cse

Centos5.6 VNC安装配置一、检查是否安装了VNC的服务端和客户端[root@localhost ~]# rpm –q vnc vnc-server使用如上命令查看是否安装VNC的服务端和客户端。如果显示如下，说明已经安装[root@tenjak-250 ~]# rpm -q vnc vnc-servervnc-4.1.2-14.el5_5.4vnc-server-4.1.2-14.el5_5.4如果什么都没显示说明没有安装，则需要安装[root@localhost ~]# yum install vnc vnc-server二、配置VNC1、 切换到想启动VNC服务的用户下执行vncserver，启动VNC并在该用户家目 录里面生成远程桌面配置文件，这里就以root用户为例需要在每个用户下启动vncserver，生成该用户远程桌面连接时的配置文件以及访问密码，方法就是切换到每个用户，执行 vncserver。（注释：在启动VNCserver时，你也可以为server指定一个display参数。你可以把display理解为一个桌面，每个用户都可以有自己的桌面。VNC客户端在连接时，可以指定连接到哪个桌面上。在系统中，display号不能重复，也就是说，如果有用户已经建立了名为“:1”的display，另外一个用户就不能再使用“:1”了，他可以使用“:2”。指定display号码的启动VNC server的命令是： vncserver : 1）[root@localhost ~]# vncserver //运行vncserver。You will require a password to access your desktops.enter password: //首次运行会让你设置密码，密码要求6位以上verify password: //确认密码xauth: creating new authority file /root/.Xauthority #首次运行会生成本用户的相关配置文件，以及日志文件，生成位置在~.vnc/目录下New "CPAYNET005:1 (root)" desktop is CPAYNET005:1 注意这个数字1Creating default startup script /root/.vnc/xstartupStarting applications specified in /root/.vnc/xstartupLog file is /root/.vnc/CPAYNET005:1.log #注意这个数字[root@localhost ~]# vncserver -kill :1 #杀死刚才运行的vncserver，数字1正是上面1.log那个1。注意上面红色字体。这个方法也可以[root@localhost ~]# vi ~/.vnc/xstartup #编辑这个配置脚本文件，配置使远程登录为gnome或者kde桌面。[cpp] view plaincopy#!/bin/sh # Uncomment the following two lines for normal desktop: #unset SESSION_MANAGER #e xec /etc/X11/xinit/xinitrc [ -x /etc/vnc/xstartup ] && exec /etc/vnc/xstartup [ -r $HOME/.Xresources ] && xrdb $HOME/.Xresources xsetroot -solid grey vncconfig -iconic & #xterm -geometry 80x24+10+10 -ls -title "$VNCDESKTOP Desktop" & gnome-session & #set starting GNOME desktop #startkde & #kde desktop #twm & #Text interface 如果还要为其它的用户名配置vnc，方法同上，只需要改一下端口号就行2.接下来编辑vnc的配置文件[root@localhost~]#vi /etc/sysconfig/vncservers以下是文件内容：[cpp] view plaincopy# # Uncomment the line below to start a VNC server on display :1 # as my "myusername" (adjust this to your own). You will also # need to set a VNC password; run "man vncpasswd" to see how # to do that. # # DO NOT RUN THIS SERVICE if your local area network is # untrusted! For a secure way of using VNC, see # . # VNCSERVERS="1:myusername" # VNCSERVERS="1:gavin 2:john" # use the method for more user VNCSERVERS="1:root " VNCSERVERARGS[1]="-geometry 1024x768" 解释一下这个文件：VNCSERVERS这一行是配置在系统启动时启动几个VNC server，上面的例子里运行了一个VNC server，root在display:1 VNCSERVERARGS这行，为VNC server 1配置启动参数，上面的例子里对root使用屏幕分辨率1024×768。设置完成后就可以启动vncserver服务了。[root@localhost~]#/sbin/service vncserver restart 防止VNC已经启动，我们用重新启动的命令以防万一启动失败的原因有：1./etc/sysconfig/vncservers文件参数不对2.没有为vncservers提到的用户生成各自的配置文件3.在生成配置文件后，没有使用命令vncserver -kill :1 将那个进程杀死 --------------------------------------------------------------------------------------------------------------------3. 如果连不通，需要配置一下防火墙，允许VNC客户端连接VNC server。 （此步不一定要）VNC server监听的端口从5900开始，display:1的监听5901，display:2监听5902，以此类推。CentOs的防火墙缺省是不允许连接这些端口的，所以需要使用下面的步骤打开防火墙（需要root权限)： vi /etc/sysconfig/iptables vi /etc/sysconfig/iptables 找到下面的语句：-A RH-Firewall-1-INPUT -j REJECT –reject-with icmp-host-prohibited在此行之前，加上下面的内容：-A RH-Firewall-1-INPUT -m state –state NEW -m tcp -p tcp –dport 5900:5903 -j ACCEPT这句话的含义是，允许其它机器访问本机的5900到5903端口，这样，display:1, display:2, display:3的用户就可以连接到本机。然后使用root身份重新启动防火墙：[root@localhost~]#/sbin/service iptables restart[root@localhost~]#/sbin/service iptables restart（注：如果是用做实验的机器，可以干脆用/sbin/service iptables stop来关掉防火墙）好了，现在就可以运行客户端软件，连接到VNC server上了。VNC客户端软件很多，在linux下有vncviewer，KDE还提供了一个krdc（它的菜单项就是”Remote Desktop Connection”，远程桌面连接）。在window也有不少vnc客户端，你可以到http://www.realvnc.com/去下载一个，安装就可以用了。假设VNC server的IP地址是192.168.1.1，display是:1。在VNC viewer的server栏中输入：“192.168.1.1:1”，然后连接。OK，你可以看到自己的桌面了。a、在linux下，运行vncviewer命令即可，服务器地址的写法形如192.168.3.119:1b、在windows下，运行windows版本的vncviewer即可，用法与linux下相近。c、用浏览器（平台无关），作为java applet来实现，以形如http://192.168.3.119:5801的方式来启动 （vnc端口从5800开始依次类推，一般会是5800，5900） ------------------------------------------------------------------------------------4.设置vncserver为自动启动服务 （此步不一定要）如果server重启了，那你就需要重新运行一次vncserver命令来启动VNC server，这很麻烦。有没有更好的方法呢？有！我们可以把VNC server启动成后台服务。四种方法，我使用的是第三种方法C：A方法：执行如下步骤：首先要允许VNC server在系统启动过程中被启动。这可以通过“系统设置–>服务器设置–>服务”菜单来配置，把vncserver一项选上就可以了。B方法：如果使用命令行的话，以root身份运行以下两条命令：cd / etc / rc5 . d cd / etc / rc5 . dmv K35vncserver S35vncserver编辑好这个文件后，保存，然后以root身份运行：以后每次系统重启时，都会自动启动这三个用户的vncserver。注意：上面三个用户必须已经使用vncpasswd命令设置过vnc密码，不然他的vncserver启动会失败！C方法： [root@localhost ~]# chkconfig vncserver onD方法： 把这行命令/etc/init.d/vncserver start加到/etc/rc.local启动项里。 ----------------------------------------------------5.查看vnc启动情况 重启vncserver# /sbin/service vncserver restartShutting down VNC server: 1:gavin [ OK ]Starting VNC server: 1:gavin 　　　　# netstat -tulnp

A-Level（General Certificate of Education Advanced Level ），英国高中课程，是英国全民课程体系，是英国普通中等教育证书考试高级水平课程，也是英国学生的大学入学考试课程。A-Level课程证书被几乎所有英语授课的大学作为招收新生的入学标准。 在中国开设A-Level课程旨在为中国学生提供进入国外大学的有效途径，具体目标为：培养在国内初高中成绩优秀的学生进入世界顶尖大学；培养在国内初高中成绩中等的学生进入世界一流大学；培养在国内初高中成绩一般的学生考取适合自己的大学。IGCSE 是International General Certificate of Secondary Education，是目前国外14岁至16岁全世界考试最多人数的体系之一，是CIE（Cambridge International examination）, 剑桥全球测试的一部分。其证书，只要是说英文的国家地区均会得到承认， 该考试相当于我们理解的“SSAT”，唯一不同的是：若同学想申请英国名校剑桥，牛津大学等相近英系大学，此考试成绩是申请的重要参考之一。 因中英教育体系的不同，高中的GPA成绩换算，英国无标准，不能准确了解学员的智力和学术能力，所以该考试成绩很有必要。

剑桥国际CIE考试历年真题及答案 （1）AS & A Level 数学Mathematics (9709)CIE考试历年真题及答案-AS & A Level 数学Mathematics (9709) Paper 5- 2021年真题（一）第1-6页https://www.docin.com/p1-2938668650.htmlCIE考试历年真题及答案-AS & A Level 数学Mathematics (9709) Paper 5- 2021年真题（一）第7-12页https://www.docin.com/p1-2938668651.html（更多真题及答案请见https://www.docin.com/tintin818） （2）IGCSE 附加数学Mathematics - Additional (0606)剑桥CIE附加数学考试0606 Additional Mathematics- 试卷考题及答案2020paper1（真题一）第1-6页 https://www.docin.com/p-2958584397.html剑桥CIE附加数学考试0606 Additional Mathematics- 试卷考题及答案2020paper1（真题一）第7-12页https://www.docin.com/p-2958601484.html剑桥CIE附加数学考试0606 Additional Mathematics- 试卷考题及答案2020paper1（真题一）第13-16页https://www.docin.com/p-2958609459.html（更多真题及答案请见https://www.docin.com/tintin818） （3）IGCSE 物理Physics (0625)剑桥CIE物理考试0625 Physics - 试卷考题及答案2021paper2（真题一）第1-8页https://www.docin.com/p1-2996429315.html剑桥CIE物理考试0625 Physics - 试卷考题及答案2021paper2（真题一）第9-16页https://www.docin.com/p1-2996429317.html（更多真题及答案请见https://www.docin.com/tintin818） （4）IGCSE化学Chemistry (0620)剑桥CIE化学考试0620 Chemistry - 试卷考题及答案2021paper2（真题一）第1-8页https://www.docin.com/p1-2996434755.html剑桥CIE化学考试0620 Chemistry - 试卷考题及答案2021paper2（真题一）第9-16页https://www.docin.com/p1-2996434756.html（更多真题及答案请见https://www.docin.com/tintin818） （5）IGCSE 计算机科学Computer Science (0478)剑桥CIE计算机科学考试0478 Computer Science - 试卷考题及答案2021paper1（真题一）第1-7页https://www.docin.com/p1-2996438496.html剑桥CIE计算机科学考试0478 Computer Science - 试卷考题及答案2021paper1（真题一）第8-14页https://www.docin.com/p1-2996438497.html（更多真题及答案请见https://www.docin.com/tintin818） （6）IGCSE 英语English as a Second Language (Speaking endorsement) (0510)剑桥CIE英语考试0510English as a Second Language - 试卷考题及答案2021paper1（真题一）第1-7页https://www.docin.com/p1-2996441267.html剑桥CIE英语考试0510English as a Second Language - 试卷考题及答案2021paper1（真题一）第8-13页https://www.docin.com/p1-2996441268.html（更多真题及答案请见https://www.docin.com/tintin818）

1和2，适合的是，你的es java client程序，可以采取批量写的场景 3，比较通用的，比较合适的是，你对于写入数据到可以读到能够接受比较大的延迟 4，一次性批量导入数据的场景 5/6/7/8/9，通用型，尽量都去做到 1/2/3/4，都是有各自适用的场景，如果场景合适，就尽量用，因为对性能的提升都是很明显的 5/6/7/8/9，其中通用，尽量去优化你的集群，但是其中最重要的，就是3块，filesystem cache更大的内存，给index buffer最充足的内存，一个是用SSD固态硬盘 1、用bulk批量写入 你如果要往es里面灌入数据的话，那么根据你的业务场景来，如果你的业务场景可以支持，可以做到，让你将一批数据聚合起来，一次性写入es，那么就尽量采用bulk的方式，每次批量写个几百条这样子。 bulk批量写入的性能比你一条一条写入大量的document的性能要好很多。但是如果要知道一个bulk请求最佳的大小，需要对单个es node的单个shard做压测。先bulk写入100个document，然后200个，400个，以此类推，每次都将bulk size加倍一次。如果bulk写入性能开始变平缓的时候，那么这个就是最佳的bulk大小。并不是bulk size越大越好，而是根据你的集群等环境具体要测试出来的，因为越大的bulk size会导致内存压力过大，因此最好一个请求不要发送超过10mb的数据量。 2、使用多线程将数据写入es 单线程发送bulk请求是无法最大化es集群写入的吞吐量的。如果要利用集群的所有资源，就需要使用多线程并发将数据bulk写入集群中。为了更好的利用集群的资源，这样多线程并发写入，可以减少每次底层磁盘fsync的次数和开销。一样，可以对单个es节点的单个shard做压测，比如说，先是2个线程，然后是4个线程，然后是8个线程，16个，每次线程数量倍增。一旦发现es返回了TOO_MANY_REQUESTS的错误，JavaClient也就是EsRejectedExecutionException，那么就说明es是说已经到了一个并发写入的最大瓶颈了，此时我们就知道最多只能支撑这么高的并发写入了。 3、增加refresh间隔 默认的refresh间隔是1s，用index.refresh_interval参数可以设置，这样会其强迫es每秒中都将内存中的数据写入磁盘中，创建一个新的segment file。正是这个间隔，让我们每次写入数据后，1s以后才能看到。但是如果我们将这个间隔调大，比如30s，可以接受写入的数据30s后才看到，那么我们就可以获取更大的写入吞吐量，因为30s内都是写内存的，每隔30s才会创建一个segment file。 4、禁止refresh和replia 如果我们要一次性加载大批量的数据进es，可以先禁止refresh和replica复制，将index.refresh_interval设置为-1，将index.number_of_replicas设置为0即可。这可能会导致我们的数据丢失，因为没有refresh和replica机制了。但是不需要创建segment file，也不需要将数据replica复制到其他的replica shasrd上面去。此时写入的速度会非常快，一旦写完之后，可以将refresh和replica修改回正常的状态。 5、禁止swapping交换内存 可以将swapping禁止掉，有的时候，如果要将es jvm内存交换到磁盘，再交换回内存，大量磁盘IO，性能很差 6、给filesystem cache更多的内存 filesystem cache被用来执行更多的IO操作，如果我们能给filesystem cache更多的内存资源，那么es的写入性能会好很多。 7、使用自动生成的id 如果我们要手动给es document设置一个id，那么es需要每次都去确认一下那个id是否存在，这个过程是比较耗费时间的。如果我们使用自动生成的id，那么es就可以跳过这个步骤，写入性能会更好。对于你的业务中的表id，可以作为es document的一个field。 8、用性能更好的硬件 我们可以给filesystem cache更多的内存，也可以使用SSD替代机械硬盘，避免使用NAS等网络存储，考虑使用RAID 0来条带化存储提升磁盘并行读写效率，等等。 9、index buffer 如果我们要进行非常重的高并发写入操作，那么最好将index buffer调大一些，indices.memory.index_buffer_size，这个可以调节大一些，设置的这个index buffer大小，是所有的shard公用的，但是如果除以shard数量以后，算出来平均每个shard可以使用的内存大小，一般建议，但是对于每个shard来说，最多给512mb，因为再大性能就没什么提升了。es会将这个设置作为每个shard共享的index buffer，那些特别活跃的shard会更多的使用这个buffer。默认这个参数的值是10%，也就是jvm heap的10%，如果我们给jvm heap分配10gb内存，那么这个index buffer就有1gb，对于两个shard共享来说，是足够的了。

最近的爬虫项目里涉及往ES中大量写入数据，因此做了一些调研。 总而言之，py-elasticsearch库推荐使用helper.bulk相关函数进行批量写入（实际是批量执行，不仅限于写入），而bulk有三个相关函数： 官方文档： https://elasticsearch-py.readthedocs.io/en/master/helpers.html#example 结论：如果对写入耗时要求不高，用bulk()即可；如果需要判断每一条写入的返回状态，用streaming_bulk()；追求速度的话，用parallel_bulk()。

我们的系统安装了 X-Pack 用于控制访问权限，他可以通过设定 Roles，然后建立用户关联这些 Roles 来完成一个用户的指定权限设定。 我们通过一个 AWS Lambda 程序来备份指定日期的 Index 文件到 AWS S3 系统当中，并且处理所有 Index Aliases 内容。这样我们就需要分配一个 Cluster 中的 Manager 权限，并且对指定的 Indices 给出 Manager 权限。 但是通过 官方 Security Privileges 说明 可以看到，这两个 manager 权限实在都太大了。这个用户分配给 Lambda 程序后，用户名口令相当于是明文存在的。会对系统产生较高的风险。但是整个系统中 Build-In 的权限设定比较少。所以需要对这个账户的 Role 进行更细颗粒度的限定。 在这个系统中，权限管理是下面这么个层次结构： Privileges --> Roles --> User 其中 Privileges 分为针对整个 Cluster 或者针对特定的 Indices 设定。 如果能够知道更详细的 Privileges 列表，那么将其通过 _xpack/security/role API 就可以创建一个自定义的 Roles，如何创建请参考 Defining Roles 的说明。 但是问题是查遍官方文档，没有任何地方对系统中都提供了什么 Privileges 有列表。官方给出的答复是并不公开提供这个列表内容。 在老版本的 Elasticsearch 2.2 中找到了 Action Level Privileges 的列表，这个在 2.3、2.4、5.x 的文档中都不在存在了。 我们测试过部分的 Cluster:admin 功能设定，在 5.6.3 的系统中是能够正常工作和限定的。对于 Indices 的部分，因为我们对 Indices 的控制没有需求，就没多看了。应该这个部分都是正常的，就是可能有缺少而已。 列表的规则很简单，第一个标记的是针对哪个进行权限设定，Cluster 或者 Indices，第二列表示了是用于管理还是数据访问，也就是 admin 或者 data，然后后面的内容跟具体操作的 RESTful API 的路径基本一致。 按照我们的需求：执行 snapshot 并且对 alias 进行一些管理，我们设置了两个自定义 Roles： 其中 indices:admin/get 权限若不设定， _aliases 指令无法执行，应该是拿不到 Indices 的列表导致的。但是并不知道这个 indices:admin/get 权限的具体范畴，因为我们对数据读取没有那么大的安全控制需要，就没有多加尝试。 在测试我们的 Role 处理的过程中，突然注意到：如果没有权限执行一个操作的时候，Elasticsearch 自己就会告诉你他需要哪个 Privileges 的定义。 上面 [indices:admin/get] 的提示内容，就是我们应该设定的 Privileges 的内容。我平时都是在 Kibana Console 中用 Supper-User 做操作，从来没有见过这个，真是坑啊。U0001f602 大家如果在权限设定上需要更加细节的权限控制，完全可以 curl 指令去测试一下，看看给出哪些 Privileges 能够让他正常工作。 不过要特别注意，官方特别强调： Although rarely needed ，并且我们咨询过他们的 Support，他们也说如果不是特别必须，建议我们不要这么设定 Privileges 的内容，还是使用他们的 Build-In Privileges。 不过实在想不明白为什么官方要这么做。就看他们一个 Manager 的描述： 为了一个 Alias 操作，给这个权限出去，实在是能吓死我。 在找 X-Pack Security 资料的过程中找到了 Search Guard 这么一个 Opensource 软件，从媒体报道和他自己的说明上看，完全可以替代 X-Pack 的使用。 他的相关文档在一个独立的 Github Repository 里面。这个可以看看，整个的工作逻辑跟 X-Pack Security 应该是非常类似的。 我们直接在 Elastic Cloud 上启动了 X-Pack 就没有尝试这个东西。

topic sentence 主题句，一般是一段话或一篇文章的中心句；而simple sentences简单句是一种语法现象，是按句子结构划分的，简单句有5种基本句型。

如何能三个月过H3CNE、H3CSE认证考试 　　经过三个月的奋战，终于完成了H3CNE、H3CSE的考试。我想，我之所以能够顺利的通过考试，与本论坛很多朋友的热心帮助和支持，特别是像版主老鬼 ......等一些朋友的帮助是分不开的!我在这里索取的太多太多，但又没什么好回报，现只有将自己在学H3CNE、H3CSE过程中的一些体会和学习方法以及考试心得与大家分享，希望能给正在学习H3CNE、H3CSE，或者打算将要学习H3CNE、H3CSE的朋友提供一点帮助。 　　看到很多朋友在论坛上问：用几个月的时间就能学好H3CNE、H3CSE，并能顺利的通过考试吗?答案当然是肯定的，但要怎样才能做到，却不是三言两语就能说得清楚的。总的来说你必须要先具备以下三点：信心、恒心、用心。 　　首先要具有信心，坚定的信心是成功的起源!如果在学习之前，你就没有信心，那么劝你趁早放弃，因为还没开始你就已经失败了;如果你的信心不坚定，那么你也应该放弃，因为你终究会失败，只是时间的问题。如果有人认为自己没信心是有很多理由的：很多年没摸过书本了;没什么专业基础;.....那么我想对他说：请不要找太多借口!因为我正是从这样的状况下走过来的。过去三年中我几乎很少拿起书本，平时都是网络游戏、抽烟醉酒、迟到旷课、考试作弊。单看三年来的成绩记录你就明白了：13门补考、3门重修!说到专业基础，去参加H3CNE培训的第一课的时候，我把老师说的“路由器”写成“路游器”关于什么“掩码”更是不懂了!说到英语，我更是不行，上中学时就学不好，上大学来更是没学过，就连星期一到星期天这七个单词还经常不认得。所以别去为自己找太多借口，树立好自己的目标，从容的去面对现实的一切，给自己多些信心，你完全可以到达你想抵的彼岸。 　　其次，要有恒心，顽强的毅力是成功的保证!许多人有着伟大的理想，目标明确的奋斗方向，详尽周到的计划指标，但去实施的时候却是三天打鱼、两天晒网，最终将会放弃!因为坚持奋斗的过程可不是一件容易的事，对此我身有体会。开始学习H3C一段时间后，我觉得捧起书本是一件很令人难受的事情。如果你经常午时过后还蒙头睡觉;经常不分白天黑夜的沉迷在网络游戏之中;经常在深更半夜醉酒街头;你就会明白我的感受：学习是对我一种痛苦的折磨!当我实在坚持不下去想要放弃的时候，我就对自己说：再坚持一天吧，也许过了今天我就会适应下来了。就这样多自己说了好多次，我终于坚持下来了!学习是一个漫长的过程受到一些挫折是理所当然的，挫折之后，应该更加努力，不能放弃，也许努力并不等于成功，但放弃就到此为止! 　　第三，要用心，用心思考是成功的法宝!记得周星驰的电影《食神》里有一句经典台词：“世上根本就没有什么食神，或者人人都是食神，只要用心人人都能成为食神!”爆笑之余，你不得不承认这是一句至理名言。是啊，世上根本就没有什么天才，又或者人人都是天才，只要用心人人都能成为天才!用脑去记的东西，不久你将会忘记，用心去想到的东西，将长久属于你。只要用心地学习，就没有学不会的知识;只要用心去做事，就没有做不好的事情;只要用心去做人，就一定能成为一个成功的人士! 　　如果你已具备了以上三点，那么你已经走在成功的道路上了，而一个好的学习方法是通向成功的一条捷径。 　　关于好的学习方法，是没有绝对正确的定义的。对别人来说是一种好的学习方法，可能对你却不然。学习方法因人而异，别人认为好的学习方法，自己只能作为参考，自己找到的学习方法才是真正的好方法。要找到好的学习方法，首先你要去学，用心去学! 　　我在学习H3CNE、H3CSE过程中，总共分为三个阶段。简单描述是：全局着手、各个击破、融会贯通。 　　第一阶段，从全局着手。用很短的时间把书本看一遍，书都是从大家熟悉的网工泡泡那里买的.他QQ号是:1045664356,需要H3CNE,H3CSE教材的朋友可以联系他.对书中的主要内容做一个大概的了解。就拿学H3CNE书本来说吧。第一阶段，你必须有这样一个认识：书中第一章是讲OSI的参考模型，需要掌握各层的作用、特点;第二章是关于IP寻址和地址类型，注意一些TCP协议和UDP协议不同特点、功能的区分;第三章主要是学子网的划分;第四章是......本书最重要的知识点在第五六七八章，而要学好这些知识必须要熟练掌握子网划分和子网掩码，也就是要把第三章的内容掌握透彻。其实这一阶段的目的就是为了下一个阶段的学习做一个合理的规划。从全局着手，要学会“不拘小节”，只要求了解总体的内容，细节的知识不必理会，不能眉毛胡子一把抓，在很短的时间内，你学的东西越多，真正属于你的就越少。 　　第二阶段，各个击破。就是把整本书划整为零，各个击破，先把书本的知识点划分为几个大块，在把大块划分为几个小块，然后把一个小块一个小块的知识掌握下来。我把H3CNE书本分成四个大块，第一大块是关于概念性的东西，要记的部分，如OSI模型、因特网的一些协议、关于H3C设备的特点和管理(了解);第二大块是子网的划分和规划的方法(熟练掌握);第三大块是路由和交换(重点掌握);第四大块的广域网(简单掌握)。关于交换和路由，有可以分为交换块和路由块，路由块有可以分为静态路由与默认路由、BGP、OSPF等小块，而OSPF需要掌握的.知识点有：概念特点、SPF算法、DR和BDR的选举、配置和检验。第二阶段必须要按第一阶段的规划学习，注意安排时间，重点的知识必须多换点时间去重点掌握，不重要的可以做一般的理解，一些没必要的内容可以不用理会。 　　第三阶段，融会贯通。就是把学到的各个部分的知识在联系起来，我想这个阶段的重要性我就不多说了，大家都明白没有哪一本书的某一个知识点是完全孤立的，学完一本书最终目的都是要把它的内容融会贯通!要想做好这阶段的要求，做总结和笔记是最重要的，比如把所有display命令的作用全部记在一起。 　　关于考试，我就不想多说了。大家都明白题库是关键，如果不看题库，我想能通过考试的人应该很少很少。看题库的时候也要做笔记，不要求整齐，做简单一点自己明白就行。其实考试是一件最简单的事情，考试所靠远远比书本上要学的知识简单得多了，只要掌握书上70%的知识，然后看题库，你就可以去考试了，只要新题不超过30%过是没问题的。都是非常好的学习资料，对于自学H3C考试的朋友来说是难得的资料，感谢他的帮助!再此给需要资料的朋友一点建议，鸿鹄论坛的东西全而且好，人品更不错!找他没错，希望对您有所帮助! 物美价廉,信誉百分百! 真心的推荐不是广告.其实很多人说来怕考试就是那1000多元钱在做怪(H3CNE考试费今年涨价了，由原来的460块钱涨成了1000块钱)，谁在考试的时候都很紧张，毕竟1000块不是小数目。我这三个月去考试4次，每次都很紧张，在考试之前，我总对自己说：如果成功了将会使我更加自信，失败了只会使我更加坚强! 　　我是从6月初开始接触H3C的，7月初过H3CNE，8月初过H3CSE。H3CNE参加了培训，H3CSE完全自学。三个月来，我花费在H3C上的精力很多，特别在7月份之后，我平均每天学H3CSE的时间不少于10个小时。我知道考完H3CSE，对网络技术来说只是一个起步，以后还得继续努力!其实我并不打算以后往网络技术这门技术发展，但我对这三个月的艰辛付出永不后悔，H3CNE,H3CSE使我改变很大，这几个月我学到了很多很多，我学到的不仅是网络的知识，学到了信心、恒心、用心，还学到了什么是亲情、友情，更是学到了再重新面对人生的勇气...... ;

1、ngram分词器Elasticsearch实现模糊搜索 2、keyword忽略大小写 Controller Service 大小写兼容搜索，即字段内容为 alan ，搜索 alan 、 ALAN 、 Alan 都可以搜索出来。 根据 min_gram 以及 max_gram 指定切分时最小几个字符、最大几个字符。长度越短，切分出来越少，更多的被匹配到质量也越差；长度越长，切分出来越多，匹配越精确。 如 min_gram 为1， max_gram 为1，对于 Quick 这个单词，就会变成[ Q，u，i，c，k]。按关键字 Qui 搜索，关键字就会被拆分成 Q , u 、 i 三个字母去搜索，可能就会搜索出： Quick 、 Query 、 your 、 like 等单词。 如 min_gram 为1， max_gram 为3，对于 Quick 这个单词，就会变成[ Q, Qu, Qui, u, ui, uic, i, ic, ick, c, ck, k ]。按关键字 Qui 搜索，只会去匹配包含 Qui 的单词，因此搜索结果只有 Quick min_gram 默认值为1， max_gram 默认值为2， min_gram 与 max_gram 的差值默认最大为1，如果设置值时差值大于1，需要先设置 index.max_ngram_diff 参数。 一文带你彻底搞懂Elasticsearch中的模糊查询 Elasticsearch 警惕使用 wildcard 检索！然后呢？ NGram Tokenizer Elasticsearch Analysis 03 - Tokenizer

主要内容：使用term配合keyword进行搜索 根据用户ID、是否隐藏、帖子ID、发帖日期来搜索帖子 u200b查看映射 type=text，默认会设置两个field，一个是field本身，比如articleID，就是分词的；还有一个的话，就是field.keyword，articleID.keyword，默认不分词，会最多保留256个字符 constant_score的用处 当我们不关心检索词频率TF（Term Frequency）对搜索结果排序的影响时，可以使用constant_score将查询语句query或者过滤语句filter包装起来。 term filter/query：对搜索文本不分词，直接拿去倒排索引中匹配，你输入的是什么，就去匹配什么 没有搜到任何的信息，原因参见后面1.6节的分析，需要使用keyword避免分词查询。 articleID.keyword，是ES内置建立的field，当插入articleID的时候，会建立两次索引，一次是自己本身，是要分词的，分词后放入倒排索引；另外一次是基于articleID.keyword，不分词，保留最多256个字符 所以term filter，对text过滤，可以考虑使用内置的field.keyword来进行匹配。但是有个问题，默认就保留256个字符。所以尽可能还是自己去手动建立索引，指定type=keyword即可。 默认是analyzed的text类型的field，建立倒排索引的时候，就会对所有的articleID分词，分词以后，原本的articleID就没有了，只有分词后的各个word存在于倒排索引中。 term，是不对搜索文本分词的，XHDK-A-1293-#fJ3 会使用 XHDK-A-1293-#fJ3进行匹配。 但是articleID建立索引的时候， XHDK-A-1293-#fJ3 会分词为 xhdk，a，1293，fj3 将1.1中的示例数据插入进来 这次可以根据keyword正常查询到了 （1）term filter：根据exact value进行精确搜索，数字、boolean、date天然支持 （2）建索引时文本需要指定keyword，才能用term query （3）term相当于SQL中的单个where条件 参考文章： Elasticsearch--constant_score_大数据_u014431852的博客-CSDN博客 https://blog.csdn.net/u014431852/article/details/52802747

在学习 ES 文档相关操作之前，我们先学习 ES 中常用的字段类型。 当一个字段的内容需要被全文检索时，可以使用 text 类型，支持长内容的存储，比如检索文章内容、商品信息等。该类型的字段内容在保存时会被分词器分析，并且拆分成多个词项， 然后根据拆分后的词项生成对应的索引，根据关键字检索时可能会将关键字分词，用分好的词从之前生成的索引中去匹配，进而找到对应的文档。对于 text 类型的字段你可能无法通过指定文本精确的检索到。另外需要注意的是， text 类型的字段不能直接用于排序、聚合操作。这种类型的字符串也称做 analyzed 字符串。 keyword 类型适用于结构化的字段，比如手机号、商品id、用户id等，默认最大长度为256。 keyword 类型的字段内容不会被分词器分析、拆分，而是根据原始文本直接生成倒排索引，所以 keyword 类型的字段可以直接通过原始文本精确的检索到。 keyword 类型的字段可用于过滤、排序、聚合操作。这种字符串称做 not-analyzed 字符串。 ES 中的 date 类型默认支持如下两种格式： 如果我们要存储类似 2020-12-01 20:10:15 这种格式的日期就会有问题，我们可以在创建索引时指定字段为 date 类型以及可以匹配的日期格式： 需要注意的是，如果不主动指定字段类型为 date ，ES 默认使用 text 类型去保存日期的值。 boolean 类型就简单了，有 true 、 false 两个值。 一般情况下，如果可以满足需求，则优先使用范围小的类型，来提高效率。 其实在 ES 中并没有数组类型，但我们却可以按数组格式来存储数据，因为 ES 中默认每个字段可以包含多个值，同时要求多个值得类型必须一致。例如可以按照如下方式指定一个字段的值为数组： 这个其实没什么特别的，由于 ES 中以 JSON 格式存储数据，所以一个 JSON 对象中的某个字段值可以是另一个 JSON 对象。 例如我们可以创建索引时定义一个日期范围的字段类型： 添加文档时可以这样指定字段的值： 最后我们通过一个完整的例子梳理一下这些字段类型，首先创建 blog 索引，并指定相关字段的类型： 然后添加一条文档数据： 上边我们只指定了 publishDate 和 reader_age_range 字段的类型，其它的并未指定。其实在添加文档时，ES 也会根据字段的值动态的推断出它的类型，即动态映射，但这样可能出现推断不符合预期的问题，例如前边说过的日期类型，所以你可以根据实际情况选择是否主动指定字段的类型。 再使用如下请求查看一下文档字段的 mapping 信息： 结果如下： 由于我们未指定 title 字段的类型， ES 自动将其映射成了 text 类型，同时还添加了一个类型为 keyword 的字段：ES 中常用的字段类型就介绍到这里了。其中 text 和 keyword 可能理解起来比较抽象，但也是重点，后边结合具体的例子就好理解了，分词相关的内容后边也会专门介绍。

Elasticsearch 中的结构化搜索，即面向数值、日期、时间、布尔等类型数据的搜索，这些数据类型格式精确，通常使用基于词项的term精确匹配或者prefix前缀匹配。本文还将新版本的“text”，“keyword”进行说明，还有Term查询。 结构化搜索（Structured search） 是指对结构化的数据进行搜索。比如日期、时间和数字都是结构化的，它们有精确的格式，我们可以对这些格式进行逻辑操作。比较常见的操作包括比较数字或时间的范围、判定两个值的大小、前缀匹配等。 文本也可以是结构化的。如彩色笔可以有离散的颜色集合： 红（red） 、 绿（green） 、 蓝（blue） 。一个博客可能被标记了关键词 分布式（distributed） 和 搜索（search） 。电商网站上的商品都有 UPCs（通用产品码 Universal Product Codes）或其他的唯一标识，它们都需要遵从严格规定的、结构化的格式。 在结构化查询中，我们得到的结果只有“是”或“否”两个值，可以根据场景需要，决定结构化搜索是否需要打分，但通常我们是不需要打分的。 让我们以下面的例子开始介绍，创建并索引一些表示产品的文档，文档里有字段 price ， productID ， show ， createdAt ， tags （ 价格 ， 产品ID ， 是否展示 ， 创建时间 ， 打标信息 ） 现在我们想要做的是查找具有某个价格的所有产品，假设我们要获取价格是20元的商品，我们可以使用 term 查询，如下 通常查找一个精确值的时候，我们不希望对查询进行评分计算。只希望对文档进行包括或排除的计算，所以我们会使用 constant_score 查询以非评分模式来执行 term 查询并以1.0作为统一评分。 最终组合的结果是一个 constant_score 查询，它包含一个 term 查询： 对于数字，一般还有范围查询 range 支持的选项 搜索一定时间范围内的文档 日期匹配表达式 “productID.keyword”中的“keyword”不是关键字，而是Elasticsearch在插入文档的时候，自动为“productID”生成的子字段，名字是“keyword”。 存在用“exists”，不存在用“must_not”搭配“exists” 注意，新版本不要再使用“missing”关键字，现在已经废除了，用“must_not”做取反。 使用“missing”会报错，报错信息如下： 在2.x版本里面文本使用的是string字段。 5.0之后，把string字段设置为了过时字段，引入text与keyword字段，这两个字段都可以存储字符串使用。 “text”用于全文搜索，“keyword”用于结构化搜索。“keyword”类似Java中的枚举。在新版本中，如果没有自己创建mapping，那么在文本的处理中，会把文本自动映射为“text”，同时会生成一个子字段“keyword”，类型是“keyword”。 在存储上，“text”会被分词器进行分词，而“keyword”会被原样保留。比如“Rabit is jumping”，“text”的情况下可能被存储为“rabit”，“jump”，而“keyword”情况下就会存储为“Rabit is jumping”。 在ES中，term查询，对输入不做分词，会将输入作为一个整体，在倒排索引中查找精确的词项，并且使用相关性算分公式为每个包含该词项的文档进行相关度算分。 比如上面的（"productID": "QQPX-R-3956-#aD8"），会被分词为“qqpx”，“r”，“3956”，“ad8”。 “productID.keyword”的类型是keyword，所以即使使用match查询，最终也会变成Term查询。

Class

　　1、首先我们需要在树莓派上安装VNC服务器。使用Raspberry Pi控制台，输入以下命令:　　sudo apt-get update　　sudo apt-get install tightvncserver　　下载更新包的速度比较慢，我大概等了有20分钟才弄好吧。　　2、之后对VNC进行配置。首先通过以下命令运行VNC：　　tightvncserver　　之后会出现以下画面，要求设置VNC密码，这个密码是客户端连接时使用的。输入密码之后还可根据需要，再输入一个view-only的密码，使用这个密码只能查看桌面，但不能操作：　　3、之后需要在电脑上安装VNC客户端，可以在http://www.tightvnc.com/下载TightVNC，我下载时最新的版本是v2.6.4，安装时可以通过自定义选项选择只安装TightVNC viewer。运行TightVNC Viewer，在Remote Host中填入Raspberry Pi的IP地址，注意IP后需要加”:1″，应该是表示连接ID吧。之前我没加，就一直连接不上。　　连接后要求输入密码，输入刚才在控制台中配置的密码，就可以成功登陆了：　　4、如果你希望以1024 x 728的视窗显示于你的电脑，就要在Raspberry Pi输入以下命令:　　vncserver :1 -geometry 1024×728 -depth 24

不知道

不知道你对光学器件的要求，像1/4玻片这种相位延迟差别精确度差别还是小的好的就找大点公司，newport，thorlabs之类一般的就网上找家当地的光电产品代理公司吧

不知道你对光学器件的要求，像1/4玻片这种相位延迟差别精确度差别还是小的 好的就找大点公司，newport，thorlabs之类 一般的就网上找家当地的光电产品代理公司吧

今天细说一下elasticsearch的update更新功能，以及如何利用script脚本更新数据。想要使用script脚本功能,需要在配置文件elasticsearch.yml里设置Pythonscript.disable_dynamic: false关于elasticsearch script的文章，总是会没完没了的修改ES支持更新，但是更新的方式是通过一个提供的脚本进行的。ES的做法是，通过index找到相应的存放记录的节点，然后执行脚本，执行完之后，返回新的索引。实际上执行的是一个get和reindex的过程，在这个过程中，通过versioning来控制没有其它的更新操作（这个功能是0.19后可用的）。具体实现的原理应该和elasticsearch Versioning相关。get，reindex的含义是，ES先取出这条记录，然后根据新数据生成新记录，然后在把新记录放回到ES中（并不会覆盖老的记录）。现在没有数据，首先我们需要创建一条记录Python$ curl -XPUT localhost:9200/xiaorui.cc/blog/1 -d "{ "counter" : 1, "tags" : ["red"]}"$ curl -XPUT localhost:9200/xiaorui.cc/blog/1 -d "{ "counter" : 1, "tags" : ["red"]}"直接修改数据,一定要注意，直接update的化，会覆盖以前的数据，另外update的时候，需要/index/type/id ,一定要带着id。 elasticsearch 应该不支持搜索query方式update修改数据。 Pythoncurl -XPUT "localhost:9200/xiaorui.cc/blog/1?pretty" -d "{ "name": "xiaorui.cc"}"curl -XPUT "localhost:9200/xiaorui.cc/blog/1?pretty" -d "{ "name": "xiaorui.cc"}"elasticsearch提供了doc这个局部更新参数，他可以局部修改，而不会直接覆盖以前的数据，这会针对特定的k v，字段修改。 Pythoncurl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update?pretty" -d "{ "doc": { "name": "ruifengyun" }}"curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update?pretty" -d "{ "doc": { "name": "ruifengyun" }}"当Elasticsearch API不能满足要求时，Elasticsearch允许你使用脚本实现自己的逻辑。脚本支持非常多的API，例如搜索、排序、聚合和文档更新。脚本可以通过请求的一部分、检索特殊的.scripts索引或者从磁盘加载方式执行。下面是es script的用法，这些脚本是groovy开发的。 下面的语句的意思是说，将counter的值加4Python$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{ "script" : "ctx._source.counter += count", "params" : { "count" : 4 }}"$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{ "script" : "ctx._source.counter += count", "params" : { "count" : 4 }}"通过上面的例子，我们知道tags是个列表，如果用doc局部更新的语法，他是无法做到append的，还是会覆盖tags这个字段。 那么怎么实现列表扩展？ 请使用elasticsearch script实现。 Python$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{ "script" : "ctx._source.tags += tag", "params" : { "tag" : "white" }}"$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{ "script" : "ctx._source.tags += tag", "params" : { "tag" : "white" }}"_update也支持upsert功能，没有这个字段或者key，也会添加这个记录。下面是一个例子，如果没有counter字段，则插入该字段：Python$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{ "script" : "ctx._source.counter += count", "params" : { "count" : 4 }, "upsert" : { "counter" : 1 }}"$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{ "script" : "ctx._source.counter += count", "params" : { "count" : 4 }, "upsert" : { "counter" : 1 }}"下面我们来复杂点的groovy script脚本用法. 当你的source没有china这个key,那么我会增加一个kvPythoncurl -XPOST "http://localhost:9200/xiaorui.cc/blog/80/_update" -d"{ "script": "if (!ctx._source.containsKey("china")) { ctx._source.attending = newField }", "params" : {"newField" : "blue" }, "myfield": "data"}"curl -XPOST "http://localhost:9200/xiaorui.cc/blog/80/_update" -d"{ "script": "if (!ctx._source.containsKey("china")) { ctx._source.attending = newField }", "params" : {"newField" : "blue" }, "myfield": "data"}"下面的script语法相对复杂的，会遍历一组字典,然后进行判断赋值。{ “55555″: 22, “name”: “lisi”, “distr_pan”: [ { “k”: 15, “v”: 15 }， { “k”: 20, “v”: 20 } ] }Python$ curl -XPUT "localhost:9200/xiaorui.cc/blog/9123/_update" -d "{ "script" : "def x = false;ctx._source.distr_pan.each({if(it.get("k")==target){x=true}});if(x){ctx._source.distr_pan +=v}", "params":{ "v":{"k":nlp, "v":35}, "target":15 }}$ curl -XPUT "localhost:9200/xiaorui.cc/blog/9123/_update" -d "{ "script" : "def x = false;ctx._source.distr_pan.each({if(it.get("k")==target){x=true}});if(x){ctx._source.distr_pan +=v}", "params":{ "v":{"k":nlp, "v":35}, "target":15 }}elasticsearch script就讲解到这里了，很多例子已经简单明了… script貌似不是很安全，最少远程代码执行的漏洞暴露过几次了. 下次把python版的script走一遍试试. 貌似对于我们你者来说，不管是groovy python，没什么太大却别，语法看起来都一个模子。

今天细说一下elasticsearch的update更新功能，以及如何利用script脚本更新数据。想要使用script脚本功能,需要在配置文件elasticsearch.yml里设置Pythonscript.disable_dynamic: false关于elasticsearch script的文章，总是会没完没了的修改ES支持更新，但是更新的方式是通过一个提供的脚本进行的。ES的做法是，通过index找到相应的存放记录的节点，然后执行脚本，执行完之后，返回新的索引。实际上执行的是一个get和reindex的过程，在这个过程中，通过versioning来控制没有其它的更新操作（这个功能是0.19后可用的）。具体实现的原理应该和elasticsearch Versioning相关。get，reindex的含义是，ES先取出这条记录，然后根据新数据生成新记录，然后在把新记录放回到ES中（并不会覆盖老的记录）。现在没有数据，首先我们需要创建一条记录Python$ curl -XPUT localhost:9200/xiaorui.cc/blog/1 -d "{"counter" : 1,"tags" : ["red"]}"$ curl -XPUT localhost:9200/xiaorui.cc/blog/1 -d "{"counter" : 1,"tags" : ["red"]}"直接修改数据,一定要注意，直接update的化，会覆盖以前的数据，另外update的时候，需要/index/type/id ,一定要带着id。 elasticsearch 应该不支持搜索query方式update修改数据。 Pythoncurl -XPUT "localhost:9200/xiaorui.cc/blog/1?pretty" -d "{"name": "xiaorui.cc"}"curl -XPUT "localhost:9200/xiaorui.cc/blog/1?pretty" -d "{"name": "xiaorui.cc"}"elasticsearch提供了doc这个局部更新参数，他可以局部修改，而不会直接覆盖以前的数据，这会针对特定的k v，字段修改。 Pythoncurl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update?pretty" -d "{"doc": { "name": "ruifengyun" }}"curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update?pretty" -d "{"doc": { "name": "ruifengyun" }}"当Elasticsearch API不能满足要求时，Elasticsearch允许你使用脚本实现自己的逻辑。脚本支持非常多的API，例如搜索、排序、聚合和文档更新。脚本可以通过请求的一部分、检索特殊的.scripts索引或者从磁盘加载方式执行。下面是es script的用法，这些脚本是groovy开发的。 下面的语句的意思是说，将counter的值加4Python$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{"script" : "ctx._source.counter += count","params" : {"count" : 4}}"$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{"script" : "ctx._source.counter += count","params" : {"count" : 4}}"通过上面的例子，我们知道tags是个列表，如果用doc局部更新的语法，他是无法做到append的，还是会覆盖tags这个字段。 那么怎么实现列表扩展？ 请使用elasticsearch script实现。 Python$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{"script" : "ctx._source.tags += tag","params" : {"tag" : "white"}}"$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{"script" : "ctx._source.tags += tag","params" : {"tag" : "white"}}"_update也支持upsert功能，没有这个字段或者key，也会添加这个记录。下面是一个例子，如果没有counter字段，则插入该字段：Python$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{"script" : "ctx._source.counter += count","params" : {"count" : 4},"upsert" : {"counter" : 1}}"$ curl -XPOST "localhost:9200/xiaorui.cc/blog/1/_update" -d "{"script" : "ctx._source.counter += count","params" : {"count" : 4},"upsert" : {"counter" : 1}}"下面我们来复杂点的groovy script脚本用法. 当你的source没有china这个key,那么我会增加一个kvPythoncurl -XPOST "" -d"{"script": "if (!ctx._source.containsKey("china")) { ctx._source.attending = newField }","params" : {"newField" : "blue" },"myfield": "data"}"curl -XPOST "" -d"{"script": "if (!ctx._source.containsKey("china")) { ctx._source.attending = newField }","params" : {"newField" : "blue" },"myfield": "data"}"下面的script语法相对复杂的，会遍历一组字典,然后进行判断赋值。{“55555″: 22,“name”: “lisi”,“distr_pan”: [{“k”: 15,“v”: 15}，{“k”: 20,“v”: 20}]}Python$ curl -XPUT "localhost:9200/xiaorui.cc/blog/9123/_update" -d "{"script" : "def x = false;ctx._source.distr_pan.each({if(it.get("k")==target){x=true}});if(x){ctx._source.distr_pan +=v}","params":{"v":{"k":nlp, "v":35},"target":15}}$ curl -XPUT "localhost:9200/xiaorui.cc/blog/9123/_update" -d "{"script" : "def x = false;ctx._source.distr_pan.each({if(it.get("k")==target){x=true}});if(x){ctx._source.distr_pan +=v}","params":{"v":{"k":nlp, "v":35},"target":15}}elasticsearch script就讲解到这里了，很多例子已经简单明了… script貌似不是很安全，最少远程代码执行的漏洞暴露过几次了. 下次把python版的script走一遍试试. 貌似对于我们你者来说，不管是groovy python，没什么太大却别，语法看起来都一个模子。

那你电话了多久

node module，主要是用来处理各种不同类型的节点的，es有哪些类型的node，另外就是对这些类型的node有些什么特殊的参数，对于一个较大的集群来说，如何去规划和配置各种各样的node 1、node类型 如果我们启动es的一个实例，那么就是启动了一个es node，一些es node就可以组成一个es集群。如果仅仅运行了一个es node，那么也有一个es集群，只是节点数量就是1。 集群中的每个node都可以处理http和transport请求，其中transport层是用来处理节点间的通信的，http层是用来处理外部的客户端rest请求的。 所有的node都知道集群中的其他node，并且可以将客户端的请求转发到适当的节点上去。 节点的类型包含以下几种： （1）master-eligible node：master候选节点，将node.master设置为true（默认），代表这个node就是master的候选节点，可以被选举为master node，然后控制整个集群。 （2）data node：将node.data设置为true（默认），data node可以存储数据，同时处理这些数据相关的操作，比如CRUD操作，搜索操作，聚合操作，等等。 （3）ingest node：将node.ingest设置为true（默认），ingest node是用来对document写入索引文件之前进行预处理的。可以对每个document都执行一条ingest pipeline，在document写入索引文件之前，先对其数据进行处理和转化。但是如果要执行的ingest操作太过繁重，那么可以规划单独的一批ingest node出来，然后将node.master和node.data都设置为false即可。 （4）tribe node：tribe node可以通过tribe.*相关参数来设置，它是一种特殊的coordinate node，可以连接到多个es集群上去，然后对多个集群执行搜索等操作。 （5）默认情况下，每个node的node.master，node.data，node.ingest都是true，都是master候选节点，也可以作为data node存储和操作数据，同时也可以作为ingest node对数据进行预处理。对于小于20个节点的小集群来说，这种架构是ok的，没问题的。但是如果对于大于20个物理机的集群来说，最好是单独规划出master node、data node和ingest node来。 （6）coordinate node 搜索和bulk等请求可能会涉及到多个节点上的不同shard里的数据，比如一个search请求，就需要两个阶段执行，首先第一个阶段就是一个coordinating node接收到这个客户端的search request。接着，coordinating node会将这个请求转发给存储相关数据的node，每个data node都会在自己本地执行这个请求操作，同时返回结果给coordinating node，接着coordinating node会将返回过来的所有的请求结果进行缩减和合并，合并为一个global结果。 每个node都是一个coordinating node。这就意味着如果一个node，将node.master，node.data，node.ingest全部设置为false，那么它就是一个纯粹的coordinating node，仅仅用于接收客户端的请求，同时进行请求的转发和合并。 如果真的是大集群的话，最好也是单独规划一批node出来，就作为coordinating node，然后让es client全部往这些node上去发送请求。 如果真的是一个大于20个节点的生产集群的话，建议将4种node，master node，data node，ingest node，cooridating node，全部分离开来 集群中有30台机器 master node：3个 ingest node：视具体情况而定，具体是看你的ingest预处理操作有多么的复杂，耗费多少资源，但是一般情况下来说，es ingest node用的比较少的，ingest node也可以不用单独规划一批出来 coordinate node：视具体情况而定，但是对于大集群来说，最好是单独拆几个节点出来，用于接收客户端的请求，3个节点。主要是看你的并发访问量有多大，比如说你的最大的QPS也就是10，或者是100，那么3个节点肯定够了。如果你的QPS是1000，或者是10000，那么可能就要规划，10个coordinate node，或者100个 data node：24个data node，data node肯定是分配的是最多的，主要用来存储数据，执行各种对数据的操作么，资源耗费肯定是最多的 2、master eligible node （1）master-eligible node的介绍以及配置 master node负责轻量级的集群管理工作，比如创建和删除索引，追踪集群中的每个node，决定如何将shards分配给各个node。对于集群来说，有一个稳定的master node，是非常关键的。然后master-eligible node都有机会被选举为一个master node，同时master node必须有权限访问path.data指定的data目录，因为master node需要在data目录中存储cluster state。 对数据进行index和search操作，会耗费大量的cpu，内存，磁盘io，以及网络io，耗费的是每个node的资源。因此我们必须要确保master node是非常稳定的，而且是压力不大的，对于大集群来说，比较好的办法是划分出单独的master node和data node。如果不拆开的话，一个node又要是data node，要复杂存储数据，处理各种操作，同时又要负责管理集群，可能就会不稳定，出问题。 同时因为默认情况下，master node也能扮演coordinating node的角色，并且将search和index请求路由到对应的data node上去执行，最好是不要让master node来执行这些coordinate操作。因为msater node的稳定运行对于整个集群来说非常重要，比你利用master node资源来执行一些coordinate操作要重要的多。 如果要设置一个node为专门的master-eligible node，需要做如下的设置： node.master: true node.data: false node.ingest: false （2）通过minimum_master_nodes来避免脑裂问题 要预防数据的丢失，我们就必须设置discovery.zen.minimum_master_nodes参数为一个合理的值，这样的话，每个master-eligible node才知道至少需要多少个master-eligible node才能组成一个集群。 比如说，我们现在有一个集群，其中包含两个master-eligible nodes。然后一个网络故障发生了，这两个节点之间丢失了联络。每个节点都认为当前只有一个master-eligible node，就是它们自己。此时如果discovery.zen.minimum_master_nodes参数的默认值是1，那么每个node就可以让自己组成一个集群，选举自己为master node即可。结果就会导致出现了两个es集群，这就是脑裂现象。即使网络故障解决了，但是这两个master node是不可能重新组成一个集群了。除非某个master eligible node重启，然后自动加入另外一个集群，但是此时写入这个节点的数据就会彻底丢失。 那么如果现在我们有3个master-eligible node，同时将discovery.zen.minimum_master_nodes设置为2.如果网络故障发生了，此时一个网络分区有1个node，另外一个网络分区有2个node，只有一个node的那个网络分区，没法检测到足够数量的master-eligible node，那么此时它就不能选举一个master node出来组成一个新集群。但是有两个node的那个网络分区，它们会发现这里有足够数量的master-eligible node，那么就选举出一个新的master，然后组成一个集群。当网络故障解除之后，那个落单的node就会重新加入集群中。 discovery.zen.minimum_master_nodes，必须设置为master-eligible nodes的quorum，quorum的公式为：(master_eligible_nodes / 2) + 1。 换句话来说，如果有3个master-eligible nodes，那么那个参数就必须设置为(3 / 2) + 1 = 2，比如下面这样： discovery.zen.minimum_master_nodes: 2 随着集群节点的上线和下限，这个参数都是要重新设置的，可以通过api来设置 此时将master node和data node分离的好处就出来了，一般如果单独规划一个master nodes的话，只要规划固定的3个node是master-eligible node就可以了，那么data node无论上线和下限多少个，都无所谓的。 3、data node data node负责存储shard的数据，也就是那些document。data node可以处理各种操作，比如CRUD，搜索，聚合。这些操作全都是很耗费IO，内存和cpu资源的。因此监控这些资源的使用是很重要的，同时如果资源过载了，那么就要添加更多的data node。 如果要设置一个专门的data node，需要做出如下的设置： node.master: false node.data: true node.ingest: false 4、ingest node nigest node可以执行预处理pipeline，包含了多个ingest processors。不同的ingest processor执行的操作类型是不同的，那么对资源的需求也是不同的，不过还是最好是规划一批单独的ingest node出来，不要跟master node和data node混合在一起。 如果要配置一个单独的ingest node： node.master: false node.data: false node.ingest: true search.remote.connect: false 5、cooridnating only node 如果我们规划了一批专门的master node，data node以及ingest node，那么此时还遗留下来了一种node，那就是coordinating node，这些node专门用来接收客户端的请求，同时对请求进行路由和转发，并对请求的结果进行合并。 coordinating only nodes对于大集群来说，可以使用专门的node来负载coordinate操作，而不是让coordinate操作的工作负载集中到master node和data node上去。coordinating node也会加入cluster，同时可以获取到完整的cluster state，它们主要是用cluster state中包含的node info来进行请求转发。 如果在一个集群中规划太多的coordinating node可能会加重整个集群的负担，因为被选举出来的master node必须要从所有的node上得到cluster state update的ack，如果coordinating nodes过多，那么可能会加重master node的负担。 如果要设置coordinating only node的话： node.master: false node.data: false node.ingest: false search.remote.connect: false 6、node data path设置 （1）path.data 每个data和master-eligible node都需要能够访问data目录，在那里存储了每个shard的数据，包括cluster state也存储在那里。path.data默认是指向$ES_HOME/data目录的，但是在生产环境中，肯定是不能这样设置的，因为在升级es的时候，可能会导致数据被清空或者覆盖。 此时一般需要在elasticsearch.yml中设置path.data： path.data: /var/elasticsearch/data （2）node.max_local_storage_nodes data目录可以被多个node共享，即使是不同集群中的es node，也许他们在一个物理机上启动了。这个共享的方式对于我们测试failover是很有用的，以及在开发机上测试不同的配置。但是在生产环境下，绝对不用这么做，一个data目录就给一个es node使用即可。默认情况下，es被配置成阻止超过一个node共享data目录中的数据，如果要允许多个node共享一个data目录，需要设置node.max_local_storage_nodes为一个超过1的数字。

网络坏请求;请求出现语法错误;错误请求;非法请求;如语法错误;语法点是出错bad需要有解决方法。办法：1、清除cookies以及internet临时文件：现在的浏览器一般都带有修复功能，所以可以打开浏览器进行一键修复。或者用qq电脑管家以及360安全卫士来尝试进行修复。2、网站本身问题：如果是浏览的网页不能打开，网站的服务器出现问题。那么无论我们这边怎么尝试都没有办法，所以最好的办法就是等待网站恢复正常。3、修改dns：如果是dns错误的话，那么只有重新设置了。点击这里可以了解dns是什么意思以及dns怎么设置。[例句]Badrequestmissingcorrectmethod.缺少正确方法的错误请求。

max.buffered.records （默认值 20000) The maximum number of records each task will buffer before blocking acceptance of more records. This config can be used to limit the memory usage for each task. connector任务不会直接把每条消息写入ES，而是先把它们放入一个缓冲区中，由另一个异步线程将缓冲区中的消息批量的写入ES。 这个配置限制了缓冲区的消息条数，也可以说是限制了所有未发送的消息条数（Buffer中的消息数量 + 请求已发往ES但还未返回结果的消息数量） 这个配置过高会占用过多kafka connect cluster的内存。 flush.timeout.ms The timeout in milliseconds to use for periodic flushing, and when waiting for buffer space to be made available by completed requests as records are added. If this timeout is exceeded the task will fail. 有两种场景： max.retries （默认值3） The maximum number of retries that are allowed for failed indexing requests. If the retry attempts are exhausted the task will fail. 发请求写入ES失败后的重试次数。达到最大重试次数时task失败，并打出 Failed to execute batch {} of {} records 。需要检查ES健康程度。 retry.backoff.ms （默认值100） How long to wait in milliseconds before attempting to retry a failed indexing request. This avoids retrying in a tight loop under failure scenarios. 这个参数指定了在每次重试写入ES失败后，需要等待多久再重试。 ** es_rejected_execution_exception** 请求被ES拒绝，增加 max.retries 或增加ES结点个数。更多信息参见 AWS文档 ** Failed to execute batch** 增加 max.retries 或 retry.backoff.ms ** Add timeout expired before buffer availability | Flush timeout expired with unflushed records** 增加 flush.timeout.ms ，如果流量实在非常大也可以考虑增加 max.buffered.records

俗话说 "知己知彼，百战不殆"，当我们上线一个新的系统或应用的时候，至少要知道这个系统或应用的上线在哪里，做直接的数据可能就是【吞吐量】是多少，【延时】是多少，【瓶颈】是什么。更多关于压测的指导可参考 CoolShell 的性能测试应该怎么做？ rally es 官方提供的一款压测工具。同时官方也将 es 的实时压测结果放在了 https://elasticsearch-benchmarks.elastic.co/ , 你可以将你自己的结果与它进行对比，官方是使用 2 台服务器进行压测，一台运行 rally, 一台运行 es, 服务器的配置如下: rally 是汽车拉力赛的意思，所以关于它里面术语也是跟汽车的拉力赛有关。 如下实例，使用 pmc 样本数据对一个已存在的 es 实例进行压力测试，使用 track-params 对默认的压测参数进行覆盖，对这次测试以 version:5.5.0 进行 tag 标记。 压测数据类型: pmc (学术论文) 单节点，普通硬盘，副本数0 单节点，4块普通硬盘组成 RAID0，副本数0 压测数据类型: eventdata 单节点，普通硬盘，副本数0 单节点，4块普通硬盘组成 RAID0，副本数0 3节点，4块普通硬盘组成 RAID0，副本数0 3节点，4块普通硬盘组成 RAID0，副本数1 压测数据类型: geonames 单节点，普通硬盘，副本数0 单节点，4块普通硬盘组成 RAID0，副本数0 3节点，4块普通硬盘组成 RAID0，副本数0 https://segmentfault.com/a/1190000011174694#articleHeader0

选校或者选专业定位可以参考留学志愿参考系统 https://site.douban.com/292841/widget/notes/193232597/note/631802738/ 输入GPA、专业等信息，系统会自动从数据库中匹配出与你情况相似的同学案例，看看他们成功申请了哪些院校和专业，也可以按照留学目标来查询，看看你的目标院校和专业都哪些背景（语言成绩多少分、学校背景如何、什么专业、GPA多少等）的学生申请了，也从而对比自身情况，制定大致的目标和方向。

服务启动失败，按照提示查看完整的log信息确定你安装和配置vncserver是否都正确？http://blog.csdn.net/denghua10/article/details/39107309

CSEP:Canadian Society Of Exercise Physiology 加拿大社会运动生理学CSEP:Certified Special Event Professional 注册特别活动的专业CSEP:Call Setup Error Probability 电话安装误差概率CSEP:Child Support Enforcement Program 执行程序支持孩子CSEP:Childhood Sexual Experience with Peer 童年经历性久远CSEP:Certified System Engineering Professional 注册系统工程专业CSEP:Collaboratory for the Study of Earthquake Predictability Collaboratory地震预测研究中CSEP:Confined Space Entry Program 空间入口程序CSEP:Communications Standardization and Evaluation Program (USAF) 交通标准化和评估程序(美国空军)CSEP:Community Social Enterprise Partnership 社区社会企业合作CSEP:Connecticut Society of Eye Physicians 康涅狄格眼科医师协会CSEP:Commercial Sexual Exploitation Project 商业化性剥削的项目CSEP:Chairman of the Joint Chiefs of Staff -sponsored exercise program (US DoD) 美军参谋长联席会议主席-sponsored锻炼计划(美国国防部)CSEP:Center for the Study of Ethics in the Professions (Illinois Institute of Technology) 研究中心的职业道德标准的(伊利诺斯州理工学院)CSEP:Connected System Exit Point 连接系统出口点CSEP:Cooperative Special Education Program 合作的特殊教育项目CSEP:Confined Space Entry Permit (OSHA) 封闭空间的签证(职业健康安全局)CSEP:Certified Special Events Professional 注册特别活动的专业CSEP:Certified Systems Engineering Professional 注册系统工程专业CSEP:Certified Specialist in Estate Planning (National Institute for Excellence in Professional Education) 认证的专业房地产规划(国家优秀的职业教育)CSEP:Career Soldier Education Program 职业军人的教育计划CSEP:cortical somatosensory evoked potential 皮层体感诱发电位CSEP:COMSEC Education Program COMSEC教育计划

CSEP:Canadian Society Of Exercise Physiology 加拿大社会运动生理学CSEP:Certified Special Event Professional 注册特别活动的专业CSEP:Call Setup Error Probability 电话安装误差概率CSEP:Child Support Enforcement Program 执行程序支持孩子CSEP:Childhood Sexual Experience with Peer 童年经历性久远CSEP:Certified System Engineering Professional 注册系统工程专业CSEP:Collaboratory for the Study of Earthquake Predictability Collaboratory地震预测研究中CSEP:Confined Space Entry Program 空间入口程序CSEP:Communications Standardization and Evaluation Program (USAF) 交通标准化和评估程序(美国空军)CSEP:Community Social Enterprise Partnership 社区社会企业合作CSEP:Connecticut Society of Eye Physicians 康涅狄格眼科医师协会CSEP:Commercial Sexual Exploitation Project 商业化性剥削的项目CSEP:Chairman of the Joint Chiefs of Staff -sponsored exercise program (US DoD) 美军参谋长联席会议主席-sponsored锻炼计划(美国国防部)CSEP:Center for the Study of Ethics in the Professions (Illinois Institute of Technology) 研究中心的职业道德标准的(伊利诺斯州理工学院)CSEP:Connected System Exit Point 连接系统出口点CSEP:Cooperative Special Education Program 合作的特殊教育项目CSEP:Confined Space Entry Permit (OSHA) 封闭空间的签证(职业健康安全局)CSEP:Certified Special Events Professional 注册特别活动的专业CSEP:Certified Systems Engineering Professional 注册系统工程专业CSEP:Certified Specialist in Estate Planning (National Institute for Excellence in Professional Education) 认证的专业房地产规划(国家优秀的职业教育)CSEP:Career Soldier Education Program 职业军人的教育计划CSEP:cortical somatosensory evoked potential 皮层体感诱发电位CSEP:COMSEC Education Program COMSEC教育计划

下面哪几种属于ElasticSearch的RESTful请求方式（） A.Post(正确答案) B.Get(正确答案) C.Delete(正确答案) D.Update

标准函数没有 sct x ！6种三角函数是：正弦 sinx， 余弦 cosx，正切 tanx， 余切 cotx， 正割 secx， 余割 cscx

ES支持集群模式，是一个分布式系统，其好处主要有两个∶ es集群由多个ES 实例组成。不同集群通过集群名字来区分，可通过 cluster.name 进行修改，默认为elasticsearch。每个ES实例本质上是一个 JVM 进程，且有自己的名字，通过 node.name 进行修改 ES集群相关的数据称为 cluster state ，主要记录如下信息∶节点信息，比如节点名称、连接地址等；索引信息，比如索引名称、配置等 可以修改 cluster state 的节点称为master节点，一个集群只能有一个 cluster state 存储在每个节点上，master维护最新版本并同步给其他节点 master节点是通过集群中所有节点选举产生的，可以被选举的节点称为 master-eligible 节点 ，相关配置如下: node.master: true 处理请求的节点即为coordinating节点，该节点为所有节点的默认角色，不能取消。路由请求到正确的节点处理，比如创建索引的请求到master节点 存储数据的节点即为data节点，默认节点都是data类型，相关配置如下∶ node.data: true 谈及副本和分片两个概念之前，我们先说一下这两个概念存在的意义： 解决系统可用性和增大系统容量 我们想象这样一个场景，我们的数据只存放在一台ES服务器上，那么一旦这台ES出现宕机或者其他不可控因素影响的话，我们除了丧失了服务的可用性外，可能还存在着数据丢失的可能。同时，单机服务的存储容量也无法应对项目对大数据量的要求。 系统可用性可以分为 服务可用性 和 数据可用性 服务可用性 含义为：当前服务挂掉后，是否有其他服务器顶替当前节点提供服务支持。 数据可用性 含义为：当前服务挂掉后，存储在当前服务器上的数据，是否还可以对外提供访问和修改的服务。 副本可以理解为是某个数据的复制体，副本和源数据内容一致。副本的存在可以有效地满足系统可用性的需求，比如说，我们可以在原有节点的基础上复制一个和源节点一模一样的节点，这样一旦原有节点挂掉了，另外一个节点也还是可以替代源节点提供服务，而且复制出来的节点拥有和源节点一样的数据，这样也保障了数据可用性。 我们在上一小节讲到可以使用副本来解决系统可用性的问题，但是这里存在一个问题，不管存在多少个副本（节点），都无法增大源节点的存储空间。在这个问题上，ES引入了Shard分片这个概念来解决问题。 看完分片的特点后可能还有人不太清楚到底什么是分片，其实分片是n/1个源节点数据。比如说原ES集群中只有一个主节点，所有的索引数据都存储在这个节点上。现在我们将某个索引数据分成3份，分别存放在3个ES节点上，那么每台ES服务器上就各自有1个分片shard。该索引的所有节点Shard分片的集合，就是索引的全部数据。 下面我们来演示一下： 为了更好的了解ES的分片机制，大家不妨在上面的案例上进一步思考两个问题： 答案是不能。原因是我们创建索引时定义的分片数量只有3个，且都已经落在了3个节点上。所以即使再增加多一个节点，也不会有对应的Shard分片可以落在新的节点上，并不能扩大 test_shard_index 的数据容量。 答案是不能。因为新增的副本也是分布在这3个节点上，还是利用了同样的资源。如果要增加吞吐量，还需要新增节点。 通过上面两个问题，相信大家已经可以认识到分片的重要性，分片数过小，会导致后续无法通过增加节点实现水平扩容；（副本）分片数过大会导致一个节点上分布过多分片，造成资源浪费，同时会影响查询性能 集群健康状况，包括以下三种: green健康状态，指所有主副分片都正常分配； yellow指所有主分片都正常分配，但是有副本分片未正常分配； red表示有主分片未分配 我们可以通过这个api查看集群的状态信息： GET _cluster/health 我们也可以通过cerebro或者head插件来直接获取当前集群的状态 需要注意的是，即使当前集群的状态为 red ，也并不代表当前的ES丧失了提供服务的能力。只是说未被分配主分片的索引无法正常存储和操作而已。 这里故障转移的意思是，当ES集群出现某个或者多个节点宕机的情况，ES实现服务可用性的应对策略。 这里我们新建一个分片为3，副本为1的索引，分片分别分布在三个节点，此时集群为 green 当master节点所在机器宕机导致服务终止，此时集群会如何处理呢? 我们可以看到，从node1主节点宕机到ES恢复集群可用性的过程中，ES有着自己的故障转移机制，保障了集群的高可用性。我们也可以在自己的本地上去进行试验，建好索引后，kill掉主节点，观察集群状态就行。 同时，此时就算node2宕机了，那么node3也能够很快的恢复服务的提供能力。 我们知道，我们创建的文档最终会存储在分片上，那么在分布式集群的基础上，ES集群是怎么判断当前该文档最终应该落在哪一个分片上呢？ 很显然，我们需要一个可以实现文档均匀分布到各个分片上的映射算法，那么常见的随机算法和round-robin（轮询）算法可以满足需要吗？答案是不可以，这两个算法虽然可以实现文档均匀分布分片的存储需要，但是当我们通过 DocumentId 查询文档时，ES并不能知道这个文档ID到底存储在了哪个节点的分片上，所以只能够从所有分片上检索，时间长。如果我们为这个问题建立一个文档和分片映射关系的表，虽然确实可以快速定位到文档对应的存储分片，但是当文档的数据量很大的时候，那么检索的效率也会随之变低。 对于上面这个问题，ES提供的解决方法是 建立文档到分片的映射算法 es 通过如下的公式计算文档对应的分片： hash算法 保证可以将数据均匀地分散在分片中 routing 是一个关键参数，默认是文档id，也可以自行指定 number_of_primary_shards 是主分片数 我们可以看到，该算法与主分片数相关， 这也是分片数一旦确定后便不能更改的原因 我们已经知道了ES是如何将文档映射到分片上去了，下面我们就来详细讲解一下文档创建、读取的流程。 脑裂问题，英文为 split-brain ，是分布式系统中的经典网络问题，如下图所示: 3个节点组成的集群，突然node1的网络和其他两个节点中断 解决方案为 仅在可选举master-eligible节点数大于等于quorum时才可以进行master选举 在讲文档搜索实时性之前，先讲一下倒排索引的不可变更特性。由于倒排索引一旦生成，不可变更的特定，使得其有着以下3点好处： 下面，将针对Lucene实现文档实时性搜索的几个动作进行讲解，分析其是如何在新增文档后实现ES的搜索实时性的。 我们从上面的描述中知道，当我们新增了一个文档后会新增一个倒排索引文件 segment ，但是 segment 写入磁盘的时间依然比较耗时（难以实现实时性），所以ES借助文件系统缓存的特性， 先将 segment 在缓存中创建并开放查询来进一步提升实时性 ，该过程在es中被称为refresh。 在refresh之前文档会先存储在一个buffer中，refresh时将 buffer中的所有文档清空并生成 segment es默认每1秒执行一次refresh，因此文档的实时性被提高到1秒 ，这也是es被称为近实时(Near Real Time)的原因 reflush虽然通过 将文档存放在缓存中 的方式实现了秒级别的实时性，但是如果在内存中的segment还没有写入磁盘前发生了宕机，那么其中的文档就无法恢复了，如何解决这个问题呢? ES 引入 translog 机制。写入文档到 buffer 时，同时将该操作写入 translog 中。 translog文件会即时写入磁盘(fsync)，在ES 6.x中，默认每个请求都会落盘，我们也可以修改为每5秒写一次，这样风险便是丢失5秒内的数据，相关配置为index.translog.*。同时ES每次启动时会检查translog 文件，并从中恢复数据。 flush 负责将内存中的segment写入磁盘，主要做如下的工作: Reflush和Flush执行的时机 ES的做法是 首先删除文档，然后再创建新文档 我们上面提到，新增文档是通过新建segment来解决，删除文档是通过维护.del文件来进行的，假如现在我们设置的 reflush 时间间隔为1秒，那么一小时单个ES索引就会生成3600个segment，一天下来乃至一个月下来会产生的segment文件数量更是不可想象。为了解决Segment过多可能引起的性能下降问题，ES中采用了Segment Merging（即segment合并）的方法来减少segment的数量。 执行合并操作的方式有两种，一种是ES定时在后台进行 Segment Merging 操作，还有一种是我们手动执行 force_merge_api 命令来实现合并操作。

很多使用Elasticsearch的同学会关心数据存储在ES中的存储容量，会有这样的疑问：xxTB的数据入到ES会使用多少存储空间。这个问题其实很难直接回答的，只有数据写入ES后，才能观察到实际的存储空间。比如同样是1TB的数据，写入ES的存储空间可能差距会非常大，可能小到只有300~400GB，也可能多到6-7TB，为什么会造成这么大的差距呢？究其原因，我们来探究下Elasticsearch中的数据是如何存储。文章中我以Elasticsearch 2.3版本为示例，对应的lucene版本是5.5，Elasticsearch现在已经来到了6.5版本，数字类型、列存等存储结构有些变化，但基本的概念变化不多，文章中的内容依然适用。 Elasticsearch对外提供的是index的概念，可以类比为DB，用户查询是在index上完成的，每个index由若干个shard组成，以此来达到分布式可扩展的能力。比如下图是一个由10个shard组成的index。shard是Elasticsearch数据存储的最小单位，index的存储容量为所有shard的存储容量之和。Elasticsearch集群的存储容量则为所有index存储容量之和。 一个shard就对应了一个lucene的library。对于一个shard，Elasticsearch增加了translog的功能，类似于HBase WAL，是数据写入过程中的中间数据，其余的数据都在lucene库中管理的。 所以Elasticsearch索引使用的存储内容主要取决于lucene中的数据存储。 下面我们主要看下lucene的文件内容，在了解lucene文件内容前，大家先了解些lucene的基本概念。 lucene包的文件是由很多segment文件组成的，segments_xxx文件记录了lucene包下面的segment文件数量。每个segment会包含如下的文件。 下面我们以真实的数据作为示例，看看lucene中各类型数据的容量占比。 写100w数据，有一个uuid字段，写入的是长度为36位的uuid，字符串总为3600w字节，约为35M。 数据使用一个shard，不带副本，使用默认的压缩算法，写入完成后merge成一个segment方便观察。 使用线上默认的配置，uuid存为不分词的字符串类型。创建如下索引： 首先写入100w不同的uuid，使用磁盘容量细节如下： 可以看到正排数据、倒排索引数据，列存数据容量占比几乎相同，正排数据和倒排数据还会存储Elasticsearch的唯一id字段，所以容量会比列存多一些。 35M的uuid存入Elasticsearch后，数据膨胀了3倍，达到了122.7mb。Elasticsearch竟然这么消耗资源，不要着急下结论，接下来看另一个测试结果。 我们写入100w一样的uuid，然后看看Elasticsearch使用的容量。 这回35M的数据Elasticsearch容量只有13.2mb，其中还有主要的占比还是Elasticsearch的唯一id，100w的uuid几乎不占存储容积。 所以在Elasticsearch中建立索引的字段如果基数越大(count distinct)，越占用磁盘空间。 我们再看看存100w个不一样的整型会是如何。 从结果可以看到，100w整型数据，Elasticsearch的存储开销为13.6mb。如果以int型计算100w数据的长度的话，为400w字节，大概是3.8mb数据。忽略Elasticsearch唯一id字段的影响，Elasticsearch实际存储容量跟整型数据长度差不多。 我们再看一下开启最佳压缩参数对存储空间的影响： 结果中可以发现，只有正排数据会启动压缩，压缩能力确实强劲，不考虑唯一id字段，存储容量大概压缩到接近50%。 我们还做了一些实验，Elasticsearch默认是开启_all参数的，_all可以让用户传入的整体json数据作为全文检索的字段，可以更方便的检索，但在现实场景中已经使用的不多，相反会增加很多存储容量的开销，可以看下开启_all的磁盘空间使用情况： 开启_all比不开启多了40mb的存储空间，多的数据都在倒排索引上，大约会增加30%多的存储开销。所以线上都直接禁用。 然后我还做了其他几个尝试，为了验证存储容量是否和数据量成正比，写入1000w数据的uuid，发现存储容量基本为100w数据的10倍。我还验证了数据长度是否和数据量成正比，发现把uuid增长2倍、4倍，存储容量也响应的增加了2倍和4倍。在此就不一一列出数据了。 文件名为：segments_xxx 该文件为lucene数据文件的元信息文件，记录所有segment的元数据信息。 该文件主要记录了目前有多少segment，每个segment有一些基本信息，更新这些信息定位到每个segment的元信息文件。 lucene元信息文件还支持记录userData，Elasticsearch可以在此记录translog的一些相关信息。文件后缀：.si 每个segment都有一个.si文件，记录了该segment的元信息。 segment元信息文件中记录了segment的文档数量，segment对应的文件列表等信息。文件后缀：.fnm 该文件存储了fields的基本信息。 fields信息中包括field的数量，field的类型，以及IndexOpetions，包括是否存储、是否索引，是否分词，是否需要列存等等。文件后缀：.fdx, .fdt 索引文件为.fdx，数据文件为.fdt，数据存储文件功能为根据自动的文档id，得到文档的内容，搜索引擎的术语习惯称之为正排数据，即doc_id -> content，es的_source数据就存在这 索引文件记录了快速定位文档数据的索引信息，数据文件记录了所有文档id的具体内容。索引后缀：.tip,.tim 倒排索引也包含索引文件和数据文件，.tip为索引文件，.tim为数据文件，索引文件包含了每个字段的索引元信息，数据文件有具体的索引内容。 5.5.0版本的倒排索引实现为FST tree，FST tree的最大优势就是内存空间占用非常低 ，具体可以参看下这篇文章： http://www.cnblogs.com/bonelee/p/6226185.html http://examples.mikemccandless.com/fst.py?terms=&cmd=Build+it 为FST图实例，可以根据输入的数据构造出FST图 生成的 FST 图为:文件后缀：.doc, .pos, .pay .doc保存了每个term的doc id列表和term在doc中的词频 全文索引的字段，会有.pos文件，保存了term在doc中的位置 全文索引的字段，使用了一些像payloads的高级特性才会有.pay文件，保存了term在doc中的一些高级特性文件后缀：.dvm, .dvd 索引文件为.dvm，数据文件为.dvd。 lucene实现的docvalues有如下类型： 其中SORTED_SET 的 SORTED_SINGLE_VALUED类型包括了两类数据 ： binary + numeric， binary是按ord排序的term的列表，numeric是doc到ord的映射。

激活码：CGLL V40L YND1 XF3E新序列号: 191-75444444

做更多锻炼。为你解答，如有帮助请采纳，如对本题有疑问可追问，Good luck!

伊克斯Q死 （我尽力了）

第一个是做早锻炼，第二个是我想锻炼

does gao wei often do exercise in the moring?.......

rcial houses in a n

since英 [sɪns] 美 [sɪns] prep. 自从;从…以来;自从…之后adv. 以后，此后;后来;（距今几年）以前;（从那时候起几年）以前conj. 因为;既然;自从…以来;自从…的时候起

能组的单词是recthes(直肠）

我都是自己做题训练 不去相信所有民间机构弄的什么申论测试。

没用的。慢慢等吧。

改卷的老师不同，就是这个区别

这个这个貌似是不可以的

申论考试拉分的重点是小题目，不是什么大题目的。。。因为大作文很难拉开差距，所以要注重小题目的得分1、逆向思维，紧抓小题拿高分！ 为什么不少考生觉得申论总分很难突破？ 为什么花很多时间集中练习高分值的大作文，效果却不明显？ 就这两个策略性问题，我们从两方面回答大家。 首先，从思维方式上讲，大家在练习的时候很容易因为各题分值的设定比例调整练习重心，误以为40-50分的大作文就是申论得分的关键，事实上并不是这样！ 其次，从试题客观设置层面上说，申论小题设置是有规律的，抓住了规律（详见下）也就意味着抓住了得分，这更容易在总分上拉开距离。相反，大作文拿高分是很困难的，通常只需要大家抓平均分即可。小结：逆向思维，舍难求易，从小题入手拿高分！

rose玫瑰花

相对于h3cne来说，通过率会低一些的，h3cse好好学一下，还是能通过的。通过率这个不好说啊。

主要看技术学的怎么样?

HCSE认证主要定位于大中型网络的配置、维护与方案设计，包括路由、交换、VPN、安全特性、QOS、网络设计等全方位的部署园区网络所需的理论及实际设备配置维护方面的知识。通过HCSE认证，将证明您已经掌握面向大中型企业网络应用的网络通用技术，并具备设计大中型网络以及合理使用华为3Com网络设备实施您的设计的能力。HCSE认证培训由华为3Com授权培训中心负责实施，认证考试由Prometric公司代理。获取HCSE证书的前提是考生已经获得HCNE证书，在全部通过HCSE三门考试后获得由华为3Com公司统一签发HCSE证书。培训大纲、考试大纲、培训机构、开班计划等信息请登录华为3Com网站查询：http://www.huawei-3com.com/;考场查询和考试注册请登录Prometric网站查询：http://www.prometric.com.cn/证书 考试项目 培训课程华为3Com认证高级网络工程师（有效期3年） 《构建企业级路由网络》/《构建企业级交换网络》企业级网络方案设计》

se不能直接考. 要过了ne后才可以. te 和 se可以直接考. 实际上, 你没有过ne,se,对华三的不是很熟悉的话, 直接过的可能性不高吧. ne,se每门考试都是prometric机构考试, 标准上机, 每门500. te,是实验考试, 7K多. ie实验考试近9K.

考三门，分别是交换，路由和设计，代码分别是GBO-323,GBO-363,GBO-283，但是要先考过HCNE，每门考试费都是450元左右。。

建议你英语好的话考思科的，使用范围更广一些。华为的HCNE和CCNA的基础知识差不多.至于自学时间，那要看你的基础怎么样了。我大专学计算机网络技术的，大二时和朋友一起考的，听了两周的课，主要是课上要做配路由器的实验。考试时觉得还可以不难。

好象是不行的......

你去鸿鹄看看

HCSEHuawei-3Com Certified Senior Network Engineer(华为3Com认证高级网络工程师) HCSE认证主要定位于大中型网络的配置、维护与方案设计，包括路由、交换、VPN、安全特性、QOS、网络设计等全方位的部署园区网络所需的理论及实际设备配置维护方面的知识。 通过HCSE认证，将证明您已经掌握面向大中型企业网络应用的网络通用技术，并具备设计大中型网络以及合理使用华为3Com网络设备实施您的设计的能力。

HCSE认证主要定位于大中型网络的配置、维护与方案设计，包括路由、交换、VPN、安全特性、QOS、网络设计等全方位的部署园区网络所需的理论及实际设备配置维护方面的知识。

华为认证hcse路由知识点罗列如下，请大家参考: 　　ospf 　　1. ospf开放式最短路径优先，基于rfc2328。由ietf开发，as内部路由协议，目前第二版。 　　2. ospf无路由自环，适用于大规模网络，收敛速度快。支持划分区域，等值路由及验证和路由分级管理.。ospf可以组播方式发送路由信息。 　　3. ospf基于ip，协议号为89。route id 为32位无符号数，一般用接口地址。 　　4. ospf将网络拓扑抽象为4中，p to p、stub、nbma&broadcast、p to mp。 　　5. nbma网络必须全连通。 　　6. ospf路由计算过程，1、描述本路由连接的网络拓扑，生成lsa。2、收集其他路由发 出的lsa，组成lsdb。3、根据lsdb计算路由。 　　7. ospf5种报文:1、hello报文 定时通报，选举dr、bdr。2、dd报文 通告本端lsa，以摘要显示，即lsa的head。3、lsr报文 相对端请求自己没有的lsa。4、lsu报文 回应对端请求，向其发送lsa。4、lsack报文 确认收到对端发送的lsa。 　　8. ospf邻居状态 1、down 过去dead-interval时间未收到邻居发来的hello报文2、attempt nbma网络时出现，定时向手工指定的邻居发送hello报文。3、init 本端已受到邻居发来的hello报文，但其中没有我端的router id，即邻居未受到我的hello报文。4、2-way 双方都受到了hello报文。若两端均为drother的话即会停留在这个状态。5、 exstart 互相交换dd报文，建立主从关系。6、exchange 双方用dd表述lsdb，互相交换。7、loading 发送lsr。8、full 对端的lsa本端均有，两端建立邻接关系。 　　9. ospf的hello报文使用组播地址224.0.0.5。 　　10. dd报文中，ms=1为master，i=1表示第一个dd报文。 　　11. 在广播和nbma网络上会选举dr，来传递信息。 　　12. 在dr的选举上，所有优先级大于0的均可选举，hello报文为选票，选择所有路由器中优先级最大的，如果优先级相同，选router id最大的。同时选出bdr。 　　13. 如果有优先级大的路由器加入网络，ospf的dr也不改变。 　　14. nbma网络―――x.25和fr。是全连通的，但点到多点不是全连通。nbma用单播发送报文，p to mp可是单播或多播。 　　15. nbma需要手工配置邻居。 　　16. 划分区域的原因，路由器的增多会导致lsdb的庞大导致cpu负担过大。 　　17. ospf区域间的路由计算通过abr来完成。 　　18. 骨干区域和虚连接，目的防止路由自环。 　　19. ospf可引入as外部路由，分两类 igp路由(cost=本路由器到asbr的花费和asbr到该目的的花费)和bgp路由(cost=asbr到该目的的花费)。 　　20. ospf一共将路由分四级，区域内路由、区域间路由、自治系统外一类路由igp、自治系统外二类路由(bgp)。前两类优先级10，后两类优先级150。 　　21. stub是不传播引入的外部路由的lsa的区域，由abr生成一条80路由传播到区域内。 　　22. 一个区域为stub区，则该区域内所有路由器均须配置该属性。虚连接不能穿越stub区域。 　　23. nssa基于rfc1587，该区域外的ase路由不能进入，但若是该区域内路由器引入的ase路由可以在区域内传播。 　　24. type=1的lsa:router-lsa 每个运行ospf的路由器均会生成，描述本路由器状况。对于abr会为每个区域生成一条router-lsa，传递范围是其所属区域。 　　25. type=2的lsa:network lsa，由dr生成，对于广播和nbma网络描述其区域内所有与dr建立邻接关系的路由器。 　　26. type=3的lsa:network summary lsa，由abr生成，为某个区域的聚合路由lsa在abr连接的其他区域传递。 　　27. type=4的lsa:asbr summary lsa，由abr生成，描述到达本区域内部的asbr的路由。是主机路由，掩码0.0.0.0。 　　28. type=5的lsa:as external lsa，由asbr生成，表述了到as外部的路由，与区域无关在整个as除了stub区内传递。 　　29. p to p――ppp、hdlc、lapb 　　30. broadcast――ethernet 　　31. nbma――fr、x.25 　　32. p to mp――由nbma修改而来，可以组播发送报文224.0.0.5。 　　33. iar-internal area router bbr――backbone router 　　34. ospf不会产生回路的原因，每一条lsa都标记了生成者，链路状态算法 　　35. 运行ospf，网络中路由器10台以上，网状拓扑，快收敛等。 　　36. ospf区域的划分:1、按自然或行政区域划分。2、按高端路由器来划分。3、按ip地址的分配来划分。 　　37. 区域不要超过70台，与骨干区域虚连接，abr性能要高不要配太多区域。 　　38. 配置:1、router id 2、ospf enable 3、端口下 ospf enable area aera_id 　　39. 路由聚合，ospf下 abr-summary ip mask area area_id 　　40. stub区域 stub cost area 　　41. 虚连接 vlink peer-id transit-area 　　42. nssa 区域 nssa area default-route-advertise 　　43. ospf可以dis 错误 接口 peer 和dis ospf 　　44. ospf可以debug enent 、lsa、packet、spf。 　　45. 接口上的dead定时器应大于hello定时器，且至少在4倍以上。 　　bgp 　　46. bgp――border gateway protocol egp协议 　　47. bgp端口号179，基于tcp协议传送，当前使用rfc1771-bgp4 　　48. bgp不发现和计算路由，只进行路由的传递和控制。 　　49. 支持cidr、采用增量路由发送、通过携带的as信息来解决路由环路、丰富的路由属性和策略。 　　50. as同一机构管理，统一的选路策略的一些路由器。1-65411为注册的因特网编号，65412-65535为专用网络编号。 　　51. bgp包括ibgp和ebgp。一般要求ebgp peer间保证直链链路，ibgp间保证逻辑全连接。 　　52. bgp选路原则:多条路径选最优的给自己、只将自己使用的路由通告给peer、从ebgp获得的路由会通告给所有bgp　peer、从ibgp得到的路由不通告ibgp　peer，看同步状况决定是否通告给ebgp　peer、新建立的连接，将所有的bgp路由通告给新的peer。 　　53. bgp同步，即ibgp宣告的路由在igp中已经被发现。 　　54. bgp路由引入――纯动态注入、半动态注入、静态注入 　　55. open报文，交换各种信息，用于协商建立邻居关系，是bgp的初始握手消息

HCSE概述 Huawei-3Com Certified Senior Network Engineer(华为3Com认证高级网络工程师) 认证 HCSE认证主要定位于大中型网络的配置、维护与方案设计

Johnny R . ，他是CS界的一个传奇人物，他有着属于自己的时代，他曾经影响过一代人对这个游戏的认识，许多CSer都是看着他的DEMO成长起来的。这一切一切都是因为他那支出神入化的狙击枪曾效力战队：[VA]、[-GST-]、]n![Faculty、Mystical Lambda、a-Losers操作系统：XP分辨率：1024x800最喜欢的地图：de_cbble、de_clan1_mill、de_cpl_fire最喜欢的武器：AWP、USP座右铭：live to play,play to live最著名的CSer之一他是魔鬼撒旦的儿子，他有超凡的能力，他为维护正义挺身而战，他就是卡通王国里的英雄——再生侠Spawn。而在CS的世界里，也有一个属于我们的再生侠，他就是来自CS圣地瑞典的年轻战神Spawn。Spawn姓名：Abdisamad Mohamed I D:NiP - Spawn年龄：28（生于1985年11月11日）性别：男现居住于：斯德哥尔摩（生于索马里首都摩加迪沙）国籍：瑞典所属战队：NiP曾效力战队：XiSM - (Tino Da Ruler, KuRru Da Kobra, VonoX, eLmono)matrix - (cyphoneR, Legenden, bulletproof, kulspruta, Zad, ScreaM, Dracula)2easy/mTw - (fisker, ahl, ScreaM, Filur)HLO/mTw - (Hyper, Tiny, MegatoN, Magix, GoodFella, knoxville, Naikon)SK - (fisker, ahl, Snajdan, vilden)NiP - (walle, zet, RobbaN, ins, HeatoN)CS分辨率：640×480鼠标速度：3.6 (-noforcemparms -noforcemaccel)做为一个真正的CSER来说，枪法，身法，意识，都并不代表什么。个人素质才是最重要的，请问：如何成为一名有素质的CSer。这才是玩CS的真正目的和乐趣。 把心态放好 输赢都是常事 所以不能浮躁或者激动 把自己的素质和内涵提高 不能因为CS而CS 要找到自己个人的性格方向。

第二栏里非常清楚Intel图像处理相关的是 Intel核心显卡吧应该是必须要的

Oracle启动服务详解以及手动控制关键字: oracle启动服务详解以及手动控制 2008-11-12 15:48注：SID - 数据库标识 HOME_NAME - Oracle Home名称，如OraHome92、OraHome81 （1）OracleServiceSID 数据库服务，这个服务会自动地启动和停止数据库。如果安装了一个数据库，它的缺省启动类型为自动。服务进程为ORACLE.EXE，参数文件initSID.ora，日志文件SIDALRT.log，控制台SVRMGRL.EXE、SQLPLUS.EXE。 （2）OracleHOME_NAMETNSListener 监听器服务，服务只有在数据库需要远程访问时才需要（无论是通过另外一台主机还是在本地通过 SQL*Net 网络协议都属于远程访问），不用这个服务就可以访问本地数据库，它的缺省启动类型为自动。服务进程为TNSLSNR.EXE，参数文件Listener.ora，日志文件listener.log，控制台LSNRCTL.EXE，默认端口1521、1526。 （3）OracleHOME_NAMEAgent OEM代理服务，接收和响应来自OEM控制台的任务和事件请求，只有使用OEM管理数据库时才需要，它的缺省启动类型为自动。服务进程为DBSNMP.EXE，参数文件snmp_rw.ora，日志文件nmi.log，控制台LSNRCTL.EXE，默认端口1748。 （4）OracleHOME_NAMEClientCache 名字缓存服务，服务缓存用于连接远程数据库的Oracle Names 数据。它的缺省启动类型是手动。然而，除非有一台Oracle Names 服务器，否则没有必要运行这个服务。服务进程为ONRSD.EXE，参数文件NAMES.ORA，日志文件ONRSD.LOG，控制台NAMESCTL.EXE。 （5）OracleHOME_NAMECMAdmin 连接管理服务，是构建Connection Manager服务器所用，只有服务器作为Connection Manager才需要，它的缺省启动类型是手动。服务进程为CMADMIN.EXE，参数文件CMAN.ORA，日志文件CMADM_PID.TRC，控制台CMCTL.EXE，默认端口1830。 （6）OracleHOME_NAMECMan 连接网关服务，是构建Connection Manager服务器所用，只有服务器作为Connection Manager才需要，它的缺省启动类型是手动。服务进程为CMGW.EXE，参数文件CMAN.ORA，日志文件CMAN_PID.TRC，控制台CMCTL.EXE，默认端口1630。 （7）OracleHOME_NAMEDataGatherer 性能包数据采集服务，除非使用Oracle Capacity Planner 和 Oracle Performance Manager，否则不需要启动，它的缺省启动类型是手动。服务进程为VPPDC.EXE，日志文件alert_dg.log，控制台vppcntl.exe。 （8）OracleHOME_NAMEHTTPServer Oracle提供的WEB服务器，一般情况下我们只用它来访问Oracle Apache 目录下的Web 页面，比如说JSP 或者modplsql 页面。除非你使用它作为你的HTTP服务，否则不需要启动（若启动它会接管IIS的服务），它的缺省启动类型是手动。服务进程为APACHE.EXE，参数文件httpd.conf，默认端口80。 （9）OracleHOME_NAMEPagingServer 通过一个使用调制解调器的数字传呼机或者电子邮件发出警告（没试过），它的缺省启动类型是手动。服务进程PAGNTSRV.EXE，日志文件paging.log。 （10）OracleHOME_NAMENames Oracle Names服务，只有服务器作为Names Server才需要，它的缺省启动类型是手动。服务进程NAMES.EXE，参数文件NAMES.ORA，日志文件NAMES.LOG，控制台NAMESCTL.EXE，默认端口1575。 （11）OracleSNMPPeerMasterAgent SNMP服务代理，用于支持SNMP的网管软件对服务器的管理，除非你使用网管工具监控数据库的情况，否则不需要启动，它的缺省启动类型是手动。服务进程为AGNTSVC.EXE，参数文件MASTER.CFG，默认端口161。 （12）OracleSNMPPeerEncapsulater SNMP协议封装服务，用于SNMP协议转换，除非你使用一个不兼容的SNMP代理服务，否则不需要启动，它的缺省启动类型是手动。服务进程为ENCSVC.EXE，参数文件ENCAPS.CFG，默认端口1161。 （13）OracleHOME_NAMEManagementServer OEM管理服务，使用OEM时需要，它的缺省启动类型是手动。服务进程为OMSNTSVR.EXE，日志文件oms.nohup。 在Windows 操作系统下安装Oracle 9i时会安装很多服务——并且其中一些配置为在Windows 启动时启动。在Oracle 运行在Windows 下时，它会消耗很多资源，并且有些服务可能我们并不总是需要。你会发现不使用Windows 图形界面就可以快速、完全地关闭数据库会很有用。 只要拥有管理员权限就可以通过net start 启动一个服务，或者通过net stop 命令停止一个服务，从而控制以下服务中的任何一个。在Windows XP 中，可以通过在控制面板的服务中改变想要禁用的服务（OracleOraHome...）的启动类型（Startup Type）参数，双击某个服务查看其属性，然后将启动类型属性从自动改为手动。 使数据库在本地工作唯一需要运行的服务是OracleServiceORCL 服务（其中ORCL 是SID）。这个服务会自动地启动和停止数据库（使用shutdown 中断）。如果安装了一个数据库，它的缺省启动类型为自动。如果主要是访问一个远程数据库，那么可以把启动类型由自动改为手动。 OracleOraHome92HTTPServer 服务（OraHome92 是Oracle Home 的名称）是在安装Oracle 时自动安装的Apache 服务器。一般情况下我们只用它来访问Oracle Apache 目录下的Web 页面，比如说JSP 或者modplsql 页面。 OracleOraHome92TNSListener 服务只有在数据库需要远程访问时才需要（无论是通过另外一台主机还是在本地通过 SQL*Net 网络协议都属于远程访问）。不用这个服务就可以访问本地数据库。 OracleOraHome92ClientCache 服务缓存用于连接远程数据库的Oracle Names 数据。正常情况下该服务的启动类型是配置为手动的。然而，除非有一台Oracle Names 服务器，否则没有必要运行这个服务。 有四个服务是Oracle 企业管理器所必须的（Oracle Enterprise Manager），这个服务分别为：OracleOraHome92Agent（智能代理），该服务监视数据库和企业管理器请求，缺省启动类型为自动。OracleOraHome92SNMPPeerEncapsulator 和OracleOraHome92SNMPPeerMasterAgent，处理安全网络管理协议服务。OracleOraHome92PagingServer 通过一个使用调制解调器的数字传呼机或者电子邮件发出警告。 OracleMTSRecoveryService 是可选的，该服务允许数据库充当一个微软事务服务器、COM/COM+对象和分布式环境下的事务的资源管理器。 如果只是偶尔使用一下数据库，那么可以创建一个简单的脚本任务来启动和关闭服务器，这样每次只要双击脚本就可以了，可以不使用图形界面。 1. 保存一个快捷方式自动地装载这些文件。 2. 将Oracle 服务设为手动避免在Windows 启动时启动。 REM "dbstart.cmd" @echo off set ORAHOME="OraHome90" set ORASID="zsd" net start OracleService%ORASID% REM net start Oracle%ORAHOME%HTTPServer REM net start Oracle%ORAHOME%TNSListener REM net start Oracle%ORAHOME%ClientCache REM net start Oracle%ORAHOME%Agent REM net start Oracle%ORAHOME%SNMPPeerEncapsulator REM net start Oracle%ORAHOME%SNMPPeerMasterAgent REM net start Oracle%ORAHOME%PagingServer REM net start OracleMTSRecoverService REM "dbshut.cmd" @echo off set ORAHOME="OraHome90" set ORASID="zsd" net stop OracleService%ORASID% REM net stop Oracle%ORAHOME%HTTPServer REM net stop Oracle%ORAHOME%TNSListener REM net stop Oracle%ORAHOME%ClientCache REM net stop Oracle%ORAHOME%Agent REM net stop Oracle%ORAHOME%SNMPPeerEncapsulator REM net stop Oracle%ORAHOME%SNMPPeerMasterAgent REM net stop Oracle%ORAHOME%PagingServer REM net stop OracleMTSRecoverService

es启动脚本是bin目录下的elasticsearch。其中需要加载一些环境变量，诸如ES_CLASSPATH JAVA_OPTS ES_JAVA_OPTS等。推荐设置ES_HEAP_SIZE的值，来这只es进程需要的内存（经验值为系统内存的一半以上），同时设置-p参数来指定pid文件的生成位置，在es关闭的时候会用到。脚本内容不再赘述，java主类位于org.elasticsearch.bootstrap。主要逻辑是生成了一个InternalNode节点，并且启动了一个keepalive线程。结点的启动代表整个es进程启动了。InternalNode节点是通过NodeBuilder来生成的，节点在构造函数中通过ModuleBuilder类来进行模块的注入（是对Guice的一个封装而已），同时生成injector实例，如下ModulesBuilder modules = new ModulesBuilder();modules.add(new Version.Module(version));modules.add(new CacheRecyclerModule(settings));modules.add(new PageCacheRecyclerModule(settings));modules.add(new BigArraysModule(settings));modules.add(new PluginsModule(settings, pluginsService));modules.add(new SettingsModule(settings));modules.add(new NodeModule(this));modules.add(new NetworkModule());modules.add(new ScriptModule(settings));modules.add(new EnvironmentModule(environment));modules.add(new NodeEnvironmentModule(nodeEnvironment));modules.add(new ClusterNameModule(settings));modules.add(new ThreadPoolModule(settings));modules.add(new DiscoveryModule(settings));modules.add(new ClusterModule(settings));modules.add(new RestModule(settings));modules.add(new TransportModule(settings));if (settings.getAsBoolean("http.enabled", true)) {modules.add(new HttpServerModule(settings));}modules.add(new RiversModule(settings));modules.add(new IndicesModule(settings));modules.add(new SearchModule());modules.add(new ActionModule(false));modules.add(new MonitorModule(settings));modules.add(new GatewayModule(settings));modules.add(new NodeClientModule());modules.add(new BulkUdpModule());modules.add(new ShapeModule());modules.add(new PercolatorModule());modules.add(new ResourceWatcherModule());modules.add(new RepositoriesModule());modules.add(new TribeModule());injector = modules.createInjector();在InternalNode的start方法中，用injector对各个模块完成启动，各自负责各自的功能，如下：injector.getInstance(Discovery.class).setAllocationService(injector.getInstance(AllocationService.class));for (Class plugin : pluginsService.services()) {injector.getInstance(plugin).start();}injector.getInstance(MappingUpdatedAction.class).start();injector.getInstance(IndicesService.class).start();injector.getInstance(IndexingMemoryController.class).start();injector.getInstance(IndicesClusterStateService.class).start();injector.getInstance(IndicesTTLService.class).start();injector.getInstance(RiversManager.class).start();injector.getInstance(SnapshotsService.class).start();injector.getInstance(ClusterService.class).start();injector.getInstance(RoutingService.class).start();injector.getInstance(SearchService.class).start();injector.getInstance(MonitorService.class).start();injector.getInstance(RestController.class).start();injector.getInstance(TransportService.class).start();DiscoveryService discoService = injector.getInstance(DiscoveryService.class).start();discoService.waitForInitialState();// gateway should start after disco, so it can try and recovery from gateway on "start"injector.getInstance(GatewayService.class).start();if (settings.getAsBoolean("http.enabled", true)) {injector.getInstance(HttpServer.class).start();}injector.getInstance(BulkUdpService.class).start();injector.getInstance(ResourceWatcherService.class).start();injector.getInstance(TribeService.class).start();至此，es进程启动完毕。guice相关介绍可以参见以下链接：关键点在于：@inject注释---guice会扫描inject注释，并对方法中出现的参数实例寻找对应注册的实例进行初始化。

of为介词，后接名词、代词、动名词。because后接句子。

input {file {type => "log"#stat_interval => " "path => "/home/hadoop/xinwang_XW351464_2110.log"}}filter {if [path] =~ "xinwang_XW351464_2110" {mutate { replace => { "type" => "apache_access" } }grok {match => { "message" => "%{COMBINEDAPACHELOG}" }

input {file {type => "log"#stat_interval => " "path => "/home/hadoop/xinwang_XW351464_2110.log"}}filter {if [path] =~ "xinwang_XW351464_2110" {mutate { replace => { "type" => "apache_access" } }grok {match => { "message" => "%{COMBINEDAPACHELOG}" }}}date {match => [ "timestamp" , "dd/MMM/yyyy:HH:mm:ss Z" ]}}output {elasticsearch {#cluster => "logstash_ela"#node_name=> "es_master"host => "192.168.1.152"index => "eslsg"index_type => "type"protocol => "http"port => 9200workers => 1}}执行 ./logstash agent -v -f txtTes.conf 的时候出现：Grok loading patterns from file {:path=>"/home/hadoop/logstash-1.4.2/patterns/postgresql", :level=>:info}Grok loading patterns from file {:path=>"/home/hadoop/logstash-1.4.2/patterns/mongodb", :level=>:info}Grok loading patterns from file {:path=>"/home/hadoop/logstash-1.4.2/patterns/mcollective", :level=>:info}Grok loading patterns from file {:path=>"/home/hadoop/logstash-1.4.2/patterns/redis", :level=>:info}Grok loading patterns from file {:path=>"/home/hadoop/logstash-1.4.2/patterns/java", :level=>:info}Grok loading patterns from file {:path=>"/home/hadoop/logstash-1.4.2/patterns/ruby", :level=>:info}Grok loading patterns from file {:path=>"/home/hadoop/logstash-1.4.2/patterns/junos", :level=>:info}Match data {:match=>{"message"=>"%{COMBINEDAPACHELOG}"}, :level=>:info}Grok compile {:field=>"message", :patterns=>["%{COMBINEDAPACHELOG}"], :level=>:info}Pipeline started {:level=>:info}New Elasticsearch output {:cluster=>nil, :host=>"192.168.1.152", :port=>9200, :embedded=>false, :protocol=>"http", :level=>:info}Automatic template management enabled {:manage_template=>"true", :level=>:info}Using mapping template {:template=>"{ "template" : "logstash-*", "settings" : { "index.refresh_interval" : "5s" }, "mappings" : { "_default_" : { "_all" : {"enabled" : true}, "dynamic_templates" : [ { "string_fields" : { "match" : "*", "match_mapping_type" : "string", "mapping" : { "type" : "string", "index" : "analyzed", "omit_norms" : true, "fields" : { "raw" : {"type": "string", "index" : "not_analyzed", "ignore_above" : 256} } } } } ], "properties" : { "@version": { "type": "string", "index": "not_analyzed" }, "geoip" : { "type" : "object", "dynamic": true, "path": "full", "properties" : { "location" : { "type" : "geo_point" } } } } } }}", :level=>:info}

用groovy脚本自定义ElasticSearch查询，来实现以上功能。例，数据中包含字段birdtyday，记录游客生日："birthday": "1992-02-05 00:00:00",新建文件getAgeByBirthday.groovy，编辑其内容为:def b = doc[birthday_field].valuedef birthday = new Date(b) def now = new Date() long age = (now -birthday)/365age并把此文件放在es的config/scripts目录下(如果没有此目录就新建一个)。然后在config/elasticsearch.yml文件中加一行:script.groovy.sandbox.enabled: true最后重启es即可。接下来，我们就可以用以下DSL进行年龄统计了GET /lovingtrip-report/hotelcustomer/_search?search_type=count{"aggs": {"counts_by_age": {"terms": {"script_file": "getAgeByBirthday","params": {"birthday_field": "birthday"},"size": 100}}}}或者：GET /lovingtrip-report/hotelcustomer/_search?search_type=count{"aggs": {"histogram_by_age": {"histogram": {"script_file": "getAgeByBirdthday","params": {"birdthday_field": "birdthday"},"interval": 5}}}}不过脚本查询性能不佳，且不能利用es的缓存，所以在大数据量或高性能要求的场景下不适用。。-------------------------------------补充一个自定义的年龄range过滤:range_AgeByBirthday.groovy:def b = doc[birdthday_field].valuedef birdthday = new Date(b) def now = new Date() long age = (now -birdthday)/365gte<=age && age<=lteDSL:GET /lovingtrip-report/hotelcustomer/_search?search_type=count{"query": {"filtered": {"filter": {"script": {"script_file": "range_AgeByBirdthday","params": {"birdthday_field": "birdthday","gte": 50,"lte": 60}}}}},"aggs": {"histogram_by_age": {"histogram": {"script_file": "getAgeByBirdthday","params": {"birdthday_field": "birdthday"},"interval": 5}}}}

用groovy脚本自定义ElasticSearch查询，来实现以上功能。例，数据中包含字段birdtyday，记录游客生日："birthday": "1992-02-05 00:00:00",新建文件getAgeByBirthday.groovy，编辑其内容为:def b = doc[birthday_field].valuedef birthday = new Date(b) def now = new Date() long age = (now -birthday)/365age并把此文件放在es的config/scripts目录下(如果没有此目录就新建一个)。然后在config/elasticsearch.yml文件中加一行:script.groovy.sandbox.enabled: true最后重启es即可。接下来，我们就可以用以下DSL进行年龄统计了GET /lovingtrip-report/hotelcustomer/_search?search_type=count{"aggs": {"counts_by_age": {"terms": {"script_file": "getAgeByBirthday","params": {"birthday_field": "birthday"},"size": 100}}}}或者：GET /lovingtrip-report/hotelcustomer/_search?search_type=count{"aggs": {"histogram_by_age": {"histogram": {"script_file": "getAgeByBirdthday","params": {"birdthday_field": "birdthday"},"interval": 5}}}}不过脚本查询性能不佳，且不能利用es的缓存，所以在大数据量或高性能要求的场景下不适用。。-------------------------------------补充一个自定义的年龄range过滤:range_AgeByBirthday.groovy:def b = doc[birdthday_field].valuedef birdthday = new Date(b) def now = new Date() long age = (now -birdthday)/365gte<=age && age<=lteDSL:GET /lovingtrip-report/hotelcustomer/_search?search_type=count{"query": {"filtered": {"filter": {"script": {"script_file": "range_AgeByBirdthday","params": {"birdthday_field": "birdthday","gte": 50,"lte": 60}}}}},"aggs": {"histogram_by_age": {"histogram": {"script_file": "getAgeByBirdthday","params": {"birdthday_field": "birdthday"},"interval": 5}}}}

四个等级，七个级别。TCSEC标准是计算机系统安全评估的第一个正式标准，具有划时代的意义。该准则于1970年由美国国防科学委员会提出，并于1985年12月由美国国防部公布。TCSEC最初只是军用标准，后来延至民用领域。TCSEC将计算机系统的安全划分为4个等级、7个级别。D级别是最低的安全级别，对系统提供最小的安全系统的访问控制没有限制，无需登陆系统就可以访问数据，这个级别的系统包括DOS，WINDOWS98等。C级别有两个子系统，C1级和C2、C1级称为选择性保护级（DiscrtionarySecurityProtection）可以实现自主安全防护，对用户和数据的分离，保护或限制用户权限的传播。C2级具有访问控制环境的权力，比C1的访问控制划分的更为详细，能够实现受控安全保护、个人帐户管理、审计和资源隔离。这个级别的系统包括UNX、LINUX和Windowsnt系统。C级别属于自由选。

很好很好用心疼我自己玩去了

IGCSE课程是目前世界上公认的最成熟的体系，最好的初中课程。学生学完IGCSE课程能够很好地衔接A-LEVEL，甚至IB，AP课程。CIE考试局的iGCSE有70多门课程，包括30门语言类课程，必修课与GCSE相同，即英语、数学和科学三门，但英文和数学各有3个不同的选择。A-level和IB一样，同样是学制两年，但A-level最大的特点就是，不同的是学生可以根据自己的情况自由选课，一般选择3-4门课程，像中国学生大多数会选理科的科目，因为这是中国学生比较擅长的科目。

用户在选购低压配电柜时，不仅要对配电柜的额定电压、额定电流、额定频率、柜体外形尺寸等技术参数了解，还应关注以下几方面参数：(1)主母线最大额定电流；(2)额定短时耐受电流；(3)峰值短时耐受电流；(4)外壳防护等级；(5)内部分隔方式；(6)功能单元形式。

海南金盘电气有限公司施耐德Blocset的授权厂 可以看我的空间

您好，这些文件都为系统文件，不可删除，删除会造成系统问题。感谢您对魅族的关心与支持，祝您生活愉快！

刚好遇到这问题了，这是我找到的：InprocServer32下一共有两个值：1、默认值是该dll的路径信息2、ThreadingModel键值是标记该dll的线程模型，eg：Apartment================================InProcServer32的字符串值，它代表容纳此COM类的载体应当是一个动态链接库。这个字符串值的数据是“D:MytestMySimpleMath.dll”，指明了组件所处的物理位置，这个信息对COM库查找和定位组件起到了决定性的作用。=================================其他的暂时还没找到~希望能帮到你！

GCSE即英国普通初级中学毕业文凭，相当于中国国内的初中毕业考试文凭，但实际上，GCSE是英国中学10年级和11年级的学习课程，程度和要求都比国内初中毕业生要高，从理论上说应该是国内的高一学生申请较为合适。经过两年GCSE学习后，学生方可进入A LEVEL阶段的学习。学生GCSE的成绩将被作为A LEVEL甚至大学录取的参考。 GCSE有一年制和两年制之分。

Get请求: http://localhost:9200/ {index}/{type}/{id}/_termvectors?fields={fieldName} 链接url/索引/类型/属性id/_termvectors?fields=name Post请求：{url}/_analyze analyzer

Elasticsearch 中文本分析Analysis是把全文本转换成一系列的单词(term/token）的过程，也叫分词。文本分析是使用分析器 Analyzer 来实现的，Elasticsearch内置了分析器，用户也可以按照自己的需求自定义分析器。 为了提高搜索准确性，除了在数据写入时转换词条，匹配 Query 语句时候也需要用相同的分析器对查询语句进行分析。 Analyzer 的组成 Analyzer 由三部分组成：Character Filters、Tokenizer、Token Filters Character Filters Character Filters字符过滤器接收原始文本text的字符流，可以对原始文本增加、删除字段或者对字符做转换。 一个Analyzer 分析器可以有 0-n 个按顺序执行的字符过滤器。 Tokenizer Tokenizer 分词器接收Character Filters输出的字符流，将字符流分解成的那个的单词，并且输出单词流。例如空格分词器会将文本按照空格分解，将 "Quick brown fox!" 转换成 [Quick, brown, fox!]。分词器也负责记录每个单词的顺序和该单词在原始文本中的起始和结束偏移 offsets 。 一个Analyzer 分析器有且只有 1个分词器。 Token Filters Token Filter单词过滤器接收分词器 Tokenizer 输出的单词流，可以对单词流中的单词做添加、移除或者转换操作，例如 lowercase token filter会将单词全部转换成小写，stop token filter会移除 the、and 这种通用单词，synonym token filter会往单词流中添加单词的同义词。 Token filters不允许改变单词在原文档的位置以及起始、结束偏移量。 一个Analyzer 分析器可以有 0-n 个按顺序执行的单词过滤器。 Elasticsearch内置的分词器 Standard Analyzer - 默认分词器，按词切分，小写处理 Simple Analyzer - 按照非字母切分（符号被过滤），小写处理 Stop Analyzer - 小写处理，停用词过滤（the ，a，is） Whitespace Analyzer - 按照空格切分，不转小写 Keyword Analyzer - 不分词，直接将输入当做输出 Patter Analyzer - 正则表达式，默认 W+ Language - 提供了 30 多种常见语言的分词器 常用的插件分词器 IK Analyzer - 对中文分词友好，支持远程词典热更新，有ik_smart 、ik_max_word 两种分析器 pinyin Analyzer - 可以对中文进行拼音分析，搜索时使用拼音即可搜索出来对应中文 ICU Analyzer - 提供了 Unicode 的支持，更好的支持亚洲语言 hanLP Analyzer - 基于NLP的中文分析器

ccna是思科网络工程师助理 mcse是微软的 dba是数据库

cheese