【藏经阁一起读（31）】读《Elastic（中国）产品应用实战》，你有哪些心得？

产品真实很好

能得到很好

产品应用实战很好。

https://developer.aliyun.com/ebook/7721

书籍简介：手册共分为上下两册，本篇为下册。书的内容均来源于Elastic中国官方微信公众号，集合了8篇优质内容。本书不仅向读者介绍了Elastic的基础开发技能，还解答了日常工作中的常见问题，例如Elasticsearch 内存管理和故障排除等。通过阅读本书，开发者可以从中获取必要的基础技能和理论知识。

活动规则：阅读书籍，将你对于本书的想法、收获等在评论区留言，评论不少于200字，将选取评论质量最高的前3名送出保温杯一个。

阿里云很好

很早了解过阿里云了，可惜没有太多时间了，阿里云很好的

可以的，这可以

山东

我通读书之后，分成入门、进阶、应用实践三大部分从开发者最佳实践角度，循序渐进帮助大家更好使用、理解。本书涵盖了应用场景、基础、应用和实战案例。包含了开源版本的核心基础功能，又创新性地包含了机器学习、高阶安全等，也将企业实战业务场景的方案进行了全方位的解读； 包含但不限于：基于舆情的全文检索场景、基于智能巡检、流媒体、面部识别等基础的日志分析场景，这些来源于实战的解读对于企业架构选型、开发、运维都非常有帮助。大数据近几年有了突飞猛进的发展，有数据的地方都离不开数据预处理、分析、检索、聚合、可视化分析等应用场景。以其门槛低、上手快、版本迭代快、社区响应快等特点和优势，使得看似“遥不可及、高深莫测”的大数据存储、检索与分析技术“飞入寻常百姓家”。 从一线大厂：阿里、腾讯、头条、滴滴、快手等到国内创业公司，甚至连婚庆网站都在使用 Elasticsearch。“Elastic 用的好，下班下的早”从一种半调侃的标语已然成为互联网实际人才衡量依据。期望大家和我一样读后有收获！

很早就关注了Elastic的官方公众号，公众号会分享Elastic的实战教程，可惜平时工作忙不是每篇推文都会看。 刚好国庆期间看到社区甄选官方推文中的优质内容，制作了《Elastic产品应用实战》这本电子手册。这一点为社区大大点个赞。 手册分为上下两册，上册主要是基础开发的知识，例如Elastic的产品介绍，能力组成等。下册则主要是以产品应用实战为主。内容循序渐进，对于开发者很友好。 趁着假期阅读了这本手册，对于Elastic的基础开发技能有一个基本的了解，例如Elasticsearch的内存管理和故障排除，这些知识点的学习可以帮助我们提高开发效率。下册的实战内容干货满满，比如利用Elasticsearch对Github的热门项目的开发效能进行洞察，也有非常贴近我们业务内容的，使用Elasticsearch跟踪客户订单，获取相应数据视图等。当然还有一些高阶的技巧，比如快速查询PB级的云存储，这对于管理大规模的数据有很高的参考价值。 总的来说，手册内容翔实。上册可以作为工具书备用查看，下册根据个人实际工作需要选择适合自己的内容实践操作一下，对于提高开发者在公司里的技术地位很有帮助。如果你想开启Elastic的云上之旅，这本电子手册绝对是你的不二之选！

对于ES学习很有帮助

可以可以

还可以，挺好的

一 印象或者感受很好

我通读书之后，分成入门、进阶、应用实践三大部分从开发者最佳实践角度，循序渐进帮助大家更好使用、理解。本书涵盖了应用场景、基础、应用和实战案例。包含了开源版本的核心基础功能，又创新性地包含了机器学习、高阶安全等，也将企业实战业务场景的方案进行了全方位的解读； 包含但不限于：基于舆情的全文检索场景、基于智能巡检、流媒体、面部识别等基础的日志分析场景，这些来源于实战的解读对于企业架构选型、开发、运维都非常有帮助。大数据近几年有了突飞猛进的发展，有数据的地方都离不开数据预处理、分析、检索、聚合、可视化分析等应用场景。以其门槛低、上手快、版本迭代快、社区响应快等特点和优势，使得看似“遥不可及、高深莫测”的大数据存储、检索与分析技术“飞入寻常百姓家”。 从一线大厂：阿里、腾讯、头条、滴滴、快手等到国内创业公司，甚至连婚庆网站都在使用 Elasticsearch。“Elastic 用的好，下班下的早”从一种半调侃的标语已然成为互联网实际人才衡量依据。期望大家和我一样读后有收获！

二 有这些重磅特点

2.1 共享文件存储

在10分钟查询一个PB级的云存储中，冻结层的能力对ES在企业日志场景下有一个很强的帮助，能够很好的权衡成本和存储。 但由于某些历史原因，存在部分自建集群无法上云，且作为一个开源版本，并没有这个能力。所以只能通过7.x版本推出的ILM生命周期管理，通过某些共享文件存储系统把对象存储模拟成本地磁盘进行这种能力的模拟，在一定程度权衡了成本和存储的问题，但是整个部署的复杂度也相对提升了，对运维层面会有一些挑战，期望大家和我一样读后有收获！能够咱不落后不然就会吊起打十分的惨啊！

冻结层的主要亮点有：

• 如果数据没有缓存，在 4TB 数据集中返回简单词条查询的结果需要几秒钟。如果有缓存，则搜索性能会以毫秒为单位，类似于温层或冷层；

• 如果数据没有缓存，在 4TB 数据集上计算一个复杂的 Kibana 仪表板所需时间不到 5 分钟。如果有缓存，这一计算将在几秒钟内完成，类似于温层或冷层；

• 轻松将数据量扩展到 1PB 数据集。在无缓存的情况下，对简单词条查询的结果将在 10 分钟内返回。

2.2 数据全流程配置

Elastic各个产品线新特性大放异彩，Elastic早已不止是检索，已经成为一体化的完整数据处理堆栈，从数据摄入到分析展示、价值获取。功能更完善、更加简单、易用用、更可视化、更安全。 Elastic XPack/SQL等付费功能会从大公司到小公司逐渐推广。 随着Elastic上市，国内的业务也开展的如火如荼，从BAT等互联网公司、华为、到三大运营商、各大银行各个行业、各个领域都在以ELK作为基础架构，根据自己的业务做定制开发、优化、APM、自动化等； Elastic社区在Elastic国内外进程中功不可没，“三人行必有我师”，大神们的实践对我们自己的Elastic学习、实践都有很好的借鉴价值.

2.3 很强的可开发与安全性

基础开发技能，例如Elasticsearch 内存管理和故障排除等，帮助开发者避免不必要的网络开发成本。还可以学习Elastic的实战技能，例如如何使用Elasticsearch追踪最近的客户订单、洞察Github开源项目的开发效能、获取数据视图等等。同时也能快速掌握10分钟内查询一个PB级的云储存的实战技巧，使管理大规模数据变得更容易、更经济。

目前，只是看了部分代码，可以从下面的几个类开始入手：

JobScheduler：作业调度器，简单说就是进行作业调度的管理容器。里面会管理作业的基本配置，注册，选举，分片，失效转移等核心逻辑实现

ListenerManager：监听管理，对作业的各种状态进行监听，包括选举，分片，失效，操作，配置变更等事件监听，触发相应的执行逻辑。 AbstractElasticJob：作业的基类，目前作业分为3种，简单类型，流式作业，流式顺序作业。

认真分析这几个类的关联类，相信会对这个项目有一个全面的认识。

三 有更强协作与迁移能力

对安全分析师来说是一个安全信息和事件管理系统（SIEM）。想象一下，如果这些团队和流程更具协作性，可能会带来哪些好处。可观测性数据可以为安全团队添加更多上下文，因为他们致力于快速检测和响应威胁。同时，开发人员可以通过从一开始就保护应用程序来减少开发中的摩擦。 从代码到云：保护您的软件供应链从云可观测性开始，打破孤岛并简化开发人员和安全团队之间的工作流程可能会帮助这些依赖速度的专业人员更好地实现他们的目标以及企业的目标。安全、可靠技术的开发和持续正常运行时间确保组织能够继续为其客户服务。同时，保护IT可以帮助防止数据泄露以及由此带来的所有挑战，从有价值资产的损害到对公司声誉的潜在损害。4.创造良性循环如果说这场外部环境教会了我们一件事，那就是韧性需要适应。这首先要了解一个组织想要解决的关键问题和挑战，并确定解决这些问题所需的洞察力。无论公司是在云中诞生还是管理遗留系统的迁移，创建一个由可观测性铸造的、以安全为基础的实时持续反馈回路，为IT领导者在云复杂性扼杀创新之前解决云复杂性提供了基础。尤其是通过Elastic的新冻结数据层将计算与存储分离，并通过低成本对象存储系统直接促进搜索，让管理大数据变得非常简单，可以通过十分钟左右的时长就能查询BP级的云存储，这是非常棒的内容，大大方便用户关于BP级以及以上的数据搜索查询和维护工作。还有一个让我深刻的点就是通过使用transforms进行订单追踪的操作，主要是通过使用transforms功能解决基于事件索引和转换函数创建和维护以实体为核心的索引，跟踪数据，集中客户最新订单，非常的方便实用；

四 DevSecOps

使用最大化数据的可能性许多组织正在采用DevSecOps框架来应对这些挑战，并将监控和安全任务集成到他们的应用程序开发工作流程中。无论上下文是维护系统正常运行时间和可用性，还是调查网络上的可疑恶意活动，开发人员和安全团队都需要快速工作以识别和响应问题。快速调查异常需要能够完整讲述所发生事件的数据。很多时候，这些团队需要通过手动关联和分析指标、日志和链路跟踪数据来拼凑故事——因为他们难以找到根本原因并从多个工具中筛选不同的数据，从而浪费了宝贵的时间。这两个团队的理想状态是自动关联和高级分析，可以从一个共同的数据平台轻松访问--该平台也许对开发者来说是一个单一的运维数据存储库，了解一个组织想要解决的关键问题，并确定解决这些问题所需的洞察力。无论公司是在云中诞生还是管理遗留系统的迁移，创建一个由可观测性铸造的、以安全为基础的实时持续反馈回路。

五 来总结下

总的来说，手册内容翔实。上册可以作为工具书备用查看，下册根据个人实际工作需要选择适合自己的内容实践操作一下，对于提高开发者在公司里的技术地位很有帮助。 对于我个人来说要把收藏的好的知识技术文章集合起来分享出来，让更多的精华文章让需要的人能及时的看到，让有才华的人不被雪藏，让后来的人能青出于蓝而胜于蓝，站在巨人的肩膀上超越巨人！

很早就关注了Elastic的官方公众号，公众号会分享Elastic的实战教程，可惜平时工作忙不是每篇推文都会看。 刚好国庆期间看到社区甄选官方推文中的优质内容，制作了《Elastic产品应用实战》这本电子手册。这一点为社区大大点个赞。 手册分为上下两册，上册主要是基础开发的知识，例如Elastic的产品介绍，能力组成等。下册则主要是以产品应用实战为主。内容循序渐进，对于开发者很友好。 趁着假期阅读了这本手册，对于Elastic的基础开发技能有一个基本的了解，例如Elasticsearch的内存管理和故障排除，这些知识点的学习可以帮助我们提高开发效率。下册的实战内容干货满满，比如利用Elasticsearch对Github的热门项目的开发效能进行洞察，也有非常贴近我们业务内容的，使用Elasticsearch跟踪客户订单，获取相应数据视图等。当然还有一些高阶的技巧，比如快速查询PB级的云存储，这对于管理大规模的数据有很高的参考价值。 总的来说，手册内容翔实。上册可以作为工具书备用查看，下册根据个人实际工作需要选择适合自己的内容实践操作一下，对于提高开发者在公司里的技术地位很有帮助。如果你想开启Elastic的云上之旅，这本电子手册绝对是你的不二之选！

来和我一起阅读吧 使用Elastic Stack洞察GitHub开源项目的开发效能67操作步骤：1)粘贴入以上代码后，点击右三角的执行按钮；2)右侧结果返回为：true，表明成功更新了索引配置。自查点检查确认：1)Kibana里正常导入了所有示例可视化控件和基础配置；2)filebeat可执行文件可以正常的执行；3)完成了Elasticsearch的索引初始化和配置微调；4)成功导入了项目概要overall数据，并且在Dashboard上可见这些数据。在以上自测点都成功以后，再进入下面的步骤。9.分类采集项目其它数据在成功采集了项目概况数据以后，我们接下逐步采集和分析其它类型的数据包括，但不限于下列数据：•Contributors：此API会按贡献值倒序的方式返回贡献者清单，数据条数不一定完整，但是我们最多能关注前30的贡献者，排名靠后的大量贡献者，都是非活动的，贡献次数为10以内的非关键人员。很可能这个清单是无法访问的，项目所属公司对其限制了访问权限。其他API也可能有这个问题；•Releases：关键重要指标数据，但是不是所有项目都很专业的从一开始就维护reelase清单，有些项目会记录每个release的下载次数和点赞互动次数，有些项目不跟踪下载次数；•Languages：非关键重要数据；•Tags：分关键重要数据；•Issues：极其关键且重要数据，对于比较火热的项目数量比较大，多则几万条； 使用Elastic Stack洞察GitHub开源项目的开发效能68•pulls：pull rquest也是极其关键且重要数据，值得深度分析。火热项目数据量较大。顶级开源项目的全量数据文档数会比较轻易的超过5万条。参考下面的步骤采集以上每一类数据：1)从示例filebeat.yml配置文件中，复制一段目标的配置参数段落，粘贴到测试机的Filebeat配置文件中；2)修改request.url，token和fields.project等关键字段；3)在浏览器中再次确认修改后的request.url是否能正常访问，排除GitHub网站服务不好的情况。或者在命令行里使用curl命令测试；4)运行./filebeat test output测试后端Elasticsearch服务器的服务是否正常；5)运行./filebeat-e开始当前这个新分类的数据采集；6)等待命令行日志停止滚动，除了issues和pulls之外，其它分类数据，应该在分钟级别的就可以完成首次采集。对于数据量大的项目，issues和pulls都可能会耗时一小时，或者更长时间；7)filebeat采集的滚动日志在命令行里静止的时候，按ctrl+c结束数据采集；8)在Kibana中，进入Discovery，点击open菜单，选中对应的查询视图；可能需要先调整一下时间控件的时间设置，例如选择最近一年，观察数据在时间上的分布，观察采集到了多少条该类数据，将采集到的文档数与在GitHub上该项目页面上的数据做比对确认。也很可能需要多个采集周期才能追平这类数据的条数；9)打开单个文档，观察和熟悉这类数据都有那些字段，思考还有那些是值得分析的字段，可以将其添加到当前的数据表格中；对于issues和pull数据文档，还需要观察project-age这个实时计算字段的数值，它是一个以分钟为单位的计时器，issue和pull rquest的状态为closed后就不会变化；10)尝试用右上角的时间选择控件改变时间分析区间，观察其他时间分析区间的数据分布特性和数值；11)返回Dashboard–>GitHub Project Analysis开源项目分析看板，查看相关类别数据的分析图表，也可能需要微调某数据显示控件。选择不同的时间跨度，浏览项目数据的完整性。有些项目概况数据是保持不变的。 使用Elastic Stack洞察GitHub开源项目的开发效能69仔细的重复以上11个步骤若干次，知道你认为目标分析项目的所有必要数据都已经抓取到Elasticsearch中了。如果在这个过程中发生了误操作，或者需要换其它项目重新分析。你可能会使用在Dev Tools中使用到下面的这些命令。# 查看索引中的文档总数GET filebeat-7/_count # 删除索引DELETE filebeat-7 # 删除导入的扩展字段DELETE _template/add_gh_fields你可以随时检查文档总数，判断数据下载的进度。在有必要删除所有数据重新开始的时候，执行删除索引和模板两个操作。如果你访问GitHub的网络条件有限，网页打开都比较卡的话，这个数据采集的过程可能会比你想象的长。顺利的话，新手也应该在两三个小时内完成数据采集。10.定制项目数据分析看板如果你已经成功的完成了以上所有操作步骤，你的目标项目数据采集也是基本完整的，你将看到一个类似于下面的数据分析面板。 使用Elastic Stack洞察GitHub开源项目的开发效能70 使用Elastic Stack洞察GitHub开源项目的开发效能7111.修订示例数据显示控件想要修改某个数据显示控件，可以点击它右上角的齿轮按钮，打开控件编辑菜单选中“Edit Visualization”选项，进入修订编辑模式。如果你想同时保持着它，可以选择“clone panel”选项，在克隆的新的控件上修订。下面是数据显示控件的修订状态。 使用Elastic Stack洞察GitHub开源项目的开发效能72操作步骤参考说明：1)修改数据查询条件；2)选择数据分析算法；3)修改控件标签；4)点击Optioins后进入图例修订界面。还可以点击日期选择控件查看不同时间条件下的数据分析结果。修订满意后，点击右上角的“save and return”按钮。12.用Lens创建新数据分析Kibana中的Lens功能是非常方便易用的数据分析工具，在Dashboard界面中，点击左上角的“Create visualization”按钮默认就进入了这个分析工具。如下图所示：示例操作说明：1)配置数据搜索条件：90天里的所有关闭pull request数据； 使用Elastic Stack洞察GitHub开源项目的开发效能732)搜索目标分析字段：project-age；3)用鼠标将这个字段拖拽到右侧的空白处。Lens会智能的推荐数据显示模式。点击上方的图形模式下拉菜单，或者从推荐的模式中选择显示效果，锁定目标的数据可视化显示模式；4)点击竖坐标的数据分析算法，调整数值统计方法；5)分析操作完成之后，点击”save and return“按钮，返回Dashboard，用鼠标拖拽这个控件的边框，改变它的大小和形状，还可以将其拖拽到合适的位置，与其它数据形成对照和参考的关系。Kibana的数据分析功能比较简单易用，但是它的功能比较多，学习提升空间很大。如果你制作了新的数据分析控件，欢迎将你的控件导出后分享给其他人。请提交到我的这个GitHub项目中https://github.com/martinliu/sdp-dashboard.git，或者发邮件给我zheng.liu@elastic.co。13.总结我们通过本教程学会了Elastic Stack的一个典型的应用场景，包含数据摄入和分析的全过程。如果你还想将这个分析结果分享给其他人，或者公司的同事。你可以在一台云主机上完成以上所有操作，然后将Kibana的访问地址分享给其它人。你还可以使用Elastic Cloud、或者阿里云ES服务作为后台，Filebeat可以运行在本地（笔记本），在需要更新的时候，运行本地的Filebeat刷新后台的数据。如果你关注团队的开发效能，建议你深度阅读学习DORA 2019年的行业调查报告，了解研发效能的四个维度，并将本项目分析看板用于团队的例会。 从代码到云：保护您的软件供应链从云可观测性开始74八、从代码到云：保护您的软件供应链从云可观测性开始作者：Elastic中国本文为Elastic首席执行官Ash Kulkarni的博文。随着组织越来越多地将其基础架构、应用程序和服务迁移到云端，管理信息、维护安全性和保护数据完整性都变得更具挑战性。很明显，这种势头仍在继续。Gartner最近的调查数据证实了这一趋势，其指出：51%的IT基础设施、软件、应用程序和服务支出将从传统解决方案转向云，66%的应用软件支出将在未来三年内转向云技术。这一演变标志着真正转变IT职能的巨大变化——安全和开发团队不再能保持孤立。1.在观测的同时，进行保护对于开发者和安全专家来说，在正确的时间访问正确的数据对于做出有关优先事项的决定是必要的。可观测性——一个开发人员熟悉的术语，现在在安全从业者中出现——让团队了解代码在生产中的作用、它是如何工作的、它是如何失败的，以及最终用户是如何受到影响的。在评估应用程序和基础设施性能和可用性时收集的可观测性数据可以兼作网络安全计划的关键资源。对于开发人员而言，可观测性数据显示了应用程序的性能，并且可以帮助诊断应用程序中的问题。对于安全分析师来说，可以分析相同的数据以显示可能代表安全威胁的异常情况。在将安全性与技术的开发、部署和监控相集成方面取得长足进步——本质上是在观察的同时进行保护——为开发人员、安全团队和整个业务提供互惠互利。2.那么为什么现在这比以往任何时候都更重要呢？软件供应链 从代码到云：保护您的软件供应链从云可观测性开始75快速迁移到云意味着现代IT应用程序现在运行在高速、基于容器的微服务架构上，这些架构很复杂，因为它们隔离了功能以增加组件的解耦并加快应用程序的开发。开发人员能够快速和频繁地启动更新，但代价是可移动的服务组件数量大大增加，这些应用程序的攻击面也大大增加。今年早些时候围绕Log4j漏洞的头条新闻聚焦于公司如何在其业务中使用软件来管理其运营。今天，绝大多数开发人员都不会从头开始开发软件。他们在创建应用程序时依赖第三方资源，包括内部开发的组件、预构建的库和开源代码，以加快开发速度、降低生产成本并更快地将产品推向市场。开发人员和安全团队面临的挑战是了解流程和依赖关系，以确保他们的软件随着时间的推移保持安全。3.使用DevSecOps最大化数据的可能性许多组织正在采用DevSecOps框架来应对这些挑战，并将监控和安全任务集成到他们的应用程序开发工作流程中。无论上下文是维护系统正常运行时间和可用性，还是调查网络上的可疑恶意活动，开发人员和安全团队都需要快速工作以识别和响应问题。快速调查异常需要能够完整讲述所发生事件的数据。很多时候，这些团队需要通过手动关联和分析指标、日志和链路跟踪数据来拼凑故事——因为他们难以找到根本原因并从多个工具中筛选不同的数据，从而浪费了宝贵的时间。这两个团队的理想状态是自动关联和高级分析，可以从一个共同的数据平台轻松访问--该平台也许对开发者来说是一个单一的运维数据存储库，对安全分析师来说是一个安全信息和事件管理系统（SIEM）。想象一下，如果这些团队和流程更具协作性，可能会带来哪些好处。可观测性数据可以为安全团队添加更多上下文，因为他们致力于快速检测和响应威胁。同时，开发人员可以通过从一开始就保护应用程序来减少开发中的摩擦。 从代码到云：保护您的软件供应链从云可观测性开始76打破孤岛并简化开发人员和安全团队之间的工作流程可能会帮助这些依赖速度的专业人员更好地实现他们的目标以及企业的目标。安全、可靠技术的开发和持续正常运行时间确保组织能够继续为其客户服务。同时，保护IT可以帮助防止数据泄露以及由此带来的所有挑战，从有价值资产的损害到对公司声誉的潜在损害。4.创造良性循环如果说这场外部环境教会了我们一件事，那就是韧性需要适应。这首先要了解一个组织想要解决的关键问题和挑战，并确定解决这些问题所需的洞察力。无论公司是在云中诞生还是管理遗留系统的迁移，创建一个由可观测性铸造的、以安全为基础的实时持续反馈回路，为IT领导者在云复杂性扼杀创新之前解决云复杂性提供了基础。

首先感谢官方的甄选，让我获得了藏经阁一起读《Elastic（中国）产品应用实战上册的评论质量最高前三奖，我把这个结果告诉了我的老外老板，老板很开心，支持我参加阿里云的活动，并且老板直接又续费了一年的公司使用的阿里云相关产品，很爽快。

接着来分享一下我在阅读《Elastic（中国）产品应用实战》下册的读后感，仅代表个人的观点，不喜勿喷。

结合上周读的《Elastic（中国）产品应用实战》上册部分，再加上这次读了《Elastic（中国）产品应用实战》下册部分，共16篇Elastic（中国）受开发者喜爱的优质内容，涵盖了Elastic的功能实战和开发效能，很好的帮助开发者和读者学习使用Elasticsearch的开发效能，获取数据视图等实战性知识，大家可以通过实际业务场景结合Elastic开发手册，完美解决实际需求，也能让新手快速入门。该手册（上 下册）既适用入门小白，又适用复杂的业务场景需求者，这是一个综合性的手册，有简单的内容，也有深度的内容，大家都可以各取所需，非常的全面。

这里着重介绍一下读《Elastic（中国）产品应用实战》下册部分，下册主要讲的关于DGA检测整合，增强企业业务弹性，通过transforms进行订单追踪，使用Elasticsearch 时间点读取器获得数据视图，在短时间内查询PB级云存储，使用新的冻结层搜索S3，通过Elastic Stack洞察开源项目开发效能，使用云可观测性保护软件等内容，读完之后受益匪浅，尤其是通过Elastic的新冻结数据层将计算与存储分离，并通过低成本对象存储系统直接促进搜索，让管理大数据变得非常简单，可以通过十分钟左右的时长就能查询BP级的云存储，这是非常棒的内容，大大方便用户关于BP级以及以上的数据搜索查询和维护工作。还有一个让我深刻的点就是通过使用transforms进行订单追踪的操作，主要是通过使用transforms功能解决基于事件索引和转换函数创建和维护以实体为核心的索引，跟踪数据，集中客户最新订单，非常的方便实用。

最后，个人觉得如果学好并用好Elastic非常有必要，用好Elastic可以节本增效，又可以事半功倍，非常的专业和高效，它的优势就不用过多赘述，服务于大数据云计算领域，又 加上开源的不断迭代更新，想必以后Elastic会做的更好，拭目以待吧。

    自从去年当当发布elastic-job以来，一直观注这个项目。不论是从代码质量，整体设计，可读性，还是代码出问题之后dump报告。 都给人一种很强的参与感，感觉这个项目很有活力。当然，这个项目是在当当内部经过验证的，听说是已经在线运行3W+上的JOB了。

目前，只是看了部分代码，可以从下面的几个类开始入手：

JobScheduler：作业调度器，简单说就是进行作业调度的管理容器。里面会管理作业的基本配置，注册，选举，分片，失效转移等核心逻辑实现

ListenerManager：监听管理，对作业的各种状态进行监听，包括选举，分片，失效，操作，配置变更等事件监听，触发相应的执行逻辑。 AbstractElasticJob：作业的基类，目前作业分为3种，简单类型，流式作业，流式顺序作业。

认真分析这几个类的关联类，相信会对这个项目有一个全面的认识。

在读这本书之前，我详细的了解了本书的背景，《Elastic Stack 实战手册》的创作发布，源自于阿里云和 Elastic 联合主办的三周年系列活动 (https://developer.aliyun.com/topic/esanniv3rd)——Elasticsearch 百人大作战。这是一次有趣的大规模协作活动，集结了 Elasticsearch 技术圈百位开发者共创，旨在凝聚圈内优秀的创作人的实践经验和创作能力，输出一本能为开发者提供实践参考的书籍指南，推动技术应用和发展，所以本书的含义具有划时代的符号，在本书中得到了数十位在大数据搜索领域颇有经验的优秀开发者的支持，其中包括许多知名的业界精英，例如在社区有一定影响力的技术大咖，具有大数据及 Elastic Stack 相关书籍出版经验的作者等。这是一个自发所组成的团队努力的成果，也是一次成功的尝试。全书以 7.10 版本作为讲解版本，涵盖了应用场景、基础、应用和实战案例。既包含了开源版本的核心基础功能，又创新性地包含了机器学习、高阶安全、APM、Elastic Cloud 等付费功能，难能可贵的是，这些高阶功能市面上的资料都非常少。本书的亮点和特色就在于：将企业实战业务场景的方案进行了全方位的解读，包含但不限于：基于舆情的全文检索场景、基于智能巡检、流媒体、面部识别等基础的日志分析场景，这些来源于实战的解读对于企业架构选型、开发、运维都非常有帮助，各个案例非常具有行业特点的鲜明性，一针见血的对开发模型进行了整合，对开发者的友好程度很高，是一本好书！

Elasticsearch 是面向文档的，这意味着你索引或搜索的最小数据单元是文档。有一些重要的属性：1、独立性。文档包含字段（名称）及其值。 2、它可以是分层的。可以将其视为文档中的文档。字段的值可以很简单，就像位置字段的值可以是字符串一样。3、它还可以包含其他字段和值。 4、结构灵活。你的文档不依赖于预定义的架构。例如，并非所有事件都需要描述值，因此可以完全省略该字段。但它可能需要新的字段，例如位置的纬度和经度。