1. 阿里云Elasticsearch向量检索引擎快速实现图像搜索、视频指纹采样、人脸识别、语音识别和商品推荐等向量检索场景的需求
https://www.alibabacloud.com/h ... 2.htm

2. 创建Elasticsearch数据清洗任务，将RavenDB中的数据处理到Elasticsearch
https://ravendb.net/docs/artic ... earch

3. 用DbVisualizer管理Elasticsearch的数据
https://www.dbvis.com/database/elasticsearch/

编辑：陶希阳
归档：https://ela.st/cn-daily-all
订阅：https://ela.st/cn-daily-sub
沙龙：https://ela.st/cn-meetup

在学习 ES 前一般都需要安装 ES，虽然 ES 可以开箱即用，但如果要学习分布式特性的时候，需要安装多个节点，这个时候还是有点工作量的。下面提供两个小脚本，一个是在 Ubuntu 中安装 3 节点的 ES 伪集群，一个是在 docker 中安装3节点 ES 集群。除了安装 ES 外，脚本还提供了对应版本的 Kibana、Cerebro 0.9.4 的安装。

1、在 Ubuntu 中安装 ES 7.13

这里我们采取下载 ES 安装包并且解压安装的方式，并没有走 Ubuntu apt 的方式。ES 的安装非常简单，这里先献上[安装脚本](https://gitee.com/dgl/es-bookl ... rEs.sh)。

下面介绍比较重要的配置项：

• discovery.seed_hosts 在开箱即用的情境下（本机环境）无需配置，ES 会自动扫描本机的 9300 到 9305 端口。一旦进行了网络环境配置，这个自动扫描操作就不会执行。discovery.seed_hosts 配置为 master 候选者节点即可。如果需要指定端口的话，其值可以为：["localhost:9300", "localhost:9301"]
  
  
• cluster.initial_master_nodes 指定新集群 master 候选者列表，其值为节点的名字列表。如果配置了 node.name: my_node_1，所以其值为 ["my_node_1"]，而不是 ip 列表 ！
  
  
• network.host 和 http.port 是 ES 提供服务的监听地址和端口，线上一定不能配置 ip 为 0.0.0.0，这是非常危险的行为！！！
  
  怎么样来理解这个 discovery.seed_hosts 和 cluster.initial_master_nodes 呢？
  
  cluster.initial_master_nodes 是候选者列表，一般我们线上环境候选者的数量比较少，毕竟是用来做备用的。而且这个配置只跟选举 master 有关，也就是跟其他类型的节点没有关系。就算你有100个数据节点，然后经常增加或者剔除都不需要动这个列表。
  
  discovery.seed_hosts 这个可以理解为是做服务或者节点发现的，其他节点必须知道他们才能进入集群~ 一般配置为集群的master 候选者的列表。
  
  但是这些 master 候选者（组织联系人）可能经常变化，那怎么办呢？这个配置项除了支持 ip 外还支持域名 ~所以可以用域名来解决这个问题，其他节点的配置上写的是域名，域名解析到对应的 ip，如果机器挂了，新的节点 ip 换了，就把域名解析到新的ip即可，这样其他节点的配就不用修改了。所以非 master 候选节点要配 discovery.seed_hosts （组织联系人）
  
  
  除了修改 ES 服务配置外，还需要配置 JVM 的配置，我们主要配置服务占用的堆内存的大小。JVM 配置需要以下几点：
  
• 这两个 jvm 的配置必须配置一样的数值。启动时就分配好内存空间，避免运行时申请分配内存造成系统抖动。
  
• Xmx不要超过机器内存的 50%，留下些内存供 JVM 堆外内存使用
  
• 并且Xmx不要超过 32G。建议最大配置为 30G。接近 32G，JVM 会启用压缩对象指针的功能，导致性能下降。具体可以参考：[a-heap-of-trouble](https://www.elastic.co/cn/blog/a-heap-of-trouble)。
  
  安装成功后，可以访问：
  ES：localhost:9211
  
  Kibana: localhost:5601
  
  cerebro： localhost:9800
  
  
  

  2、在docker 中安装 ES 7.13
  

  在做一切工作之前，我们必须安装 docker。如果你已经安装好了 docker、docker-compose，可以访问我为你准备的 [docker-compose.yaml](https://gitee.com/dgl/es-bookl ... e.yaml) 文件。
  
  如果你没有安装 docker，完整的教程可以参考[在 docker 中安装 ES 文档](https://gitee.com/dgl/es-bookl ... bro.md)。
  
  下载此文件，将文件保存为 docker-compose.yaml 后，进入这个文件的目录，执行以下指令即可：
  
  <br /> docker-compose up<br />
  
  如果你没有下载镜像文件，docker-compose 会自动帮你下载镜像，并且启动容器。
  
  如果 docker-compose 启动失败，说是无权限链接 docker 的话，其报错如下：
  
  <br /> Got permission denied while trying to connect to the Docker daemon socket at unix:///var/run/docker.sock: <br /> <br /> Get " <br /> <br /> dial unix /var/run/docker.sock: connect: permission denied<br />
  
  可以运行以下指令临时修改：
  
  <br /> sudo chmod 666 /var/run/docker.sock<br /> <br />
  
  其原因是因为你的 docker 用了 root 启动了。
  
  最后可以访问：
  
  cerebro：ip:9000
  
  Kibana：ip:5601
  
  Elasticsearch: ip:9200，ip:9202，ip:9203
  
  

  其他学习资料
  

  [创建自己的 ES Docker Image](https://www.elastic.co/cn/blog ... search)
  
  [在 docker image 中安装 Elasticsearch 插件](https://www.elastic.co/cn/blog ... gement)
  
  [一个开源的 ELK docker-compose 配置](https://github.com/deviantony/docker-elk)
  
  [docker 中安装 ES 7.13](https://www.elastic.co/guide/e ... r.html)
  
  [docker 中安装 Kibana 7.13](https://www.elastic.co/guide/e ... r.html)
  
  
  最后附上[我写的小册](https://juejin.cn/book/7054754754529853475)，欢迎刚入门的朋友来订阅~
  

  

  
  
  

本小册分为 4 个部分，将由浅入深为你介绍 Elasticsearch 7.x 中的核心技术。主要知识点包括基本概念、常用 API 的使用实践、核心特性的底层原理与思想、集群管理与调优、源码阅读等知识。整个小册的思维导图如下：

你会学到什么？

本小册将会从非常浅显的概念开始与你学习 Elasticsearch 7.x 中的常用 API，在熟悉使用 Elasticsearch 后，我们将会对 Elasticsearch 中部分重要的特性、概念的底层实现原理进行介绍。在了解这些原理后，我们将学习如何部署、运维线上小规模集群，并且与你一起搭建一个简单的 ELK 系统。最后我们会搭建源码阅读的环境并且与你一起阅读部分模块的源码。

所以，通过本小册 4 大部分的学习，你可以收获：

• 熟练使用 Elasticsearch 来解决搜索需求；
  
• 强化 Elasticsearch 集群运维、调优的能力；
  
• 通晓 Elasticsearch 核心技术的底层实现；
  
• 牢固掌握源码阅读与调试的技巧。
  
  也就是说，学完本课程后，你不仅可以掌握 ElasticSearch 相关的技术，还可以帮助你根据业务的特点快速构建出相应的搜索业务、数据分析、日志系统。真正实现学以致用。
  
  

  适宜人群
  

• 对 Elasticsearch 或搜索引擎感兴趣的同学。
  
• 有了解和使用过 Elasticsearch，现在想进一步了解 Elasticsearch 的同学。
  
• 准备从事数据搜索、分析相关工作的同学。
  
• 从事 Elasticsearch 集群运维的同学。
  

 原文地址 使用 Elastic Stack 来分析奥运数据（一）

最近冬奥会在中国北京顺利举行。这是一件举国高兴的事。在历届都有许多的奥运数据，我们是否可以使用 Elastic Stack 来分析这些数据，并为我国的体育事业提供一些洞察呢？




最近，孩子学校布置了一个寒假的科技信息作用。内容如下：

1、使用网络及其他方式，完成数据搜集，收集2014、2018、2022三届冬奥会的相关数据，例如举办国家、城市、日期、吉祥物、获得前20（以金牌计）的国家，金、银、铜牌数量等相关信息，同学可以根据爱好，选择五种自己喜爱的运动，并查找此三届冬奥会中，中国、美国、俄罗斯、日本、德国在此五个项目上的奖牌情况。同学可以根据自己的思考，搜集更多的相关数据或信息。

同学思考：（1）如何才能保证自己所搜集数据的准确性。

                 （2）如何才能通过整理、分析以上数据，从我国运动员的获奖数据等信息中，对我国青少年冰雪体育教育提出自己的小建议。

2、在获得以上数据后，同学可以根据需要，把它们填写在EXCEL等数据处理软件中。可以自主决定是放在一个文件中，还是放在多个文件中，是整理在一个工作表中，还是放置在不同的工作表中。

3、对数据进行整理后，可以用图表等方式形象表达出来，并根据数据表、图表，撰写自己对于我国青少年冰雪体育教育提出自己的见解，如发现的问题，造成问题的原因，你的解决方案等。

首先，我得申明，我不是什么 Excel 表格高手，我也不知道该如何来使用 Excel 表来完成上面的工作。我倒是觉得使用 Elastic Stack 能完美地解决这个问题。

在今天的展示中，我将使用 Elastic Stack 8.0 来解决这个问题，尽管其他版本的 Elastic Stack 没有多大区别。在 Elastic Stack 8.0 中，一个最大的变化就是 Index patterns 界面变为 Data views。

原文链接：https://blog.csdn.net/UbuntuTo ... 43103