elasticsearch 相似推荐

curl -XPUT ‘http://localhost:9200/recommend?pretty‘ -d‘

{

"settings": {

"number_of_replicas" : 2,

"similarity" : {

"my_similarity" : {

"type" : "BM25",

"k1" : 1.2,

"b" : 0.75

}

"mappings": {

"recommend": {

"properties": {

"name":{

"type" : "string",

"similarity" : "my_similarity"

}

}‘;

时间： 2024-10-11 02:06:23

elasticsearch 相似推荐的相关文章

使用logstash+elasticsearch+kibana快速搭建日志平台

日志的分析和监控在系统开发中占非常重要的地位,系统越复杂,日志的分析和监控就越重要,常见的需求有: 根据关键字查询日志详情监控系统的运行状况统计分析,比如接口的调用次数.执行时间.成功率等异常数据自动触发消息通知基于日志的数据挖掘很多团队在日志方面可能遇到的一些问题有: 开发人员不能登录线上服务器查看详细日志,经过运维周转费时费力日志数据分散在多个系统,难以查找日志数据量大,查询速度慢一个调用会涉及多个系统,难以在这些系统的日志中快速定位数据数据不够实时常见的一些重量级的开源

ElasticSearch安装和使用

ElasticSearch是开源搜索平台的新成员,实时数据分析的神器.可以理解为作为搜索的数据库,可以提供搜索功能.对比关系型数据库,具有以下的相似关系: 关系型数据库数据库表行列 ElasticSearch 索引类型文档字段一个ES集群可以包含多个索引(数据库),每个索引又包含了很多类型(表),类型中包含了很多文档(行),每个文档又包含了很多字段(列). 如果要实现对关系型数据库数据的搜索功能,需要将关系型数据库中的数据导入到ElasticSearch中,网上有解决方案.但是好

elasticsearch配置优化

http://m.blog.csdn.net/article/details?id=50330149 节点 Elasticsearch 节点有四种 : master and data--- 默认是这种配置,既存储数据,也可以成为master节点 only master --- 协调各个节点间均衡,如分片的移动 only data --- 只存储数据,此种节点的http.enable: false 可设置成false No data and no master --- 既不是master,也不存储

安装和使用 Elasticsearch

Elasticsearch是开源搜索平台的新成员,实时数据分析的神器,发展迅猛,基于 Lucene.RESTful.分布式.面向云计算设计.实时搜索.全文搜索.稳定.高可靠.可扩展.安装+使用方便,介绍都说的很好听,好不好用拿出来遛一遛. 做了个简单测试,在两台完全一样的虚拟机上,2000万条左右数据,Elasticsearch 插入数据速度比 MongoDB 慢很多(可以忍受),但是搜索/查询速度快10倍以上,这只是单机情况,多机集群情况下 Elasticsearch 表现更好一些.以下安装步

Elasticsearch 6.2.3版本 Windows环境简单操作

背景描述 Elasticsearch是一个基于Apache Lucene(TM)的开源搜索引擎.无论在开源还是专有领域,Lucene可以被认为是迄今为止最先进.性能最好的.功能最全的搜索引擎库. Elasticsearch是使用Java开发,并使用Lucene作为其核心来实现所有索引和搜索的功能,但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性,从而让全文搜索变得简单. 近期工作需要用到Elasticsearch 作为数据库进行数据存储和检索,就花时间系统学习了下. 如果

Elasticsearch 7.4.0 白金版绿色教程

Elasticsearch X-PACK 白金版只有 30 天试用,为了可以经常使用,特出以下教程, 特别强调,仅作学习使用!!! 首先,从官网下一份 Linux 版的 Elasticsearch 安装包,再从开源社区拉取一份 Elasticsearch 源码. 官方下载页 https://www.elastic.co/cn/downloads/elasticsearch 开源仓库地址 GitHub https://github.com/elastic/elasticsearch Gitee(推

大数据系统工具集

Bootstrapping引导:Kickstart.Cobbler.rpmbuild/xen.kvm.lxc.Openstack. Cloudstack.Opennebula.Eucalyplus.RHEV配置类工具:Capistrano.Chef.puppet.func.salstack.Ansible.rundeck监控类工具:Cacti.Nagios(Icinga).Zabbix.基于时间监控前端Grafana.Mtop 日志系统:Logstash.Scribe绘图工具:RRDtool.G

服务化改造实践（三） | Dubbo + Zipkin

随着业务的发展,应用的规模不断的扩大,传统的应用架构无法满足诉求,服务化架构改造势在必行,以 Dubbo 为代表的分布式服务框架成为了服务化改造架构中的基石.随着微服务理念逐渐被大众接受,应用进一步向更细粒度拆分,并且,不同的应用由不同的开发团队独立负责,整个分布式系统变得十分复杂.没有人能够清晰及时的知道当前系统整体的依赖关系.当出现问题时,也无法及时知道具体是链路上的哪个环节出了问题. 在这个背景下,Google 发表了 Dapper 的论文,描述了如何通过一个分布式追踪系统解决上述问题.基

elasticsearch使用More like this实现基于内容的推荐

基于内容的推荐通常是给定一篇文档信息,然后给用户推荐与该文档相识的文档.Lucene的api中有实现查询文章相似度的接口,叫MoreLikeThis.Elasticsearch封装了该接口,通过Elasticsearch的More like this查询接口,我们可以非常方便的实现基于内容的推荐. { "more_like_this" : { "fields" : ["title", "content"], "lik