首页下载资源后端一个人的es学习总结笔记

ZIP一个人的es学习总结笔记

sommous15.12KB需要积分:1

资源文件列表:

com3.zip 大约有5个文件
  1. com3/
  2. com3/es4 1013B
  3. com3/es2.text 950B
  4. com3/es3.text 1.69KB
  5. com3/es.txt 7.6KB

资源介绍:

一个人的es学习总结笔记
es对照mysql https://www.jianshu.com/p/c8df703f3566 1 select 字段 当你只需要查询某些字段时（不写则默认全部字段） GET index_name/_search { "_source": ["name","mobile] } 不想要某些字段时 GET index_name/_search { "_source": { excludes: ["age","email] } } match是分词查询，es会将数据分词（关键词）保存 比如 zhang san 会分为zhang 和 san 两个分词，满足其中一个就能查出来 2.模糊匹配(此功能对text类型才有效，当查询的是非字符串时，为精确匹配) 如果name字段的数据类型是text类型，搜索关键词会进行分词处理 GET index_name/_search { "query": { "_source": ["name","age"] //只查询这些索引中的这些字段 "match": { "name": "小明" //小明 就是分词 } } } 3.精确匹配 等值查询 BoolQueryBuild queryBuild = QueryBuilders.boolQuery().must(QueryBuilders.termQuery("name","小李")) term是完整查询，es会将数据分词（关键词）保存 比如 zhang san 会分为zhang 和 san 两个分词，但是term中，分词必须完全匹配value值才能查询出来 GET index_name/_search { "query": { "term": { “name": "小明" } } } 4.多值精准匹配 类似于sql中的in功能 GET index_name/_search { "query": { "terms": { name: ["小明"，“小红”] } } } 5.范围查询 gt 大于 gte 大于等于 lt 小于 lte 小于等于 GET index_name/_search { "query": { "range": { "age": { "gte": 23, "lte": 30 } } } } 前缀查询 GET index_name/_search{ "query": { "prefix": { "name": "C" } } } 找到name字段中所有以C开头的文档 通配符查询 GET index_name/_search{ "query": { "wildcard": { "name": "*ly*" } } } 正则 regexp 查询 GET index_name/_search{ "query": { "regexp": { "字段名": "正则表达式" } } } 模糊匹配（Match Query）：使用模糊匹配进行搜索。例如，使用"elasticsearch"可以匹配到"elasticsearch" { "query": { "match": { "field_name": { "query": "elasticsearch", "fuzziness": "AUTO" } } } } Nested Query（嵌套查询） POST /products/_search { "query": { "nested": { "path": "reviews", "query": { "match": { "reviews.comment": "good" } } } } } 使用nested查询进行嵌套查询。 在reviews嵌套字段中根据reviews.comment字段的值查询"good"的文档。 Aggregation Query（聚合查询） bool组合查询 在es中bool就是用来组合布尔查询条件，布尔查询条件就是类似sql中的and,or GET index_name/_search { "query": { "bool": { "must": [], //must条件，类似sql中的and "must_not": [], //must_not条件，跟must相反 "should": [] //should条件，类似sql中or } } } where and功能 GET index_name/_search { "query": { "bool": { "must": [ { "match": { "name": "小明" } }, { "match": { "age": 18 } } ] } } } where or功能 GET index_name/_search { "query": { "bool": { //满足任意一个即可 "minimum_should_match "should": [ {"match": { "name": "小明" } }, { "match": { "age": 18 } } ] } } } group by功能 GET index_name/_search { "query": { //查询所有数据 "match_all": {} }, "aggs": { //按名称分组 “nameAggs": { "terms": { "field": "name" } } } } order by功能 GET index_name/_search { "query": { "match_all": {} }, "sort": [ { "name": { "order": "desc" } }, { "age": { "order": "desc" } } ] } 分页查询 GET index_name/_search { "query": { //查询所有数据 使用match_all，匹配所有文档，默认只会返回10条数据 "match_all": {} }， "from": 1, "size": 10 } count 功能 GET index_name/_count must和should共存情况 分组查询 "size": 0 展示的索引数据0条，便于查看分组信息，不然太杂乱 "field": "age" 表示对age进行分组 GET index_name/_search { "query": { //查询所有数据 "match_all": {} }, "aggs": { "分组名称-agegroups": { "terms": { //terms则是用来分组的关键字 "field": "age" } } }, "size": 0 } 分组后聚合（求和） //先按年龄分组，再计算年龄之和；再agegroups分组中，再次对age进行求和 GET index_name/_search { "query": { //查询所有数据 "match_all": {} }, "aggs": { "agegroups": { "terms": { "field": "age" } }, "aggs": { "agesum": { "sum": { "field": "age" } } } }, "size": 0 } 分组查询年龄平均值 GET index_name/_search { "query": { //查询所有数据 "match_all": {} }, "aggs": { "ageavg": { "avg": { "field": "age" } } } } https://blog.csdn.net/lkx021699/article/details/141262267?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-0-141262267-blog-131939978.235^v43^pc_blog_bottom_relevance_base3&spm=1001.2101.3001.4242.1&utm_relevant_index=3 分组查询年龄前三名 GET index_name/_search { "aggs": { "top3": { "top_hits": { "size": 3, "sort": { "order": "desc" } } } } } } POST index_name/_search { "size": 0, "aggregations": { "avg_price": { "avg": { "field": "price" } }, "max_price": { "max": { "field": "price" } }, "category_count": { "terms": { "field": "category" } } } } 使用aggregations进行聚合查询。 avg聚合计算了price字段的平均值。 max聚合计算了price字段的最大值。 terms聚合按category字段进行分组统计。 返回计算和统计结果，包括平均价格、最高价格和每个分类的文档数量 https://www.cnblogs.com/RunningSnails/p/17972959 es中的聚合，包含多种类型，最常用的两种，一个叫桶，一个叫度量 按照某种方式对数据进行分组，每一组数据在es中称为一个桶。如按照年龄段对人进行划分，0～10，10～20，20～30等 bucket aggregations 只负责对数据进行分组，不会进行计算。若要获得统计的数据，bucket中需要嵌套另一种聚合，metrics aggregations 即度量。
100+评论
captcha

    相关资源

    1. java开发手册以及阿里开发手册

      a2694196402#后端ZIP39.02MB6月前
      资源摘要:适用于学习java初期，对java基础进一步的了解和对代码开发过程中各种代码编写的规范。

    2. 牵引力控制系统，TCS标定，TCS控制算法，制动滑移和驱动滑转可以通过轮胎与地面的附着特性解决，TCS发动机转矩算法，PID转矩

      ALxhkSYzaj#行业研究ZIP436.45KB6月前
      资源摘要:牵引力控制系统，TCS标定，TCS控制算法，制动滑移和驱动滑转可以通过轮胎与地面的附着特性解决，TCS发动机转矩算法，PID转矩计算，主动制动压力计算

    3. T型三电平并网逆变器Matlab Simulink仿真模型，采用双闭环控制策略，并网电流外环，电容电流有源阻尼内环，电流波形质量

      ALxhkSYzaj#行业研究ZIP319.29KB6月前
      资源摘要:T型三电平并网逆变器Matlab Simulink仿真模型，采用双闭环控制策略，并网电流外环，电容电流有源阻尼内环，电流波形质量完美， THD不到2%，采用三电平SVPWM算法，大扇区小扇区判断。报告仿真模型，参考文献和仿真报告

    4. TMS320F28335主控 EtherCAT伺服方案EtherCAT低压伺服，提供TI DSP和FPGA源码和PDF原理图

      ALxhkSYzaj#行业研究ZIP141.89KB6月前
      资源摘要:TMS320F28335主控 EtherCAT伺服方案EtherCAT低压伺服，提供TI DSP和FPGA源码和PDF原理图。

    5. Simulink仿真：基于Matlab Simulink的H6光伏逆变器仿真建模关键词：光伏电池 Matlab Simulin

      hVOqAwYPG#行业研究ZIP215.54KB6月前
      资源摘要:Simulink仿真：基于Matlab Simulink的H6光伏逆变器仿真建模关键词：光伏电池 Matlab Simulink 仿真建模参考文献：自建实验文档（数据和图可直接使用）仿真平台：MATLAB Simulink主要内容：本文基于Matlab Simulink搭建了一个使用光伏电池作为电源的H6型光伏逆变器拓扑，利用正弦波和三角波驱动MOSFET开关管，成功将DC转换为AC。

    6. 三电平NPC逆变器矢量控制（SVPWM）matlab2021a采用矢量控制，大扇区、小扇区、矢量作用时间等均用程序编写，可以得

      hVOqAwYPG#行业研究ZIP1.92MB6月前
      资源摘要:三电平NPC逆变器矢量控制（SVPWM）matlab2021a采用矢量控制，大扇区、小扇区、矢量作用时间等均用程序编写，可以得到马鞍波调制波形逆变器输出三电平相电压波形，五电平线电压波形，经过滤波器后，可以得到对称的三相电压，电流

    7. 使用Carsim和Simulink联合进行仿真，通过滑模观测器（SMO）估计轮胎的纵向力和侧向力 该方法在双移线工况下测试，模型

      hVOqAwYPG#行业研究ZIP740.07KB6月前
      资源摘要:使用Carsim和Simulink联合进行仿真，通过滑模观测器（SMO）估计轮胎的纵向力和侧向力。该方法在双移线工况下测试，模型估计的精度非常高。相比于传统的稳态轮胎模型，基于SMO滑模观测器的轮胎力估计方法具有以下优点：省去了轮胎模型的使用，避免了稳态轮胎模型造成的轮胎力计算误差大的问题，并且不需要已知参数如轮胎的侧偏刚度。Carsim和simulink联合仿真轮胎力估计基于滑模观测器SMO估计轮胎的纵向力和侧向力模型估计的精度很高，测试的工况为双移线工况基于SMO滑模观测器的轮胎力估计方法省去了轮胎模型的使用，避免了稳态轮胎模型造成的轮胎力计算误差大的缺点，同时不需要轮胎的侧偏刚度作为已知参数等。

    8. 风光储、风光储并网直流微电网simulink仿真模型 系统由光伏发电系统、风力发电系统、混合储能系统（可单独储能

      hVOqAwYPG#行业研究ZIP2.42MB6月前
      资源摘要:风光储、风光储并网直流微电网simulink仿真模型。 系统由光伏发电系统、风力发电系统、混合储能系统（可单独储能系统）、逆变器VSR+大电网构成。光伏系统采用扰动观察法实现mppt控制，经过boost电路并入母线； 风机采用最佳叶尖速比实现mppt控制，风力发电系统中pmsg采用零d轴控制实现功率输出，通过三相电压型pwm变换器整流并入母线； 混合储能由蓄电池和超级电容构成，通过双向DCDC变换器并入母线，并采用低通滤波器实现功率分配，超级电容响应高频功率分量，蓄电池响应低频功率分量，有限抑制系统中功率波动，且符合储能的各自特性。 并网逆变器VSR采用PQ控制实现功率入网以下是视频讲解文案：接下来我来介绍一下就是这个风光储直流微电网整个仿真系统的一些架构啊然后按照需求呢正常的讲一些多讲一些就是储能的这块的还有这个并网的三相两电瓶调的这个并网继变器的这个模块首先就是来介绍一下呃整个系统的一个架构你可以看到这个系统的架构分别有四大部分组成最左边的这块就是混合储能啊这边这个是蓄电池这个超级电容他们
    站长QQ:九六九五七三七