说明执行truncate，表的统计信息不会被删除，除非执行了统计信息采集，truncate table和表和索引的统计信息，没有任何关联。
A multi-bucket value source based aggregation that enables the user to define a set of ranges－每个代表一个bucket。
在使用logstash收集日志的时候，我们一般会使用logstash自带的动态索引模板，虽然无须我们做任何定制操作，就能把我们的日志数据推送到elasticsearch索引集群中，但是在我们查询的时候，就会发现，默认的索引模板常常把我们不需要分词的字段，给分词了，这样以来，我们的比较重要的聚合统计就不准确了： 举个例子，假如有10台需要的监控的机器，他们的机器名如下： Java代码 search-0-170 search-1-171 search-2-172 search-3-173
统计信息是个非常有用的东东，没有它，SQL优化器就好比巧妇难为无米之炊！良好高效的SQL执行计划依赖于真实的统计信息。然而在有些情况下，比如对比生产环境与测试环境执行计划，需要使用生产环境的统计信息。而有时候呢则需要还原Oracle历史统计信息。本文基于后者即如何还原历史统计信息来展开，同时描述了11g缺省情况下对于统计信息的调度。
为了能够把日期字段处理成日期，把数字字段处理成数字，把字符串字段处理成全文本（Full-text）或精确（Exact-value）的字符串值，Elasticsearch需要知道每个字段里面都包含什么数据类型。这些类型和字段的信息都存储在映射（mapping）中。
有一个问题被关注的比较少，就是ES对本地磁盘的占用情况。有人可能觉得这个问题的答案显而易见，不就是ES软件本身占用的空间，还有索引数据持久化占用的磁盘空间，另外就是一些日志了。
使用Elasticsearch时，了解字段的概念，是必不可少的。毕竟无论是es还是传统的数据库，都无法弱化字段的类型。 背景知识 在Es中，字段的类型很关键： 在索引的时候，如果字段第一次出现，会自动识别某个类型，这种规则之前已经讲过了。 那么如果一个字段已经存在了，并且设置为某个类型。再来一条数据，字段的数据不与当前的类型相符，就会出现字段冲突的问题。如果发生了冲突，在2.x版本会自动拒绝。 如果自动映射无法满足需求，就需要使用者自己来设置映射类型，因此，就需要使用者了解ES中的类型。 下面就步入正
Oracle中的统计信息相信大家都不陌生，统计信息中有Pending Statistics这个概念。
当表没有做分析的时候，Oracle 会使用动态采样来收集统计信息。 获取准确的段对象（表，表分区，索引等）的分析数据，是CBO存在的基石，CBO的机制就是收集尽可能多的对象信息和系统信息，通过对这些信息进行计算，分析，评估，最终得出一个成本最低的执行计划。
/** * 基于lucene 如何创建index【索引】 * @param indexPath 索引文件路径 * @param analyzer 分词器 * @param list 文档对象集合 * @throws Exception */ public static void createIndex(String indexPath,Analyzer analyzer,List<Document> list
http://www.eygle.com/special/How.to.Install.Orabm.TPC.htm
学习目标 分析器的组成 内置分析器 什么是mapping 手动创建mapping mapping复合数据类型 参考Elasticsearch权威指南 分析器的组成 分析器(analyzer)就是将一句话切分成各个词语，同时也可能对单词就行时态转化，单复数转化等，方便es建立倒排索引，主要由字符过滤器、分词器、标记过滤组成。 字符过滤器(character filter)主要是在分词之前对句子进行预处理，比如将html过滤掉，将&转成and 分词器(tokenizer)被标记化成独立的词。一个简单的分词器
=========================================================
浏览器访问http://localhost:5601 ， 可以看的界面，说明配置正确。
修改KubeVirt的源码后需要重新部署，流程是：打包编译，生成docker image，push到镜像仓库，用生成的镜像部署到Kubernetes上。
现在我们已经讨论了搜索结构化数据的一些简单用例，是时候开始探索全文搜索了 - 如何在全文字段中搜索来找到最相关的文档。
获取准确的段对象（表、表分区、索引等）的分析数据，是CBO存在的基石。所以数据段的分析对于CBO来讲非常的重要。
索引建立优化 { "settings": { // 副本数 "number_of_replicas": 0, // 分片数 "number_of_shards": 5, // 存储类型 "index.store.type": "niofs", // 默认查询字段 "index.query.default_field": "title", // 节点掉线延迟时间 "index.unassigned.node_left.dela
sonar是搞代码质量测试的一款开源工具。SonarQube是sonar的Web服务端，用来发布应用和在线浏览（分析），sonar-scanner用于扫描源码， 将代码写入数据库之类的地方，便于sonarqube进行分析
在前面概要的了解了lucene的内容下面就深入一下lucene的各个模块。这里我们主要深入一下lucene的索引，就是如何构建索引的过程及概念。 lucene与关系型数据库 从两个角度比较一下吧，一个是从索引方面，一个是模糊查询，其实归为一类的化就是全文检索的对比。 1、索引的对比 对比项 全文检索库（Lucene） 关系型数据库 核心功能 以文本检索为主，插入、删除、修改比较麻烦，适合于大文本块的查询。 插入、删除、修改十分方便，有专门的SQL命令，但对于大文本块类型的检索效率较低。 库 与
===================================================================
MOP 不用多说，指的就是 MySQL、Oracle、PostgreSQL 三种目前最主流的数据库，MOP 系列打算更新 MOP 三种数据库的索引知识、高可用架构及常用 SQL 语句等等，上面已经更新了 MOP 索引相关的文章，今天打算整理一下这三种数据库的常用 SQL 知识，但由于文章过长，今天分享 Oracle 篇。
本站文章除注明转载/出处外，均为本站原创，转载前请务必署名,转载请标明出处
这段例子代码用的Lucene.Net2.9.2版本。现在最新版本是Lucene.Net3.0;Lucene.Net可以使用NuGet的安装得到
注：字符串范围适用于一个基数较小的字段,一个唯一短语个数较少的字段.你的唯一短语数越多,搜索就越慢。
==========================================
之前发布过一篇文章 发布一个开源小项目 rules_docker_for_insecure_registries
因此，为了使数据更有意义或从可用数据中提取更多价值，必须快速解释和分析它。这是Python数据可视化库通过生成图形表示和让数据说话所擅长的地方。通过这种方式，我们可以发现大量数据背后所有可能的趋势和模式。
es支持大多数java里面的数据类型： （一）核心数据类型： （1）string： 默认会被分词，一个完整示例如下 Java代码 "status": { "type": "string", //字符串类型 "index": "analyzed"//分词，不分词是：not_analyzed ，设置成no，字段将不会被索引 "analyzer":"ik"//指定分词器 "boost":1.23//字段级别的分数加权
精确值和全文 1.ES的数据可以分为精确值和全文 2.精确值比如date类型或者long类型，全文指string类型(匹配) 分析过程： 1.文本分成适合倒排索引的独立的词条 2.将词条标准格式化为可搜索 2.1 字符过滤：去掉html或者&转换为and 2.2 分词器：其次字符串被分词器分成单个词条 2.3 过滤器：词条按照顺序通过token过滤器（小写化、删除无用词、增加同义词） 分析器使用场景： 当你查询一个 全文 域时， 会对查询字符串应用相同的分析器，以产生正确的搜索词条列表
Elasticsearch 能够自动检测字段的类型并进行映射，例如引号内的字段映射为 String，不带引号的映射为数字，日期格式的映射为日期等等，这个机制方便了我们快速上手 ELK，但是后期我们经常需要对一些特定的字段进行定制，之前本人有一篇文章进行这方面的尝试Logstash中如何处理到ElasticSearch的数据映射，但对于默认映射规则没有介绍，本文就来探讨一些默认的动态映射规则。
意思是，在ES中原始的文本会存储在_source里面（除非你关闭了它）。默认情况下其他提取出来的字段都不是独立存储的，是从_source里面提取出来的。当然你也可以独立的存储某个字段，只要设置store:true即可。
一直想找一个快速全文搜索的工具，目前找到的有Sphinx,xapian,Lucene,solr, elasticsearch ,whoosh,hyper estraier等，原本一直不太喜欢用java系的，内存大户伤不起啊。尝试了sphinx,xapian,hyper estraier,其中xapian资料太少，hyper estraier虽然比较简单，但资料也少。sphinx到是有一个中文化的分支coreseek，然后看到文档里面提到sphinx支持一元切分，但根 据查询的例子去查的结果不是我想要的，不知道是不是我的查询语句用错了。而且因为我是在windows上测试的，而我的python又是2.7的版本，无 法在 coreseek 上直接使用，应该需要重新编译。后来看到 elasticsearch ，真是亮瞎老夫的狗眼啊，这货直接可以用restful json操作又有pyes,pyelasticsearch这些已经封装好的操作库。 elasticsearch 还是支持分布式，扩展也方便了。由于是java开发的，跨平台也无问题，默认单机尝试的时候无须改配置，直接运行 bin/elasticsearch.bat 就可以了。
最近在使用 ElasticSearch，于是简单看了一下内部实现，看到 DocValues的地方发现网上的翻译很是拗口，于是就有了下面的这篇文章。
前端时间利用ES开发一个"附近地理位置+其它信息"查询搜索的功能(据了解，Redis和PostgreSQL也能实现同样的功能)，实践中遇到了不少的问题，所以通过这篇文章记录下踩填坑过程。
KubeVirt替换virt-lantch中的libvirt的版本 参考之前发布的文章KubeVirt替换virt-lantch中的libvirt的版本
一张2000万的数据表和一张50万的数据表关联查询，关联的条件是=号和>号，还有一些其他等值条件，查询时间要15秒，关键这条语句要查询好多次，在SQL ordered by Reads、SQL ordered by User I/O Wait Time、SQL ordered by Elapsed Time中都能看到这条语句的身影，所以必须要优化。
在Oracle 10g后有个隐含参数“_OPTIMIZER_COMPUTE_INDEX_STATS”，意思是是否对新建索引收集统计信息，该参数默认是TRUE，表示默认收集新建索引的统计信息。
在使用CBO优化器模式的Oracle数据库中，统计信息是CBO生成最佳执行计划的重要依据。这些统计信息通常包括列级、表级、索引、系统级别的统计信息等。所有的这些统计信息都可以被备份，导入导出也可以被锁定与解锁。因此相应地，我们可以导出列级、表级、索引、系统级别的统计信息。通过导出导入统计信息，可以在测试环境来模拟产生环境进行数据库性能优化，SQL调优等。本文主要描述了基于schema级别导出导入统计信息到不同的数据库。
亚历克斯少年努内斯达席尔瓦，马修斯蒙塔尼尼简报， 赫苏斯帕斯夸尔梅纳-查尔科， 法布里西奥马丁斯洛佩斯
"Set the shape to semi-transparent by calling set_trans(5)"
项目结构大家可以先看看：lucene(全文搜索)_根据内容建立索引_源码下载 索引的恢复/更新操作 1 /** 2 * 把删除的索引进行恢复操作 3 */ 4 public void recover() { 5 IndexReader reader = null; 6 try { 7 // readOnly默认为true，要把readOnly设置为false 8 reader = I
如果要分析某条SQL的性能问题，通常来讲，我们首先要看SQL的执行计划，看看SQL的每一步执行计划是否存在问题。
这个肯定厉害了，是「大家闺秀」，是「名门望族」，是「根红苗正」的GWAS分析软件。
作者个人研发的在高并发场景下，提供的简单、稳定、可扩展的延迟消息队列框架，具有精准的定时任务和延迟队列处理功能。自开源半年多以来，已成功为十几家中小型企业提供了精准定时调度方案，经受住了生产环境的考验。为使更多童鞋受益，现给出开源框架地址：
Lucene.net是Lucene的.net移植版本，是一个开源的全文检索引擎开发包，即它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎。开发人员可以基于Lucene.net实现全文检索的功能。
我这里用的版本是ES6.4.1 , 只要是5.X以上的版本都使用。目前ES的版本已经到了7.0.
可以通过 update-index-settings API 修改settings信息 完成对副本数量的修改。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
