آموزش نمایه سازی داده ها در Elasticsearch

Indexing Data in Elasticsearch

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: این دوره معماری توزیع فهرست Elasticsearch ، پیکربندی خوشه ، خرده ریزها و کپی ها ، مدل های شباهت ، جستجوی پیشرفته و اسناد ترکیبی از زبان را توضیح می دهد ، همه اینها عملکرد جستجوهای جستجو را بهبود می بخشد. همه را بزرگ کنید بررسی اجمالی دوره دهه یکم معرفی معماری توزیع فهرست دهه 58 58 اجرای کنترل شاخص سطح پایین 50 متر 29s بهبود تجربه جستجوی کاربر 38 متر 28 ثانیه سر و کار داشتن با زبانهای انسانی 17m 17s علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

معرفی معماری توزیع فهرست Introducing the Index Distribution Architecture

  • بررسی اجمالی ماژول Module Overview

  • پیش نیازها و بررسی اجمالی دوره Prerequisites and Course Overview

  • نسخه ی نمایشی: نصب Elasticsearch بر روی یک ماشین محلی Demo: Elasticsearch Installation on a Local Machine

  • نسخه ی نمایشی: پلاگین Elasticsearch Head Demo: The Elasticsearch Head Plugin

  • معماری توزیع شده Distributed Architecture

  • نسخه ی نمایشی: پیکربندی ماشین های مجازی در بستر Google Cloud Demo: Configuring VMs on the Google Cloud Platform

  • سناریوی Split-brain The Split-brain Scenario

  • نسخه ی نمایشی: پیکربندی و اجرای خوشه Demo: Configuring and Running a Cluster

  • خرده ریزها و کپی ها Shards and Replicas

  • نسخه ی نمایشی: خرده ریزها و داده ها Demo: Shards and Data

  • تخصیص خرده ریزها و کپی ها Allocating Shards and Replicas

  • نسخه ی نمایشی: مسیریابی به یک خرده ریز خاص Demo: Routing to a Specific Shard

  • نسخه ی نمایشی: مسیریابی با استفاده از نام های مستعار Demo: Routing Using Aliases

  • نسخه ی نمایشی: تنظیمات نمایش داده شد Demo: Query Preferences

اجرای کنترل شاخص سطح پایین Executing Low-level Index Control

  • بررسی اجمالی ماژول Module Overview

  • الگوریتم ارتباط TF/IDF The TF/IDF Relevance Algorithm

  • درک مدل تشابه BM25 Understanding the BM25 Similarity Model

  • نسخه ی نمایشی: پیکربندی مدل های شباهت Demo: Configuring Similarity Models

  • نسخه ی نمایشی: پیکربندی مدل های شباهت در هر زمینه Demo: Configuring Per-field Similarity Models

  • نسخه ی نمایشی: مدل های مشابهت سفارشی Demo: Custom Similarity Models

  • ادغام بخشها Merging Segments

  • نسخه ی نمایشی: بخش های ادغام را مجبور کنید Demo: Force Merge Segments

  • ذخیره سازی Caching

  • نسخه ی نمایشی: Shard Request Caching Demo: Shard Request Caching

  • نسخه ی نمایشی: ذخیره کوئری Demo: Query Caching

بهبود تجربه جستجوی کاربر Improving the User Search Experience

  • بررسی اجمالی ماژول Module Overview

  • جستجوی متن کامل و جستجوی کلمات کلیدی Full Text Search and Keyword Search

  • آنالایزرها Analyzers

  • س Quالات عبارتی در مقابل س Mالات مطابقت Term Queries vs. Match Queries

  • نسخه ی نمایشی: نمایش داده شد Demo: Term and Match Queries

  • نسخه ی نمایشی: جستجوی مدت حساس به پرونده با نرمالایزرها Demo: Case Insensitive Term Searches with Normalizers

  • نسخه ی نمایشی: پیشنهاد دهندگان Demo: Suggesters

  • نسخه ی نمایشی: جستجوی فازی Demo: Fuzzy Search

  • نسخه ی نمایشی: تکمیل خودکار Demo: Autocomplete

سر و کار داشتن با زبانهای انسانی Dealing with Human Languages

  • بررسی اجمالی ماژول Module Overview

  • نسخه ی نمایشی: ایجاد یک شاخص برای هر زبان Demo: Creating an Index Per Language

  • نسخه ی نمایشی: تنظیم یک تحلیلگر زبان در هر زمینه Demo: Setting a Per-field Language Analyzer

  • نسخه ی نمایشی: چند زبان در همان زمینه Demo: Multiple Languages in the Same Field

  • نسخه ی نمایشی: پلاگین ICU Demo: The ICU Plugin

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش نمایه سازی داده ها در Elasticsearch
جزییات دوره
2h 46m
41
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
32
4.6 از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.