el

韩庚将心脏移植给崔始源”的全过程 哈哈，，，看到这个题目可能大家吓了一跳吧。今天要跟大家说的是韩庚、崔始源以及sm女演员李燕姬共同主演的一部感人的MV的新情况。SM另外一位签约的中国练习生张力颖（名字写法不一定准确）和俊秀合唱的歌曲马上就要通过MV在韩国公开了。这首歌曲的MV主人公由韩庚、崔始源、李燕姬担任。韩庚扮演一位警官，而崔始源扮演反派---抢劫犯。带着面具行凶的崔始源将韩庚的剧中女友---李燕姬作为人质挟持，韩庚赶到现场，发现崔始源挟持了自己的女友。十分愤怒地与崔始源对峙。（据韩庚说，当时拍摄的时候为了表现愤怒，冲着崔始源狂喊，嗓子都快喊破了。我说你都喊啥了？他说：放下枪，王八蛋之类的，，，反正啥难听说啥，之后只出画面不出声音，估计感情表现得十分到位） 崔始源一枪打在韩庚头部，韩庚顿时自己捏破后脑勺放好的“血袋”，啪地爆炸，然后直接装死躺在血泊里。。。。 剧情发展到这里，可能大家都以为韩庚在一半就被崔始源打死有点不甘心。不过，韩庚在剧中还没那么快就死去，成了植物人，脑死亡，一直躺在医院过了一年。据说拍植物人戏的时候韩庚最爽，直接躺在病床上就睡着了。导演说收工都听不到，导演哭笑不得地说：你演植物人不用眼，整个一个睡眠状态。。。 睡了一年的韩庚最终被医院告知没有好转的可能，于是韩庚的家属决定放弃继续治疗，将他的内脏捐出。而心脏恰巧捐给了心脏不好的崔始源。崔始源经过手术，将韩庚的心脏移植到自己的体内，非常莫名其妙地见到李燕姬便赶到心慌，心痛。后来他去医院查询心脏的原来主人，认出了曾经与自己对峙的警官---韩庚。。。MV最后一个镜头，是崔始源当年作案后揭开面具，露出自己的本来面目。 据说MV编辑的时候会采取，第一部分讲述崔始源的故事，第二部分讲述韩庚的故事两个主题进行。 韩庚为了和李燕姬扮演情侣，特意拍摄了非常亲密的剧照，照片不知被谁公布在网上，还引起了歌迷们一阵小小的骚动。总之，这部MV应该非常精彩，值得期待，据说歌曲非常非常好听，催人泪下。

一、ElasticSearch是什么？ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是第二流行的企业搜索引擎。能够达到实时搜索，稳定，可靠，快速，安装使用方便，零配置和完全免费。我们先说说ES的基本概念。1、索引(Index)ES将数据存储于一个或多个索引中，索引是具有类似特性的文档的集合。类比传统的关系型数据库领域来说，索引相当于SQL中的一个数据库，或者一个数据存储方案(schema)。索引由其名称(必须为全小写字符)进行标识，并通过引用此名称完成文档的创建、搜索、更新及删除操作。一个ES集群中可以按需创建任意数目的索引。2、类型(Type)类型是索引内部的逻辑分区(category/partition)，然而其意义完全取决于用户需求。因此，一个索引内部可定义一个或多个类型(type)。一般来说，类型就是为那些拥有相同的域的文档做的预定义。例如，在索引中，可以定义一个用于存储用户数据的类型，一个存储日志数据的类型，以及一个存储评论数据的类型。类比传统的关系型数据库领域来说，类型相当于“表”。3、文档(Document)文档是Lucene索引和搜索的原子单位，它是包含了一个或多个域的容器，基于JSON格式进行表示。文档由一个或多个域组成，每个域拥有一个名字及一个或多个值，有多个值的域通常称为“多值域”。每个文档可以存储不同的域集，但同一类型下的文档至应该有某种程度上的相似之处。4、映射(Mapping)ES中，所有的文档在存储之前都要首先进行分析。用户可根据需要定义如何将文本分割成token、哪些token应该被过滤掉，以及哪些文本需要进行额外处理等。另外，ES还提供了额外功能，例如将域中的内容按需排序。事实上，ES也能自动根据其值确定域的类型。5、集群(Cluster)ES集群是一个或多个节点的集合，它们共同存储了整个数据集，并提供了联合索引以及可跨所有节点的搜索能力。多节点组成的集群拥有冗余能力，它可以在一个或几个节点出现故障时保证服务的整体可用性。集群靠其独有的名称进行标识，默认名称为“elasticsearch”。节点靠其集群名称来决定加入哪个ES集群，一个节点只能属一个集群。如果不考虑冗余能力等特性，仅有一个节点的ES集群一样可以实现所有的存储及搜索功能。6、节点(Node)运行了单个实例的ES主机称为节点，它是集群的一个成员，可以存储数据、参与集群索引及搜索操作。类似于集群，节点靠其名称进行标识，默认为启动时自动生成的随机Marvel字符名称。用户可以按需要自定义任何希望使用的名称，但出于管理的目的，此名称应该尽可能有较好的识别性。节点通过为其配置的ES集群名称确定其所要加入的集群。7、分片(Shard)和副本(Replica)ES的“分片(shard)”机制可将一个索引内部的数据分布地存储于多个节点，它通过将一个索引切分为多个底层物理的Lucene索引完成索引数据的分割存储功能，这每一个物理的Lucene索引称为一个分片(shard)。每个分片其内部都是一个全功能且独立的索引，因此可由集群中的任何主机存储。创建索引时，用户可指定其分片的数量，默认数量为5个。ES集群可由多个节点组成，各Shard分布式地存储于这些节点上。ES可自动在节点间按需要移动shard，例如增加节点或节点故障时。简而言之，分片实现了集群的分布式存储，而副本实现了其分布式处理及冗余功能。OK，上面把ES相关的基本概念及原理大致说明了下，那么ES到底是怎么实现全文检索的呢？Elasticsearch实现全文检索，首先要确定分词器，ES默认有很多分词器，可参考官方文档。了解分词器主要是怎么实现的。一般中文分词器使用第三方的ik分词器、mmsegf分词器和paoding分词器，最初可能构建于lucene，后来移植于ES。目前我们在最新版的ES中，使用的是IK分词。安装ik分词器到elasticsearch很简单，它有个插件目录analysis-ik，和一个配置目录ik, 分别拷贝到plugins和conf目录就可以了。当你有大量的文本数据时，ES均会将其进行分词并将这些词语保存在索引中，当输入关键词进行查询时，索引就会起到作用，查找对应的相同的查询词，从而实现全文检索。当然这个过程是很吃内存的哦。

LL是想把这段歌词翻译成中文吧？可惜我英文无能，翻译不了啊！

是不合时宜的。adj.永恒的；不受时间影响的；不合时宜的短语1、timeless romance超时空要爱2、Timeless Love时光恋人 ; 永恒的爱 ; 时光之恋3、Timeless Journey Taiwan世纪台湾系列 ; 英文原名例句1、Elves, goblins, and trolls seem to be the timeless creations of the distant past, but gremlins were born in the 20th century.精灵、小妖精和侏儒似乎是远古时代永恒的产物，但小妖精诞生于20世纪。

或如何了解缺少哪些官方文件 如果我不得不用一个短语来描述Elasticsearch，我会说： 目前，Elasticsearch在十大最受欢迎的开源技术中。 公平地说，它结合了许多本身并不独特的关键功能，但是，当结合使用时，它可以成为最佳的搜索引擎/分析平台。 更准确地说，由于以下功能的结合，Elasticsearch变得如此流行： · 搜索相关性评分 · 全文搜索 · 分析（汇总） · 无模式（对数据模式无限制），NoSQL，面向文档 · 丰富的数据类型选择 · 水平可扩展 · 容错的 通过与Elasticsearch进行合作，我很快意识到，官方文档看起来更像是所谓文档的"挤压"。 我不得不在Google上四处搜寻，并且大量使用stackowerflow，所以我决定编译这篇文章中的所有信息。 在本文中，我将主要撰写有关查询/搜索Elasticsearch集群的文章。 您可以通过多种不同的方式来实现大致相同的结果，因此，我将尝试说明每种方法的利弊。 更重要的是，我将向您介绍两个重要的概念-查询和过滤器上下文-在文档中没有很好地解释。 我将为您提供一组规则，以决定何时使用哪种方法更好。 在阅读本文后，如果我只想让您记住一件事，那就是： 当我们谈论Elasticsearch时，总会有一个相关性分数。 相关性分数是严格的正浮点数，表示每个文档满足搜索标准的程度。 该分数是相对于分配的最高分数的，因此，分数越高，文档与搜索条件的相关性越好。 但是，过滤器和查询是您在编写查询之前应该能够理解的两个不同概念。 一般来说，过滤器上下文是一个"是/否"选项，其中每个文档都与查询匹配或不匹配。 一个很好的例子是SQL WHERE，后面是一些条件。 SQL查询总是返回严格符合条件的行。 SQL查询无法返回歧义结果。 另一方面，Elasticsearch查询上下文显示了每个文档与您的需求的匹配程度。 为此，查询使用分析器查找最佳匹配。 经验法则是将过滤器用于： · 是/否搜索 · 搜索精确值（数字，范围和关键字） 将查询用于： · 结果不明确（某些文档比其他文档更适合） · 全文搜索 此外，Elasticsearch将自动缓存过滤器的结果。 在第1部分和第2部分中，我将讨论查询（可以转换为过滤器）。 请不要将结构化和全文与查询和过滤器混淆-这是两件事。 结构化查询也称为术语级查询，是一组查询方法，用于检查是否应选择文档。 因此，在很多情况下，没有真正必要的相关性评分-文档匹配或不匹配（尤其是数字）。 术语级查询仍然是查询，因此它们将返回分数。 名词查询 Term Query 返回字段值与条件完全匹配的文档。 查询一词是SQL select * from table_name where column_name =...的替代方式 名词查询直接进入倒排索引，这可以使其快速进行。 在处理文本数据时，最好仅将term用于keyword字段。 名词查询默认情况下在查询上下文中运行，因此，它将计算分数。 即使所有返回的文档的分数相同，也将涉及其他计算能力。 带有过滤条件的 名词 查询 如果我们想加速名词查询并使其得到缓存，则应将其包装在constant_score过滤器中。 还记得经验法则吗？ 如果您不关心相关性得分，请使用此方法。 现在，该查询没有计算任何相关性分数，因此，它更快。 而且，它是自动缓存的。 快速建议-对文本字段使用匹配而不是名词。 请记住，名词查询直接进入倒排索引。名词查询采用您提供的值并按原样搜索它，这就是为什么它非常适合查询未经任何转换存储的keyword字段。 多名词查询 Terms query 如您所料，多名词查询使您可以返回至少匹配一个确切名词的文档。 多名词查询在某种程度上是SQL select * from table_name where column_name is in...的替代方法 重要的是要了解，Elasticsearch中的查询字段可能是一个列表，例如{“ name”：[“ Odin”，“ Woden”，“ Wodan”]}。如果您执行的术语查询包含以下一个或多个，则该记录将被匹配-它不必匹配字段中的所有值，而只匹配一个。 与名词查询相同，但是这次您可以在查询字段中指定多少个确切术语。 您指定必须匹配的数量-一，二，三或全部。 但是，此数字是另一个数字字段。 因此，每个文档都应包含该编号（特定于该特定文档）。 返回查询字段值在定义范围内的文档。 等价于SQL select * from table_name where column_name is between... 范围查询具有自己的语法： · gt 大于 · gte 大于或等于 · lt 小于 · lte 小于或等于 一个示例，该字段的值应≥4且≤17 范围查询也可以很好地与日期配合使用。 正则表达式查询返回其中字段与您的正则表达式匹配的文档。 如果您从未使用过正则表达式，那么我强烈建议您至少了解一下它是什么以及何时可以使用它。 Elasticsearch的正则表达式是Lucene的正则表达式。 它具有标准的保留字符和运算符。 如果您已经使用过Python的re软件包，那么在这里使用它应该不是问题。 唯一的区别是Lucene的引擎不支持^和$等锚运算符。 您可以在官方文档中找到regexp的完整列表。 除正则表达式查询外，Elsticsearch还具有通配符和前缀查询。从逻辑上讲，这两个只是regexp的特殊情况。 不幸的是，我找不到关于这三个查询的性能的任何信息，因此，我决定自己对其进行测试，以查看是否发现任何重大差异。 在比较使用rehexp和通配符查询时，我找不到性能上的差异。如果您知道有什么不同，请给我发消息。 由于Elasticsearch是无模式的（或没有严格的模式限制），因此当不同的文档具有不同的字段时，这是一种很常见的情况。 结果，有很多用途来了解文档是否具有某些特定字段。 全文查询适用于非结构化文本数据。 全文查询利用了分析器。 因此，我将简要概述Elasticsearch的分析器，以便我们可以更好地分析全文查询。 每次将文本类型数据插入Elasticsearch索引时，都会对其进行分析，然后存储在反向索引中。根据分析器的配置方式，这会影响您的搜索功能，因为分析器也适用于全文搜索。 分析器管道包括三个阶段： 总有一个令牌生成器和零个或多个字符和令牌过滤器。 1）字符过滤器按原样接收文本数据，然后可能在对数据进行标记之前对其进行预处理。 字符过滤器用于： · 替换与给定正则表达式匹配的字符 · 替换与给定字符串匹配的字符 · 干净的HTML文字 2）令牌生成器将字符过滤器（如果有）之后接收到的文本数据分解为令牌。 例如，空白令牌生成器只是将文本分隔为空白（这不是标准的）。 因此，Wednesday is called after Woden， 将被拆分为[Wednesday, is, called, after, Woden.]。 有许多内置标记器可用于创建自定义分析器。 删除标点符号后，标准令牌生成器将使用空格分隔文本。 对于绝大多数语言来说，这是最中立的选择。 除标记化外，标记化器还执行以下操作： · 跟踪令牌顺序， · 注释每个单词的开头和结尾 · 定义令牌的类型 3）令牌过滤器对令牌进行一些转换。您可以选择将许多不同的令牌过滤器添加到分析器中。一些最受欢迎的是： · 小写 · 词干（存在多种语言！） · 删除重复 · 转换为等效的ASCII · 模式的解决方法 · 令牌数量限制 · 令牌的停止列表（从停止列表中删除令牌） 标准分析器是默认分析器。 它具有0个字符过滤器，标准令牌生成器，小写字母和停止令牌过滤器。 您可以根据需要组成自定义分析器，但是内置分析器也很少。 语言分析器是一些最有效的即用型分析器，它们利用每种语言的细节来进行更高级的转换。 因此，如果您事先知道数据的语言，建议您从标准分析器切换为数据的一种语言。 全文查询将使用与索引数据时使用的分析器相同的分析器。更准确地说，您查询的文本将与搜索字段中的文本数据进行相同的转换，因此两者处于同一级别。 匹配查询是用于查询文本字段的标准查询。 我们可以将匹配查询称为名词查询的等效项，但适用于文本类型字段（而在处理文本数据时，名词应仅用于关键字类型字段）。 默认情况下，传递给查询参数的字符串（必需的一个）将由与应用于搜索字段的分析器相同的分析器处理。 除非您自己使用analyzer参数指定分析器。 当您指定要搜索的短语时，将对其进行分析，并且结果始终是一组标记。默认情况下，Elasticsearch将在所有这些标记之间使用OR运算符。这意味着至少应该有一场比赛-更多的比赛虽然会得分更高。您可以在运算符参数中将其切换为AND。在这种情况下，必须在文档中找到所有令牌才能将其返回。 如果要在OR和AND之间输入某些内容，则可以指定minimum_should_match参数，该参数指定应匹配的子句数。 可以数字和百分比指定。 模糊参数（可选）可让您忽略错别字。 Levenshtein距离用于计算。 如果您将匹配查询应用于关键字keyword字段，则其效果与词条查询相同。 更有趣的是，如果将存储在反向索引中的令牌的确切值传递给term查询，则它将返回与匹配查询完全相同的结果，但是会更快地返回到反向索引。 与匹配相同，但顺序和接近度很重要。 匹配查询不了解序列和接近度，因此，只有通过其他类型的查询才能实现词组匹配。 match_phrase查询具有slop参数（默认值为0），该参数负责跳过术语。 因此，如果您指定斜率等于1，则短语中可能会省略一个单词。 多重比对查询的功能与比对相同，唯一的不同是多重比对适用于多个栏位 · 字段名称可以使用通配符指定 · 默认情况下，每个字段均加权 · 每个领域对得分的贡献都可以提高 · 如果没有在fields参数中指定任何字段，那么将搜索所有符合条件的字段 有多种类型的multi_match。 我不会在这篇文章中描述它们，但是我将解释最受欢迎的： best_fields类型（默认值）更喜欢在一个字段中找到来自搜索值的令牌的结果，而不是将搜索的令牌分配到不同字段中的结果。 most_fields与best_fields类型相反。 phrase类型的行为与best_fields相同，但会搜索与match_phrase类似的整个短语。 我强烈建议您查阅官方文档，以检查每个字段的得分计算准确度。 复合查询将其他查询包装在一起。 复合查询： · 结合分数 · 改变包装查询的行为 · 将查询上下文切换到过滤上下文 · 以上任意一项 布尔查询将其他查询组合在一起。 这是最重要的复合查询。 布尔查询使您可以将查询上下文中的搜索与过滤器上下文搜索结合在一起。 布尔查询具有四个可以组合在一起的出现（类型）： · must或"必须满足该条款" · should或"如果满足条款，则对相关性得分加分" · 过滤器filter或"必须满足该条款，但不计算相关性得分" · must_not或“与必须相反”，不会有助于相关度得分 必须和应该→查询上下文 过滤器和must_not→过滤器上下文 对于那些熟悉SQL的人，必须为AND，而应为OR运算符。 因此，必须满足must子句中的每个查询。 对于大多数查询，提升查询与boost参数相似，但并不相同。 增强查询将返回与肯定子句匹配的文档，并降低与否定子句匹配的文档的得分。 如我们在术语查询示例中先前看到的，constant_score查询将任何查询转换为相关性得分等于boost参数（默认值为1）的过滤器上下文。 让我知道是否您想阅读另一篇文章，其中提供了所有查询的真实示例。 我计划在Elasticsearch上发布更多文章，所以不要错过。 你已经读了很长的内容，所以如果你阅读到这里： 综上所述，Elasticsearch符合当今的许多用途，有时很难理解什么是最佳工具。 如果不需要相关性分数来检索数据，请尝试切换到过滤器上下文。 另外，了解Elasticsearch的工作原理也至关重要，因此，我建议您始终了解分析器的功能。 Elasticsearch中还有许多其他查询类型。 我试图描述最常用的。 我希望你喜欢它。 (本文翻译自kotartemiy u2714ufe0f的文章《Deep Dive into Querying Elasticsearch. Filter vs Query. Full-text search》，参考：https://towardsdatascience.com/deep-pe-into-querying-elasticsearch-filter-vs-query-full-text-search-b861b06bd4c0)

中文版： 我不愿意听你说放弃 累的心 仿佛失去全部力气 多想可以 继续拥抱你 让爱情 用微笑一路走下去 Timeless 这不是离别 若爱不能倒回 这一刻会永远 Hold tight, baby Timeless 珍藏在我心扉 像一场重感冒让人疲惫 慢慢的复原 we both agree. This is timeless love.. 没了呼吸 慢慢我远去， 但伤心 一直盘旋在那原地 我用全力呼喊你 谁静静在听 一颗心 还隐隐作痛在低泣 停不了想念的泪滴 还有什么领悟让我坚定 再无法捉紧 难道一切注定 Timeless 这不是离别 若爱不能倒回 这一刻会永远 Hold tight, baby Timeless 珍藏在我心扉 像一场重感冒让人疲惫， 慢慢的复原 we both agree. This is timeless love.. yeah...baby It"s timeless..oh baby It"s timeless Timeless 回忆不断翻飞 像一场重感冒让人疲惫 慢慢的复原 we both agree. This is timeless love.. 韩文版： 279739, 89 8223030505 65912593 2185 91 05050739 358507 91 13 21 339905 8731 17960755 3625135799 Timeless 331731 239137 630735 17339505 3185173799 Hold tight baby Timeless 33 752723 042539 257935 29104903 372707 2353 173391 We both agree This is timeless love 171831 99 753107 29510333 6583 7589 717539 8307 890535 91 89 130719 8997 03331737 184907 05057537 576783 8905 135505 89951929 2175 958339 89 25 382339. 998175 012339. Timeless 331731 239137. 630735 17339505 3185 173799 Hold tight baby timeless 33752723 042539 257935 29104903 372707 2353 173391 We both agree This is timeless love yeah baby is timeless Hole tight baby timeless 912373 21 339300 257935 29104903 372707 (3727 173391) 2353 173391 We both agree This is timeless This is timeless love 英文版： Baby come close, let me tell you this In a whisper my heart says you know it too Maybe we both share a secret wish And you"re feeling my love reaching out to you Timeless, don"t let it end no Now that you"re right here in my arms where you should stay Hold tight baby Timeless, don"t let it fade out of sight Just let the moments sweep us both away Lifting us to where, we both agree This is timeless, love I see it all baby in your eyes When you look at me, you know I feel it too (yes I do) So let"s sail away and meet forever baby Where the crystal ocean melts into the sky We shouldn"t let the moment pass (moment pass) Making me shiver, let"s make it last Why should we lose it? Don"t ever let me go Yeah yeah yeah yeeeaah yeah Baby it"s timeless (oh baby it"s timeless) Timeless Don"t let it fade out of sight Just let the moments sweep us both away (just let the moments) Lifting us to where we both agree this is timeless This is timeless, love

MySQL支持全文索引和搜索功能。在MySQL中可以在CHAR、VARCHAR或TEXT列使用FULLTETXT来创建全文索引。 FULLTEXT索引主要用MATCH()...AGAINST语法来实现搜索： MySQL的全文搜索存在以下局限： 通常来说MySQL自带的全文搜索使用起来局限性比较大，性能和功能都不太成熟，主要适用于小项目，大项目还是建议使用elasticsearch来做全文搜索。 ElasticSearch是一个分布式的开源搜索和分析引擎，适用于所有类型的数据，包括文本、数字、地理空间、结构化和非结构化数据，以下简称ES。 Elasticsearch 在 Apache Lucene 的基础上开发而成，Elasticsearch 以其简单的 REST 风格 API、分布式特性、速度和可扩展性而闻名，是 Elastic Stack 的核心组件。Elastic Stack 是适用于数据采集、充实、存储、分析和可视化的一组开源工具。 Elasticsearch 的实现原理主要分为以下几个步骤，首先用户将数据提交到Elasticsearch 数据中心，再通过分词控制器去将对应的数据分词，将其权重和分词结果一并存入数据，当用户搜索数据时候，再根据权重将结果排名，打分，再将返回结果呈现给用户。 由于ES是基于RESTfull Web接口的，因此我们直接按照惯例传递JSON参数调用接口即可实现增删改查，并且不需要我们做额外的管理操作就可以直接索引文档，ES已经内置了所有的缺省操作，可以自动帮我们定义类型。 再次执行PUT，会对库中已有的id为1的数据进行覆盖，每修改一次_version字段的版本号就会加1。 默认搜索会返回前10个结果： 返回的几个关键词： 查询字符串搜索，可以像传递URL参数一样传递查询语句。 精确查询： 全文搜索： 以上两种方法都需要考虑数据更改后如何与ES进行同步。

TIMELESS (中文版) 歌手： 张力尹 我不愿意 听你说放弃 累的心 仿佛失去全部力气 多想可以 继续拥抱你 让爱情 用微笑一路走下去 Timeless 这不是离别 若爱不能倒回 这一刻会永远 Hold tight, baby Timeless 珍藏在我心扉 像一场重感冒让人疲惫 慢慢的复原 we both agree. This is timeless love.. 没了呼吸 慢慢我远去， 但伤心 一直盘旋在那原地 我用全力呼喊你 谁静静在听 一颗心 还隐隐作痛在低泣 停不了想念的泪滴 还有什么领悟让我坚定 再无法捉紧 难道一切注定 Timeless 这不是离别 若爱不能倒回 这一刻会永远 Hold tight, baby Timeless 珍藏在我心扉 像一场重感冒让人疲惫， 慢慢的复原 we both agree. This is timeless love.. yeah...baby It"s timeless..oh baby It"s timeless Timeless 回忆不断翻飞 像一场重感冒让人疲惫 慢慢的复原 we both agree. This is timeless love..

timeless我不愿意听你说放弃累的心仿佛失去全部力气多想可以继续拥抱你让爱情用微笑一路走下去Timeless这不是离别若爱不能倒回这一刻会永远Holdtight,babyTimeless珍藏在我心扉像一场重感冒让人疲惫慢慢的复原webothagree.Thisistimelesslove..没了呼吸慢慢我远去，但伤心一直盘旋在那原地我用全力呼喊你谁静静在听一颗心还隐隐作痛在低泣停不了想念的泪滴还有什么领悟让我坚定再无法捉紧难道一切注定Timeless这不是离别若爱不能倒回这一刻会永远Holdtight,babyTimeless珍藏在我心扉像一场重感冒让人疲惫，慢慢的复原webothagree.Thisistimelesslove...yeah...babyIt"stimeless..ohbabyIt"stimelessTimeless回忆不断翻飞像一场重感冒让人疲惫慢慢的复原webothagree.ThisistimelessThisistimelesslove...

这昰和我们的秀秀一起唱得、Timeless张力尹&细亚俊秀(男)我不愿意听你说放弃累的心仿佛失去全部力气多想可以继续拥抱你让爱情用微笑一路走下去(合)Timeless这不是离别若爱不能倒回这一刻会永远HoldtightbabyTimeless珍藏在我心扉像一场重感冒让人疲惫慢慢的复原WebothagreeThisistimelesslove(女)没了呼吸慢慢我远去但伤心一直盘旋在那原地我用全力呼喊你谁静静在听一颗心还隐隐作痛在低泣停不了想念的泪滴还有什么领悟让我坚定(合)再无法捉紧难道一切注定Timeless这不是离别若爱不能倒回这一刻会永远HoldtightbabyTimeless珍藏在我心扉像一场重感冒让人疲惫慢慢的复原WebothagreeThisistimelessloveYeahBabyit"stimelessOhbabyIt"stimelessTimeless回忆不断翻飞像一场重感冒让人疲惫慢慢的复原WebothagreeThisistimelessThisistimelesslove

《Timeless》曾经是一首经典的老式情歌，低回温婉，2003年由JUSTIN GUARINI首次演唱，其中高昂的女生部分则由KELLY CLARKSON完成。原版歌曲带有强烈的欧美音乐风格，音色辽阔，节奏强劲。　　 2006年，SM旗下的R&B女歌手张力尹和细亚俊秀重新演绎了这首歌。改编后的歌曲明显带有东方的柔情色彩，节奏舒缓，低回婉转，更适合展现东方人内心强烈但是含蓄的情感表达。 《Timeless》是一首有着东方式的节奏和R&B风格的groove节奏的歌曲 。拥有魅力音色的R&B新人张力尹用独特的演唱方式与“东方神起”成员细亚俊秀共同翻唱了这首经典情歌。　　《Timeless》能触动所有人心底最柔软的回忆，相信每个人都曾感受过那样坚定的爱情和分离的折磨。仅有16岁的张力尹用她浑厚的嗓音和充沛的感情跟细亚俊秀魅力和声融为一体，在男人和女人如泣如诉的对唱中，我们看到了一种穿越时间界限，不顾一切的爱情力量。当爱情走到绝境，当分离成为唯一的结果，我不愿意听到你说放弃，人的决定是比时间更加残酷的判决。留下在回忆的旋涡里，那些珍藏只会像毒药一般折磨意志，永世不能逃离。即使就是这样一场令人重伤的爱情，我们仍选择去爱，把希望留在心底，没有一丝悔恨和责怪地眼看着爱情的结束。希望有一天，我们可以再度拥抱，让爱情用微笑一路走下去。　　爱情中最让人动心的不是甜蜜而且战胜时间的坚持和勇气，在这首歌中，没有痛撤心扉的折磨，也没有温柔甜蜜的回忆，只会给人带来无尽的勇气，坚持自己、坚守爱情的勇气。　　温柔的节奏，激昂荡漾的和声，还有不顾一切、爆发情感的动人旋律，这就是无尽的《Timeless》！我不愿意 听你说放弃 累的心 仿佛失去全部力气 多想可以 继续拥抱你 让爱情 用微笑一路走下去 Timeless 这不是离别 　 若爱不能倒回 这一刻会永远 Hold tight, baby Timeless 珍藏在我心扉 像一场重感冒让人疲惫 慢慢的复原 　 we both agree. This is timeless love.. 没了呼吸 慢慢我远去， 但伤心 一直盘旋在那原地 我用全力呼喊你 谁静静在听 一颗心 还隐隐作痛在低泣 停不了想念的泪滴 还有什么领悟让我坚定 再无法捉紧 难道一切注定 Timeless 这不是离别 若爱不能倒回 这一刻会永远 Hold tight, baby Timeless 珍藏在我心扉 像一场重感冒让人疲惫， 慢慢的复原 　 we both agree. This is timeless love.. yeah...baby It"s timeless..oh baby It"s timeless Timeless 回忆不断翻飞 像一场重感冒让人疲惫 慢慢的复原 　 we both agree. This is timeless love. 我不愿意 听你说放弃 累的心 仿佛失去全部力气 多想可以 继续拥抱你 让爱情 用微笑一路走下去 Timeless 这不是离别 　 若爱不能倒回 这一刻会永远 Hold tight, baby Timeless 珍藏在我心扉 像一场重感冒让人疲惫 慢慢的复原 　 we both agree. This is timeless love.. 没了呼吸 慢慢我远去， 但伤心 一直盘旋在那原地 我用全力呼喊你 谁静静在听 一颗心 还隐隐作痛在低泣 停不了想念的泪滴 还有什么领悟让我坚定 再无法捉紧 难道一切注定 Timeless 这不是离别 若爱不能倒回 这一刻会永远 Hold tight, baby Timeless 珍藏在我心扉 像一场重感冒让人疲惫， 慢慢的复原 　 we both agree. This is timeless love.. yeah...baby It"s timeless..oh baby It"s timeless Timeless 回忆不断翻飞 像一场重感冒让人疲惫 慢慢的复原 　 we both agree. This is timeless love.

使用ElasticSearch快一年了，自认为相关API使用的还比较6，产品提的一些搜索需求实现起来都从心应手；但是前几天同事的一个问题直接将我打回到小白，同事问了句：“ ElasticSearch的索引是怎么存储的？删除文档和更新文档是怎么实现的？ ”，当时我就懵逼了，说了句得查一下，好尴尬...... 回想起来发现自己从来都没有深入了解过这些细节，于是便觉得非常有必要对ElasticSearch的文档存储做一次深入的了解，知其然不知其所以然对于我们来说是远远不够的，在ElasticSearch中，文档（ Document ）存储的介质分为内存和硬盘两种: 同时，ElasticSearch进程自身的运行也需要内存空间，必须保证ElasticSearch进程有充足的运行时内存。为了使ElasticSearch引擎达到最佳性能，必须合理分配有限的内存和硬盘资源。 ElasticSearch引擎把文档数据写入到倒排索引（ Inverted Index ）的数据结构中，倒排索引建立的是分词（ Term ）和文档（ Document ）之间的映射关系,在倒排索引中，数据是面向词（ Term ）而不是面向文档（ Document ）的。 举个栗子，假设我们有两个文档，每个文档的content域包含如下内容： 1. The quick brown fox jumped over the lazy dog 2. Quick brown foxes leap over lazy dogs in summer 文档和词之间的关系如下图： 字段值被分析之后，存储在倒排索引中，倒排索引存储的是分词（ Term ）和文档（ Doc ）之间的关系，简化版的倒排索引如下图： 从图中可以看出，倒排索引有一个词条的列表，每个分词在列表中是唯一的，记录着词条出现的次数，以及包含词条的文档。实际中ElasticSearch引擎创建的倒排索引比这个复杂得多。 段是倒排索引的组成部分，倒排索引是由段（ Segment ）组成的，段存储在硬盘（ Disk ）文件中。 索引段不是实时更新的，这意味着，段在写入硬盘之后，就不再被更新。在删除文档时，ElasticSearch引擎把已删除的文档的信息存储在一个单独的文件中，在搜索数据时，ElasticSearch引擎首先从段中执行查询，再从查询结果中过滤被删除的文档 。这意味着，段中存储着被删除的文档，这使得段中含有”正常文档“的密度降低。 多个段可以通过段合并（Segment Merge）操作把“已删除”的文档将从段中物理删除，把未删除的文档合并到一个新段中，新段中没有”已删除文档“，因此，段合并操作能够提高索引的查找速度 ；但是，段合并是IO密集型操作，需要消耗大量的硬盘IO。 在ElasticSearch中，大多数查询都需要从硬盘文件（索引的段数据存储在硬盘文件中）中获取数据；因此， 在全局配置文件elasticsearch.yml 中，把结点的路径（Path）配置为性能较高的硬盘，能够提高查询性能 。默认情况下，ElasticSearch使用基于安装目录的相对路径来配置结点的路径，安装目录由属性path.home显示，在home path下，ElasticSearch自动创建config，data，logs和plugins目录，一般情况下不需要对结点路径单独配置。结点的文件路径配置项： path.data：设置ElasticSearch结点的索引数据保存的目录，多个数据文件使用逗号隔开。 例如，path.data: /path/to/data1,/path/to/data2 ； path.work：设置ElasticSearch的临时文件保存的目录； 映射参数index决定ElasticSearch引擎是否对文本字段执行分析操作，也就是说分析操作把文本分割成一个一个的分词，也就是标记流（ Token Stream ），把分词编入索引，使分词能够被搜索到： 1） 当index为analyzed时，该字段是分析字段，ElasticSearch引擎对该字段执行分析操作，把文本分割成分词流，存储在倒排索引中，使其支持全文搜索。 2）当index为not_analyzed时，该字段不会被分析，ElasticSearch引擎把原始文本作为单个分词存储在倒排索引中，不支持全文搜索，但是支持词条级别的搜索；也就是说，字段的原始文本不经过分析而存储在倒排索引中，把原始文本编入索引，在搜索的过程中，查询条件必须全部匹配整个原始文本。 3）当index为no时，该字段不会被存储到倒排索引中，不会被搜索到。 字段的原始值是否被存储到倒排索引，是由映射参数store决定的，默认值是false，也就是，原始值不存储到倒排索引中。 映射参数index和store的区别在于： store用于获取（Retrieve）字段的原始值，不支持查询，可以使用投影参数fields，对stroe属性为true的字段进行过滤，只获取（Retrieve）特定的字段，减少网络负载； index用于查询（Search）字段，当index为analyzed时，对字段的分词执行全文查询；当index为not_analyzed时，字段的原始值作为一个分词，只能对字段的原始文本执行词条查询； 如果设置字段的index属性为not_analyzed，原始文本将作为单个分词，其最大长度跟UTF8 编码有关，默认的最大长度是32766Bytes（约32KB），如果字段的文本超过该限制，那么ElasticSearch将跳过（ Skip ）该文档，并在Response中抛出异常消息： operation[607]: index returned 400 _index: ebrite _type: events _id: 76860 _version: 0 error: Type: illegal_argument_exception Reason: "Document contains at least one immense term in field="event_raw" (whose UTF8 encoding is longer than the max length 32766), all of which were skipped. Please correct the analyzer to not produce such terms. The prefix of the first immense term is: "[112, 114,... 115]...", original message: bytes can be at most 32766 in length; got 35100" CausedBy:Type: max_bytes_length_exceeded_exception Reason: "bytes can be at most 32766 in length; got 35100" 可以在字段中设置ignore_above属性，该属性值指的是字符数量，而不是字节数量；由于一个UTF8字符最多占用3个字节，因此，可以设置 “ignore_above”：10000 这样，超过30000字节之后的字符将会被分析器忽略，单个分词（ Term ）的最大长度是30000Bytes。 The value for ignore_above is the character count, but Lucene counts bytes. If you use UTF-8 text with many non-ASCII characters, you may want to set the limit to 32766 / 3 = 10922 since UTF-8 characters may occupy at most 3 bytes. 默认情况下，大多数字段被索引之后，能够被搜索到。 倒排索引是由一个有序的词条列表构成的，每一个词条在列表中都是唯一存在的，通过这种数据存储模式，你可以很快查找到包含某一个词条的文档列表 。 但是，排序和聚合操作采用相反的数据访问模式，这两种操作不是查找词条以发现文档，而是查找文档，以发现字段中包含的词条。ElasticSearch使用列式存储实现排序和聚合查询。 文档值（ doc_values ）是存储在硬盘上的数据结构，在索引时（ index time ）根据文档的原始值创建，文档值是一个列式存储风格的数据结构，非常适合执行存储和聚合操作，除了字符类型的分析字段之外，其他字段类型都支持文档值存储。默认情况下，字段的文档值存储是启用的，除了字符类型的分析字段之外。如果不需要对字段执行排序或聚合操作，可以禁用字段的文档值，以节省硬盘空间。 字符类型的分析字段，不支持文档值（doc_values），但支持fielddata数据结构。fielddata数据结构存储在JVM的堆内存中。相比文档值（数据存储在硬盘上），fielddata字段（数据存储在内存中）的查询性能更高。默认情况下，ElasticSearch引擎在第一次对字段执行聚合或排序查询时（query-time），创建fielddata数据结构；在后续的查询请求中，ElasticSearch引擎使用fielddata数据结构以提高聚合和排序的查询性能。 在ElasticSearch中，倒排索引的各个段（ segment ）的数据存储在硬盘文件上，从整个倒排索引的段中读取字段数据之后，ElasticSearch引擎首先反转词条和文档之间的关系，创建文档和词条之间的关系，即创建顺排索引，然后把顺排索引存储在JVM的堆内存中。把倒排索引加载到fielddata结构是一个非常消耗硬盘IO资源的过程。因此，数据一旦被加载到内存，最好保持在内存中，直到索引段( segment )的生命周期结束。 默认情况下，倒排索引的每个段( segment )，都会创建相应的fielddata结构，以存储字符类型的分析字段值，但是，需要注意的是，分配的JVM堆内存是有限的，Fileddata把数据存储在内存中，会占用过多的JVM堆内存，甚至耗尽JVM赖以正常运行的内存空间，反而会降低ElasticSearch引擎的查询性能。 fielddata会消耗大量的JVM内存，因此，尽量为JVM设置大的内存，不要为不必要的字段启用fielddata存储。通过format参数控制是否启用字段的fielddata特性，字符类型的分析字段，fielddata的默认值是paged_bytes，这就意味着，默认情况下，字符类型的分析字段启用fielddata存储。一旦禁用fielddata存储，那么字符类型的分析字段将不再支持排序和聚合查询。 loading属性控制fielddata加载到内存的时机，可能的值是lazy，eager和eager_global_ordinals，默认值是lazy。 lazy：fielddata只在需要时加载到内存，默认情况下，在第一次搜索时，fielddata被加载到内存中；但是，如果查询一个非常大的索引段（Segment），lazy加载方式会产生较大的时间延迟。 eager：在倒排索引的段可用之前，其数据就被加载到内存，eager加载方式能够减少查询的时间延迟，但是，有些数据可能非常冷，以至于没有请求来查询这些数据，但是冷数据依然被加载到内存中，占用紧缺的内存资源。 eager_global_ordinals：按照global ordinals积极把fielddata加载到内存。 ElasticSearch使用 JAVA_OPTS 环境变量（ Environment Variable ）启动JVM进程，在 JAVA_OPTS 中，最重要的配置是： -Xmx参数控制分配给JVM进程的最大内存，-Xms参数控制分配给JVM进程的最小内存 。（在ElasticSearch启动命令后面可以通过参数方式配置，如： /usr/local/elasticsearch/bin/elasticsearch -d --Xmx=10g --Xms=10g ）通常情况下，使用默认的配置就能满足工程需要。 ES_HEAP_SIZE 环境变量控制分配给JVM进程的堆内存（ Heap Memory ）大小，顺排索引（ fielddata ）的数据存储在堆内存（ Heap Memory ）中。 大多数应用程序尝试使用尽可能多的内存，并尽可能把未使用的内存换出，但是，内存换出会影响ElasticSearch引擎的查询性能，推荐启用内存锁定，禁用ElasticSearch内存的换进换出。 在全局配置文档 elasticsearch.yml 中，设置 bootstrap.memory_lock 为ture，这将锁定ElasticSearch进程的内存地址空间，阻止ElasticSearch内存被OS换出（ Swap out ）。 通过学习，算是对ElasticSearch索引存储及更新有了一个较深的了解，至少能让我从容去面对同事的提问，但与此同时给我敲响了警钟，在使用一门技术的同时，更应该去了解它具体的原理，而不仅仅是停留在使用级别；在学习的路上，我们仍需要更加努力......

Timeless 韩文+音译 279739, 89 8223030505 an dui yo, nal nol-a b"o li myon 65912593 2185 91 05050739 him dul-o do yo ki do mo mul lo yo 358507 91 13 21 339905 jo kum man do b"ol su itt da myon 8731 17960755 3625135799 nam-un sa lang man kum us-o bol thaen dae Timeless 331731 239137 i pyol- un a ni jyo 630735 17339505 han bon ae sam-i la myon 3185173799 ji kum b"un-in dae Hold tight baby Timeless 33 752723 042539 i ka sum-ae mud-o yo 257935 29104903 sun kan-ae yol pyong cho lom 372707 2353 173391 jam ji man a pul b"un-i ni We both agree This is timeless love 171831 99 753107 sae sang un da ka ji man 29510333 6583 7589 717539 sul pum ma jo ham g"ae ka nun gon ka yo 8307 890535 no mu ku li wuo 91 89 130719 8997 d"o nal b"ol lo bon ku dae 03331737 184907 05057537 ma-um b"un-in sang cho man mo mul gaet jyo 576783 8905 135505 tho hae naen nul mul sam ki myon 89951929 2175 958339 ku dae so ya al gae dul g"a yo 89 25 382339. nae son jap-a yo 998175 012339. d"o na gae mal-a yo Timeless 331731 239137. i pyol-un na ji jyo 630735 17339505 3185 173799 han bon ae sam-i la myon ji kum b"un-in dae Hold tight baby timeless 33752723 042539 i ka sum-ae mud-o yo 257935 29104903 372707 2353 173391 sun kan-i yol pyong cho lom jam si man a pul b"un-i ni We both agree This is timeless love yeah baby is timeless Hole tight baby timeless 912373 21 339300 dul-a gal su it do lok 257935 29104903 372707 sun kan-ae yol pyong cho lom jam si man (3727 173391) 2353 173391 (jam ji b"un-i ni) a pul b"un-i ni) We both agree This is timeless This is timeless love

本文讨论如何跨集群迁移ES数据以及如何实现ES的同城跨机房容灾和异地容灾。 在ES的生产实践中，往往会遇到以下问题： 根据业务需求，存在以下场景： 如果是第一种场景，数据迁移过程中可以停止写入，可以采用诸如elasticsearch-dump、logstash、reindex、snapshot等方式进行数据迁移。实际上这几种工具大体上可以分为两类： 如果是第二种场景，数据迁移过程中旧集群不能停止写入，需要根据实际的业务场景解决数据一致性的问题： 下面介绍一下在旧集群可以停止写入的情况下进行数据迁移的几种工具的用法。 elasticsearch-dump是一款开源的ES数据迁移工具，github地址: https://github.com/taskrabbit/elasticsearch-dump 以下操作通过elasticdump命令将集群x.x.x.1中的companydatabase索引迁移至集群x.x.x.2。注意第一条命令先将索引的settings先迁移，如果直接迁移mapping或者data将失去原有集群中索引的配置信息如分片数量和副本数量等，当然也可以直接在目标集群中将索引创建完毕后再同步mapping与data logstash支持从一个ES集群中读取数据然后写入到另一个ES集群，因此可以使用logstash进行数据迁移，具体的配置文件如下： 上述配置文件将源ES集群的所有索引同步到目标集群中，当然可以设置只同步指定的索引，logstash的更多功能可查阅logstash官方文档 logstash 官方文档 . reindex是Elasticsearch提供的一个api接口，可以把数据从一个集群迁移到另外一个集群。 snapshot api是Elasticsearch用于对数据进行备份和恢复的一组api接口，可以通过snapshot api进行跨集群的数据迁移，原理就是从源ES集群创建数据快照，然后在目标ES集群中进行恢复。需要注意ES的版本问题： 如果旧集群不能停止写入，此时进行在线数据迁移，需要保证新旧集群的数据一致性。目前看来，除了官方提供的CCR功能，没有成熟的可以严格保证数据一致性的在线数据迁移方法。此时可以从业务场景出发，根据业务写入数据的特点选择合适的数据迁移方案。 一般来说，业务写入数据的特点有以下几种： 下面来具体分析不同的写入数据的特点下，该如何选择合适的数据迁移方式。 在日志或者APM的场景中，数据都是时序数据，一般索引也都是按天创建的，当天的数据只会写入当前的索引中。此时，可以先把存量的不再写入的索引数据一次性同步到新集群中，然后使用logstash或者其它工具增量同步当天的索引，待数据追平后，把业务对ES的访问切换到新集群中。 具体的实现方案为： add only的数据写入方式，可以按照数据写入的顺序(根据_doc进行排序，如果有时间戳字段也可以根据时间戳排序)批量从旧集群中拉取数据，然后再批量写入新集群中；可以通过写程序，使用用scroll api 或者search_after参数批量拉取增量数据，再使用bulk api批量写入。 使用scroll拉取增量数据： 上述操作可以每分钟执行一次，拉起前一分钟新产生的数据，所以数据在旧集群和新集群的同步延迟为一分钟。 使用search_after批量拉取增量数据： 上述操作可以根据需要自定义事件间隔执行，每次执行时修改search_after参数的值，获取指定值之后的多条数据；search_after实际上相当于一个游标，每执行一次向前推进，从而获取到最新的数据。 使用scroll和search_after的区别是： 另外，如果不想通过写程序迁移旧集群的增量数据到新集群的话，可以使用logstash结合scroll进行增量数据的迁移，可参考的配置文件如下： 使用过程中可以根据实际业务的需求调整定时任务参数schedule以及scroll相关的参数。 业务场景如果是写入ES时既有追加，又有存量数据的更新，此时比较重要的是怎么解决update操作的数据同步问题。对于新增的数据，可以采用上述介绍的增量迁移热索引的方式同步到新集群中。对于更新的数据，此时如果索引有类似于updateTime的字段用于标记数据更新的时间，则可以通过写程序或者logstash，使用scroll api根据updateTime字段批量拉取更新的增量数据，然后再写入到新的集群中。 可参考的logstash配置文件如下： 实际应用各种，同步新增(add)的数据和更新(update)的数据可以同时进行。但是如果索引中没有类似updateTime之类的字段可以标识出哪些数据是更新过的，目前看来并没有较好的同步方式，可以采用CCR来保证旧集群和新集群的数据一致性。 如果业务写入ES时既有新增(add)数据,又有更新(update)和删除(delete)数据，可以采用6.5之后商业版X-pack插件中的CCR功能进行数据迁移。但是使用CCR有一些限制，必须要注意： 具体的使用方式如下： 如果业务是通过中间件如kafka把数据写入到ES， 则可以使用如下图中的方式，使用logstash消费kafka的数据到新集群中，在旧集群和新集群数据完全追平之后，可以切换到新集群进行业务的查询，之后再对旧的集群下线处理。 使用中间件进行同步双写的优点是： 当然，双写也可以使用其他的方式解决，比如自建proxy，业务写入时向proxy写入，proxy把请求转发到一个或者多个集群中，但是这种方式存在以下问题： 随着业务规模的增长，业务侧对使用的ES集群的数据可靠性、集群稳定性等方面的要求越来越高，所以要比较好的集群容灾方案支持业务侧的需求。 如果是公司在自建IDC机房内，通过物理机自己搭建的ES集群，在解决跨机房容灾的时候，往往会在两个机房 部署两个ES集群，一主一备，然后解决解决数据同步的问题；数据同步一般有两种方式，一种方式双写，由业务侧实现双写保证数据一致性，但是双写对业务侧是一个挑战，需要保证数据在两个集群都写成功才能算成功。另外一种方式是异步复制，业务侧只写主集群，后台再把数据同步到备集群中去，但是比较难以保证数据一致性。第三种方式是通过专线打通两个机房，实现跨机房部署，但是成本较高。 因为数据同步的复杂性，云厂商在实现ES集群跨机房容灾的时候，往往都是通过只部署一个集群解决，利用ES自身的能力同步数据。国外某云厂商实现跨机房部署ES集群的特点1是不强制使用专用主节点，如上图中的一个集群，只有两个节点，既作为数据节点也作为候选主节点；主分片和副本分片分布在两个可用区中，因为有副本分片的存在，可用区1挂掉之后集群仍然可用，但是如果两个可用区之间网络中断时，会出现脑裂的问题。如下图中使用三个专用主节点，就不会存在脑裂的问题了。 但是如果一个地域没有三个可用区怎么办呢，那就只能在其中一个可用区中放置两个专用主节点了，如国内某云厂商的解决方案： 但是重建节点的过程还是存在问题的，如上图中，集群本身的quorum应该为2，可用区1挂掉后，集群中只剩一个专用主节点，需要把quorum参数(discovery.zen.minimum_master_nodes)调整为1后集群才能够正常进行选主，等挂掉的两个专用主节点恢复之后，需要再把quorum参数(discovery.zen.minimum_master_nodes)调整为2，以避免脑裂的发生。 当然还是有可以把无法选主和脑裂这两个可能发生的问题规避掉的解决方案，如下图中国内某云厂商的解决思路： 创建双可用区集群时，必须选择3个或者5个专用主节点，后台会在一个隐藏的可用区中只部署专用主节点；方案的优点1是如果一个可用区挂掉，集群仍然能够正常选主，避免了因为不满足quorum法定票数而无法选主的情况；2是因为必须要选择三个或5个专用主节点，也避免了脑裂。 想比较一主一备两个集群进行跨机房容灾的方式，云厂商通过跨机房部署集群把原本比较复杂的主备数据同步问题解决了，但是，比较让人担心的是，机房或者可用区之间的网络延迟是否会造成集群性能下降。这里针对腾讯云的双可用区集群，使用标准的benchmark工具对两个同规格的单可用区和双可用区集群进行了压测，压测结果如下图所示： 从压测结果的查询延时和写入延时指标来看，两种类型的集群并没有明显的差异，这主要得益与云上底层网络基础设施的完善，可用区之间的网络延迟很低。 类似于同城跨机房容灾，异地容灾一般的解决思路是在异地两个机房部署一主一备两个集群。业务写入时只写主集群，再异步地把数据同步到备集群中，但是实现起来会比较复杂，因为要解决主备集群数据一致性的问题，并且跨地域的话，网络延迟会比较高；还有就是，当主集群挂掉之后，这时候切换到备集群，可能两边数据还没有追平，出现不一致，导致业务受损。当然，可以借助于kafka等中间件实现双写，但是数据链路增加了，写入延迟也增加了，并且kafka出现问题，故障可能就是灾难性的了。 一种比较常见的异步复制方法是，使用snapshot备份功能，定期比如每个小时在主集群中执行一次备份，然后在备集群中进行恢复，但是主备集群会有一个小时的数据延迟。以腾讯云为例，腾讯云的ES集群支持把数据备份到对象存储COS中，因为可以用来实现主备集群的数据同步，具体的操作步骤可以参考 https://cloud.tencent.com/document/product/845/19549 。 在6.5版本官方推出了CCR功能之后，集群间数据同步的难题就迎刃而解了。可以利用CCR来实现ES集群的异地容灾： CCR是类似于数据订阅的方式，主集群为Leader, 备集群为Follower, 备集群以pull的方式从主集群拉取数据和写请求；在定义好Follwer Index时，Follwer Index会进行初始化，从Leader中以snapshot的方式把底层的segment文件全量同步过来，初始化完成之后，再拉取写请求，拉取完写请求后，Follwer侧进行重放，完成数据的同步。CCR的优点当然是因为可以同步UPDATE/DELETE操作，数据一致性问题解决了，同步延时也减小了。 另外，基于CCR可以和前面提到的跨机房容灾的集群结合，实现两地多中心的ES集群。在上海地域，部署有多可用区集群实现跨机房的高可用，同时在北京地域部署备集群作为Follwer利用CCR同步数据，从而在集群可用性上又向前走了一步，既实现了同城跨机房容灾，又实现了跨地域容灾。 但是在出现故障时需要把集群的访问从上海切换到北京时，会有一些限制，因为CCR中的Follwer Index是只读的，不能写入，需要切换为正常的索引才能进行写入，过程也是不可逆的。不过在业务侧进行规避，比如写入时使用新的正常的索引，业务使用别名进行查询，当上海地域恢复时，再反向的把数据同步回去。 现在问题就是保证上海地域集群数据的完整性，在上海地域恢复后，可以在上海地域新建一个Follower Index，以北京地域正在进行写的索引为Leader同步数据，待数据完全追平后，再切换到上海地域进行读写，注意切换到需要新建Leader索引写入数据。 数据同步过程如下所示： 1.上海主集群正常提供服务，北京备集群从主集群Follow数据 2.上海主集群故障，业务切换到北京备集群进行读写，上海主集群恢复后从北京集群Follow数据

一个歹徒（崔始源扮演）挟持了一个女子（李妍熙扮演），情况危急之下警察（韩庚扮演）来解救，突然发现被挟持的是自己的女朋友，于是情绪激动，旁边的一个没经验的警察不小心开了枪，歹徒一紧张也开了抢，结果打中韩庚所扮演的警察，歹徒的同伙把那歹徒救走了，歹徒在逃跑的时候拽下了女子身上佩带的项链。 警察（韩庚扮演）成了植物人，一年后，宣布脑死亡，警察的心脏捐献了出来，与此同时，歹徒（崔始源扮演）突发心脏病，做手术的时候移植了警察（韩庚扮演）的心脏。 有了警察心脏的歹徒有了警察的记忆片段，警察对女朋友的爱把他带到了女孩的店前，歹徒无意中看到了女孩店里女氦和那警察的合影，于是去翻档案，发现自己胸膛里跳动的心脏竟然是自己击毙的警察的，于是心里充满愧疚，翻出了当时逃跑时不小心拽下来的项链，看到了项链里女孩和警察的情侣照片，歹徒愧疚的到女孩的店去向女孩忏悔。。

美国timeless玻尿酸精华刚用三天，延展性很好，也很水润，做日常补水使用不错。那么timeless玻尿酸精华怎么样?timeless玻尿酸精华好用吗? 产品怎么样 Timeless是美国的药妆品牌，成分安全，孕妇、儿童均可使用。1%浓度，100%纯净天然无防腐剂；有30ml、60ml和240ml三种容量；主要功效有补水、抗衰老、祛皱、保湿（我只用来补水保湿）；性价比很高，非常适合较年轻的皮肤；有宝宝用它祛痘效果很不错。TimelessHA玻尿酸精华液。 磨砂玻璃瓶身，简单大气，很有质感；滴管设计超级合理，每次都可以滴出完整的“水滴”。相比于太阳社玻尿酸原液，质地更加稀薄，更好推开，吸收也更加容易，涂在脸上非常滑。没有特别粘稠，但是保湿效果很好。作为混油皮，用它不油腻；作为敏感肌，用它也没有过敏。 温馨提示：气温低于零度时，瓶内液体会发生结冰膨胀；另现在有新旧两个版本（虽然我没看出差别，也不知道自己的是新的还是旧的），但好用就行。痘痘肌必备祛痘精华。产品好用吗 成分简单，性价比高，30ml的精华液不过百元，简直是在卖白菜。效果有点像SkinCeuticalsb5的稀释版，当然价钱也是。玻尿酸本身没有保湿功能，需要做好保湿水打底后使用，起到加强保湿的作用。我旅行时会在分装水和乳液时加若干滴，能直接省一步。 Timeless玻尿酸精华液。已经用了两瓶了，刚买了第三瓶，早上用很清爽，晚上用的话会太薄了，吸收的很快，需要快速涂匀才行。具体效果的话不是很夸张，用到现在觉得皮肤状态很稳定，我皮肤属于中性，推荐给中性和油性肌肤的少年们，干皮的骚年们需要跟别的精华液混着用。产品心得 timeless玻尿酸补水保湿精华，北方已入秋，连我这个混油皮都开始觉得干燥了。这款无色无味，类似水状，吸收后不会粘腻，包装玻璃瓶太赞。用了两天鼻翼两侧脱皮的状况得到了极大缓解。此款精华液含有1%玻尿酸，是其他类似产品的二十几倍！看它成分也非常简单纯粹，包装也很简单，但磨砂玻璃的瓶子又不失质感～它家精华都是走这种路线的包装，像医用产品一样。 重点是这个玻尿酸精华很万用。可以当做精华，也可以加在水啊乳液或者面霜里，质地清爽又好吸收，补水保湿还可以维持肌肤稳定，堪称居家常备。

Baby come close, let me tell you this In a whisper my heart says you know it too Maybe we both share a secret wish And you"re feeling my love reaching out to you Timeless, don"t let it end no Now that you"re right here in my arms where you should stay Hold tight baby Timeless, don"t let it fade out of sight Just let the moments sweep us both away Lifting us to where, we both agree This is timeless, love I see it all baby in your eyes When you look at me, you know I feel it too (yes I do) So let"s sail away and meet forever baby Where the crystal ocean melts into the sky We shouldn"t let the moment pass (moment pass) Making me shiver, let"s make it last Why should we lose it? Don"t ever let me go Yeah yeah yeah yeeeaah yeah Baby it"s timeless (oh baby it"s timeless) Timeless Don"t let it fade out of sight Just let the moments sweep us both away (just let the moments) Lifting us to where we both agree this is timeless This is timeless, love

"浅"分页是最简单的分页方案。es会根据查询条件在每一个DataNode分片中取出from+size条文档，然后在MasterNode中聚合、排序，再截取size-from的文档返回给调用方。当页数越靠后，也就是from+size越大，es需要读取的数据也就是越大，聚合和排序的时候处理的数据量也越大，此时会加大服务器CPU和内存的消耗。 其中，from定义了目标数据的偏移值，size定义当前返回的数目。默认from为0，size为10，即所有的查询默认仅仅返回前10条数据。 在这里有必要了解一下from/size的原理： 因为es是基于分片的，假设有5个分片，from=100，size=10。则会根据排序规则从5个分片中各取回100条数据数据，然后汇总成500条数据后选择最后面的10条数据。 做过测试，越往后的分页，执行的效率越低。总体上会随着from的增加，消耗时间也会增加。而且数据量越大，就越明显！ from+size查询在10000-50000条数据（1000到5000页）以内的时候还是可以的，但是如果数据过多的话，就会出现深分页问题。 为了解决上面的问题，elasticsearch提出了一个scroll滚动的方式。 scroll 类似于sql中的cursor，使用scroll，每次只能获取一页的内容，然后会返回一个scroll_id。根据返回的这个scroll_id可以不断地获取下一页的内容，所以scroll并不适用于有跳页的情景。 scroll=5m表示设置scroll_id保留5分钟可用。 使用scroll必须要将from设置为0。 size决定后面每次调用_search搜索返回的数量 然后我们可以通过数据返回的_scroll_id读取下一页内容，每次请求将会读取下10条数据，直到数据读取完毕或者scroll_id保留时间截止： 注意：请求的接口不再使用索引名了，而是 _search/scroll，其中GET和POST方法都可以使用。 scroll删除 根据官方文档的说法，scroll的搜索上下文会在scroll的保留时间截止后自动清除，但是我们知道scroll是非常消耗资源的，所以一个建议就是当不需要了scroll数据的时候，尽可能快的把scroll_id显式删除掉。 清除指定的scroll_id： DELETE _search/scroll/DnF1ZXJ5VGhlbkZldGNo..... 清除所有的scroll： DELETE _search/scroll/_all scroll 的方式，官方的建议不用于实时的请求（一般用于数据导出），因为每一个 scroll_id 不仅会占用大量的资源，而且会生成历史快照，对于数据的变更不会反映到快照上。 search_after 分页的方式是根据上一页的最后一条数据来确定下一页的位置，同时在分页请求的过程中，如果有索引数据的增删改查，这些变更也会实时的反映到游标上。但是需要注意，因为每一页的数据依赖于上一页最后一条数据，所以无法跳页请求。 为了找到每一页最后一条数据，每个文档必须有一个全局唯一值，官方推荐使用 _uid 作为全局唯一值，其实使用业务层的 id 也可以。 使用search_after必须要设置from=0。 这里我使用timestamp和_id作为唯一值排序。 我们在返回的最后一条数据里拿到sort属性的值传入到search_after。 使用sort返回的值搜索下一页： 4：修改默认分页限制值10000 可以使用下面的方式来改变ES默认深度分页的index.max_result_window 最大窗口值 curl -XPUT http://127.0.0.1:9200/my_index/_settings -d "{ "index" : { "max_result_window" : 500000}}" 其中my_index为要修改的index名，500000为要调整的新的窗口数。将该窗口调整后，便可以解决无法获取到10000条后数据的问题。 注意事项 通过上述的方式解决了我们的问题，但也引入了另一个需要我们注意的问题，窗口值调大了后，虽然请求到分页的数据条数更多了，但它是用牺牲更多的服务器的内存、CPU资源来换取的。要考虑业务场景中过大的分页请求，是否会造成集群服务的OutOfMemory问题。 修改最大限制值之后确实可以使from+size查询到更后面页的数据，但是每次查询得到的总数量最大任然是10000，要想获取大于1万的查询数据量，可以分两步查询，第一步使用scroll查询获取总数据量；第二部使用from+size查询每页的数据，并设置分页。这样即解决了from+size无法查询10000之后的数据，也解决了scroll无法跳页的问题。 使用scroll可能遇到的问题： Caused by: org.elasticsearch.ElasticsearchException: Trying to create too many scroll contexts. Must be less than or equal to: [500]. This limit can be set by changing the [search.max_open_scroll_context] setting. 这个报错是从es的日志文件中查出来的，大致意思是：尝试创建更多的scroll对象失败了，scroll对象总数量应该控制在500以内。可修改search.max_open_scroll_context的值来改变500这个阈值。 原因：通过scroll 深分页可知道，es服务端会在内存中生成一个scroll_id对象，并会为该值指定过期时间，翻页的时候使用scroll_id来获取下一页的数据。默认情况下，一个实例下面仅可以创建最多500个scroll上下文对象，也就是500个scroll_id。报此错误的原因就是创建scroll上下文对象失败，因为当前已经存在500个这样的对象了。 解决办法： 1：通过观察可以发现，即使不做任何的处理，过一会就又可以发起scroll请求了，这是因为时间超过了scroll生命周期时间，scroll对象自己死掉了一些。 2：按照提示说的，修改search.max_open_scroll_context的值 put http://{{es-host}}/_cluster/settings { } [图片上传失败...(image-4dc354-1583253824871)] 3：在使用完scroll_id之后立即调用删除接口，删除该scroll对象 删除单个scroll DELETE http://{{es-host}}/_search/scroll { } 删除所有scroll delete http://{{es-host}}/_search/scroll/_all

永久的宝贝来结束, 让我告诉你这在耳语中我的心说你也知道它也许我们俩都分享一个秘密的希望而且你正在感觉与你接触的我的爱永久的, 不让它没有结束既然你在我的双臂中是正确地你应该停留的地方捉住紧的宝贝永久的, 不让它褪色离视力刚刚让片刻扫除我们两个离开举起我们到哪里, 我们俩都同意这是永久的, 爱我在你的眼睛中见到它所有的宝贝当你看我的时候, 你知道我也感觉它 (是的我做)因此永远地让我们航行离开而且见面宝贝哪里水晶的大海融化进入天空之内我们不应该让片刻途径 (片刻途径)使我打颤, 让我们使它最后我们为什么应该失去它? 不要曾经让我去是的是 yeeeaah 是的它是永久的宝贝 (表示惊讶宝贝它是永久的)永久的不要让它褪色离视力刚刚让片刻扫除我们两个离开(仅仅让片刻)对我们俩都同意这的地方举起我们是永久的这是永久的, 爱

故事是这样子的， 韩庚饰演得警察被抢匪无意的的杀死了。而抢匪的弟弟始源又有心脏的疾病，正巧将韩庚的心脏移植到的始源的身体。韩庚的心脏带给始源很多属于韩庚的记忆，始源知道了他就是那个警察，也知道了他深深爱着那个花店的女孩，所以结尾是原怀着愧疚的心跪在了那个女孩的面前补充一下： 一个歹徒（崔始源扮演）挟持了一个女子（李妍熙扮演），情况危急之下警察（韩庚扮演）来解救，突然发现被挟持的是自己的女朋友，于是情绪激动，旁边的一个没经验的警察不小心开了枪，歹徒一紧张也开了抢，结果打中韩庚所扮演的警察，歹徒的同伙把那歹徒救走了，歹徒在逃跑的时候拽下了女子身上佩带的项链。 警察（韩庚扮演）成了植物人，一年后，宣布脑死亡，警察的心脏捐献了出来，与此同时，歹徒（崔始源扮演）突发心脏病，做手术的时候移植了警察（韩庚扮演）的心脏。 有了警察心脏的歹徒有了警察的记忆片段，警察对女朋友的爱把他带到了女孩的店前，歹徒无意中看到了女孩店里女氦和那警察的合影，于是去翻档案，发现自己胸膛里跳动的心脏竟然是自己击毙的警察的，于是心里充满愧疚，翻出了当时逃跑时不小心拽下来的项链，看到了项链里女孩和警察的情侣照片，歹徒愧疚的到女孩的店去向女孩忏悔。。

前面已经介绍了ElasticSearch的写入流程，了解了ElasticSearch写入时的分布式特性的相关原理。ElasticSearch作为一款具有强大搜索功能的存储引擎，它的读取是什么样的呢？读取相比写入简单的多，但是在使用过程中有哪些需要我们注意的呢？本篇文章会进行详细的分析。 在前面的文章我们已经知道ElasticSearch的读取分为两种GET和SEARCH。这两种操作是有一定的差异的，下面我们先对这两种核心的数据读取方式进行一一分析。 （图片来自官网） 以下是从主分片或者副本分片检索文档的步骤顺序： 注意： 在协调节点有个http_server_worker线程池。收到读请求后它的具体过程为： 数据节点上有一个get线程池。收到了请求后，处理过程为： 注意： get过程会加读锁。处理realtime选项，如果为true，则先判断是否有数据可以刷盘，然后调用Searcher进行读取。Searcher是对IndexSearcher的封装在早期realtime为true则会从tranlog中读取，后面只会从index的lucene读取了。即实时的数据只在lucene之中。 对于Search类请求，ElasticSearch请求是查询lucene的Segment，前面的写入详情流程也分析了，新增的文档会定时的refresh到磁盘中，所以搜索是属于近实时的。而且因为没有文档id，你不知道你要检索的文档在哪个分配上，需要将索引的所有的分片都去搜索下，然后汇总。ElasticSearch的search一般有两个搜索类型 所有的搜索系统一般都是两阶段查询： 第一阶段查询到匹配的docID，第二阶段再查询DocID对应的完整文档。这种在ElasticSearch中称为query_then_fetch，另一种就是一阶段查询的时候就返回完整Doc，在ElasticSearch中叫query_and_fetch，一般第二种适用于只需要查询一个Shard的请求。因为这种一次请求就能将数据请求到，减少交互次数，二阶段的原因是需要多个分片聚合汇总，如果数据量太大那么会影响网络传输效率，所以第一阶段会先返回id。 除了上述的这两种查询外，还有一种三阶段查询的情况。 搜索里面有一种算分逻辑是根据TF和DF来计算score的，而在普通的查询中，第一阶段去每个Shard中独立查询时携带条件算分都是独立的，即Shard中的TF和DF也是独立的。虽然从统计学的基础上数据量多的情况下，每一个分片的TF和DF在整体上会趋向于准确。但是总会有情况导致局部的TF和DF不准的情况出现。 ElasticSearch为了解决这个问题引入了DFS查询。 比如DFS_query_then_fetch，它在每次查询时会先收集所有Shard中的TF和DF值，然后将这些值带入请求中，再次执行query_then_fetch，这样算分的时候TF和DF就是准确的，类似的有DFS_query_and_fetch。这种查询的优势是算分更加精准，但是效率会变差。 另一种选择是用BM25代替TF/DF模型。 在ElasticSearch7.x，用户没法指定以下两种方式： DFS_query_and_fetch 和 query_and_fetch 。 注：这两种算分的算法模型在《ElasticSearch实战篇》有介绍： 这里query_then_fetch具体的搜索的流程图如下： （图片来自官网） 查询阶段包含以下四个步骤: 以上就是ElasticSearch的search的详细流程，下面会对每一步进行进一步的说明。 协调节点处理query请求的线程池为： http_server_work 负责该解析功能的类为： org.elasticsearch.rest.action.search.RestSearchAction 主要将restquest的参数封装成SearchRequest 这样SearchRequest请求发送给TransportSearchAction处理 将索引涉及到的shard列表或者有跨集群访问相关的shard列表合并 如果有多个分片位于同一个节点，仍然会发送多次请求 shardsIts为搜索涉及的所有分片，而shardRoutings.nextOrNull()会从分片的所有副本分片选出一个分片来请求。 onShardSuccess对收集到的结果进行合并，这里需要检查所有的请求是否都已经有了回复。 然后才会判断要不要进行executeNextPhase 当返回结果的分片数等于预期的总分片数时，协调节点会进入当前Phase的结束处理，启动下一个阶段Fetch Phase的执行。onPhaseDone()会executeNextPhase来执行下一个阶段。 当触发了executeNextPhase方法将触发fetch阶段 上一步的executeNextPhase方法触发Fetch阶段，Fetch阶段的起点为FetchSearchPhase#innerRun函数，从查询阶段的shard列表中遍历，跳过查询结果为空的 shard。其中也会封装一些分页信息的数据。 使用了countDown多线程工具，fetchResults存储某个分片的结果，每收到一个shard的数据就countDoun一下，当都完毕后，触发finishPhase。接着会进行下一步： CountedCollector: finishPhase: 执行字段折叠功能，有兴趣可以研究下。即ExpandSearchPhase模块。ES 5.3版本以后支持的Field Collapsing查询。通过该类查询可以轻松实现按Field值进行分类，每个分类获取排名前N的文档。如在菜单行为日志中按菜单名称（用户管理、角色管理等）分类，获取每个菜单排名点击数前十的员工。用户也可以按Field进行Aggregation实现类似功能，但Field Collapsing会更易用、高效。 ExpandSearchPhase执行完了，就返回给客户端结果了。 处理数据节点请求的线程池为：search 根据前面的两个阶段，数据节点主要处理协调节点的两类请求：query和fetch 这里响应的请求就是第一阶段的query请求 executeQueryPhase: executeQueryPhase会执行loadOrExecuteQueryPhase方法 这里判断是否从缓存查询，默认启用缓存，缓存的算法默认为LRU，即删除最近最少使用的数据。如果不启用缓存则会执行queryPhase.execute(context);底层调用lucene进行检索，并且进行聚合。 关键点： ElasticSearch查询分为两类，一类为GET，另一类为SEARCH。它们使用场景不同。 本文主要分析了ElasticSearch分布式查询主体流程，并未对lucene部分进行分析，有兴趣的可以自行查找相关资料。

Elasticsearch 是一个开源的搜索引擎，建立在一个全文搜索引擎库 Apache Lucene基础之上。但是Lucene只是一个工具类库，且接口较为复杂。你必须先理解搜索引擎的工作原理，才能有效利用Lucene。ElasticSearch通过隐藏Lucene背后复杂的搜索理论知识，预设了搜索引擎默认的参数，只需要最少的理解，就能快速搭建出搜索引擎，开箱即用。 1. 索引（Index） ElasticSearch的Index类似于关系型数据库的Database，用来存储各种类型的文档。一个索引应该是因共同的特性被分组到一起的文档集合。 以Google作为栗子，我们可以把Index理解为Google所抓取网页（文档）存储的地方。 2. 类型（Type） Type类似于关系型数据库的Table，用来存储相似文档的地方。 以Google作为栗子，我们可以把网页、图片、视频等不同类型的搜索，存放在不同的Type里面。 3. 文档（Document） Document类似于关系型数据库里面的Row，存储具体的一个对象。 ElasticSearch的文档是以JSON格式存储的。形如： 以Google作为栗子，一个网页就是一个文档。 4. 字段（Field） Field类似于关系型数据库的Column，存储某一个具体的属性。 以Google作为栗子，网页的标题（Title）就是一个字段。 注意： ElasticSearch的Type与传统关系型数据库的Table不一样的地方在于：同一个Index下的Type，名称相同的Field，类型要保持一致。 以Google作为栗子，当Google把网页类型的文档和图片类型的文档都存储在同一个Index下面时，假设网页和图片都有一个Title属性，那么在同一个Index下面，这两个属性的类型必须保持一致，比如必须都是String类型的。因为ElasticSearch更倾向于存储同构类型的文档。 下载安装包，并解压到/opt目录下 编辑elasticsearch.yml文件 vim/opt/elasticsearch-2.4.4/config/elasticsearch.yml 启动项目 安装head插件 打开浏览器访问页面：http://192.168.204.151:9200/_plugin/head/

1、Gossip 是一种去中心化、容错而又最终一致性的绝妙算法, 其收敛性不但得到证明还具有指数级的收敛速度。2、使用 Gossip 的系统可以很容易的把 Server 扩展到更多的节点, 满足弹性扩展轻而易举。3、唯一的缺点是收敛是最终一致性, 不适应那些强一致性的场景, 比如 2PC。

始源是抢劫犯，他劫持了韩庚的女友李延熙。韩庚是警察，一个小警员准备开枪打始源，结果没打着，始源大惊之下误认为是韩庚开的枪，便打了他。韩庚一直昏迷，后来始源要换心脏，韩庚正好撑不下去了，他的心脏就捐助给始源了，不是韩庚要给他的是正好凑巧就捐助到始源身上了。。。

之前我们已经了解过，Elasticsearch 是一个基于 Lucene 实现的分布式全文检索引擎，其实 Elasticsearch 倒排索引就是 Lucene 的倒排索引。数据检索是 ES 的一项核心功能，它的底层实现也是离不开倒排索引的，通过倒排索引技术可以提高数据的检索效率，理解倒排索引的原理很重要。 那什么是倒排索引，我们该如何理解它呢？ 我们能进行数据检索的前提条件是，已经创建好了索引库，并给里边添加了文档数据。所以我们可以按照 创建索引库 、 添加文档 、 数据检索 这个顺序来认识倒排索引。 首先是创建索引库，我们之前已经安装好了 IK 分词器，这里我们创建一个 test 索引，它只有一个 content 字段，添加文档时字段的分词模式是 ik_max_word ，检索时关键字的分词模式是 ik_smart ： 字段的分词模式会影响最终生成的倒排索引。不了解分词器的可以参考 Elasticsearch 中文分词器插件 。 创建好了索引，我们来添加一条文档数据： 添加文档数据时，ES 会根据字段的分词模式将字段的值拆分成多个 词条 （Term）（或者称作词项），创建索引库时我们指定了 content 字段分词模式为 ik_max_word ，则会生成如下的词条： 接下来就是建立倒排索引了，在这之前我们先了解两个概念 词条字典 （Term Dictionary）、 倒排列表 （Posting List）： ES 的倒排索引就是由 词条字典 和 倒排列表 两部分组成的。如下就是一个简易版的倒排索引，倒排列表项只有词条对应的文档 id： 一个词条对应一个倒排索引项。ES 会给每个字段都建立一个倒排索引。 我们再添加一条文档数据： 根据上边的原理，最终 content 字段的倒排索引会被更新成如下结构： 前边已经添加了文档数据，同时也生成了倒排索引，接下来就是检索数据了。在这之前还有一个知识点需要了解，那就是 词条索引 （Term Index），词条索引一般只存储各个 词条 的前缀（第一个字符），它和字条字典对应。之所以需要词条索引，是因为 词条字典 一般都很大，不适合保存在内存中而是存储在磁盘中，检索数据时根据关键字的前缀匹配到词条索引，再根据词条索引定位到关键字在倒排索引的词条字典中大致的位置，然后进一步在词条字典中通过二分查找定位到具体的词条，这样避免了直接遍历词条字典来点位词条，大幅减少了磁盘的读取，提高了效率。 定位到了词条，就能在倒排索引中找到对应的倒排列表项，进而就知道了对应的文档 id，有了文档 id 自然也就找到了文档，这也就是 ES 检索数据大致的原理。 如下我们查询包含 十二 的文档数据： 由于我们创建索引库时指定了检索时关键字的分词模式是 ik_smart ，所以 十二 被分词后还是 十二 ，再结合上边的原理，以 十二 为关键字最终可以查询到 id 为 1、2 的文档数据：这篇最好能结合 Elasticsearch 中文分词器插件 一起看，这样能更容易理解些。 新手上路，不合理的地方还望大佬指点。

歌曲名:Timeless歌手:Do As Infinity专辑:∞1「Timeless」作词∶伴都美子／ZENTA作曲∶ZENTA歌∶Do As Infinity仆の键を开けたままで君は微笑みかけるせわしなく流れる 日々の中で君と出会えたこと嬉しくて思い出し笑いしたんだ时间よ止まれ 君とつないだ手が离れぬよう目を闭じたまま この风に乗って空へ舞い上がれどんな言叶にしても足りなくて仆は黙り込んでしまうとめどなく溢れる 切なさを饮み込むそして1つため息つく君との距离どれくらいだけれども仆はもう 迷いは舍てたんだ駆け出した心ごと 君へと加速するんだ时间よ止まれ君の笑颜をもっと见ていたいから心繋いで描いた未来へ君を乗せてゆく时间よ止まってよ 时间よ止まってよ君のそばで时间よ止まってよ 时间よ止まってよ仆のそばで时间よ止まれ 君とつないだ手が离れぬよう目を闭じたまま この风に乗って空へ舞い上がれこの风に乗って 高く舞い上がれ収録：∞1発売日：2009/06/17http://music.baidu.com/song/18079911

歌曲名:Timeless [Live] (Album Version)歌手:Badfinger专辑:Day After Day: LiveD-Side-TimelessWhen I feel all aloneA million miles away from homeI just close my eyes and know you"re still loving meNow I no longer feel aloneThis time has only made us grow strongerNow it"s untouchableAnd I wanna live in this moment ForeverAnd I wanna play this scene over and over and overLike the river will runThis love will always be strongWhen you"re here in my armsI never want it to endWhen I look in your eyesSomehow I realiseThat I am truly blessedNow that you"ve made this moment timelessIn the heart of the nightI watch you sleep your peaceful dreamYour body"s soaked in the pale moonlightThere"s nowhere else I"d rather be tonightAnd I wanna live in this momentForever And I wanna play this scene over and over and overLike the river will runThis love will always be strongWhen you"re here in my armsI never want it to endWhen I look in your eyesSomehow I realiseThat I am truly blessedNow that you"ve made this moment timelessAnd now I knowThat your beauty"s gonna live foreverIn my soulLike the river will runThis love will always be strongWhen you"re here in my armsI never want it to endWhen I look in your eyesSomehow I realiseThat I am truly blessedNow that you"ve made this moment timelessyou"ve made this moment timelessyou"ve made this moment timelessyou"ve made this moment timelesswooooohttp://music.baidu.com/song/11299731

Elasticsearch是什么?Elasticsearch是位于ElasticStack核心的分布式搜索和分析引擎。Logstash和Beats有助于收集、聚合和丰富您的数据并将其存储在Elasticsearch中。Kibana使您能够以交互方式探索、可视化和分享对数据的见解，并管理。Elasticsearch是一个分布式文档存储。Elasticsearch存储的是序列化为JSON文档的复杂数据结构，而不是以列行数据的形式存储信息。当集群中有多个Elasticsearch节点时，存储的文档分布在整个集群中，可以立即从任何节点访问。Elasticsearch是由Shay Banon发起的一个开源搜索服务器项目，2010年2月发布。迄今，该项目已发展成为搜索和数据分析解决方案领域的主要一员，广泛应用于声名卓著或鲜为人知的搜索应用程序。Elasticsearch是一个高度可扩展的开源全文搜索和分析引擎。它可以在很短的时间内存储，搜索和分析大量的数据。它通常作为具有复杂搜索场景情况下的核心发动机。搜索引擎，不支持join表等操作。主要用于全文检索。不适合做数据库。如何选择合适的数据库解决方案？1、如果有强大的技术团队，关系型和非关系型数据库都可选择。一般来讲，非关系型数据库需要更多管理维护的时间。2、如果你要储存会话信息，用户配置信息，购物车数据，建议使用NoSQL数据库； 不过90%的企业或个人，首选数据库都是MySQL数据库。3、(一)、Access (二)SQL Server (三)MySQL，Access是一种桌面数据库，只适合数据量少的应用，在处理少量数据和单机访问的数据库时是很好的，效率也很高。但是它的同时访问客户端不能多于4个。4、虽然把上面的架构全部组合在一起可以形成一个强大的高可用，高负载的数据库系统，但是架构选择合适才是最重要的。 混合架构虽然能够解决所有的场景的问题，但是也会面临更多的挑战，你以为的完美架构，背后其实有着更多的坑。5、例如，如果你需要的是数据分析仓库，关系数据库可能不是一个适合的选择；如果你处理事务的应用要求严格的数据完整性和一致性，就不要考虑NoSQL了。不要重新发明轮子 在过去的数十年，开源数据库技术迅速发展壮大。6、本文首先讨论了基于第三范式的数据库表的基本设计，着重论述了建立主键和索引的策略和方案，然后从数据库表的扩展设计和库表对象的放置等角度概述了数据库管理系统的优化方案。ElasticSearch倒排索引及其原理1、倒排索引采用Immutable Design，一旦生成，不可更改。Segment写入磁盘的过程相对耗时，所以借助文件系统缓存，Refresh时，先将Segment写入文件缓存中，以开放查询。2、之前我们已经了解过，Elasticsearch 是一个基于 Lucene 实现的分布式全文检索引擎，其实 Elasticsearch 倒排索引就是 Lucene 的倒排索引。3、所谓的倒排索引，就是把你的数据内容先分词，每句话分成一个一个的关键词，然后记录好每一个关键词对应出现在了哪些 id 标识的数据。4、可以将对es的操作记录下来，来确保当出现故障的时候，已经落地到磁盘的数据不会丢失，并在重启的时候可以从操作记录中将数据恢复过来。5、Elasticsearch中使用一种称为倒排索引的结构，适用于快速的全文搜索。一个倒排索引由文档中所有不能重复词的列表构成，对于其中每个词，有一个包含它的文档列表。elasticsearch-倒排索引原理1、倒排索引采用Immutable Design，一旦生成，不可更改。Segment写入磁盘的过程相对耗时，所以借助文件系统缓存，Refresh时，先将Segment写入文件缓存中，以开放查询。2、Elasticsearch中使用一种称为倒排索引的结构，适用于快速的全文搜索。一个倒排索引由文档中所有不能重复词的列表构成，对于其中每个词，有一个包含它的文档列表。3、elasticsearch提供了translog来记录这些操作，结合os cached segments数据定时落盘来实现数据可靠性保证（flush）。文档被添加到buffer同时追加到translog：进行 refresh 操作，清空buffer，文档可被搜索但尚未 flush 到磁盘。4、如果Elasticsearch密钥库受密码保护，则必须先输入密钥库密码，然后才能为内置用户设置密码。 为弹性用户设置密码后，引导密码不再有效，无法使用该命令。在某些情况下，分片副本的Lucene索引或事务日志可能会损坏。5、Elasticsearch 的查询原理是将查询的关键词与倒排索引中的词条进行匹配，查询的关键词与倒排索引中的词条必须完全相同视为匹配，否则不匹配。 这意味着在插入文档时是否进行分析和查询时是否进行分析将产生非常不同的结果。6、财务平台亿级数据量毫秒级查询优化之elasticsearch原理解析_wang123459的博客-CSDN博客_elasticsearch 查询优化 mysql底层B-tree 支持矮胖，高胖的时候就很难受，说白了就是数据量多会增加IO操作。ES底层倒排索引。Elasticsearch一般情况下如果es服务正常启动，可以通过接口的方式获取elasticsearch版本信息：curlhttp：//10.1：9200 上述命令可以得到elasticsearch的服务状态和其他信息包括版本号。Elasticsearch 是位于 Elastic Stack 核心的分布式搜索和分析引擎。Logstash 和 Beats 有助于收集、聚合和丰富您的数据并将其存储在 Elasticsearch 中。ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。Elasticsearch架构简单介绍如下。索引 索引（index）是Elasticsearch对逻辑数据的逻辑存储，所以它可以分为更小的部分。你可以把索引看成关系型数据库的表。然而，索引的结构是为快速有效的全文索引准备的，特别是它不存储原始值。如何用elasticsearch5.2实现全文索引1、安装ik分词器到elasticsearch很简单，它有个插件目录analysis-ik，和一个配置目录ik， 分别拷贝到plugins和conf目录就可以了。2、ES使用倒序索引来加速全文索引。一个倒序索引由两部分组成：如果我们想要搜索 quick brown，我们仅仅只需要找每一个term出现的文档即可。如下图：每一个文档都匹配到了，但是第一个比第二个要匹配的多。3、每次将文本类型数据插入Elasticsearch索引时，都会对其进行分析，然后存储在反向索引中。根据分析器的配置方式，这会影响您的搜索功能，因为分析器也适用于全文搜索。

婴儿接近让我告诉你 在我的心低声说，你知道太多 孩子，我们都共享一个秘密的愿望 和你感觉我的爱伸出你 永恒 不要让它结束（没有） 现在，你说得对在我的怀里 你应该留 婴儿举行紧 永恒 不让它淡出视线 只是让我们时刻都横扫了 取消我们在那里 我们都同意 它只是永恒的爱 我认为所有的孩子在你的眼睛 当你看着我你知道我觉得太 是的，我这样做 所以让我们启航离开，并永远婴儿 在晶体融化到海洋的天空 我们不应该让时刻从指缝中溜走 让我颤抖让我们使它去年 我们为什么要失去它都不让我走 永恒 不要让它结束（没有） 现在，你说得对在我的怀里 你应该留 婴儿举行紧 永恒 不让它淡出视线 只是让我们时刻都横扫了 取消我们在那里 我们都同意 它只是永恒的爱 是啊 婴儿的永恒 噢婴儿的永恒 婴儿举行紧 永恒 不让它淡出视线 只是让我们时刻都横扫了 取消我们在那里 我们都同意 它只是永恒 它只是永恒的爱

倒排索引采用Immutable Design，一旦生成，不可更改。 Segment写入磁盘的过程相对耗时，所以借助文件系统缓存，Refresh时，先将Segment写入文件缓存中，以开放查询。但为了保证数据不会丢失，所以在创建索引时，会同时写Tansaction Log，类似操作日志。 在ES进行Refresh时，Index Buffer会被清空，Transaction Log不会清空。 Flush操作： Flush触发条件： 随着索引的不断创建，Segments文件会越来越多。ES会自动进行merge操作，将多个segments文件合并，以提高查询效率。但Merge是很重的操作，对磁盘有频繁IO操作，会对系统性能有影响。 除此之外，我们还可以通过api强制merge： 我们还可以通过配置refresh的频率（refresh_interval），来适当减少Segments产生的数量。

首先理解三个概念 1）集群内的节点共同承担数据和负载的压力。 2）当有节点加入或者移出集群时，集群会重新平均分配所有的数据。 1）主节点负责集群内的所有变更（如增加、删除节点，增加、删除索引等） 2）主节点并不需要涉及到文档级别的变更和搜索 3）任何节点都可以成为主节点 4）每个节点都知道任意文档所处的位置，当用户请求时无论请求哪个节点都能直接将请求转发给实际存储文档的节点 5）无论用户请求哪个节点，它都能负责从个个包含我们所需文档的各个节点收集回数据并发给客户端，对这一切都是透明的 1）一个分片是一个底层的 工作单元 2）它本身就是一个完整的搜索引擎 3）应用程序是直接与索引而不是与分片进行交互 4）Elasticsearch 是利用分片将数据分发到集群内各处的 5）分片是数据的容器，文档保存在分片内 6）分片又被分配到集群内的各个节点里 7） 当你的集群规模扩大或者缩小时， Elasticsearch 会自动的在各节点中迁移分片，使得数据仍然均匀分布在集群里。 8）一个分片可以是 主分片 或者 副本分片 9）索引内任意一个文档都归属于一个主分片，所以主分片的数目决定着索引能够保存的最大数据量 10）一个副本分片只是一个主分片的拷贝。副本分片作为硬件故障时保护数据不丢失的冗余备份，并为搜索和返回文档等读操作提供服务 11）在索引建立的时候就已经确定了主分片数，但是副本分片数可以随时修改 其中 status 字段表示当前集群的健康状态（是否正常工作），有三种颜色

　　Timeless　　Justin Guarini&Kelly Clarkson　　(Justin)Baby come close let me tell you this　　In a whisper my heart says you know it too　　Baby we both share a secret wish　　And you feeling my love reaching out to you　　(Justin&Kelly)Timeless　　Don"t let it end (no)　　Now that you"re right here in my arms　　where you should stay　　Hold tight baby　　Timeless　　Don"t let it fade out of sight　　Just let the moments sweep us both away　　Lifting us to where　　We both agree　　This is timeless love　　(Kelly)I see it all baby in your eyes　　When you look at me you know i feel it too　　Yes I do　　(Justin&Kelly)So let"s sail away and be forever baby　　(Kelly)Where the crystal ocean melts into the sky　　We shouldn"t let the moment pass　　Making me shiver let"s make it last　　(Justin&Kelly)Why should we lose it don"t ever let me go　　(Justin&Kelly)Timeless　　Don"t let it end (no)　　Now that you"re right here in my arms　　where you should stay　　Hold tight baby　　Timeless　　Don"t let it fade out of sight　　Just let the moments sweep us both away　　Lifting us to where　　We both agree　　It"s just timeless love　　(Justin&Kelly)Yeah　　(Justin)Baby it"s timeless　　(Kelly)Oh baby it"s timeless　　Hold tight baby　　(Justin&Kelly)Timeless　　(Justin)Don"t let it fade out of sight　　(Kelly)Just let the moments sweep us both away　　Lifting us to where　　(Justin&Kelly)We both agree　　This is timeless　　This is timeless love　　这是我自己边听边整理滴！~~o(∩_∩)o...

倒排索引被写入磁盘后是不可变的，ES解决不变性和更新索引的方式是使用多个索引，利用新增的索引来反映修改，在查询时从旧的到新的依次查询，最后来一个结果合并。 ES底层是基于Lucene，最核心的概念就是 Segment(段) ，每个段本身就是一个倒排索引。 ES中的Index由多个段的集合和 commit point(提交点) 文件组成。 提交点文件中有一个列表存放着所有已知的段，下面是一个带有1个提交点和3个段的Index示意图： Doc会先被搜集到内存中的Buffer内，这个时候还无法被搜索到，如下图所示： 每隔一段时间，会将buffer提交，在flush磁盘后打开新段使得搜索可见，详细过程如下： 下面展示了这个过程完成后的段和提交点的状态： 通过这种方式，可以使得新文档从被索引到可被搜索间的时间间隔在数分钟，但是还不够快。因为磁盘需要 fsync ，这个就成为性能瓶颈。我们前面提到过Doc会先被从buffer刷入段写入文件系统缓存（很快），那么就自然想到在这个阶段就让文档对搜索可见，随后再被刷入磁盘（较慢）。 Lucene支持对新段写入和打开，可以使文档在没有完全刷入硬盘的状态下就能对搜索可见，而且是一个开销较小的操作，可以频繁进行。 下面是一个已经将Docs刷入段，但还没有完全提交的示意图： 我们可以看到，新段虽然还没有被完全提交，但是已经对搜索可见了。 引入refresh操作的目的是提高ES的实时性，使添加文档尽可能快的被搜索到，同时又避免频繁fsync带来性能开销，依靠的就是文件系统缓存OS cache里缓存的文件可以被打开(open/reopen)和读取，而这个os cache实际是一块内存区域，而非磁盘，所以操作是很快的，这就是ES被称为近实时搜索的原因。 refresh默认执行的间隔是1秒，可以使用 refreshAPI 进行手动操作，但一般不建议这么做。还可以通过合理设置 refresh_interval 在近实时搜索和索引速度间做权衡。 index segment刷入到os cache后就可以打开供查询，这个操作是有潜在风险的，因为os cache中的数据有可能在意外的故障中丢失，而此时数据必备并未刷入到os disk，此时数据丢失将是不可逆的，这个时候就需要一种机制，可以将对es的操作记录下来，来确保当出现故障的时候，已经落地到磁盘的数据不会丢失，并在重启的时候可以从操作记录中将数据恢复过来。elasticsearch提供了translog来记录这些操作，结合os cached segments数据定时落盘来实现数据可靠性保证（flush）。 文档被添加到buffer同时追加到translog： 进行 refresh 操作，清空buffer，文档可被搜索但尚未 flush 到磁盘。translog不会清空： 每隔一段时间（例如translog变得太大），index会被flush到磁盘，新的translog文件被创建，commit执行结束后，会发生以下事件： 下面示意图展示了这个状态： translog记录的是已经 在内存生成(segments)并存储到os cache但是还没写到磁盘的那些索引操作 （注意，有一种解释说，添加到buffer中但是没有被存入segment中的数据没有被记录到translog中，这依赖于写translog的时机，不同版本可能有变化，不影响理解），此时这些新写入的数据可以被搜索到，但是当节点挂掉后这些未来得及落入磁盘的数据就会丢失，可以通过trangslog恢复。 当然translog本身也是磁盘文件，频繁的写入磁盘会带来巨大的IO开销，因此对translog的追加写入操作的同样操作的是os cache，因此也需要定时落盘（fsync）。translog落盘的时间间隔直接决定了ES的可靠性，因为宕机可能导致这个时间间隔内所有的ES操作既没有生成segment磁盘文件，又没有记录到Translog磁盘文件中，导致这期间的所有操作都丢失且无法恢复。 translog的fsync是ES在后台自动执行的，默认是每5秒钟主动进行一次translog fsync，或者当translog文件大小大于512MB主动进行一次fsync，对应的配置是 index.translog.flush_threshold_period 和 index.translog.flush_threshold_size 。 当 Elasticsearch 启动的时候， 它会从磁盘中使用最后一个提交点去恢复已知的段，并且会重放 translog 中所有在最后一次提交后发生的变更操作。 translog 也被用来提供实时 CRUD 。当你试着通过ID来RUD一个Doc，它会在从相关的段检索之前先检查 translog 中最新的变更。 默认 translog 是每5秒或是每次请求完成后被 fsync 到磁盘（在主分片和副本分片都会）。也就是说，如果你发起一个index, delete, update, bulk请求写入translog并被fsync到主分片和副本分片的磁盘前不会反回200状态。 这样会带来一些性能损失，可以通过设为异步fsync，但是必须接受由此带来的丢失少量数据的风险： flush 就是执行commit清空、干掉老translog的过程。默认每个分片30分钟或者是translog过于大的时候自动flush一次。可以通过flush API手动触发，但是只会在重启节点或关闭某个索引的时候这样做，因为这可以让未来ES恢复的速度更快(translog文件更小)。 满足下列条件之一就会触发冲刷操作： 整体流程： 删除一个ES文档不会立即从磁盘上移除，它只是被标记成已删除。因为段是不可变的，所以文档既不能从旧的段中移除，旧的段也不能更新以反映文档最新的版本。 ES的做法是，每一个提交点包括一个 .del 文件（还包括新段），包含了段上已经被标记为删除状态的文档。所以，当一个文档被做删除操作，实际上只是在 .del 文件中将该文档标记为删除，依然会在查询时被匹配到，只不过在最终返回结果之前会被从结果中删除。ES将会在用户之后添加更多索引的时候，在后台进行要删除内容的清理。 文档的更新操作和删除是类似的：当一个文档被更新，旧版本的文档被标记为删除，新版本的文档在新的段中索引。 该文档的不同版本都会匹配一个查询，但是较旧的版本会从结果中删除。 通过每秒自动刷新创建新的段，用不了多久段的数量就爆炸了，每个段消费大量文件句柄，内存，cpu资源。更重要的是，每次搜索请求都需要依次检查每个段。段越多，查询越慢。 ES通过后台合并段解决这个问题。ES利用段合并的时机来真正从文件系统删除那些version较老或者是被标记为删除的文档。被删除的文档（或者是version较老的）不会再被合并到新的更大的段中。 可见，段合并主要有两个目的： ES对一个不断有数据写入的索引处理流程如下： 合并过程如图： 从上图可以看到，段合并之前，旧有的Commit和没Commit的小段皆可被搜索。 段合并后的操作: 合并完成后新的段可被搜索，旧的段被删除，如下图所示： 注意 ：段合并过程虽然看起来很爽，但是大段的合并可能会占用大量的IO和CPU，如果不加以控制，可能会大大降低搜索性能。段合并的optimize API 不是非常特殊的情况下千万不要使用，默认策略已经足够好了。不恰当的使用可能会将你机器的资源全部耗尽在段合并上，导致无法搜索、无法响应。

分布式搜索引擎：把大量的索引数据拆散成多块，每台机器放一部分，然 后利用多台机器对分散之后的数据进行搜索，所有操作全部是分布在多台机器上进行，形成了 完整的分布式的架构。 近实时，有两层意思： 集群包含多个节点，每个节点属于哪个集群都是通过一个配置来决定的， Node 是集群中的一个节点，节点也有一个名称，默认是随机分配的。默认节点会去加入一个名 称为 elasticsearch 的集群。如果直接启动一堆节点，那么它们会自动组成一个elasticsearch 集群，当然一个节点也可以组成 elasticsearch 集群。 文档是 es 中最小的数据单元，一个 document 可以是1条客户数据、1条商品分类数据、1条 订单数据，通常用json 数据结构来表示。每个 index 下的 type，都可以存储多条 document。 1个 document 里面有多个 field，每个 field 就是1个数据字段。 es 集群多个节点，会自动选举1个节点为 master 节点，这个 master 节点其实就是干一些管理 的工作的，比如维护索引元数据、负责切换 primary shard 和 replica shard 身份等。要是 master 节点宕机了，那么会重新选举1个节点为 master 节点。 如果是非 master节点宕机了，那么会由 master 节点，让那个宕机节点上的 primary shard 的身 份转移到其他机器上的 replica shard。接着你要是修复了那个宕机机器，重启了之后，master 节点会控制将缺失的 replica shard 分配过去，同步后续修改的数据之类的，让集群恢复正常。 说得更简单1点，就是说如果某个非 master 节点宕机了，那么此节点上的 primary shard 不就 没了。那好，master 会让 primary shard 对应的 replica shard（在其他机器上）切换为 primary shard。如果宕机的机器修复了，修复后的节点也不再是 primary shard，而是 replica shard。 索引可以拆分成多个 shard ，每个 shard 存储部分数据。拆分多个 shard是有好处的，一是支持横向扩展，比如你数据量是 3T，3 个 shard，每个 shard 就 1T 的数据， 若现在数据量增加到 4T，怎么扩展，很简单，重新建1个有 4 个 shard 的索引，将数据导进 去；二是提高性能，数据分布在多个 shard，即多台服务器上，所有的操作，都会在多台机器 上并行分布式执行，提高了吞吐量和性能。 接着就是这个 shard 的数据实际是有多个备份，就是说每个 shard 都有1个 primary shard ，负责写入数据，但是还有多个 replica shard 。 primary shard 写入数据之后， 会将数据同步到其他几个 replica shard上去。 通过这个 replica 的方案，每个 shard 的数据都有多个备份，如果某个机器宕机了，没关系啊， 还有别的数据副本在别的机器上，这样子就高可用了。 总结：分布式就是两点，1.通过shard切片实现横向扩展；2.通过replica副本机制，实现高可用 基本概念 写数据过程：客户端通过hash选择一个node发送请求，这个node被称做coordinating node（协调节点），协调节点对docmount进行路由，将请求转发给到对应的primary shard，primary shard 处理请求，将数据同步到所有的replica shard，此时协调节点，发现primary shard 和所有的replica shard都处理完之后，就反馈给客户端。 客户端发送get请求到任意一个node节点，然后这个节点就称为协调节点，协调节点对document进行路由，将请求转发到对应的node，此时会使用随机轮询算法，在primary shard 和replica shard中随机选择一个，让读取请求负载均衡，接收请求的node返回document给协调节点，协调节点，返回document给到客户端 es最强大的是做全文检索，就是比如你有三条数据 1.java真好玩儿啊 2.java好难学啊 3.j2ee特别牛 你根据java关键词来搜索，将包含java的document给搜索出来。 更新/删除数据过程，首先还是write、merge操作，然后flush过程中： 1、write过程和上面的一致； 2、refresh过程有点区别 所谓的倒排索引，就是把你的数据内容先分词，每句话分成一个一个的关键词，然后记录好每一个关键词对应出现在了哪些 id 标识的数据。 然后你可以从其他地根据这个 id 找到对应的数据就可以了，这个就是倒排索引的数据格式 以及搜索的方式，这种利倒排索引查找数据的式，也被称之为全文检索。 Inverted Index就是我们常见的倒排索引, 主要包括两部分： 一个有序的数据字典 Dictionary（包括单词 Term 和它出现的频率）。 与单词 Term 对应的 Postings（即存在这个单词的文件） 当我们搜索的时候，首先将搜索的内容分解，然后在字典里找到对应 Term，从而查找到与搜索相关的文件内容。 本质上，Stored Fields 是一个简单的键值对 key-value。默认情况下，Stored Fields是为false的,ElasticSearch 会存储整个文件的 JSON source。 哪些情形下需要显式的指定store属性呢？大多数情况并不是必须的。从_source中获取值是快速而且高效的。如果你的文档长度很长，存储 _source或者从_source中获取field的代价很大，你可以显式的将某些field的store属性设置为yes。缺点如上边所说：假设你存 储了10个field，而如果想获取这10个field的值，则需要多次的io，如果从Stored Field 中获取则只需要一次，而且_source是被压缩过 的。 这个时候你可以指定一些字段store为true，这意味着这个field的数据将会被单独存储(实际上是存两份,source和 Stored Field都存了一份)。这时候，如果你要求返回field1（store：yes），es会分辨出field1已经被存储了，因此不会从_source中加载，而是从field1的存储块中加载。 Doc_values 本质上是一个序列化的 列式存储，这个结构非常适用于聚合（aggregations）、排序（Sorting）、脚本（scripts access to field）等操作。而且，这种存储方式也非常便于压缩，特别是数字类型。这样可以减少磁盘空间并且提高访问速度,ElasticSearch 可以将索引下某一个 Document Value 全部读取到内存中进行操作. Doc_values是存在磁盘的 在es中text类型字段默认只会建立倒排索引，其它几种类型在建立倒排索引的时候还会建立正排索引，当然es是支持自定义的。在这里这个正排索引其实就是Doc Value。 即上文所描述的动态索引 往 es 写的数据，实际上都写到磁盘文件里去了，查询的时候，操作系统会将磁盘文件里的数据自动缓存到 filesystem cache 中去。 es 的搜索引擎严重依赖于底层的 filesystem cache ，你如果给 filesystem cache 更多的 内存，尽量让内存可以容纳所有的 idx segment file 索引数据文件，那么你搜索的时候就 基本都是走内存的，性能会非常高。 性能差距究竟可以有多大？我们之前很多的测试和压测，如果走磁盘一般肯定上秒，搜索性能 绝对是秒级别的，1秒、5秒、10秒。但如果是走 filesystem cache ，是走纯内存的，那么一 般来说性能比走磁盘要高一个数量级，基本上就是毫秒级的，从几毫秒到几百毫秒不等。 那如何才能节约filesystem cache这部分的空间呢？ 当写数据到ES时就要考虑到最小化数据，当一行数据有30几个字段，并不需要把所有的数据都写入到ES，只需要把关键的需要检索的几列写入。这样能够缓存的数据就会越多。 所以需要控制每台机器写入的数据最好小于等于或者略大于filesystem cache空间最好。 如果要搜索海量数据，可以考虑用ES+Hbase架构。用Hbase存储海量数据，然后ES搜索出doc id后，再去Hbase中根据doc id查询指定的行数据。 当每台机器写入的数据大于cache os太多时，导致太多的数据无法放入缓存，那么就可以把一部分热点数据刷入缓存中。 对于那些你觉得比较热的、经常会有人访问的数据，最好做个专门的缓存预热系统，就是 对热数据每隔一段时间，就提前访问一下，让数据进入 filesystem cache 里去。这样下 次别人访问的时候，性能肯定会好很多。 把热数据和冷数据分开，写入不同的索引里，然后确保把热索引数据刷到cache里。 在ES里最好不要用复杂的关联表的操作。当需要这样的场景时，可以在创建索引的时候，就把数据关联好。比如在mysql中需要根据关联ID查询两张表的关联数据：select A.name ,B.age from A join B where A.id = B.id，在写入ES时直接去把相关联数据放到一个document就好。 es 的分页是较坑的，为啥呢？举个例子吧，假如你每页是 10 条数据，你现在要查询第 100 页，实际上是会把每个 shard 上存储的前 1000 条数据都查到1个协调节点上，如果你有个 5 个 shard，那么就有 5000 条数据，接着协调节点对这 5000 条数据进行一些合并、处理，再获取到 最终第 100 页的 10 条数据。 分布式的，你要查第 100 页的 10 条数据，不可能说从 5 个 shard，每个 shard 就查 2 条数据， 最后到协调节点合并成 10 条数据吧？你必须得从每个 shard 都查 1000 条数据过来，然后根据 你的需求进行排序、筛选等等操作，最后再次分页，拿到里面第 100 页的数据。你翻页的时 候，翻的越深，每个 shard 返回的数据就越多，而且协调节点处理的时间越长，非常坑爹。所 以用 es 做分页的时候，你会发现越翻到后面，就越是慢。 我们之前也是遇到过这个问题，用 es 作分页，前几页就几十毫秒，翻到 10 页或者几十页的时 候，基本上就要 5~10 秒才能查出来一页数据了。 解决方案吗？ 1）不允许深度分页：跟产品经理说，你系统不允许翻那么深的页，默认翻的越深，性能就越差； 2）在APP或者公众号里，通过下拉来实现分页，即下拉时获取到最新页，可以通过scroll api来实现； scroll 会1次性给你生成所有数据的1个快照，然后每次滑动向后翻页就是通过游标 scroll_id 移动获取下一页，性能会比上面说的那种分页性能要高很多很 多，基本上都是毫秒级的。 但是，唯1的缺点就是，这个适合于那种类似微博下拉翻页的，不能随意跳到任何一页的场 景。也就是说，你不能先进到第 10 页，然后去第 120 页，然后再回到第 58 页，不能随意乱跳 页。所以现在很多APP产品，都是不允许你随意翻页的，也有一些网站，做的就是你只能往 下拉，一页一页的翻。 初始化时必须指定 scroll 参数，告诉 es 要保存此次搜索的上下文多长时间。你需要确保用户不会持续不断翻页翻几个小时，否则可能因为超时而失败。 除了用 scroll api ，也可以用 search_after 来做， search_after 的思想是使用前一页的结果来帮助检索下一页的数据，显然，这种方式也不允许你随意翻页，你只能一页一页往后 翻。初始化时，需要使用一个唯1值的字段作为 sort 字段。

1、倒排索引采用ImmutableDesign，一旦生成，不可更改。Segment写入磁盘的过程相对耗时，所以借助文件系统缓存，Refresh时，先将Segment写入文件缓存中，以开放查询。2、Elasticsearch中使用一种称为倒排索引的结构，适用于快速的全文搜索。一个倒排索引由文档中所有不能重复词的列表构成，对于其中每个词，有一个包含它的文档列表。3、elasticsearch提供了translog来记录这些操作，结合oscachedsegments数据定时落盘来实现数据可靠性保证（flush）。文档被添加到buffer同时追加到translog：进行refresh操作，清空buffer，文档可被搜索但尚未flush到磁盘。4、如果Elasticsearch密钥库受密码保护，则必须先输入密钥库密码，然后才能为内置用户设置密码。为弹性用户设置密码后，引导密码不再有效，无法使用该命令。在某些情况下，分片副本的Lucene索引或事务日志可能会损坏。5、Elasticsearch的查询原理是将查询的关键词与倒排索引中的词条进行匹配，查询的关键词与倒排索引中的词条必须完全相同视为匹配，否则不匹配。这意味着在插入文档时是否进行分析和查询时是否进行分析将产生非常不同的结果。6、财务平台亿级数据量毫秒级查询优化之elasticsearch原理解析_wang123459的博客-CSDN博客_elasticsearch查询优化mysql底层B-tree支持矮胖，高胖的时候就很难受，说白了就是数据量多会增加IO操作。ES底层倒排索引。

意思是永恒的长期有效的；万古常新TIMELESS(中文版)歌手：张力尹我不愿意听你说放弃累的心仿佛失去全部力气多想可以继续拥抱你让爱情用微笑一路走下去Timeless这不是离别若爱不能倒回这一刻会永远Holdtight,babyTimeless珍藏在我心扉像一场重感冒让人疲惫慢慢的复原webothagree.Thisistimelesslove..没了呼吸慢慢我远去，但伤心一直盘旋在那原地我用全力呼喊你谁静静在听一颗心还隐隐作痛在低泣停不了想念的泪滴还有什么领悟让我坚定再无法捉紧难道一切注定Timeless这不是离别若爱不能倒回这一刻会永远Holdtight,babyTimeless珍藏在我心扉像一场重感冒让人疲惫，慢慢的复原webothagree.Thisistimelesslove..yeah...babyIt"stimeless..ohbabyIt"stimelessTimeless回忆不断翻飞像一场重感冒让人疲惫慢慢的复原webothagree.Thisistimelesslove..

永恒

我不愿意听你说放弃累的心仿佛失去全部力气多想可以继续拥抱你让爱情用微笑一路走下去Timeless这不是离别若爱不能倒回这一刻会永远Holdtight,babyTimeless珍藏在我心扉像一场重感冒让人疲惫慢慢的复原webothagree.Thisistimelesslove..没了呼吸慢慢我远去，但伤心一直盘旋在那原地我用全力呼喊你谁静静在听一颗心还隐隐作痛在低泣停不了想念的泪滴还有什么领悟让我坚定再无法捉紧难道一切注定Timeless这不是离别若爱不能倒回这一刻会永远Holdtight,babyTimeless珍藏在我心扉像一场重感冒让人疲惫，慢慢的复原webothagree.Thisistimelesslove..yeah...babyIt"stimeless..ohbabyIt"stimelessTimeless回忆不断翻飞像一场重感冒让人疲惫慢慢的复原webothagree.Thisistimelesslove..

　　timeless有中英韩三个版本：　　英文版：　　Baby come close, let me tell you this　　In a whisper my heart says you know it too　　Maybe we both share a secret wish　　And you"re feeling my love reaching out to you　　Timeless, don"t let it end no　　Now that you"re right here in my arms　　where you should stay　　Hold tight baby　　Timeless, don"t let it fade out of sight　　Just let the moments sweep us both away　　Lifting us to where, we both agree　　This is timeless, love　　I see it all baby in your eyes　　When you look at me, you know I feel it too (yes I do)　　So let"s sail away and meet forever baby　　Where the crystal ocean melts into the sky　　We shouldn"t let the moment pass (moment pass)　　Making me shiver, let"s make it last　　Why should we lose it?　　Don"t ever let me go　　Yeah yeah yeah yeeeaah yeah　　Baby it"s timeless (oh baby it"s timeless)　　Timeless　　Don"t let it fade out of sight　　Just let the moments sweep us both away　　(just let the moments)　　Lifting us to where we both agree this is timeless　　This is timeless, love　　韩文版：　　uc548ub418uc694, ub0a0 ub193uc544ubc84ub9acuba74　　ud798ub4e4uc5b4ub3c4 uc5ecuae30 ub354 uba38ubb3cub7ecuc694　　uc870uae08ub9cc ub354 ubcfc uc218 uc788ub2e4uba74　　ub0a8uc740 uc0acub791ub9ccud07c uc6c3uc5b4ubcfcud150ub370　　Timeless　　uc774ubcc4uc740 uc544ub2c8uc8e0　　ud55cubc88uc758 uc0b6uc774ub77cuba74 uc9c0uae08ubfd0uc778ub370　　Hold tight baby　　Timeless　　uc774 uac00uc2b4uc5d0 ubb3buc5b4uc694　　uc21cuac04uc758 uc5f4ubcd1ucc98ub7fc uc7a0uc2dcub9cc uc544ud50c ubfd0uc774ub2c8　　We both agree　　This is timeless love　　uc138uc0c1uc740 ub2e4 uac00uc9c0ub9cc　　uc2acud514ub9c8uc800 ud568uaed8 uac00ub294 uac74uac00uc694　　ub108ubb34 uadf8ub9acuc6cc　　ub610 ub0a0 ubd88ub7ecubcf8　　uadf8ub300 ub9c8uc74cubfd0uc778 uc0c1ucc98ub9cc uba38ubb3cuaca0uc8e0　　ud1a0ud574ub0b8 ub208ubb3c uc0bcud0a4uba74　　uadf8ub54cuc11cuc57c uc54cuac8c ub420uae4cuc694　　ub0b4 uc190 uc7a1uc544uc694.　　ub5a0ub098uac8c ub9d0uc544uc694.　　Timeless　　uc774ubcc4uc740 uc544ub2c8uc8e0.　　ud55cubc88uc758 uc0b6uc774ub77cuba74 uc9c0uae08 ubfd0uc778ub370　　Hold tight baby timeless　　uc774uac00uc2b4uc5d0 ubb3buc5b4uc694　　uc21cuac04uc758 uc5f4ubcd1ucc98ub7fc uc7a0uc2dcub9cc uc544ud50c ubfd0uc774ub2c8　　We both agree　　This is timeless love　　yeah baby is timeless　　Hole tight baby timeless　　ub3ccuc544uac08 uc218 uc788ub3c4ub85d　　uc21cuac04uc758 uc5f4ubcd1ucc98ub7fc uc7a0uc2dcub9cc　　(uc7a0uc2dc ubfd0uc774ub2c8) uc544ud50c ubfd0uc774ub2c8　　We both agree　　This is timeless　　This is timeless love　　中文版：　　我不愿意听你说放弃　　累的心 仿佛失去全部力气　　多想可以 继续拥抱你　　让爱情 用微笑一路走下去　　Timeless 这不是离别　　若爱不能倒回 这一刻会永远　　Hold tight, baby　　Timeless 珍藏在我心扉　　像一场重感冒让人疲惫 慢慢的复原　　we both agree.　　This is timeless love..　　没了呼吸 慢慢我远去，　　但伤心 一直盘旋在那原地　　我用全力呼喊你 谁静静在听　　一颗心 还隐隐作痛在低泣　　停不了想念的泪滴　　还有什么领悟让我坚定　　再无法捉紧 难道一切注定　　Timeless 这不是离别　　若爱不能倒回 这一刻会永远　　Hold tight, baby　　Timeless 珍藏在我心扉　　像一场重感冒让人疲惫， 慢慢的复原　　we both agree.　　This is timeless love..　　yeah...baby It"s timeless..oh baby It"s timeless　　Timeless 回忆不断翻飞　　像一场重感冒让人疲惫 慢慢的复原　　we both agree.　　This is timeless love..

[ti:Timeless(XIAH&ZHANG)][ar:XIAH&ZHANG][al:][by:][00:37.01]我不愿意，聼你说放弃[00:42.20]累的心，仿佛失去全部力气[00:50.68]多想可以，继续拥抱你[00:56.49]让爱情，用微笑一路走下去[01:02.93][01:03.27]Timeless，这不是离别[01:09.89]若爱不能倒回[01:13.50]这一刻会永远[01:16.10]Holdtightbaby[01:18.13]Timeless，珍藏在我心扉[01:21.04]像一场重感冒让人疲惫[01:29.97]慢慢的复原,webothagree[01:35.42]Thisistimeless,love[01:41.81][01:43.39]没了呼吸，慢慢我远去[01:49.62]但伤心，一直盘旋在那原地[01:57.55]我用全力呼喊你，谁静静在聼[02:03.37]一颗心，还隐隐作痛在低泣[02:10.85]停不了想念的泪滴[02:14.39]还有什麽领悟让我坚定[02:18.39]再无法捉紧[02:21.83]难道一切注定[02:24.72][02:29.00]Timeless，这不是离别[02:33.29]若爱不能倒回[02:34.48]这一刻会永远[02:37.39]Holdtightbaby[02:40.01]Timeless,珍藏在我心扉[02:45.32]像一场重感冒让人疲惫，[02:50.04]慢慢的复原,webothagree[02:56.14]Thisistimeless,love[03:03.90][03:18.08]Yeahyeahyeahyeeeaahyeah[03:24.34]Babyit"stimeless(ohbabyit"stimeless)[03:30.98]Timeless[03:35.19]回忆不断翻飞[03:38.55]像一场重感冒让人疲惫[03:42.72]慢慢的复原[03:43.08]慢慢的复原webothagreethisistimeless[03:52.03]Thisistimeless,love

Wellstox产品也有针对因小腿肌肉发达而造成的小腿粗壮现象的，用过才知道，效果是真的好，可以试试。 百度上面有这方面的资料。

英文版《Timeless》歌曲: Timeless (Duet With Kelly Clarkson) 歌手: Justin Guarini Baby come close, let me tell you this In a whisper my heart says you know it too Maybe we both share a secret wish And you"re feeling my love reaching out to you Timeless, don"t let it end no Now that you"re right here in my arms where you should stay Hold tight baby Timeless, don"t let it fade out of sight Just let the moments sweep us both away Lifting us to where, we both agree This is timeless, love I see it all baby in your eyes When you look at me, you know I feel it too (yes I do) So let"s sail away and meet forever baby Where the crystal ocean melts into the sky We shouldn"t let the moment pass (moment pass) Making me shiver, let"s make it last Why should we lose it? Don"t ever let me go Yeah yeah yeah yeeeaah yeah Baby it"s timeless (oh baby it"s timeless) Timeless Don"t let it fade out of sight Just let the moments sweep us both away (just let the moments) Lifting us to where we both agree this is timeless This is timeless, love韩文版uc548ub418uc694 ub0a0 ub193uc544ubc84ub9acuba74 安对哟那儿 挪阿暴利妙 ud798ub4e4uc5b4ub3c4 uc5ecuae30 ub354 uba38ubb3cub7ecuc694 him度老兜药gi套 毛姆老哟 uc870uae08ub9cc ub354 ubcfc uc218 uc788ub2e4uba74 旧故漫道 谱儿数以大庙 ub0a8uc740 uc0acub791ub9ccud07c uc6c3uc5b4ubcfcud150ub370 纳闷沙狼曼谷 无扫布尔腾代 Timeless uc774ubcc4uc740 uc544ub2c8uc8e0 仪表冷 阿泥就 ud55cubc88uc758 uc0b6uc774ub77cuba74 汉本业 撒米拉妙 uc9c0uae08ubfd0uc778ub370 几根不宁带 Hold tight baby Timeless uc774 uac00uc2b4uc5d0 ubb3buc5b4uc694 一嘎色买 墓道哟 uc21cuac04uc758 uc5f4ubcd1ucc98ub7fc 笋干也要本桥栏 uc7a0uc2dcub9cc uc544ud50c ubfd0uc774ub2c8 江西满 阿普 不泥泥 We both agree This is timeless love uc138uc0c1uc740 ub2e4 uac00uc9c0ub9cc 谁商恩大 嘎挤满 uc2acud514ub9c8uc800 ud568uaed8 uac00ub294 uac74uac00uc694 素朴马脚涵盖 嘎能工嘎哟 ub108ubb34 uadf8ub9acuc6cc 脑牧歌里窝 ub610 ub0a0 ubd88ub7ecubcf8 uadf8ub300 兜那儿波老本苛待 ub9c8uc74cubfd0uc778 uc0c1ucc98ub9cc uba38ubb3cuaca0uc8e0 马恩不宁商丘满贸穆尔给就 ud1a0ud574ub0b8 ub208ubb3c uc0bcud0a4uba74 头海南农牧儿商ki苗 uadf8ub54cuc11cuc57c uc54cuac8c ub420uae4cuc694 苛待搜亚阿而给对嘎哟 ub0b4 uc190 uc7a1uc544uc694. 奶送加巴哟 ub5a0ub098uac8c ub9d0uc544uc694. 导纳改麻辣哟 Timeless uc774ubcc4uc740 uc544ub2c8uc8e0 仪表冷 阿泥就 ud55cubc88uc758 uc0b6uc774ub77cuba74 汉本业 撒米拉妙 uc9c0uae08ubfd0uc778ub370 几根不宁带 Hold tight baby Timeless uc774 uac00uc2b4uc5d0 ubb3buc5b4uc694 一嘎色买 墓道哟 uc21cuac04uc758 uc5f4ubcd1ucc98ub7fc 笋干也要本桥栏 uc7a0uc2dcub9cc uc544ud50c ubfd0uc774ub2c8 江西满 阿普 不泥泥 We both agree This is timeless love yeah baby is timeless Hold tight baby timeless ub3ccuc544uac08 uc218 uc788ub3c4ub85d 多拉卡儿树衣兜楼 uc21cuac04uc758 uc5f4ubcd1ucc98ub7fc 笋干也要本桥栏 uc7a0uc2dcub9cc uc544ud50c ubfd0uc774ub2c8 江西满 阿普 不泥泥 We both agree This is timeless This is timeless love

CarolJeanWellsCarolJeanWells，演员，主要作品《移动迷宫》、《水壶的面孔》、《盗墓者》。外文名：CarolJeanWells职业：演员代表作品：盗墓者合作人物：卡雅·斯考达里奥

我补充一下.这首歌曲的MV主人公由韩庚、崔始源、李燕姬担任。韩庚扮演一位警官，而崔始源扮演反派---抢劫犯。带着面具行凶的崔始源将韩庚的剧中女友---李燕姬作为人质挟持，韩庚赶到现场，发现崔始源挟持了自己的女友。十分愤怒地与崔始源对峙。崔始源一直威胁警方如果开枪就杀了人质,然后韩庚后面的那个警员因为紧张开了枪,崔始源以为是韩庚,就向韩庚开了枪，导致韩庚变成了植物人,然后1年后韩庚的父母在一个拔氧气的指上签字.正好那个时候崔始源心脏病发,就把心脏捐给崔始源,因为那个心脏,崔始源有了韩庚的记忆.才发现捐给他心脏的是被他打死的那个警察(记得那个翻资料和心型项链的镜头把,居然变态到收集战利品)~~~

一天，一个歹徒劫持了该女子，演警察的韩庚和其他警察一起去营救她，另外一个警察开枪射向歹徒，可是没打中，但却激怒了歹徒，歹徒开枪射向韩庚，结果韩庚变成植物人躺在医院，该女子一直在医院陪着他，后来才知道原来那个歹徒是始源，后来2个人进行了换心手术

美国加州

这里涉及的主谓一致的知识点，如果主语是单数，后面即使加了with,together with,as well as,no less than,like,but,except等引起的短语，谓语动词也依旧用单数。本句主语为Mr.Wells,所以谓语用单数，至于现在进行时表示的是即将发生的状态。

天天向上哪天的？我去看下给你说

timeless玻尿酸精华是美国一款非常有名气的玻尿酸精华原液，高浓度玻尿酸，天然纯净，不含防腐剂，单独使用或者搭配其他产品使用效果很棒哦！ timeless玻尿酸怎么用 玻尿酸(透明质酸)大量存在于人体的结缔组织及真皮层中，是一种透明的胶状物质，其中充满了水分，是皮肤的保湿因子。玻尿酸是有效的补水保湿成分，可以抓住自身重量1000倍的水分。此款精华液含有1%玻尿酸，是其他类似产品的二十几倍。强大的保湿功能，让玻尿酸成为保湿热门成分，是当今护肤品中公认的保湿佳品，深受人们的喜爱。高浓度玻尿酸，全天然纯净，不含防腐剂，简单有效。 如果是直接涂抹本品，一下子就吸收了，后续不用任何面霜啥的，会感觉用处不大。 这里来分享下正确的使用方法： 1、在化妆水之前先用一两滴玻尿酸。 这个时候擦别的护肤品你就会发现皮肤吸收能力和平时完全不一样 2、加入平时用的乳液或者面霜中使用，比例一般就是加入一滴两滴， 会提升乳液面霜的延展性及保湿持久度。 3、配合水膜使用。你可以在敷面膜前擦一滴， 滴2滴在化妆水中用面膜纸浸透敷上。 一周两次，时间久了，不仅可以改善皮肤缺水的状态，还能淡化干纹。 4、加入底妆(例如粉底液)中使用，尤其对于大干皮来讲，加一两滴玻尿酸效果马上看得到，整个底妆会变服帖。 5、唇部护理。晚上先涂抹薄薄一层玻尿酸在嘴唇上，再使用其他润唇膏，第二天嘴唇不起皮，而且唇纹也淡化很多。 6、身体护理。加几滴在沐浴液和身体乳里。 产品是粘稠液体状，流动性较好： 下面是涂抹开的样子： 下面是吸收后的样子：适合肤质 所有肤质。 使用方法 洁面之后，可以直接用该款玻尿酸上脸(每次几滴精华液，根据自己脸的大小来适当调整)，早晚各用1次，一般在几周内可以见到效果(因个人肤质的差异，效果同样存在一定的差异) 也可以混合其他爽肤水或面霜或底妆产品一起使用。 全成分表 Water, Sodium Hyaluronate (1%;100% pure), Benzylalcohol, Dehydroacetic Acid 水，玻璃酸钠，苯甲醇，脱氢乙酸 timeless玻尿酸怎么样 有些人觉得自己皮肤很油，就整天用吸油纸去吸。每次看到人家这样做，就让我像听说有人不一年365天每天擦防晒一样揪心。要知道多数油性皮肤的根源正是缺水，因为真皮层缺水导致皮肤不得不分泌大量的油脂来自我保护。所以越吸皮肤越干，分泌的油脂越多，补水才是正道。 盒子的侧面有成分和使用方法 底部有产品批号，还有开瓶后24个月内用完哦。因为原液不好保存，用了特殊材料的玻璃封装，所以包装保护做的也特别到位 性冷淡的包装，让人感觉真的很干净舒服，瓶口有层塑封，拆开再用哦！为了好控制用量还有避免污染，瓶口是滴剂似的设计 旋开瓶盖后，捏一下滴剂管的头，让滴管吸入原液 每次用量不用太多1-3滴已足 流动性非常强，可见质地真的很清爽，不粘稠，玻尿酸原液属于吸水保湿剂，其保湿原理是吸收周边的水分，补给缺水的部分，它醉主要的功能是帮我们抓住水分来保湿，，如果说你的肌肤里面没有富含的水分并且也没有辅以，可以吸收的水分的时候，它则没有水分可以抓，保湿的效果就不会太好，所以玻尿酸必须要搭配化妆水使用，接着再擦上含有油脂的保养品，保湿效果就会事半功倍了

我也看不明白啊,如果我的女友被劫持,我肯定不敢拿枪对着歹徒的,最起码先答应歹徒的条件.保护人质的性命啊.

分类: 娱乐休闲 >> 音乐 解析: Timeless[小米子原创音译] uc548ub418uc694, ub0a0 ub193uc544ubc84ub9acuba74 an dui yo, nal nol-a b"o li myon ud798ub4e4uc5b4ub3c4 uc5ecuae30 ub354 uba38ubb3cub7ecuc694 him dul-o do yo ki do mo mul lo yo uc870uae08ub9cc ub354 ubcfc uc218 uc788ub2e4uba74 jo kum man do b"ol su itt da myon ub0a8uc740 uc0acub791ub9ccud07c uc6c3uc5b4ubcfcud150ub370 nam-un sa lang man kum us-o bol thaen dae Timeless uc774ubcc4uc740 uc544ub2c8uc8e0 i pyol- un a ni jyo ud55cubc88uc758 uc0b6uc774ub77cuba74 han bon ae sam-i la myon uc9c0uae08ubfd0uc778ub370 ji kum b"un-in dae Hold tight baby Timeless uc774 uac00uc2b4uc5d0 ubb3buc5b4uc694 i ka sum-ae mud-o yo uc21cuac04uc758 uc5f4ubcd1ucc98ub7fc sun kan-ae yol pyong cho lom uc7a0uc2dcub9cc uc544ud50c ubfd0uc774ub2c8 jam ji man a pul b"un-i ni We both agree This is timeless love uc138uc0c1uc740 ub2e4 uac00uc9c0ub9cc sae sang un da ka ji man uc2acud514ub9c8uc800 ud568uaed8 uac00ub294 uac74uac00uc694 sul pum ma jo ham g"ae ka nun gon ka yo ub108ubb34 uadf8ub9acuc6cc no mu ku li wuo ub610 ub0a0 ubd88ub7ecubcf8 uadf8ub300 d"o nal b"ol lo bon ku dae ub9c8uc74cubfd0uc778 uc0c1ucc98ub9cc uba38ubb3cuaca0uc8e0 ma-um b"un-in sang cho man mo mul gaet jyo ud1a0ud574ub0b8 ub208ubb3c uc0bcud0a4uba74 tho hae naen nul mul sam ki myon uadf8ub54cuc11cuc57c uc54cuac8c ub420uae4cuc694 ku dae so ya al gae dul g"a yo ub0b4 uc190 uc7a1uc544uc694. nae son jap-a yo ub5a0ub098uac8c ub9d0uc544uc694. d"o na gae mal-a yo Timeless uc774ubcc4uc740 uc544ub2c8uc8e0. i pyol-un na ji jyo ud55cubc88uc758 uc0b6uc774ub77cuba74 uc9c0uae08 ubfd0uc778ub370 han bon ae sam-i la myon ji kum b"un-in dae Hold tight baby timeless uc774uac00uc2b4uc5d0 ubb3buc5b4uc694 i ka sum-ae mud-o yo uc21cuac04uc758 uc5f4ubcd1ucc98ub7fc uc7a0uc2dcub9cc uc544ud50c ubfd0uc774ub2c8 sun kan-i yol pyong cho lom jam si man a pul b"un-i ni We both agree This is timeless love yeah baby is timeless Hole tight baby timeless ub3ccuc544uac08 uc218 uc788ub3c4ub85d dul-a gal su it do lok uc21cuac04uc758 uc5f4ubcd1ucc98ub7fc uc7a0uc2dcub9cc sun kan-ae yol pyong cho lom jam si man (uc7a0uc2dc ubfd0uc774ub2c8) uc544ud50c ubfd0uc774ub2c8 (jam ji b"un-i ni) a pul b"un-i ni) We both agree This is timeless This is timeless love Side 资料[转载] 歌词翻译 如果时间停止了 现在不会变成这样吧 好想让此刻停止 如果还稍微记得一些事 是你留下的微笑 在我心里 只有心中的伤还停留在此 如果那时流出眼泪 你会明白一切吗 Timeless 不要离开 只要一次就好 还有现在 Hold tight baby Timeless 对于你的胸怀 象瞬间的热病一样 只是稍离开我就感到痛苦 we both agree This is timeless love 时间随世而过了 连悲伤一起带走 非常怀念 再次叫我的名字的你 只有心中的伤还停留在此 如果当时流出泪水 你会明白一切吗 拉着彼此的手 象当初离开一样不舍 Timeless 不是离别吧 只要一次就好 我只要现在 Hold tight baby timeless 在你怀里 象瞬间的热病一样 只是稍离开我就感到痛苦 we both agree This is timeless love yeah Baby it"s timeless (oh baby it"s timeless) Timeless Hold tight baby timeless 想回到从前 象瞬间的热病一样 （因为只是暂时的）心痛 we both agree This is timeless This is timeless love …… ======================================================== 这首歌曲来自外国的，韩国版本是改篇了 原本的是 Timeless **************************** Baby e close, let me tell you this In a whisper my heart says you know it too Maybe we both share a secret wish And you"re feeling my love reaching out to you Timeless, don"t let it end no Now that you"re right here in my arms where you should stay Hold tight baby Timeless, don"t let it fade out of sight Just let the moments sweep us both away Lifting us to where, we both agree This is timeless, love I see it all baby in your eyes When you look at me, you know I feel it too (yes I do) So let"s sail away and meet forever baby Where the crystal ocean melts into the sky We shouldn"t let the moment pass (moment pass) Making me shiver, let"s make it last Why should we lose it? Don"t ever let me go Yeah yeah yeah yeeeaah yeah Baby it"s timeless (oh baby it"s timeless) Timeless Don"t let it fade out of sight Just let the moments sweep us both away (just let the moments) Lifting us to where we both agree this is timeless This is timeless, love 专辑名称：Justin Guarini 艺人姓名：Justin Guarini 发行公司：Rca 发行时间：2003年6月9日 演唱语种：英文

发行专辑　　第一张专辑　Tamas Wells - A Mark On The Pane 　　发行时间: 2004-03-30 　　出版者: Popboomerang 　　第二张专辑　Tamas Wells - A Plea En Vendredi 又名: 轻柔醉人的 　　发行时间: 2006 　　版本特性: Import 　　出版者: Popboomerang 　　第三张专辑　Two Years In April 　　发行时间：2008年06月 　　地区：美国 　　 Thirty People Away第四张专辑　Thirty People Away 　　发行时间：2010年10月 　　地区：美国 　　出版者: Popboomerang发行EP　　第一张EP 《Hello Jealousy》 　　第二张《Cigarettes，a Tie and a Free magazine》 　　第三张《Stitch In Time》成名单曲《Valder Fields》　　 《Valder Fields》选自澳洲乐团Tamas Wells的专辑《A Plea en Vendredi》。 　　很温馨的一首歌，平缓优美的旋律，没有太大的起伏，木吉他配上简单的鼓点，偶尔用些钢琴作点缀，再加上主唱Tamas Wells质朴的民谣哼唱，听起来非常的舒服。 　　Tamas Wells的音乐，平缓优美的旋律，没有什么激昂的东西，可是就这么平淡着、慢慢的渗透到内心。木吉他配上简单的鼓点，偶尔用些钢琴做点缀，似乎在证明着“最简单直接的东西才是最动人”这句话。编辑本段音乐风格　　 干净的嗓音，清新的吉他，简单的歌词，这就是Tamas Wells的风格。没有什么激昂的东西，可是就是这种平淡，慢慢地渗透到我们的内心。木吉他配上简单的鼓点，偶尔用些钢琴做点缀，往往最简单直接的东西才是最动人的。不需要太多修饰，不需要太多华丽，Tamas Wells就能带给我们一抹清凉。

不用怀疑，博士的小密室的逆闪电衣服和戒指，博士就是逆闪电。未来巴里不见了么，是因为他跑到神速力里去了。博士回来是为了杀了闪电侠，但是闪电侠回来阻止，逆闪电打不过闪电侠，过程中杀了巴里的妈妈，闪电侠没能阻止到他。而用到嫁祸给闪电侠的爸爸是因为不想让这个时代的人们知道他们的存在。但是巴里和逆闪电打得不可开交，逆闪电被闪电侠重创，以至于失去了能力。而闪电侠则跑到了神速力里面。所以为了恢复自己的能力，博士在这个时代引发了一切，并且他希望通过使这个时代的巴里获得能力，而使自己的能力得以恢复。至于为什么有一段时间有逆闪电也有博士，那是因为这是很小的时间间隔，也就是说一个时间段的博士穿越一小段时间，去把自己给揍了，他的能力来自于闪电侠，但是并不稳定，所以也需要那个装置帮助他的研究。为什么西斯科说那个血迹不是哈里森威尔斯博士的呢，因为，在这个时代，本不应该有哈里森威尔斯这个人，所以在警局中的关于他的资料是后补进去的，他知道当年有血液在现场，这点他还是可以考虑到的。

the forever and everlasting and eternal!

你好！to get well-perpared for sth精心做某事

timeless的意思是永恒的、不受时间影响的、永不过时的。timeless这个单词通常用来形容那些具有永恒价值、不受时间影响的事物。我们可以说一部电影或一本书，因为它们具有经典的价值，无论时代如何变化，它们仍然能够吸引观众或读者的兴趣。timeless这个单词通常用来形容那些具有永恒价值、不受时间影响的事物，可以用于描述文化作品、品牌或产品等。关于timeless的例句：This timeless movie is still as captivating today as when it was released.这个永恒的电影现在仍然像发布时一样吸引人。Her timeless style will never go out of fashion.她永恒的时尚风格永远不会过时。His timeless music will never be forgotten.他永恒的音乐永远不会被遗忘。学习高中英语的技巧：1、扩大词汇量高中英语词汇量要求相对于初中英语来说更高，因此学生需要掌握更多的单词。建议学生采用多种方式来记忆单词，例如通过阅读、听力和写作等多种渠道来掌握单词。同时，学生还可以使用一些记忆工具，如单词卡片、记忆宫殿等来帮助记忆。2、注重口语和听力练习高中英语考试中，口语和听力也是重要的考查内容。因此，学生需要加强口语和听力的练习。建议学生通过听英语电影、新闻、广播等来提高听力水平，通过模仿英语语音、唱歌、对话等来提高口语水平。3、多进行英语阅读和写作练习阅读和写作是英语学习的两个重要方面。学生可以通过阅读英语文章、报纸、小说等来提高阅读理解能力，通过写作练习来提高写作能力。建议学生多写英语作文，并请老师或朋友进行修改和纠正。

★首先，timeless是个英语单词 adj. 1. 不受时间影响的 2. 永恒的★其次，在娱乐方面，有一首歌也以timeless来命名，并且曾被多位歌手演绎： 《Timeless》曾经是一首经典的老式情歌，低回温婉，2003年由JUSTIN GUARINI首次演唱，其中高昂的女生部分则由KELLY CLARKSON完成。原版歌曲带有强烈的欧美音乐风格，音色辽阔，节奏强劲。　　2006年，SM旗下的R&B女歌手张力尹和细亚俊秀重新演绎了这首歌。改编后的歌曲明显带有东方的柔情色彩，节奏舒缓，低回婉转，更适合展现东方人内心强烈但是含蓄的情感表达。　　《Timeless》是一首有着东方式的节奏和R&B风格的groove节奏的歌曲 。拥有魅力音色的R&B新人张力尹用独特的演唱方式翻唱了这首经典情歌。

从井里打上来这么好的井水真是太好了！

timeless 【词典解释】：形容词 1. 不受时间影响的 2. 永恒的; sagapo是我爱你的意思

taste是系动词 后面加adj 形容词做表语 sell是动词用well 副词修饰 不是wells

永恒的，无止境的

timeless 英[u02c8tau026amlu0259s] 美[u02c8tau026amlu026as] adj. 永恒的，永久的; 不受时间影响的; 长期有效的; 不合时宜的; [例句]There is a timeless quality to his best work.他最好的作品不会因时间流逝而逊色。[其他] 形近词： gameless mameless tameless

Tamas Wells乐团来自澳洲墨尔本，最早成立于2000年初，当时只有Owen Gray及Ben Castle两名成员，发行的第一张EP《Hello Jealousy》是张带点政治意味的民谣唱片，创作灵感来自当年的“第三世界国家债务解除运动”，第二年鼓手Nathan Collins的加入，而接下来紧密的巡回演出，也为Tamas Wells在当地乐界积累了不少人气。2002年3月和8月分别发行了两张广受好评的EP《Cigarettes, a Tie and a Free Magazine》及《Stitch In Time》，Ben中途退出，接着加入了Tamas和Anthony。知名制作人Tim Whitten在听过《Stitch in Time》之后颇为欣赏，邀请他们来悉尼的Megaphon studios录制第一张专辑。2004年乐团3月30日发布的第一张专辑《A Mark On The Pane》被Inpress Magazine杂志评为当年最美的唱片之一，并在澳大利亚的音乐榜单AIR charts上获得第16名的成绩。同年，成员Tamas Wells前往缅甸，并在当地参加短期的志愿者工作。2006年初，Tamas Wells与妻子、女儿迁居缅甸的仰光，并参加一个有关艾滋病的志愿者服务项目。在此期间，他创作出了该乐团的代表作品《valder fields》。 3月，乐团发布第二张专辑《A Plea en Vendredi》。这一年起，乐团与中国、日本唱片公司签订协议，日本、中国专辑由他们代理发行。2009年，乐团首次在中国举行巡回演唱会，并于3月26日开始此次巡演杭州站的演出。 4月，TamasWells应“声演坊”之邀，在杭州、上海、北京、成都、南京五个城市举行巡演。此后，乐团每年在中国均有巡演。（2013年巡演因故推迟至2014）2010年2月，歌曲《Valder Fields》被收录于群星精选集《Saddest Songs》中。 12月，在日本举行名为《Tamas Wells Japan Tour 2010》的日本巡回演唱会。 2012年10月，Tamas Wells加盟梦象音乐节，这是Tamas首次在中国参加音乐节。 同年12月27日，日本Inpartmaint唱片公司发布的群星精选专辑《Quiet Moments – Winter Promenade》收录了Tamas Wells的歌曲《True Believers》。 2014年，发行专辑《On the Volatility of the Mind》。6月，Tamas Wells先后在中国、日本开始巡回演唱会。

嗯...据我所知，wells是逆闪电u26a1ufe0f，博士要先好好培养barry，然后未来夺走他的能量自己变成逆闪

有这个意思

相信我 一定是take 因为who 引导的定语从句是修饰editors 因是复数所以谓语用take

MichaelWells外文名：MichaelWells职业：演员代表作品：《乡村一月》合作人物：QuentinLawrence

H.g.wells 的”森林宝藏”，建议去有道词典看看

1、well adv.好; 对; 令人满意地; 完全地; 彻底地; 全部地; 很; 相当; 大大地; 远远地; adj.健康; 身体好; 状态良好; 情况良好; 明智; 可取; 好主意; int.(表示惊奇、愤怒或宽慰)哎呀，哟，啊，好啦; (承认某事不可改变)唉，好吧; (勉强同意)嗯; n.井; 水井; 楼梯井; 电梯井道; (法庭中的)律师席; v.涌出; 冒出; 流出; 溢出; 涌起; 迸发; 2、[例句]This job could be done equally well by a computer.这个工作用计算机同样可以做得很好。 3、[其他]比较级：better；最高级：best ；第三人称单数：wells ；复数：wells ；现在分词：welling ；过去式：welled。

H.G.Wells毕业于英国皇家理学院，任教于伦敦大学，曾在赫胥黎的实验室工作，后转入新闻工作，从事科学和文学的研究，是英国费边社的成员和代表人物。1895年出版《时间机器》一举成名，随后又发表了《莫洛博士岛》、《隐身人》、《星际战争》、《当睡着的人醒来时》、《不灭的火焰》等多部科幻小说。他曾于1920年、1930年两次访问苏联，先后会晤过列宁和斯大林，撰写了《基普斯》、《托诺－邦盖》、《波里先生和他的历史》、《勃列林先生看穿了他》、《恩惠》、《预测》、《世界史纲》等大量关注现实，思考未来的作品。《世界史纲》是作者于1918年开始撰写的一部人类历史的百科全书，曾在世界范围内产生广泛影响。此书于1920年出版，后于1923~1930年间几次修订再版，内容写到第一次世界大战。此书最初由谢冰心等人翻译并介绍到我国。

heavena nd heal 歌手let play dead

WELLS WHISKY 18是威士忌酒。威士忌，是一种由大麦等谷物酿制，在橡木桶中陈酿多年后，调配成43度左右的烈性蒸馏酒。英国人称之为生命之水。按照产地可以分为，苏格兰威士忌，爱尔兰威士忌，美国威士忌和加拿大威士忌四大类。威士忌酒介绍威士忌，烈酒类，40°，嗅味香醇，下咽面梗，余味淡而甘，入喉微热，后劲剧烈。由于没有辛辣之感，很容易被迷惑，醉者居多。此酒种类繁多，档次千差万别，饮者加冰实质为了稀释其浓度，如品酒，建议冷冻，加冰不易。本人不喜欢此类酒品。苏格兰麦芽威士忌酒厂的基础款，也是相对最常见的单一麦芽威士忌，很有斯佩塞特性，清爽的果香和柔和的口感，洋梨，香草，蜂蜜，为主调风味，口感单薄一点但适合新手入门，可谓是单一麦芽入门酒款中最有代表性的。美国威士忌在酿造的时候主要是以玉米以及一些其他的谷物为原材料的，主要生产于美国南部，通常在装瓶的时候会往里面加入一定数量的蒸馏水用以稀释，所以美国威士忌的口感并不像苏格兰卫士系口感那样的浓烈，相反，会具有一股橡树芳香。

well的副词形式是它本身。 well： adv. 很好地；充分地；满意地；适当地； adj. 良好的；健康的；适宜的； n. 井；源泉； v. 涌出； 复数 wells 第三人称单数 wells 现在分词 welling 过去式 welled 过去分词 welled 比较级 better 最高级 best 扩展资料 　　Well done. You did great. 　　干得好。你干得真棒。 　　I can"t hear very well. 　　我听觉不太好。 　　I don"t feel very well. 　　我觉得身体不太好。 　　You played very well. 　　你演得很好。 　　He plays quite well. 　　他表现得相当好。 　　Did you sleep well? 　　你睡得好吗？

c

赫伯特·乔治·威尔斯(Herbert George Wells 1866-1946)，英国著名小说家，尤以科幻小说创作闻名于世。1895年出版《时间机器》一举成名，随后又发表了《莫洛博士岛》、《隐身人》、《星际战争》等多部科幻小说。他还是一位社会改革家和预言家，曾是费边社的重要成员，会晤过罗斯福和斯大林，撰写了《基普斯》、《托诺－邦盖》、《波里先生和他的历史》、《勃列林先生看穿了他》、《恩惠》、《预测》、《世界史纲》等大量关注现实，思考未来的作品。

科幻小说作家赫伯特·乔治·威尔斯（H. G. Wells）提出“世界脑”的概念，当作知识的联合系统，所有人可以访问。“全球脑”这个术语似乎是在1983年首先被彼得·罗素（P. Russell）使用。第一次把这个观念和正在浮现的互联网联系起来的是G·梅尔-克瑞斯（G. Mayer-Kress）、J·德洛斯纳（J. de Rosnay）和弗朗西斯·海拉恩（F. Heylighen）。J·波龙（J. Bollen）和B·戈策尔（B. Goertzel）看来是最早对互联网变成一个智慧的、类似于人脑的网络提出具体的方法的研究人员。用一台自动机器来编写一部百科全书的想法可以追溯到H·G·威尔斯（H. G. Wells）的短篇小说《大脑世界》（World Brain，1937年）以及范内瓦·布什（Vannevar Bush）的科学文章《我们也许会想》（As We May Think，1945年）。之后的一个重要里程碑是Ted Nelson的Xanadu计划（1960年）。影片中文片名（暂无）英文片名 Google and the World Brain导演 Ben Lewis主要演员（暂无）类型 纪录片 上映日期 2013年1月18日剧情The story of the most ambitious project ever conceived on the Internet, and the people who tried to stop it. In 1937 HG Wells predicted the creation of the "World Brain", a giant global library that contained all human knowledge which would lead to a new form of higher intelligence. Seventy year later the realization of that dream was underway, as Google scanned millions and millions of books for its Google Books website. But over half those books were still in copyright, and authors across the world launched a campaign to stop them, climaxing in a New York courtroom in 2011. A film about the dreams, dilemmas and dangers of the Internet, set in spectacular locations in China, USA, Europe and Latin America. 剧照

有well英:[wel]美:[wel]释义：adv.好，出色地;完全地，彻底地;（表示程度）多少，怎样;很，相当;远远地;很可能地adj.健康的;情况良好的;可取的int. （语气词）嗯，唔;哟;噢，哦;不过;好了;那么;算了n.井;楼梯井v.涌出，冒出;（情感）迸发变形：复数. wells第三人称单数. wells过去式. welled现在分词. welling比较级. better最高级. best短语：all"s well that ends well见 allas well he (或 she 等) might (或 may)［用于表示说话者认为某个反应恰当或在预料之中］理当如此be well away(英，非正式)有很大（轻易）进步be well out of(英，非正式)幸运摆脱（某处境）be well up on (或 in)对（某事）十分了解do well for oneself（尤指在物质或财政方面）成功，发达，昌盛

本剧中H.G.Wells（Jaime Murray饰演）本人是位女性（历史真实人物是男性），是第十二号仓库的特工。所有文学作品都是她的哥哥Charles Wells以H.G.Wells的名字出版的，（所有灵感构思都来自于H.G.Wells）所以人们误以为H.G.Wells是男性。H其实是Helena的缩写。

吉米·莫瑞Jaime Murray 生于：1977年7月21日，英国埃塞克斯星座： 巨蟹座 Jamie Murray 身高：170发色：深棕色电视作品：Doctors and Nurses 医生和护士The BillCasualtyKeen Eddie (American TV series) （美剧）电影作品：The Byzantine Cat (2002) - Jane Spencer 拜占庭猫Hustle (BBC One, 2004 - 2007) - Stacie Monroe 飞天大盗（1-4季）ShakespeaRe-Told: The Taming of the Shrew (BBC One, 2005) - Bianca Minola莎士比亚重现：驯悍记Love Soup (BBC One, 2005): episode "Death and Nurses" - Natalie 爱情麻辣烫Agatha Christie"s Poirot (ITV, 2006) 阿加莎·克里斯蒂侦探推理系列：波洛探案集Dexter (Showtime, 2007) - Lila 嗜血判官/双面法医Botched (2007) 办砸了The Deaths of Ian Stone（2007) - Medea 伊恩·斯通之死/猎杀死神Possessions (2009) 财产Valentine - Grace Valentine/Aphrodite 情人节Eli Stone (2009) : Episode "Flight Path" 神奇律师：飞行路径The Rapture (2009) - FionaNCIS (09) : Episode "Semper Fidelis" - ICE Special Agent Julia Foster Yates海军罪案调查处：永远忠诚The Mentalist: Episode "Carnelian, Inc." - Nadia Sobell 超感警探：玛瑙，公司The Beautiful Life (CW Network, 2009) - Vivienne 美丽人生Warehouse.13:第十三号仓库 第二季(2010)-H.G.Wells她出生于著名的演艺世家。她的父亲比利·莫瑞是英国著名的电视明星，最为人津津乐道的角色即是其在BBC电视剧《East Enders》中所饰演的Johnny Allen。他的家人并不鼓励她进入演艺圈，这一直到其考入大学才得以改变。据Jaime自述，“父母希望我除了表演之外能有更好的打算，他们希望我能从事一份比作演员更可靠和稳固些的工作”。为此，我就曾就读于伦敦经济学院，攻读哲学和心理学。显然，Jaime最终作出了正确的决定，追随其父亲的足迹，成为了一名演员。在一些电视短剧中饰演了几个小角色之后，终在BBC电视剧《飞天大盗》中取得重大突破，饰演Stacie Monroe一角。拥有170的身高、深棕色的头发和黑色大眼的Jaime知道如何在荧屏上吸引观众的目光。除了《飞天大盗》之外，Jaime还在现在古装剧《驯悍记》(The Taming Of The Shrew)中有精彩表现。

wells,是好吧，其他的不知道