检索分析服务 Elasticsearch版

在我之前的许多文章中，我基本上都已经讲到了这些方面的内容。在今天的文章中，我想针对一些开发还没有自己的系统，比如 centos 或 Ubuntu OS 来写一篇非常详细的文章

在我之前的许多文章中，我基本上都已经讲到了这些方面的内容。在今天的文章中，我想针对一些开发还没有自己的系统，比如 centos 或 Ubuntu OS 来写一篇非常详细的文章。

这篇文章是 “Beats 入门教程 （一）”的续篇。在上一篇文章，我们主要讲述了 Beats 的一些理论方面的知识。在这篇文章中，我们将具体展示如何使用 Filebeat 及 Metriceat 把数据导入到我们的 Elasticsearch 并对他们进行分析。

在今天的这个教程里，我们来针对初学者如何快速地了解 Beats 是什么，并如何快速地部署 Beats。如果你想了解更多关于 Beats 方面的知识，可以参阅我的文章。

在我们的数据中，虽然我们没有经纬度数据，但是我们发现有一个叫做 NOC 的字段。它代表运动员来自那个国家。在我之前的文章 “Kibana：通过 Elastic Maps 中的全局行政区层为 IP 分析带来新见解”，我展示了如何使用行政区来展示数据。针对我们的奥运情况，我们可以展示一下奥运运动员分别在哪些国家。

这是我的上一篇文章 “使用 Elastic Stack 来分析奥运数据（一）” 的续篇。在上一篇文章中，我详细介绍了如何把数据上传到 Elasticsearch 中。在今天的这篇文章中，我将着重来讲述如何实现针对这个 olympic 索引进行可视化。

最近冬奥会在中国北京顺利举行。这是一件举国高兴的事。在历届都有许多的奥运数据，我们是否可以使用 Elastic Stack 来分析这些数据，并为我国的体育事业提供一些洞察呢？

在 实际的 Kibana 使用中，我们经常会使用到 filter。比如，当我们进行威胁捕获时，我们通过 filter 的使用，快速地定位那些异常的服务器，并采取相应的行动。filter 可以很方便地帮我们筛选所需要的数据，更重要的是它很方便地让我们随时编辑，启动或者禁止这个 filter 的使用。过滤器在很多方面与搜索非常相似。

我们知道 Kibana 作为 Elasticsearch 的数据呈现及分析，在 Kibana 中，search 几乎遍布所有的页面。搜索对于 Elastic 至关重要。了解如何在 Kibana 中进行搜索时非常重要的。它不仅仅限于我们对于输入字的搜索，或者对于一些词的过滤。

使用 Maps 应用来进行可视化

这篇文章是是上一篇文章 “Kibana：Kibana 入门 （一）” 的续篇。在阅读这篇文章之前，请先阅读上面的这篇文章。

在我之前的文章 “如何开始使用 Kibana”，我对 Kibana 做了一个简单的介绍。从那篇文章中，我们可以对 Kibana 有一个初步的了解

Kibana 是用于在 Elasticsearch 中可视化数据的强大工具。 这是开始探索你的 Elasticsearch 数据的方法。Kibana 是一种开源分析和可视化工具，可通过基于浏览器的界面轻松搜索，可视化和探索大量数据。 除了 Elasticsearch，Logstash 和 Beats 之外，Kibana 是 Elastic Stack（以前称为 ELK Stack）的核心部分。

2月22日 18:30，阿里巴巴资深技术专家为您揭秘自研ES日志引擎核心技术

Elasticsearch 是一个非常强大的搜索引擎。

Elasticsearch 的前世今生

Elasticsearch 中的一些重要概念: cluster, node, index, document, shards 及 replica

如何在 Linux，MacOS 及 Windows 上进行安装 Elasticsearch

Kibana：如何在 Linux，MacOS 及 Windows 上安装 Elastic 栈中的 Kibana

开始使用 Elasticsearch （1）

开始使用 Elasticsearch （2）

开始使用 Elasticsearch （3）

Elasticsearch：inverted index，doc_values 及 source

Elasticsearch: 理解 mapping 中的 store 属性

Elasticsearch: Index template

Elasticsearch：可组合的 Index templates - 7.8 版本之后

Elasticsearch：Dynamic mapping

Elasticsearch：Index alias

Elasticsearch：使用 alias 数据类型来遵循 ECS (Elastic Common Schema)

Elasticsearch：运用 scroll 接口对大量数据实现更好的分页

Elasticsearch：运用 search_after 来进行深度分页

Elasticsearch：分页搜索结果

Elasticsearch: Reindex 接口

Elasticsearch: Ngrams, edge ngrams, and shingles

Elasticsearch： Join 数据类型

Elasticsearch: nested 对象

如何使用 Elasticsearch 中的 copy_to 来提高搜索效率

Elasticsearch：fielddata 介绍

Elasticsearch：分布式计分

Elasticsearch：使用 function_score 及 script_score 定制搜索结果的分数

Elasticsearch：定制分词器（analyzer）及相关性

Elasticsearch：Elasticsearch 中的 refresh 和 flush 操作指南

Elasticsearch：理解搜索中的 precision 及 recall

Elasticsearch: Ngrams, edge ngrams, and shingles