通常其默认的分数计算是不符合预期的。最简单的方法是通过boost字段来对每一个字段进行权重设置，来体现该字段的重要性。 boost字段会导致分数的计算公式发生改变，boost默认为1 例如：GET productinfo/_search
{
"_source": ["spuTi
转载
2024-03-22 06:11:53
1077阅读
目录Apache Lucene评分Elasticsearch的脚本功能脚本执行过程中可以使用的对象使用自定义的脚本库搜索不同语言的内容使用加权影响得分加权function_score查询索引加权同义词同义词过滤器同义词规则Apache Lucene评分计算文档的评分属性时，考虑如下因素：文档加权：对文档建立索引时，对文档的加权值字段加权：查询和索引时，对字段的加权协调：基于文档条数的协调因子。对包
转载
2024-05-06 14:27:03
592阅读
1，二重积分与三重积分1.1，二重积分可以看成是求体积的过程；三重积分可以看成是对质量密度分布不均的物体求质量的过程。1.2 第一次积分就是根据线来求面积，第二次积分就是根据面来求体积，第三次积分就是在赋予体积块另一个维度（比如时间、或者给权重）后求加权的体积。再高维的积分只是增加三维的维度而已。2，二重积分的计算2.1 直角坐标系
此时确定x和y的取值范围很重要，根据难易程度来确定先积x或者先积
一、概述&介绍
Elasticsearch：
Elasticsearch 是基于Lucense 技术的搜索引擎（服务器），将数据进行缓存再进行查询。
与数据库查询的比较：
（1）相当于sql查询的 like 模糊查询，但Elasticsearch支持分词模糊查询，比如字符串 “abcdef你 好abdcd” ，通过数据库查询 [select * from user where u
转载
2024-08-08 13:19:57
190阅读
作为一个多年的微信公众号作者，了解微信公众号文章打分的机制是十分有必要的。微信在后台其实有一整套的打分机制，今天基于腾讯的这篇Paper《Cognitive Representation Learning of Self-Media Online Ariticle Quality》为大家介绍下文章质量打分背后的算法理论。在这篇paper中其实重点分享了两个方面，一方面是文章质量分的深度学习模型设计
# Java ES根据指定字段设置权重
## 流程图
```mermaid
stateDiagram
[*] --> 开始
开始 --> 创建连接: 连接到Elasticsearch集群
创建连接 --> 创建索引: 创建一个新的索引
创建索引 --> 添加映射: 设置字段映射
添加映射 --> 插入文档: 插入示例文档
插入文档 --> 设置权
原创
2023-11-24 05:56:33
233阅读
一、数据类型列表 字段类型概述分类具体类型字符串类型text,keyword整数类型integer,long,short,byte浮点类型double,float,half_float,scaled_float逻辑类型boolean日期类型date范围类型range二、数据类型说明 类型说明：数据类型说明text 类型被全文搜索，字段内容会被分析，text类型的字段不用于排序，很少用于聚合keyw
转载
2024-04-16 14:42:44
136阅读
基于可见光与激光雷达数据融合的航天器三维精细结构智能重建选题背景随着航天技术的快速发展，空间活动任务类型呈现出多元化的发展趋势。其中，太空垃圾快速清除、故障卫星在轨维修、空间目标监视寄生、空间卫星交会对接等任务成为了航天领域的研究热点。在执行空间任务过程中，需要实时感知目标三维结构，进一步基于目标三维结构解算目标位姿、部件位置等信息，最终完成空间在轨特定任务。可以说，能否精确获取空间非合作目标三维
Pytorch权值初始化参考博客背景知识1. 梯度消失和爆炸2. Xavier初始化2.1 Xavier均匀分布初始化2.2 Xavier正态分布初始化3. Kaiming初始化3.1 Kaiming正态分布初始化3.2 Kaiming均匀分布初始化 背景知识神经网络的训练过程中的参数学习是基于梯度下降法进行优化的。梯度下降法需要在开始训练时给每一个参数赋一个初始值，因此权重初始化的选取十分的关
查询语句提升权重当然 bool 查询不仅限于组合简单的单个词 match 查询， 它可以组合任意其他的查询，以及其他 bool查询。 普遍的用法是通过汇总多个独立查询的分数，从而达到为每个文档微调其相关度评分 _score 的目的。假设想要查询关于 “full-text search（全文搜索）” 的文档，&
转载
2023-12-21 09:55:20
169阅读
1. 相关度评分算法的组成对于Elasticsearch而言，相关度评分的计算规则通过三部分组成: boolean model，TF/IDF，Vector space model。这三个部分没有所谓的权重，它们是平等的，计算时逐层推进。1.1 boolean modelboolean model是相关度分数计算的第一步操作。Elasticsearch搜索时，首先根据搜索条件，过滤出符合条件的doc
转载
2024-10-05 14:16:32
96阅读
相关性分析
相关性分析是考察两个变量之间的线性关系的一种统计方法，用于衡量两个变量因数的相关程度。但是，请记住，相关性不等于因果性。接下来结合下图的txt格式的文件来对相关性分析进行了解。两个重要的要素从非常直观的分析思路来说，比如分析身高和体重，我们会问个问题：.身高越高，体重是不是越重？问题细分为两个方向：1，身高越高，体重越重还是越轻。2，身高每增
转载
2024-07-15 13:29:06
29阅读
在很多复杂的业务场景下，排序的规则会比较复杂，单一的降序，升序无法满足日常需求。不过 ES 中提供了给文档加权重的方式来排序，还是挺好用的。首先初始化三条测试数据，方便查看效果：{
id: 1,
title: "Java怎么学",
type: 3,
userId: 1,
tags: [
"java"
],
textContent: "我要学Java",
status: 1,
转载
2024-04-27 14:58:29
34阅读
下面以三个节点，主分片为3，副本为1的情况进行说明： 核心逻辑是通过计算权重来分配分片到节点，权重计算逻辑：首先计算分片的权重（节点的分片数量-每个节点的平均分片），然后是索引的权重（节点上索引的分片数量减去每个节点对应索引的平均分片数）；最终的权重值就是：0.45（分片平衡因子的默认值）*分片的权重+0.55（索引平衡因子的默认值）*索引的权重，得到的结果即为权重值；另外在计算权重
转载
2024-03-23 12:11:10
276阅读
