工程师甲_个人页

双11返场 | 搜索推荐产品全场7折（Elasticsearch/开放搜索/智能推荐）

错过双11折扣？别担心，截止12月1日0时，返场年付7折继续

好消息！Elasticsearch中也可以使用机器学习了

机器学习已经在现在的工业实践中得到了广泛的应用。作为强大搜索引擎的ElasticSearch也在6.3开始内置了对机器学习的支持。

【最佳实践】Vega：定制开箱即用的 Kibana 可视化分析图标

Kibana 提供了很多开箱即用的可视化工具。它们可以让我们很方便地创建我们想要的分析图表。如果我们想定制一个我们自己的可视化图，那该怎么办呢？传统的方法是创建自己的插件来扩充我们自己的需求，但是这种开发的成本及周期都比较长。很幸运的是，Kibana 提供了一种很方便的可视化工具 : Vega。在今天的文章中，我们将来介绍如何创建一个属于我们自己的 Vega 可视化图。

报名中 | 4天4城(深圳/广州/上海/武汉），10位专家带你实操演练，如何玩转行业大数据应用

您是否了解数仓最新技术趋势「湖仓一体」？您是否还在惆怅业务数据不够实时？您是否在大数据开发治理、日志数据分析和个性化推荐等方面遇到难题？

大数据上手实战！《Elasticsearch 实战进阶营》第二季限时免费报名啦

8月18日，阿里巴巴大数据训练营“九营齐开”正式开营，来自数据计算、数据分析、数据仓库、搜索、机器学习、数据智能等多个领域的技术大佬亲身上阵教学，解读各技术领域基础原理，剖析行业实践案例，帮助开发者实现大数据从0到1的上手学习。

运用 makelogs 创建合适的 Elasticsearch 测试数据

我们在使用 Elasticsearch 时，经常想找一些数据来进行测试，比如我们想试一下 Kibana 的可视化工具。我们有时想有很多的数据，但是有时就是找不到合适的数据。那么我们该怎么办呢？当然，我们有一种简单的办法就是使用 Kibana 给我们提供的测试数据，但是它可能也有很多的局限性：

【最佳实践】运用 Logstash Fingerprint 过滤器处理并删除 Elasticsearch 重复数据

这篇文章介绍了使用 Logstash 在 Elasticsearch 中对数据进行重复数据删除的方法。 根据你的用例，Elasticsearch中 的重复内容可能不被接受。 例如，如果你要处理指标，则 Elasticsearch中 的重复数据可能会导致错误的聚合和不必要的警报。 即使对于某些搜索用例，重复的数据也可能导致不良的分析和搜索结果。

Elasticsearch， 你值得拥有！—— 云栖大会 Elasticsearch 场景化应用全景回顾

云栖大会大咖云集，作为Elastic爱好者，参加大会就是想看平时看不到、学不到的内容。

同行计划——阿里云搜索&推荐技术社群合伙人招募

为了与更多技术人一起走得更远，我们发起2020同行计划。

精华回顾 | 云栖大会 Elasticsearch 专场，集结8位ES大咖，超5000人围观的技术专场

收藏本文，你将不错过Elasticsearch 场景化应用的任何精彩内容！

训练营报名中 | 5天突破Elasticsearch全观测日志分析能力

开源 Elasticsearch 技术训练营 ,9月7日至9月13日正式免费开放报名啦~~

Elasticsearch 既是搜索引擎又是数据库？真的有那么全能吗？

经常遇到很多朋友询问，如何学好 Elasticsearch？这个问题本质上很不好回答，但我一直又很想好好回答，所以本文就以我个人的经验视角，跟大家探讨一下如何正确的拥抱 Elasticsearch。

9大训练营免费开营！阿里云大数据团队的独门绝学全在这了

即日起，阿里云大数据训练营九营齐开！理论与实践，概念与案例，大数据从0到1上手学习，行业大神真人带练！

Elasticsearch 场景化检索及全观测运维介绍

基于Elasticsearch场景化检索及全观测运维解决方案的介绍，内容包括Elasticsearch产品介绍，电商零售分析检索能力与解决方案，以及在线教育全观测运维监控能力与解决方案。

大神都这么做，让 Kibana 搜索语法 query string 也能轻松上手

kibana 的搜索框默认选择了 query string 的搜索语法，虽然简洁却不简单，本文来帮大家如何轻松上手；

PB级数据量背后阿里云 Elasticsearch 的内核优化实践

本文将揭秘阿里云在面对 PB 级数据量挑战下所做的内核优化实践。

这些行业用阿里云 Elasticsearch 弹性伸缩能力，将减少47%成本

弹性伸缩帮助用户根据定时/定量等策略，自动触发资源auto scaling，最大程度保证业务服务质量，并尽可能的减少低峰期的资源使用成本及人力运维负担。

运用 geoip 处理器来丰富 Elasticsearch 数据

Geoip 处理器可以解析 IPv4 和 IPv6 地址，根据来自 Maxmind 数据库的数据添加有关 IP 地址地理位置的信息，并将此信息添加到 geoip 字段下。

Elasticsearch 如何实现 SQL 语句中 Group By 和 Limit 的功能

给大家讲一条常见的 SQL 语句如何用 Elasticsearch 的查询语言实现。

搜“apple”不返回“Apple”？你需要了解 Elasticsearch Normalizer

在 Elasticsearch 中处理字符串类型的数据时，如果我们想把整个字符串作为一个完整的 term 存储，我们通常会将其类型 type 设定为 keyword。但有时这种设定又会给我们带来麻烦，比如同一个数据再写入时由于没有做好清洗，导致大小写不一致，比如 apple、Apple 两个实际都是 apple，但当我们去搜索 apple 时却无法返回 Apple 的文档。要解决这个问题，就需要 Normalizer 出场了。

初次使用 Elasticsearch 遇多种分词难题？那是你没掌握这些原理

命名有包含搜索关键词的文档，但结果却没有？存进去的文档被分成哪些词(term)了？自定义分词规则，但感觉好麻烦呢，无从下手？

【最佳实践】使用 Elasticsearch SQL 实现数据查询

如何使用 Elasticsearch SQL 来对我们的数据进行查询。

剖析 Elasticsearch 源码，解读 ES 在 index、create 时的原理

“源码面前，了无秘密”

【最佳实践】Elasticsearch Snapshot 备份的使用方法

常见的数据库都会提供备份的机制，以解决在数据库无法使用的情况下，可以开启新的实例，然后通过备份来恢复数据减少损失。

Elasticsearch 字段类型之 Range 经典应用场景

Elasticsearch 产品功能越来越强大，字段类型支持很多种，部分类型还引入了专用的算法。一个客户企业选中 Elasticsearch 作为搜索中台，居然是看中了 Elasticsearch 的 Range 字段类型，下面就围绕这个 Range 类型展开。

【最佳实践】Elastic stack 实时分析下你的Redis slowlog

Redis 是目前最流行的 NoSQL 内存数据库，然而如果在使用过程中出现滥用、乱用的情况，很容易发生性能问题，此时我们就要去关注慢查询日志，本文尝试给大家介绍一种通过 elastic stack 来快速分析 Redis 慢查询日志的方法，希望能给大家提供帮助。

【最佳实践】ingest对异源数据结构化处理，并由Elastic Stack实现可观测性分析

本文将讲述如何运用Elasticsearch的 ingest 节点实现数据结构化，并对数据进行处理。

Elasticsearch对垒8大竞品技术，孰优孰劣？

简要用Elasticsearch与其它8中数据产品做了个对比，基于很多业务场景对比，代表了笔者对于Elasticsearch优胜劣汰的看法

【最佳实践】一文掌握并应用Elasticsearch中的GC实现垃圾日志处理

你是否了解 GC 日志？以及如何通过GC，来解决何时找到、何时处理以及如何处理垃圾日志？

【最佳实践】如何使用 Elasticsearch ingest 节点来丰富日志和指标

丰富化是将权威来源的数据合并到文档中的过程，当将这些数据导入到 Elasticsearch 中时，并用其他信息丰富文档，通常可以帮助我们更好的对信息进行搜索或查看数据。

Elasticsearch集群模式知多少？

Elasticsearch经过多年发展，集群模式已经非常成熟，涵盖的技术点非常多，对于使用者来说，掌握并熟练运用至关重要。那么Elasticsearch有多少种集群模式呢？当前适合哪种集群模式？

【最佳实践】不可不掌握的2种有效减少Logstash启动等待时间的使用技巧

Logstash 是 Elastic Stack 中功能最强大的 ETL 工具，相较于 beats 家族，Logstash 略显臃肿，但却功能丰富及处理能力强大。大家在使用的过程中肯定体验过其启动时的慢吞吞，那么有什么办法可以减少 Logstash 的启动等待时间，提高编写其处理配置文件的效率呢？本文给大家推荐一个小技巧，帮助大家解决如下两个问题，让大家更好地与这个笨重的大家伙相处。

【最佳实践】Elasticsearch 运用 shard filtering 实现冷热节点索引分配

在 Elasticsearch 的部署中，由于 node（节点）能力不同，会用来做不同的用途：运算能力较强的节点可以用来做 indexing（建立索引表格）的工作，而那些能力较差一点的节点，我们可以用来做搜索用途，这就是我们常说的 hot / warm 架构。

一次有趣的Elasticsearch+矩阵变换聚合实践

Elasticsearch 聚合功能非常丰富，性能也相当不错，特别适合实时聚合分析场景，但在二次聚合上也有明显短板。本项目是一个基于日期维度做预处理的技术方案，以下是结合 Elasticsearch 优缺点扬长避短的一次尝试性实战，非常有意思，希望可以带来一些参考，同时欢迎各种讨论。

Ali Elasticsearch内核最新小版本1.2.0发布

【资源分享】esrally：Elasticsearch 官方压测工具测试数据共享（国内）

自从上篇发布的关于“【最佳实践】esrally：Elasticsearch 官方压测工具及运用详解”后，不停有同学询问使用中遇到的问题，尤其是测试数据存储在国外 aws 上，导致下载极慢的情况出现。为了让大家快速上手使用 esrally，我 build 了一个可用的 docker 镜像，将 13GB 的测试数据拉取到国内的存储上，通过百度网盘的方式分享给大家。大家只要按照下面简单的几步操作就可以顺畅地使用 esrally 来进行相关测试了。

【最佳实践】简单配置，实现Filebeat多行日志传送

在解决应用程序问题时，多行日志为开发人员提供了宝贵的信息。 堆栈跟踪就是一个例子。 堆栈跟踪是引发异常时应用程序处于中间的一系列方法调用。 堆栈跟踪包括遇到错误的相关行以及错误本身。

【最佳实践】esrally：Elasticsearch 官方压测工具及运用详解

由于 Elasticsearch（后文简称 es） 的简单易用及其在大数据处理方面的良好性能，越来越多的公司选用 es 作为自己的业务解决方案。然而在引入新的解决方案前，不免要做一番调研和测试，本文便是介绍官方的一个 es 压测工具 esrally，希望能为大家带来帮助。

【最佳实践】Transforms数据透视让Elasticsearch数据更易分析

Transforms 使您能够从 Elasticsearch 索引中检索信息，对其进行转换并将其存储在另一个索引中。 使您能够透视数据并创建以实体为中心的索引，这些索引可以汇总实体的行为。 这会将数据组织成易于分析的格式。让我们使用Kibana示例数据来演示如何使用变换来透视和汇总数据。

DB 与 Elasticsearch 混合应用之数据离线同步

详细介绍如何解决DB到Elasticsearch数据离线同步问题

DB 与 Elasticsearch 混合应用之数据实时同步

详细介绍如何解决DB到Elasticsearch数据实时同步问题

【最佳实践】Filebeat实现MySQL日志轻量化发送至Elasticsearch

在今天的文章中，我们来详细地描述如果使用Filebeat把MySQL的日志信息传输到Elasticsearch中。

Ali Elasticsearch内核最新小版本1.0.2发布

DB 与 Elasticsearch 混合之应用系统场景分析探讨

从技术、业务两个层面探讨，为什么要使用 DB 结合 ES 混用的模式。

从MongoDB迁移到Elasticsearch后，我们减少了80%的服务器

本文介绍“为什么要从MongoDB迁移到Elasticsearch？”以及“如何从MongoDB迁移到Elasticsearch？”。

【最佳实践】阿里云Logstash JDBC实现Elasticsearch与关系型数据库保持数据同步

为了充分利用阿里云 Elasticsearch 提供的强大搜索功能，很多公司都会在关系型数据库的基础上，部署 Elasticsearch。这种情况下，则需要确保 Elasticsearch 与所关联关系型数据库中的数据保持同步。 在本篇博文中，我会演示如何使用 Logstash 高效复制数据，将关系型数据库阿里云 RDS 中的数据更新同步到 Elasticsearch 中。

【最佳实践】Beats导入RabbitMQ日志至阿里云Elatic Stack实现可视化分析

RabbitMQ是一个开放源消息代理，创建于2007年以实现 AMQP，并且在过去的十二年中，不断增加插件列表，目前已包括 HTTP，STOMP，SMTP 和其他协议。它也是 Kafka 的一个强劲的竞争者。

【最佳实践】阿里云 Elasticsearch 索引数据生命周期管理

索引生命周期管理（ILM）是指：ES数据索引从设置，创建，打开，关闭，删除的全生命周期过程的管理；为了降低索引存储成本，提升集群性能和执行效率，我们可以通过对存储在阿里云 Elasticsearch 的数据做生命周期管理。