墨墨导读：之前我们分享了ElasticSearch最全详细使用教程：入门、索引管理、映射详解，本文详细介绍ElasticSearch的索引别名、分词器、文档管理、路由、搜索详解。
一、索引别名
1. 别名的用途
如果希望一次查询可查询多个索引。
如果希望通过索引的视图来操作索引，就像数据库库中的视图一样。
索引的别名机制，就是让我们可以以视图的方式来操作集群中的索引，这个视图可是多个索引，也可是一个索引或索引的一部分。
2. 新建索引时定义别名
PUT /logs_2801 { "mappings" : { "type" : {"properties" : {"year" : {"type" : "integer"}} } }, <!-- 定义了两个别名 --> "aliases" : { "current_day" : {}, "" : {"filter" : {"term" : {"year" : }} } }}
3. 创建别名 /_aliases
为索引test1创建别名alias1
POST /_aliases{"actions" : [{ "add" : { "index" : "test1", "alias" : "alias1" } }]}
4. 删除别名
POST /_aliases{"actions" : [{ "remove" : { "index" : "test1", "alias" : "alias1" } }]}
还可以这样写
DELETE /{index}/_alias/{name}
5. 批量操作别名
删除索引test1的别名alias1，同时为索引test2添加别名alias1
POST /_aliases{"actions" : [{ "remove" : { "index" : "test1", "alias" : "alias1" } },{ "add" : { "index" : "test2", "alias" : "alias1" } }]}
6. 为多个索引定义一样的别名
方式1：
POST /_aliases{"actions" : [{ "add" : { "index" : "test1", "alias" : "alias1" } },{ "add" : { "index" : "test2", "alias" : "alias1" } }]}
方式2：
POST /_aliases{"actions" : [{ "add" : { "indices" : ["test1", "test2"], "alias" : "alias1" } }]}
注意：只可通过多索引别名进行搜索，不可进行文档索引和根据id获取文档。
方式3：通过统配符*模式来指定要别名的索引
POST /_aliases{"actions" : [{ "add" : { "index" : "test*", "alias" : "all_test_indices" } }]}
注意：在这种情况下，别名是一个点时间别名，它将对所有匹配的当前索引进行别名，当添加/删除与此模式匹配的新索引时，它不会自动更新。
7. 带过滤器的别名
索引中需要有字段
PUT /test1{"mappings": {"type1": {"properties": {"user" : {"type": "keyword"}}}}}
过滤器通过Query DSL来定义，将作用于通过该别名来进行的所有Search, Count,
Delete By Query and More Like This 操作。POST /_aliases{"actions" : [{"add" : {"index" : "test1","alias" : "alias2","filter" : { "term" : { "user" : "kimchy" } }}}]}
8. 带routing的别名
可在别名定义中指定路由值，可和filter一起使用，用来限定操作的分片，避免不需要的其他分片操作。
POST /_aliases{"actions" : [{"add" : {"index" : "test","alias" : "alias1","routing" : "1"}}]}
为搜索、索引指定不同的路由值
POST /_aliases{"actions" : [{"add" : {"index" : "test","alias" : "alias2","search_routing" : "1,2","index_routing" : "2"}}]}
9. 以PUT方式来定义一个别名
PUT /{index}/_alias/{name}PUT /logs_05/_alias/
带filter 和 routing
PUT /users{"mappings" : {"user" : {"properties" : {"user_id" : {"type" : "integer"}}}}}PUT /users/_alias/user_12{"routing" : "12","filter" : {"term" : {"user_id" : 12}}}
10. 查看别名定义信息
GET /{index}/_alias/{alias}GET /logs_2801/_alias/*GET /_alias/GET /_alias/20*
二、分词器
1. 认识分词器
1.1 Analyzer分析器
在ES中一个Analyzer 由下面三种组件组合而成：
character filter ：字符过滤器，对文本进行字符过滤处理，如处理文本中的html标签字符。处理完后再交给tokenizer进行分词。一个analyzer中可包含0个或多个字符过滤器，多个按配置顺序依次进行处理。
tokenizer：分词器，对文本进行分词。一个analyzer必需且只可包含一个tokenizer。
token filter：词项过滤器，对tokenizer分出的词进行过滤处理。如转小写、停用词处理、同义词处理。一个analyzer可包含0个或多个词项过滤器，按配置顺序进行过滤。
1.2 如何测试分词器
POST _analyze{"analyzer": "whitespace","text":"The quick brown fox."}POST _analyze{"tokenizer": "standard","filter": [ "lowercase", "asciifolding" ],"text":"Is this déja vu?"}
position：第几个词
offset：词的偏移位置
2. 内建的character filter
HTML Strip Character Filter
html_strip ：过滤html标签，解码HTML entities like &.
Mapping Character Filter
mapping ：用指定的字符串替换文本中的某字符串。
Pattern Replace Character Filter
pattern_replace ：进行正则表达式替换。
2.1 HTML Strip Character Filter
POST _analyze{"tokenizer":"keyword","char_filter": [ "html_strip" ],"text": "<p>I'm so <b>happy</b>!</p>"}
在索引中配置：
PUT my_index{"settings": {"analysis": {"analyzer": {"my_analyzer": {"tokenizer": "keyword","char_filter": ["my_char_filter"]}},"char_filter": {"my_char_filter": {"type": "html_strip","escaped_tags": ["b"]}}}}}
escaped_tags 用来指定例外的标签。如果没有例外标签需配置，则不需要在此进行客户化定义，在上面的my_analyzer中直接使用 html_strip
测试：
POST my_index/_analyze{"analyzer": "my_analyzer","text": "<p>I'm so <b>happy</b>!</p>"}
2.2 Mapping character filter
官网链接：https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-mapping-charfilter.html
PUT my_index{"settings": {"analysis": {"analyzer": {"my_analyzer": {"tokenizer": "keyword","char_filter": ["my_char_filter"]}},"char_filter": {"my_char_filter": {"type": "mapping","mappings": ["٠ => 0","١ => 1","٢ => 2","٣ => 3","٤ => 4","٥ => 5","٦ => 6","٧ => 7","٨ => 8","٩ => 9"]}}}}}
测试
POST my_index/_analyze{"analyzer": "my_analyzer","text": "My license plate is ٢٥٠١٥"}
2.3 Pattern Replace Character Filter
官网链接：https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-pattern-replace-charfilter.html
PUT my_index{"settings": {"analysis": {"analyzer": {"my_analyzer": {"tokenizer": "standard","char_filter": ["my_char_filter"]}},"char_filter": {"my_char_filter": {"type": "pattern_replace","pattern": "(\\d+)-(?=\\d)","replacement": "$1_"}}}}}
测试
POST my_index/_analyze{"analyzer": "my_analyzer","text": "My credit card is 123-456-789"}
3. 内建的Tokenizer
官网链接：https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-tokenizers.html
Standard TokenizerLetter TokenizerLowercase TokenizerWhitespace TokenizerUAX URL Email TokenizerClassic TokenizerThai TokenizerNGram TokenizerEdge NGram TokenizerKeyword TokenizerPattern TokenizerSimple Pattern TokenizerSimple Pattern Split TokenizerPath Hierarchy Tokenizer
前面集成的中文分词器Ikanalyzer中提供的tokenizer：ik_smart 、 ik_max_word
测试tokenizer
POST _analyze{"tokenizer":"standard","text": "张三说的确实在理"}POST _analyze{"tokenizer":"ik_smart","text": "张三说的确实在理"}
4. 内建的Token Filter
ES中内建了很多Token filter ，详细了解：https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-tokenizers.html
Lowercase Token Filter ：lowercase 转小写
Stop Token Filter ：stop 停用词过滤器
Synonym Token Filter：synonym 同义词过滤器
说明：中文分词器Ikanalyzer中自带有停用词过滤功能。
4.1 Synonym Token Filter 同义词过滤器
PUT /test_index{"settings": {"index" : {"analysis" : {"analyzer" : {"my_ik_synonym" : {"tokenizer" : "ik_smart","filter" : ["synonym"]}},"filter" : {"synonym" : {"type" : "synonym",<!-- synonyms_path：指定同义词文件（相对config的位置）-->"synonyms_path" : "analysis/synonym.txt"}}}}}}
同义词定义格式
ES同义词格式支持 solr、 WordNet 两种格式。
在analysis/synonym.txt中用solr格式定义如下同义词
张三,李四
电饭煲,电饭锅 => 电饭煲
电脑 => 计算机,computer
注意：
文件一定要UTF-8编码
一行一类同义词，=> 表示标准化为
测试：通过例子的结果了解同义词的处理行为
POST test_index/_analyze{"analyzer": "my_ik_synonym","text": "张三说的确实在理"}POST test_index/_analyze{"analyzer": "my_ik_synonym","text": "我想买个电饭锅和一个电脑"}
5. 内建的Analyzer
官网链接：https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-analyzers.html
Standard AnalyzerSimple AnalyzerWhitespace AnalyzerStop AnalyzerKeyword AnalyzerPattern AnalyzerLanguage AnalyzersFingerprint Analyzer
集成的中文分词器Ikanalyzer中提供的Analyzer：ik_smart 、 ik_max_word
内建的和集成的analyzer可以直接使用。如果它们不能满足我们的需要，则我们可自己组合字符过滤器、分词器、词项过滤器来定义自定义的analyzer
5.1 自定义 Analyzer
配置参数：
PUT my_index8{"settings": {"analysis": {"analyzer": {"my_ik_analyzer": {"type": "custom","tokenizer": "ik_smart","char_filter": ["html_strip"],"filter": ["synonym"]}},"filter": {"synonym": {"type": "synonym","synonyms_path": "analysis/synonym.txt"}} } }}
5.2 为字段指定分词器
PUT my_index8/_mapping/_doc{"properties": {"title": {"type": "text","analyzer": "my_ik_analyzer"}}}
如果该字段的查询需要使用不同的analyzer
PUT my_index8/_mapping/_doc{"properties": {"title": {"type": "text","analyzer": "my_ik_analyzer","search_analyzer": "other_analyzer"}}}
测试结果
PUT my_index8/_doc/1{"title": "张三说的确实在理"}GET /my_index8/_search{"query": {"term": {"title": "张三"}}}
5.3 为索引定义个default分词器
PUT /my_index10{"settings": {"analysis": {"analyzer": {"default": {"tokenizer": "ik_smart","filter": ["synonym"]}},"filter": {"synonym": {"type": "synonym","synonyms_path": "analysis/synonym.txt"}}}},"mappings": {"_doc": {"properties": {"title": {"type": "text"}}}}}
测试结果：
PUT my_index10/_doc/1{"title": "张三说的确实在理"}GET /my_index10/_search{"query": {"term": {"title": "张三"}}}
6. Analyzer的使用顺序
我们可以为每个查询、每个字段、每个索引指定分词器。
在索引阶段ES将按如下顺序来选用分词：
首先选用字段mapping定义中指定的analyzer
字段定义中没有指定analyzer，则选用 index settings中定义的名字为default 的analyzer。
如index setting中没有定义default分词器，则使用 standard analyzer.
查询阶段ES将按如下顺序来选用分词：
The analyzer defined in a full-text query.The search_analyzer defined in the field mapping.The analyzer defined in the field mapping.An analyzer named default_search in the index settings.An analyzer named default in the index settings.Thestandardanalyzer.
三、文档管理
1. 新建文档
指定文档id，新增/修改
PUT twitter/_doc/1{"id": 1,"user" : "kimchy","post_date" : "-11-15T14:12:12","message" : "trying out Elasticsearch"}
新增，自动生成文档id
POST twitter/_doc/{"id": 1,"user" : "kimchy","post_date" : "-11-15T14:12:12","message" : "trying out Elasticsearch"}
返回结果说明：
2. 获取单个文档
HEADtwitter/_doc/11GET twitter/_doc/1
不获取文档的source：
GETtwitter/_doc/1?_source=false
获取文档的source：
GET twitter/_doc/1/_source{"_index": "twitter","_type": "_doc","_id": "1","_version": 2,"found": true,"_source": {"id": 1,"user": "kimchy","post_date": "-11-15T14:12:12","message": "trying out Elasticsearch"}}
获取存储字段
PUT twitter11{"mappings": {"_doc": {"properties": {"counter": {"type": "integer","store": false},"tags": {"type": "keyword","store": true}}}}}PUT twitter11/_doc/1{"counter" : 1,"tags" : ["red"]}GETtwitter11/_doc/1?stored_fields=tags,counter
3. 获取多个文档 _mget
方式1：
GET /_mget{"docs" : [{"_index" : "twitter","_type" : "_doc","_id" : "1"},{"_index" : "twitter","_type" : "_doc","_id" : "2""stored_fields" : ["field3", "field4"]}]}
方式2：
GET /twitter/_mget{"docs" : [{"_type" : "_doc","_id" : "1"},{"_type" : "_doc","_id" : "2"}]}
方式3：
GET /twitter/_doc/_mget{"docs" : [{"_id" : "1"},{"_id" : "2"}]}
方式4：
GET /twitter/_doc/_mget{"ids" : ["1", "2"]}
4. 删除文档
指定文档id进行删除
DELETE twitter/_doc/1
用版本来控制删除
DELETE twitter/_doc/1?version=1
返回结果：
{"_shards" : {"total" : 2,"failed" : 0,"successful" : 2},"_index" : "twitter","_type" : "_doc","_id" : "1","_version" : 2,"_primary_term": 1,"_seq_no": 5,"result": "deleted"}
查询删除
POST twitter/_delete_by_query{"query": {"match": {"message": "some message"}}}
当有文档有版本冲突时，不放弃删除操作（记录冲突的文档，继续删除其他复合查询的文档）
POST twitter/_doc/_delete_by_query?conflicts=proceed{"query": {"match_all": {}}}
通过task api 来查看 查询删除任务
GET _tasks?detailed=true&actions=*/delete/byquery
查询具体任务的状态
GET /_tasks/taskId:1
取消任务
POST _tasks/task_id:1/_cancel
5. 更新文档
指定文档id进行修改
PUT twitter/_doc/1{"id": 1,"user" : "kimchy","post_date" : "-11-15T14:12:12","message" : "trying out Elasticsearch"}
乐观锁并发更新控制
PUT twitter/_doc/1?version=1{"id": 1,"user" : "kimchy","post_date" : "-11-15T14:12:12","message" : "trying out Elasticsearch"}
返回结果
{"_index": "twitter","_type": "_doc","_id": "1","_version": 3,"result": "updated","_shards": {"total": 3,"successful": 1,"failed": 0},"_seq_no": 2,"_primary_term": 3}
6. Scripted update 通过脚本来更新文档
6.1 准备一个文档
PUT uptest/_doc/1{"counter" : 1,"tags" : ["red"]}
6.2 对文档1的counter + 4
POST uptest/_doc/1/_update{"script" : {"source": "ctx._source.counter += params.count","lang": "painless","params" : {"count" : 4}}}
6.3 往数组中加入元素
POST uptest/_doc/1/_update{"script" : {"source": "ctx._source.tags.add(params.tag)","lang": "painless","params" : {"tag" : "blue"}}}
脚本说明：painless是es内置的一种脚本语言，ctx执行上下文对象（通过它还可访问_index, _type, _id, _version, _routing and _now (the current timestamp) ），params是参数集合
说明：脚本更新要求索引的_source 字段是启用的。更新执行流程：
a、获取到原文档
b、通过_source字段的原始数据，执行脚本修改。
c、删除原索引文档
d、索引修改后的文档
它只是降低了一些网络往返，并减少了get和索引之间版本冲突的可能性。
6.4 添加一个字段
POST uptest/_doc/1/_update{"script" : "ctx._source.new_field = 'value_of_new_field'"}
6.5 移除一个字段
POST uptest/_doc/1/_update{"script" : "ctx._source.remove('new_field')"}
6.6 判断删除或不做什么
POST uptest/_doc/1/_update{"script" : {"source": "if (ctx._source.tags.contains(params.tag)) { ctx.op = 'delete' } else { ctx.op = 'none' }","lang": "painless","params" : {"tag" : "green"}}}
6.7 合并传人的文档字段进行更新
POST uptest/_doc/1/_update{"doc" : {"name" : "new_name"}}
6.8 再次执行7，更新内容相同，不需做什么
{"_index": "uptest","_type": "_doc","_id": "1","_version": 4,"result": "noop","_shards": {"total": 0,"successful": 0,"failed": 0}}
6.9 设置不做noop检测
POST uptest/_doc/1/_update{"doc" : {"name" : "new_name"},"detect_noop": false}
什么是noop检测？
即已经执行过的脚本不再执行
6.10 upsert 操作：如果要更新的文档存在，则执行脚本进行更新，如不存在，则把 upsert中的内容作为一个新文档写入。
POST uptest/_doc/1/_update{"script" : {"source": "ctx._source.counter += params.count","lang": "painless","params" : {"count" : 4}},"upsert" : {"counter" : 1}}
7. 通过条件查询来更新文档
满足查询条件的才更新
POST twitter/_update_by_query{"script": {"source": "ctx._source.likes++","lang": "painless"},"query": {"term": {"user": "kimchy"}}}
8. 批量操作
批量操作API /_bulk 让我们可以在一次调用中执行多个索引、删除操作。这可以大大提高索引数据的速度。批量操作内容体需按如下以新行分割的json结构格式给出：
语法：
action_and_meta_data\noptional_source\naction_and_meta_data\noptional_source\n....action_and_meta_data\noptional_source\n
说明：
action_and_meta_data: action可以是 index, create, delete and update ，meta_data 指: _index ,_type,_id 请求端点可以是: /_bulk, /{index}/_bulk, {index}/{type}/_bulk
示例：
POST _bulk{ "index" : { "_index" : "test", "_type" : "_doc", "_id" : "1" } }{ "field1" : "value1" }{ "delete" : { "_index" : "test", "_type" : "_doc", "_id" : "2" } }{ "create" : { "_index" : "test", "_type" : "_doc", "_id" : "3" } }{ "field1" : "value3" }{ "update" : {"_id" : "1", "_type" : "_doc", "_index" : "test"} }{ "doc" : {"field2" : "value2"} }
8.1 curl + json 文件 批量索引多个文档
注意：accounts.json要放在执行curl命令的同等级目录下，后续学习的测试数据基本都使用这份银行的数据了
curl -H "Content-Type: application/json" -XPOST "localhost:9200/bank/_doc/_bulk?pretty&refresh" --data-binary "@accounts.json"
9. reindex 重索引
Reindex API /_reindex 让我们可以将一个索引中的数据重索引到另一个索引中（拷贝），要求源索引的_source 是开启的。目标索引的setting 、mapping 信息与源索引无关。
什么时候需要重索引？
即当需要做数据的拷贝的时候
POST _reindex{"source": {"index": "twitter"},"dest": {"index": "new_twitter"}}
重索引要考虑的一个问题：目标索引中存在源索引中的数据，这些数据的version如何处理。
1. 如果没有指定version_type 或指定为 internal，则会是采用目标索引中的版本，重索引过程中，执行的就是新增、更新操作。
POST _reindex{"source": {"index": "twitter"},"dest": {"index": "new_twitter","version_type": "internal"}}
2. 如果想使用源索引中的版本来进行版本控制更新，则设置 version_type 为extenal。重索引操作将写入不存在的，更新旧版本的数据。
POST _reindex{"source": {"index": "twitter"},"dest": {"index": "new_twitter","version_type": "external"}}
如果你只想从源索引中复制目标索引中不存在的文档数据，可以指定 op_type 为 create 。此时存在的文档将触发 版本冲突（会导致放弃操作），可设置“conflicts”: “proceed“，跳过继续
POST _reindex{"conflicts": "proceed","source": {"index": "twitter"},"dest": {"index": "new_twitter","op_type": "create"}}
你也可以只索引源索引的一部分数据，通过 type 或 查询来指定你需要的数据
POST _reindex{"source": {"index": "twitter","type": "_doc","query": {"term": {"user": "kimchy"}}},"dest": {"index": "new_twitter"}}
可以从多个源获取数据
POST _reindex{"source": {"index": ["twitter", "blog"],"type": ["_doc", "post"]},"dest": {"index": "all_together"}}
可以限定文档数量
POST _reindex{"size": 10000,"source": {"index": "twitter","sort": { "date": "desc" }},"dest": {"index": "new_twitter"}}
可以选择复制源文档的哪些字段
POST _reindex{"source": {"index": "twitter","_source": ["user", "_doc"]},"dest": {"index": "new_twitter"}}
可以用script来改变文档
POST _reindex{"source": {"index": "twitter"},"dest": {"index": "new_twitter","version_type": "external"},"script": {"source": "if (ctx._source.foo == 'bar') {ctx._version++; ctx._source.remove('foo')}","lang": "painless"}}
可以指定路由值把文档放到哪个分片上
POST _reindex{"source": {"index": "source","query": {"match": {"company": "cat"}}},"dest": {"index": "dest","routing": "=cat"}}
从远程源复制
POST _reindex{"source": {"remote": {"host": "http://otherhost:9200","username": "user","password": "pass"},"index": "source","query": {"match": {"test": "data"}}},"dest": {"index": "dest"}}
通过_task 来查询执行状态
GET _tasks?detailed=true&actions=*reindex
10. refresh
对于索引、更新、删除操作如果想操作完后立马重刷新可见，可带上refresh参数
PUT /test/_doc/1?refresh{"test": "test"}PUT /test/_doc/2?refresh=true{"test": "test"}
refresh 可选值说明
未给值或=true，则立马会重刷新读索引。
=false ，相当于没带refresh 参数，遵循内部的定时刷新。
=wait_for ，登记等待刷新，当登记的请求数达到index.max_refresh_listeners 参数设定的值时(defaults to 1000)，将触发重刷新。
四、路由详解
1. 集群组成
第一个节点启动
说明：首先启动的一定是主节点，主节点存储的是集群的元数据信息
Node2启动
说明：
Node2节点启动之前会配置集群的名称Cluster-name：ess，然后配置可以作为主节点的ip地址信息discovery.zen.ping.unicast.hosts: [“10.0.1.11",“10.0.1.12"]，配置自己的ip地址networ.host: 10.0.1.12；
Node2启动的过程中会去找到主节点Node1告诉Node1我要加入到集群里面了，主节点Node1接收到请求以后看Node2是否满足加入集群的条件，如果满足就把node2的ip地址加入的元信息里面，然后广播给集群中的其他节点有
新节点加入，并把最新的元信息发送给其他的节点去更新
Node3..NodeN加入
说明：集群中的所有节点的元信息都是和主节点一致的，因为一旦有新的节点加入进来，主节点会通知其他的节点同步元信息
2. 在集群中创建索引的流程
3. 有索引的集群
4. 集群有节点出现故障，如主节点挂了，会重新选择主节点
5. 在集群中索引文档
索引文档的步骤：
1. node2计算文档的路由值得到文档存放的分片（假定路由选定的是分片0）。
2. 将文档转发给分片0(P0)的主分片节点 node1。
3. node1索引文档，同步给副本（R0）节点node3索引文档。
4. node1向node2反馈结果
5. node2作出响应
6. 文档是如何路由的
文档该存到哪个分片上？
决定文档存放到哪个分片上就是文档路由。ES中通过下面的计算得到每个文档的存放分片：
shard = hash(routing) % number_of_primary_shards
参数说明：
routing 是用来进行hash计算的路由值，默认是使用文档id值。我们可以在索引文档时通过routing参数指定别的路由值
number_of_primary_shards：创建索引时指定的主分片数
POST twitter/_doc?routing=kimchy{"user" : "kimchy","post_date" : "-11-15T14:12:12","message" : "trying out Elasticsearch"}
在索引、删除、更新、查询中都可以使用routing参数（可多值）指定操作的分片。
创建索引时强制要求给定路由值：
PUTmy_index2{"mappings": {"_doc": {"_routing": {"required": true}}}}
7. 在集群中进行搜索
搜索的步骤：如要搜索 索引 s0
1. node2解析查询。
2. node2将查询发给索引s0的分片/副本（R1,R2,R0）节点
3. 各节点执行查询，将结果发给Node2
4. Node2合并结果，作出响应。
8. Master节点的工作是什么？
1. 存储集群的元信息，如集群名称、集群中的节点
2. 转发创建索引和索引文档的请求
3. 和其他的节点进行通信，告诉其他节点有新的节点加入等
出处：/leeSmall/p/9195782.html
扩展阅读
10分钟搞懂：亿级用户的分布式数据存储解决方案！
8月数据库流行度排行：双星闪耀 MySQL 成月度最大赢家
从400+节点ElasticSearch集群的运维中，我们总结了这些经验
两万字的数据库面试题，不看绝对后悔
Oracle数据库应用系统结构
慌的一批！妹子一个rm -rf把公司服务器数据删没了...
史上最全近百条Oracle DBA日常维护SQL脚本指令
数据和云小程序『DBASK』在线问答，随时解惑 欢迎了解和关注。
在线问答即时回复
数据和云
ID：OraNews
如有收获，请划至底部，点击“在看”，谢谢！
公司简介|招聘|DTCC|数据技术嘉年华|免费课程|入驻华为严选商城
zCloud|SQM|Bethune Pro2|zData一体机|MyData一体机|ZDBM 备份一体机
Oracle技术架构|免费课程|数据库排行榜|DBASK问题集萃|技术通讯
升级迁移|性能优化|智能整合|安全保障|架构设计|SQL审核|分布式架构|高可用容灾|运维代维
云和恩墨大讲堂 |一个分享交流的地方
长按，识别二维码，加入万人交流社群
请备注：云和恩墨大讲堂
ElasticSearch最全详细使用教程：入门 索引管理 映射详解 索引别名 分词器 文档管理 路由 搜索详解...
