Elasticsearch - 召田最帅boy

Elasticsearch初体验-----将MySQL的数据导入kibana并展示到页面

本文详细演示了在已装 Docker 的服务器上，使用 Docker 部署单节点 Elasticsearch（7.12.1）和 Kibana（7.12.1），包括创建专用网络、加载镜像、配置容器参数及端口映射。随后通过 Kibana 的 DevTools 界面验证 ES 连接，并使用 MyBatis‑Plus 编写 Java 示例代码，将 MySQL 中的酒店数据批量转换为文档（HotelDoc），利用 RestHighLevelClient 的 BulkRequest 写入名为 hotel 的索引。最终在 Kibana 页面成功展示导入的数据，实现 MySQL 数据在 Elasticsearch 与 Kibana 可视化的完整流程。

2021-09-28 13:17:33 阅读

SpringBoot+Elasticsearch按日期实现动态创建索引

文章介绍了在 SpringBoot 中通过 @Document 的 EL 表达式实现 Elasticsearch 按日期动态创建索引的完整方案。核心思路是把索引后缀（如 yyyy_MM_dd）封装为 Bean（esIndex），并在每天零点的定时任务中销毁旧 Bean、重新注册新值，同时手动调用 ElasticsearchRestTemplate 创建索引，以保证 shards、replicas 等配置不丢失。实体类需声明 createIndex = false，避免自动创建导致参数缺失；示例代码包括配置类、实体、Repository 与 Controller，演示了定时更新索引和保存数据后在 Kibana 中观察新索引的效果。

2023-02-21 21:08:29 阅读

es 在数据量很大的情况下（数十亿级别）如何提高查询效率？

es 在大规模数据（十亿级）下的查询性能主要依赖 OS 缓存；因此应让索引文件尽量能放入内存。可通过减少写入字段、将非检索数据迁至 MySQL/HBase、对热点数据预热、冷热分离（热、冷数据分别建索引并分配节点）来降低磁盘访问。文档模型要在写入时完成关联，避免在 ES 中使用 join、nested、parent‑child 等高开销操作。分页应避免深度分页，改用 scroll 或 search_after 逐页获取快照。上述措施综合使用，可显著提升 ES 在海量数据下的查询效率。

2023-02-14 17:37:44 阅读

Elasticsearch7.x实战指南

Elasticsearch 7.x 通过废弃 TransportClient、统一使用 High‑level REST client、默认类型改为 _doc、分片数降至 1 等改动，提升了连接方式和资源占用。内部升级至 Lucene 8，加入 Weak‑AND、Intervals 查询以及更智能的集群协调与熔断机制，显著优化查询相关性和内存安全。本文系统演示了 ES7 的基本操作（索引、映射、文档的增删改查），以及高级特性包括地理坐标、动态映射、动态模板和 Query DSL 的全文、过滤与聚合用法，为 Java 开发者提供了从集群连接到复杂查询的完整实战指南。

2021-11-17 14:04:37 阅读