last

歌曲名:Redesign歌手:Last Alliance专辑:for staying real BLUELAST ALLIANCE - Redesign作词：MATSUMURA作曲：MATSUMURA睡莲の叶の上もがく　孤独なペシミスト伞もささず　どしゃ降りに打たれたこの场所にすがる　意味なんてないさ立ち止まってても　靴は泥だらけ迷宫入りの答え探し　出口は今日も雨恐怖、膨らまして描く　几何学模様「もしかして…」ばかり选んできた过去と疑心暗鬼の　手招きを振りほどいて高いフェンス　飞び越えて缲り返す　缲り返す无限のループクライシス「もう动けないや…」を喉で押し杀す败北は　见计らいぬるりぬるり　と仆を蚀んだ今、远くに闻こえるのはダレの声？だらしない泣きっ面で夕闇の风に溶けた橙の満月も　また嘲笑ってらぁ何度も　悔し涙こぼし作り上げた　デザインを壊して「これで良いんだ！」を喉から押し出す正解を决めるのは限界を决めるのは高いフェンス　飞び越えて(仆が仆でいれるのは)今、闻こえる　キミの声(仆が信じてゆくのは)高いフェンス　越えるたび违う　违う　世界が见えるだろ「まだ动けるんだ！」仆らには　キミがいるおわりhttp://music.baidu.com/song/14443240

目前还不清楚呢

下面各图中哪一组的

你好！牛津双解上有标示，thelaststraw或thestrawthatbreaksthecamel"sback指的是压垮骆驼的最后一根稻草，终于使人不堪忍受的最后一件事。也就是忍无可忍的意思。

last reunion《最后的聚会》，出自Yotube音乐频道Epic Music Vn，是一首史诗音乐。歌手：Peter Roelast英 [lɑ?st]美 [l?st]n. 末尾，最后；上个；鞋楦（做鞋的模型）adj. 最后的；最近的，最新的；仅剩的；最不可能…的vt. 度过，拖过；使维持adv. 最后地；上次，最近；最后一点vi. 持续；维持，够用；持久reunion英 [ri?"ju?nj?n; -??n]n. 重聚；（班级或学校的）同学会，同窗会last是最后的意思，在绝望中奋起，站立。reunion是重逢、团聚的意思。last reunion是一首纯音乐，听后给人感觉大气中充斥着悲伤和绝望的感觉。又给人感觉听完了好像过了一生。扩展资料：歌手：Peter Roe一位电影音乐作曲家、吉他手出生于芬兰首都赫尔辛基。在90年代中期，彼得开始创作音乐。专门从事戏剧和电子音乐与真正的电影风格。从强烈的激动人心的情绪到精美、坚忍的情感轨迹，他写了广泛的风格和流派，包括动作，悬疑，冒险，幻想和戏剧。彼得史诗般的交响乐作品和戏剧预告片，电影和广告音乐受到一致好评。

Yotube音乐频道Epic Music Vn，是芬兰作者janji创作的音乐，译作最后的团聚，表达出

last reunion《最后的聚会》，出自Yotube音乐频道Epic Music Vn，是一首史诗音乐。歌手：Peter Roelast英 [lɑ?st]美 [l?st]n. 末尾，最后；上个；鞋楦（做鞋的模型）adj. 最后的；最近的，最新的；仅剩的；最不可能…的vt. 度过，拖过；使维持adv. 最后地；上次，最近；最后一点vi. 持续；维持，够用；持久reunion英 [ri?"ju?nj?n; -??n]n. 重聚；（班级或学校的）同学会，同窗会last是最后的意思，在绝望中奋起，站立。reunion是重逢、团聚的意思。last reunion是一首纯音乐，听后给人感觉大气中充斥着悲伤和绝望的感觉。又给人感觉听完了好像过了一生。扩展资料：歌手：Peter Roe一位电影音乐作曲家、吉他手出生于芬兰首都赫尔辛基。在90年代中期，彼得开始创作音乐。专门从事戏剧和电子音乐与真正的电影风格。从强烈的激动人心的情绪到精美、坚忍的情感轨迹，他写了广泛的风格和流派，包括动作，悬疑，冒险，幻想和戏剧。彼得史诗般的交响乐作品和戏剧预告片，电影和广告音乐受到一致好评。

你好，很高兴回答你的问题。EpicMusicVn希望能够帮到你。

reunion是法国。留尼汪是印度洋西部马斯克林群岛中的火山岛，为法国的海外省之一，即留尼汪省，留尼汪岛面积2512平方公里，海岸线长207公里。留尼汪岛面积2,512平方公里，海岸线长207公里。除沿岸有狭窄平原外，均属山地和高原，岛上高峰约3,019米，是为格罗莫讷，火山峰。沿岸属热带雨林气候，终年湿热，内部山地为高山气候，温和凉爽。reunion地形特征留尼旺地形大半由火山作用形成，所以岛上大部分为高原山地，但在沿海地带有狭窄的平原。岛上的高原呈东北—西南走向，在中西部断层块有几座海拔较高的山峰，其中，位于全岛中心的熄火山内日峰，海拔3069米，是岛内最高峰。这些断层块的周边有几个宽阔的盆地和一系列的小高原，留尼旺岛的东部为近代火山活动区，其东端的富尔奈斯山，海拔2631米，自1925年以来，该火山口已经数次喷发扩展资料来源于网络若侵权联系

last reunion《最后的聚会》，出自Yotube音乐频道Epic Music Vn，是一首史诗音乐。歌手：Peter Roelast英 [lɑ?st]美 [l?st]n. 末尾，最后；上个；鞋楦（做鞋的模型）adj. 最后的；最近的，最新的；仅剩的；最不可能…的vt. 度过，拖过；使维持adv. 最后地；上次，最近；最后一点vi. 持续；维持，够用；持久reunion英 [ri?"ju?nj?n; -??n]n. 重聚；（班级或学校的）同学会，同窗会last是最后的意思，在绝望中奋起，站立。reunion是重逢、团聚的意思。last reunion是一首纯音乐，听后给人感觉大气中充斥着悲伤和绝望的感觉。又给人感觉听完了好像过了一生。扩展资料：歌手：Peter Roe一位电影音乐作曲家、吉他手出生于芬兰首都赫尔辛基。在90年代中期，彼得开始创作音乐。专门从事戏剧和电子音乐与真正的电影风格。从强烈的激动人心的情绪到精美、坚忍的情感轨迹，他写了广泛的风格和流派，包括动作，悬疑，冒险，幻想和戏剧。彼得史诗般的交响乐作品和戏剧预告片，电影和广告音乐受到一致好评。

last reunion最后的聚会； 例如：You havent changed a bit since the last alumni reunion. 扩展资料 　　There are always new projects which seem to put the reunion back further 　　总是有新的项目使重聚一推再推。 　　These two members of Yale"s Class of" 57 never miss a reunion. 　　这两个耶鲁大学57届毕业生每次同学聚会都参加。 　　The Association holds an annual reunion 　　这个协会每年聚会一次。

last reunion《最后的聚会》，出自Yotube音乐频道Epic Music Vn，是一首史诗音乐。歌手：Peter Roelast英 [lɑ?st]美 [l?st]n. 末尾，最后；上个；鞋楦（做鞋的模型）adj. 最后的；最近的，最新的；仅剩的；最不可能…的vt. 度过，拖过；使维持adv. 最后地；上次，最近；最后一点vi. 持续；维持，够用；持久reunion英 [ri?"ju?nj?n; -??n]n. 重聚；（班级或学校的）同学会，同窗会last是最后的意思，在绝望中奋起，站立。reunion是重逢、团聚的意思。last reunion是一首纯音乐，听后给人感觉大气中充斥着悲伤和绝望的感觉。又给人感觉听完了好像过了一生。扩展资料：歌手：Peter Roe一位电影音乐作曲家、吉他手出生于芬兰首都赫尔辛基。在90年代中期，彼得开始创作音乐。专门从事戏剧和电子音乐与真正的电影风格。从强烈的激动人心的情绪到精美、坚忍的情感轨迹，他写了广泛的风格和流派，包括动作，悬疑，冒险，幻想和戏剧。彼得史诗般的交响乐作品和戏剧预告片，电影和广告音乐受到一致好评。

歌曲名:Last Christmas (Karaoke)歌手:The New World Orchestra专辑:Karaoke ChristmasJimmy Eat World -《Last Christmas》Robin_SHILast ChristmasI gave you my heartBut the very next day,you gave it awayThis yearTo save me from tearsI"ll give it to someone specialLast ChristmasI gave you my heartBut the very next day,you gave it awayThis yearTo save me from tearsI"ll give it to someone specialLast ChristmasI gave you my heartBut the very next day,you gave it awayThis yearTo save me from tearsI"ll give it to someone specialLast ChristmasI gave you my heartBut the very next day,you gave it awayThis yearTo save me from tearsI"ll give it to someone specialA face on a lover with a fire in his heartA man undercover but you tore me apartNow I‘ve found the real love, now I foundYou"ll never fool me again!A face on a lover with a fire in his heartA man undercover but you tore me apartNow I‘ve found the real love, now I foundYou"ll never fool me again!Last Christmas, I gave you my heartThe very next day you gave it awayThis year to save me the tearsI"ll give it to someone special.Last Christmas, I gave you my heartThe very next day you gave it awayThis year to save me the tearsI"ll give it to someone special.http://music.baidu.com/song/2862109

首先准备环境 ElasticSearch : https://mirrors.huaweicloud.com/elasticsearch/?C=N&O=D logstash : https://mirrors.huaweicloud.com/logstash/?C=N&O=D kibana : https://mirrors.huaweicloud.com/kibana/?C=N&O=D ik : https://github.com/medcl/elasticsearch-analysis-ik/tree/v7.8.0 ElasticSearch 是一个实时分布式搜索和分析引擎，主要用于全文搜索，结构化搜索，分析以及将这三者混合使用。 Lucene 是一个全文检索引擎的架构。 ElasticSearch vs Solr 总结 （1）es基本是开箱即用，非常简单。Solr安装略微复杂一丢丢，可关注（ solr6.6教程-基础环境搭建(一) ） （2）Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能。 （3）Solr 支持更多格式的数据，比如JSON、XML、CSV，而 Elasticsearch 仅支持json文件格式。 （4）Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑 （5）Solr 查询快，但更新索引时慢（即插入删除慢），用于电商等查询多的应用； ES建立索引快（即查询慢），即实时性查询快，用于facebook新浪等搜索。 Solr 是传统搜索应用的有力解决方案，但 Elasticsearch 更适用于新兴的实时搜索应用。 （6）Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而 Elasticsearch相对开发维护者较少，更新太快，学习使用成本较高。 ik分词器： ik提供了两个分词算法：ik_smart和ik_max_word,其中ik_smart为最少切分，ik_max_word为最细粒度切分。 ik_smart： ik_max_word： ik分词器可以增加自己的配置，自己配置词典。

从两个方面对ElasticSearch和Solr进行对比，从关系型数据库中的导入速度和模糊查询的速度。单机对比1. Solr 发布了4.0-alpha，试了一下，发现需要自己修改schema，好处是它自带一个data importer。在自己的计算机上测试了一下，导入的性能大概是：14分钟导入 3092730 条记录，约合 3682条/秒。2. 3百万条记录的情况下，模糊查询和排序基本都在1秒内返回3. 刚才的测试，是每个field单独存储，现在修改了一下配置文件，增加了一个copyField，所有的field都拷贝一份到text这个field里面去，导入的性能大概是：19分钟导入了3092730 条记录，约合 2713条/秒4. 3百万条记录的情况下，针对text的模糊查询基本在1秒内返回，但是针对所有记录的排序，大概要2~3秒5. 使用 elasticsearch 0.19.8，缺省配置，用单任务导入，导入性能是：20分钟导入了3092730 条记录，约合2577条/秒6. 3百万条记录的情况下，查询基本上在1秒内返回，但是模糊查询比较慢，第一次要10秒，后来大概要1~3秒。加上排序大概需要5秒，整体排序基本100ms查询及排序的指令：{ "query": { "query_string": { "query": "*999*" } }, "sort": [ { "TIME_UP": { "order": "asc" } } ]}7. Es0.19.8，用两个任务导入，导入性能是：13分钟导入了3092730 条记录，约合3965条/秒8. Solr全部建好索引后，占用磁盘空间是1.2G，es占用磁盘空间是4G单机对比2在一台Intel i7，32G内存的机器上，重新跑这两个的对比。不过有个重大的区别在于，Solr是在这台性能很好的机器上跑，而es的导入进程则是在一台Intel 四核 2.5G，4G内存的机器上跑的，也许会有性能的差异。ES版本0.19.8，Solr版本4.0-ALPHA。1. Solr的导入性能：3400万条记录，用时62分钟，平均9140条/秒，占用空间12.75G2. 使用 *999* 这样的模糊查询，3秒以内返回，稍长一点的查询条件 *00100014*，也是2~3秒返回3. Es的导入性能（设置Xmx为10G）：3400万条记录，用时40分钟，平均14167条/秒，占用空间33.26G，客户端采用4个并发。4. 使用 *999* 这样的模糊查询，9秒返回，稍长一点的查询条件 *00100014*，11.8秒返回5. 如果不是针对所有字段查询，而是针对某个特定字段，比如 SAM_CODE: *00100014*，那么也是1秒以内返回。6. 结论：es的查询效率也可以很高，只是我们还不会用。7. 结论2：es有个设置是把所有字段放一块的那个，缺省是放一起，但是不知道为什么没起到应有的作用。备注：1. Solr第一次的那个内存使用的是缺省设置，这次改为10G，结果导入性能反而变差了，400万条记录，用了8分钟，平均8333条/秒，不知道为什么。2. 改回缺省的内存配置，导入速度仍然慢。3. 重启Linux，用10G的内存配置，再导入，5030万条记录，用时92分，约9112条/秒，说明导入速度和内存配置没有大差别4. 在10G配置的情况下，检索速度也差别不大。5. 为了搞清楚lucene4.0和solr4.0的进步有多大，下载了solr3.6.1，所幸的是4.0的配置文件在3.6.1上也可以用，所以很快就搭起来进行测试，导入性能为：3400万条记录，用时55分钟，约10303条/秒，占用空间13.85G。查询性能：*999*第一次11.6s，*00100014* 27.3s，相比4.0ALPHA的结果（5000万结果当中，*999*第一次2.6s，*00100014*第一次2.5s）来说，慢了很多，与es的性能差不多，因此，也许lucene4.0真的对性能有大幅提升？集群对比：采用4台同样配置（Intel i7，32G内存）的Centos 6.3组成的集群，进行对比。1. 首先是es，很方便的就组成了一个Cluster，等上一个3400万条的Index全部均衡负载之后进行测试，导入到另外一个Index当中。2. 导入性能：8500万条记录，用时72分钟，约为19676条/秒。在前5千万条记录导入时的速度在2万/条以上，初始的速度在2.2万/条。占用空间78.6G（由于有冗余，实际占用空间为157.2G）3. 查询性能：*999*第一次13.5秒，第二次19.5秒，第三次7.4秒，第四次7.1秒，第五次7.1秒*00100014*第一次17.2秒，第二次16.6秒，第三次17.9秒，第四次16.7秒，第五次17.1秒SAM_CODE:*999*，0.8s，1.3s，0.02s，0.02s，0.02sSAM_CODE: *00100014*，0.1s，0.1s，0.02s，0.03s，0.05s4. Solr4.0-ALPHA，SolrCloud的配置还算简单，启动一个ZooKeeper，然后其他三台机器访问这个地址，就可以组成一个Cloud：机器1： nohup java -Xms10G -Xmx10G -Xss256k -Djetty.port=8983 -Dsolr.solr.home="./example-DIH/solr/" -Dbootstrap_confdir=./example-DIH/solr/db/conf/ -Dcollection.configName=xabconf3 -DzkRun -DnumShards=4 -jar start.jar &其他机器：nohup java -Xms10G -Xmx10G -Dsolr.solr.home="./example-DIH/solr/" -DzkHost=192.168.2.11:9983 -jar start.jar &但是在执行 data import 的时候，频繁出现 OutOfMemoryError: unable to create new native thread。查了很多资料，把Linux的ulimit当中的nproc改成10240，把Xss改成256K，都解决不了问题。暂时没有办法进行。结论1. 导入性能，es更强2. 查询性能，solr 4.0最好，es与solr 3.6持平，可以乐观的认为，等es采用了lucene4之后，性能会有质的提升3. Es采用SAM_CODE这样的查询性能很好，但是用_all性能就很差，而且差别非常大，因此，个人认为在目前的es情况下，仍然有性能提升的空间，只是现在还没找到方法。

从两个方面对ElasticSearch和Solr进行对比，从关系型数据库中的导入速度和模糊查询的速度。单机对比1. Solr 发布了4.0-alpha，试了一下，发现需要自己修改schema，好处是它自带一个data importer。在自己的计算机上测试了一下，导入的性能大概是：14分钟导入 3092730 条记录，约合 3682条/秒。2. 3百万条记录的情况下，模糊查询和排序基本都在1秒内返回3. 刚才的测试，是每个field单独存储，现在修改了一下配置文件，增加了一个copyField，所有的field都拷贝一份到text这个field里面去，导入的性能大概是：19分钟导入了3092730 条记录，约合 2713条/秒4. 3百万条记录的情况下，针对text的模糊查询基本在1秒内返回，但是针对所有记录的排序，大概要2~3秒5. 使用 elasticsearch 0.19.8，缺省配置，用单任务导入，导入性能是：20分钟导入了3092730 条记录，约合2577条/秒6. 3百万条记录的情况下，查询基本上在1秒内返回，但是模糊查询比较慢，第一次要10秒，后来大概要1~3秒。加上排序大概需要5秒，整体排序基本100ms查询及排序的指令：{ "query": { "query_string": { "query": "*999*" } }, "sort": [ { "TIME_UP": { "order": "asc" } } ]}7. Es0.19.8，用两个任务导入，导入性能是：13分钟导入了3092730 条记录，约合3965条/秒8. Solr全部建好索引后，占用磁盘空间是1.2G，es占用磁盘空间是4G单机对比2在一台Intel i7，32G内存的机器上，重新跑这两个的对比。不过有个重大的区别在于，Solr是在这台性能很好的机器上跑，而es的导入进程则是在一台Intel 四核 2.5G，4G内存的机器上跑的，也许会有性能的差异。ES版本0.19.8，Solr版本4.0-ALPHA。1. Solr的导入性能：3400万条记录，用时62分钟，平均9140条/秒，占用空间12.75G2. 使用 *999* 这样的模糊查询，3秒以内返回，稍长一点的查询条件 *00100014*，也是2~3秒返回3. Es的导入性能（设置Xmx为10G）：3400万条记录，用时40分钟，平均14167条/秒，占用空间33.26G，客户端采用4个并发。4. 使用 *999* 这样的模糊查询，9秒返回，稍长一点的查询条件 *00100014*，11.8秒返回5. 如果不是针对所有字段查询，而是针对某个特定字段，比如 SAM_CODE: *00100014*，那么也是1秒以内返回。6. 结论：es的查询效率也可以很高，只是我们还不会用。7. 结论2：es有个设置是把所有字段放一块的那个，缺省是放一起，但是不知道为什么没起到应有的作用。备注：1. Solr第一次的那个内存使用的是缺省设置，这次改为10G，结果导入性能反而变差了，400万条记录，用了8分钟，平均8333条/秒，不知道为什么。2. 改回缺省的内存配置，导入速度仍然慢。3. 重启Linux，用10G的内存配置，再导入，5030万条记录，用时92分，约9112条/秒，说明导入速度和内存配置没有大差别4. 在10G配置的情况下，检索速度也差别不大。5. 为了搞清楚lucene4.0和solr4.0的进步有多大，下载了solr3.6.1，所幸的是4.0的配置文件在3.6.1上也可以用，所以很快就搭起来进行测试，导入性能为：3400万条记录，用时55分钟，约10303条/秒，占用空间13.85G。查询性能：*999*第一次11.6s，*00100014* 27.3s，相比4.0ALPHA的结果（5000万结果当中，*999*第一次2.6s，*00100014*第一次2.5s）来说，慢了很多，与es的性能差不多，因此，也许lucene4.0真的对性能有大幅提升？集群对比：采用4台同样配置（Intel i7，32G内存）的Centos 6.3组成的集群，进行对比。1. 首先是es，很方便的就组成了一个Cluster，等上一个3400万条的Index全部均衡负载之后进行测试，导入到另外一个Index当中。2. 导入性能：8500万条记录，用时72分钟，约为19676条/秒。在前5千万条记录导入时的速度在2万/条以上，初始的速度在2.2万/条。占用空间78.6G（由于有冗余，实际占用空间为157.2G）3. 查询性能：*999*第一次13.5秒，第二次19.5秒，第三次7.4秒，第四次7.1秒，第五次7.1秒*00100014*第一次17.2秒，第二次16.6秒，第三次17.9秒，第四次16.7秒，第五次17.1秒SAM_CODE:*999*，0.8s，1.3s，0.02s，0.02s，0.02sSAM_CODE: *00100014*，0.1s，0.1s，0.02s，0.03s，0.05s4. Solr4.0-ALPHA，SolrCloud的配置还算简单，启动一个ZooKeeper，然后其他三台机器访问这个地址，就可以组成一个Cloud：机器1： nohup java -Xms10G -Xmx10G -Xss256k -Djetty.port=8983 -Dsolr.solr.home="./example-DIH/solr/" -Dbootstrap_confdir=./example-DIH/solr/db/conf/ -Dcollection.configName=xabconf3 -DzkRun -DnumShards=4 -jar start.jar &其他机器：nohup java -Xms10G -Xmx10G -Dsolr.solr.home="./example-DIH/solr/" -DzkHost=192.168.2.11:9983 -jar start.jar &但是在执行 data import 的时候，频繁出现 OutOfMemoryError: unable to create new native thread。查了很多资料，把Linux的ulimit当中的nproc改成10240，把Xss改成256K，都解决不了问题。暂时没有办法进行。结论1. 导入性能，es更强2. 查询性能，solr 4.0最好，es与solr 3.6持平，可以乐观的认为，等es采用了lucene4之后，性能会有质的提升3. Es采用SAM_CODE这样的查询性能很好，但是用_all性能就很差，而且差别非常大，因此，个人认为在目前的es情况下，仍然有性能提升的空间，只是现在还没找到方法。

从两个方面对ElasticSearch和Solr进行对比，从关系型数据库中的导入速度和模糊查询的速度。单机对比1. Solr 发布了4.0-alpha，试了一下，发现需要自己修改schema，好处是它自带一个data importer。在自己的计算机上测试了一下，导入的性能大概是：14分钟导入 3092730 条记录，约合 3682条/秒。2. 3百万条记录的情况下，模糊查询和排序基本都在1秒内返回3. 刚才的测试，是每个field单独存储，现在修改了一下配置文件，增加了一个copyField，所有的field都拷贝一份到text这个field里面去，导入的性能大概是：19分钟导入了3092730 条记录，约合 2713条/秒4. 3百万条记录的情况下，针对text的模糊查询基本在1秒内返回，但是针对所有记录的排序，大概要2~3秒5. 使用 elasticsearch 0.19.8，缺省配置，用单任务导入，导入性能是：20分钟导入了3092730 条记录，约合2577条/秒6. 3百万条记录的情况下，查询基本上在1秒内返回，但是模糊查询比较慢，第一次要10秒，后来大概要1~3秒。加上排序大概需要5秒，整体排序基本100ms查询及排序的指令：{ "query": { "query_string": { "query": "*999*" } }, "sort": [ { "TIME_UP": { "order": "asc" } } ]}7. Es0.19.8，用两个任务导入，导入性能是：13分钟导入了3092730 条记录，约合3965条/秒8. Solr全部建好索引后，占用磁盘空间是1.2G，es占用磁盘空间是4G单机对比2在一台Intel i7，32G内存的机器上，重新跑这两个的对比。不过有个重大的区别在于，Solr是在这台性能很好的机器上跑，而es的导入进程则是在一台Intel 四核 2.5G，4G内存的机器上跑的，也许会有性能的差异。ES版本0.19.8，Solr版本4.0-ALPHA。1. Solr的导入性能：3400万条记录，用时62分钟，平均9140条/秒，占用空间12.75G2. 使用 *999* 这样的模糊查询，3秒以内返回，稍长一点的查询条件 *00100014*，也是2~3秒返回3. Es的导入性能（设置Xmx为10G）：3400万条记录，用时40分钟，平均14167条/秒，占用空间33.26G，客户端采用4个并发。4. 使用 *999* 这样的模糊查询，9秒返回，稍长一点的查询条件 *00100014*，11.8秒返回5. 如果不是针对所有字段查询，而是针对某个特定字段，比如 SAM_CODE: *00100014*，那么也是1秒以内返回。6. 结论：es的查询效率也可以很高，只是我们还不会用。7. 结论2：es有个设置是把所有字段放一块的那个，缺省是放一起，但是不知道为什么没起到应有的作用。备注：1. Solr第一次的那个内存使用的是缺省设置，这次改为10G，结果导入性能反而变差了，400万条记录，用了8分钟，平均8333条/秒，不知道为什么。2. 改回缺省的内存配置，导入速度仍然慢。3. 重启Linux，用10G的内存配置，再导入，5030万条记录，用时92分，约9112条/秒，说明导入速度和内存配置没有大差别4. 在10G配置的情况下，检索速度也差别不大。5. 为了搞清楚lucene4.0和solr4.0的进步有多大，下载了solr3.6.1，所幸的是4.0的配置文件在3.6.1上也可以用，所以很快就搭起来进行测试，导入性能为：3400万条记录，用时55分钟，约10303条/秒，占用空间13.85G。查询性能：*999*第一次11.6s，*00100014* 27.3s，相比4.0ALPHA的结果（5000万结果当中，*999*第一次2.6s，*00100014*第一次2.5s）来说，慢了很多，与es的性能差不多，因此，也许lucene4.0真的对性能有大幅提升？集群对比：采用4台同样配置（Intel i7，32G内存）的Centos 6.3组成的集群，进行对比。1. 首先是es，很方便的就组成了一个Cluster，等上一个3400万条的Index全部均衡负载之后进行测试，导入到另外一个Index当中。2. 导入性能：8500万条记录，用时72分钟，约为19676条/秒。在前5千万条记录导入时的速度在2万/条以上，初始的速度在2.2万/条。占用空间78.6G（由于有冗余，实际占用空间为157.2G）3. 查询性能：*999*第一次13.5秒，第二次19.5秒，第三次7.4秒，第四次7.1秒，第五次7.1秒*00100014*第一次17.2秒，第二次16.6秒，第三次17.9秒，第四次16.7秒，第五次17.1秒SAM_CODE:*999*，0.8s，1.3s，0.02s，0.02s，0.02sSAM_CODE: *00100014*，0.1s，0.1s，0.02s，0.03s，0.05s4. Solr4.0-ALPHA，SolrCloud的配置还算简单，启动一个ZooKeeper，然后其他三台机器访问这个地址，就可以组成一个Cloud：机器1： nohup java -Xms10G -Xmx10G -Xss256k -Djetty.port=8983 -Dsolr.solr.home="./example-DIH/solr/" -Dbootstrap_confdir=./example-DIH/solr/db/conf/ -Dcollection.configName=xabconf3 -DzkRun -DnumShards=4 -jar start.jar &其他机器：nohup java -Xms10G -Xmx10G -Dsolr.solr.home="./example-DIH/solr/" -DzkHost=192.168.2.11:9983 -jar start.jar &但是在执行 data import 的时候，频繁出现 OutOfMemoryError: unable to create new native thread。查了很多资料，把Linux的ulimit当中的nproc改成10240，把Xss改成256K，都解决不了问题。暂时没有办法进行。结论1. 导入性能，es更强2. 查询性能，solr 4.0最好，es与solr 3.6持平，可以乐观的认为，等es采用了lucene4之后，性能会有质的提升3. Es采用SAM_CODE这样的查询性能很好，但是用_all性能就很差，而且差别非常大，因此，个人认为在目前的es情况下，仍然有性能提升的空间，只是现在还没找到方法。

b

b

像last Sunday,this Saturday,next Sunday,this morning,tomorrow,yesterday,last night,yesterday evening 等时间状语前面都不用加介词,这是固定用法,即：星期名称前如有last,this,next等词,省略介词. 翻译：上星期天吴一凡很忙,他星期六上午去拜访了他的奶奶. 有不明白的请继续追问,

我该怎么办当最后一首歌结束了我用我的寂寞的心首先是一个电影,然后到一家新的俱乐部。我本打算呆了多久,然后从梦中开始这个女孩是在向我微笑上去打招呼,说“你好”,立体,她对着我的耳朵悄悄透露:嘿罗密欧不不我们翩翩起舞,我们在跳舞,她使我感到我从来没有爱过别的人嘿DJ先生,我不能看见起来直的我该怎么办当最后一首歌结束了对不起先生的DJ,嘿,对不起,我要我的事业不能放开她吗我该怎么办当最后一首歌结束了现在这是一个机会,我不会失败我从来没想过我可以如此爱你(但是我只有这一次机会,要告诉你我的得到)我应该做些什么,我不想成为一个傻瓜吗嘿DJ帮帮我,因为我非常困惑你看这每天晚上,在地震发生前光给我一个机会,一个前的舞蹈你打齐平嘿DJ先生,我觉得头晕我该怎么办当最后一首歌结束了对不起先生的DJ,我知道你很忙,我要我的事业不能放开她吗我该怎么办当最后一首歌结束了我该怎么办当最后一首歌结束了我知道有点晚了,这感觉就像我推着命运时钟是婴儿时间不会犹豫这是最后的机会,我们拿到了最后的跳舞我就知道是否这是一个浪漫的爱情嘿DJ先生,我不能看见起来直的我该怎么办当最后一首歌结束了对不起先生的DJ,嘿,对不起我该怎么办,因为我不能放开她吗嘿DJ先生,我觉得头晕我该怎么办当最后一首歌结束了抱歉DJ先生,我知道你很忙我该怎么办,因为我不能放开她吗嘿DJ先生,你能听见我我该怎么办w母鸡最后一首歌结束了对不起先生的DJ,你听见我说话了请告诉我现在该做些什么,最后一首歌结束检举

FeistNowAtLastLyricsNowatlastIknowWhatafoolI"vebeenForI"velostthelastloveIshalleverwinAnd/NowatlastIseeHowmyheartwasblindTothejoysbeforemeThatIleftbehindWhenthewindwasfreshOnthehillsAndthestarswerenewintheskyAndalarkwasheardinthestillWherewasIWherewasIWhenthespringiscoldWheredorobinsgoWhatmakeswinterslonelyNowatlastIknowWhenthewindwasfreshOnthehillsAndthestarswerenewintheskyAndalarkwasheardinthestillWherewasIWherewasIWhenthespringiscoldWheredorobinsgoWhatmakeswinterslonelyNowatlastIknowLyrics>FeistLyrics>FeistNowAtLastLyrics

More than 1000 soldiers lost their lives in the war last year.

LASTREPLAY是你最后一场游戏的录像。掉出来是指你是要看还是要这个文件？看的话在观看录像里找到LASTREPLAY观看就可以了。要找出这个文件的话在魔兽目录下的REPLAY文件夹里。

succeeded是succeed的过去式，两个的意思都是成功你的第一句话翻译出来是：最后他终于成功了。（强调成功这个事情发生在过去）第二句话是病句，应该是：He succeeds at last.最后他终于成功了。(一般式仅仅说他成功了，不强调发生的时间）

Just one last dance

<最后一支舞>是一首由德国女歌手Sarah Connor演唱的英文歌吧？楼主说的是那首歌吧

最后一支舞

前面的表示强调，最后一支舞；第二种说法不妥，应为 last dance.

涉及

注：文本整理自《ELKstack权威指南》 在 CRUD 章节，我们已经知道 ES 的数据写入是如何操作的了。喜欢自己动手的读者可能已经迫不及待的自己写了程序开始往 ES 里写数据做测试。这时候大家会发现：程序的运行速度非常一般，即使 ES 服务运行在本机，一秒钟大概也就能写入几百条数据。 这种速度显然不是 ES 的极限。事实上，每条数据经过一次完整的 HTTP POST 请求和 ES indexing 是一种极大的性能浪费，为此，ES 设计了批量提交方式。在数据读取方面，叫 mget 接口，在数据变更方面，叫 bulk 接口。mget 一般常用于搜索时 ES 节点之间批量获取中间结果集，对于 Elastic Stack 用户，更常见到的是 bulk 接口。 bulk 接口采用一种比较简朴的数据积累格式，示例如下： 格式是，每条 JSON 数据的上面，加一行描述性的元 JSON，指明下一行数据的操作类型，归属索引信息等。 采用这种格式，而不是一般的 JSON 数组格式，是因为接收到 bulk 请求的 ES 节点，就可以不需要做完整的 JSON 数组解析处理，直接按行处理简短的元 JSON，就可以确定下一行数据 JSON 转发给哪个数据节点了。这样，一个固定内存大小的 network buffer 空间，就可以反复使用，又节省了大量 JVM 的 GC。 事实上，产品级的 logstash、rsyslog、spark 都是默认采用 bulk 接口进行数据写入的。对于打算自己写程序的读者，建议采用 Perl 的 Search::Elasticsearch::Bulk 或者 Python 的 elasticsearch.helpers.* 库。 在配置 bulk 数据的时候，一般需要注意的就是请求体大小(bulk size)。 这里有一点细节上的矛盾，我们知道，HTTP 请求，是可以通过 HTTP 状态码 100 Continue 来持续发送数据的。但对于 ES 节点接收 HTTP 请求体的 Content-Length 来说，是按照整个大小来计算的。所以，首先，要确保 bulk 数据不要超过 http.max_content_length 设置。 那么，是不是尽量让 bulk size 接近这个数值呢？当然不是。 依然是请求体的问题，因为请求体需要全部加载到内存，而 JVM Heap 一共就那么多(按 31GB 算)，过大的请求体，会挤占其他线程池的空间，反而导致写入性能的下降。 再考虑网卡流量，磁盘转速的问题，所以一般来说，建议 bulk 请求体的大小，在 15MB 左右，通过实际测试继续向上探索最合适的设置。 注意：这里说的 15MB 是请求体的字节数，而不是程序里里设置的 bulk size。bulk size 一般指数据的条目数。不要忘了，bulk 请求体中，每条数据还会额外带上一行元 JSON。 以 logstash 默认的 bulk_size => 5000 为例，假设单条数据平均大小 200B ，一次 bulk 请求体的大小就是 1.5MB。那么我们可以尝试 bulk_size => 50000 ；而如果单条数据平均大小是 20KB，一次 bulk 大小就是 100MB，显然超标了，需要尝试下调至 bulk_size => 500 。 gateway 是 ES 设计用来长期存储索引数据的接口。一般来说，大家都是用本地磁盘来存储索引数据，即 gateway.type 为 local 。 数据恢复中，有很多策略调整我们已经在之前分片控制小节讲过。除开分片级别的控制以外，gateway 级别也还有一些可优化的地方： 注意：gateway 中说的节点，仅包括主节点和数据节点，纯粹的 client 节点是不算在内的。如果你有更明确的选择，也可以按需求写： 虽然 ES 对 gateway 使用 NFS，iscsi 等共享存储的方式极力反对，但是对于较大量级的索引的副本数据，ES 从 1.5 版本开始，还是提供了一种节约成本又不特别影响性能的方式：影子副本(shadow replica)。 首先，需要在集群各节点的 elasticsearch.yml 中开启选项： 同时，确保各节点使用相同的路径挂载了共享存储，且目录权限为 Elasticsearch 进程用户可读可写。 然后，创建索引： 针对 shadow replicas ，ES 节点不会做实际的索引操作，而是单纯的每次 flush 时，把 segment 内容 fsync 到共享存储磁盘上。然后 refresh 让其他节点能够搜索该 segment 内容。 如果你已经决定把数据放到共享存储上了，采用 shadow replicas 还是有一些好处的： 但是请注意：主分片节点还是要承担一个副本的写入过程，并不像 Lucene 的 FileReplicator 那样通过复制文件完成，所以达不到完全节省 CPU 的效果。 shadow replicas 只是一个在某些特定环境下有用的方式。在资源允许的情况下，还是应该使用 local gateway。而另外采用 snapshot 接口来完成数据长期备份到 HDFS 或其他共享存储的需要。 我们都知道，ES 中的 master 跟一般 MySQL、Hadoop 的 master 是不一样的。它即不是写入流量的唯一入口，也不是所有数据的元信息的存放地点。所以，一般来说，ES 的 master 节点负载很轻，集群性能是可以近似认为随着 data 节点的扩展线性提升的。 但是，上面这句话并不是完全正确的。 ES 中有一件事情是只有 master 节点能管理的，这就是集群状态(cluster state)。 集群状态中包括以下信息： 这些信息在集群的任意节点上都存放着，你也可以通过 /_cluster/state 接口直接读取到其内容。注意这最后一项信息，之前我们已经讲过 ES 怎么通过简单地取余知道一条数据放在哪个分片里，加上现在集群状态里又记载了分片在哪个节点上，那么，整个集群里，任意节点都可以知道一条数据在哪个节点上存储了。所以，数据读写才可以发送给集群里任意节点。 至于修改，则只能由 master 节点完成！显然，集群状态里大部分内容是极少变动的，唯独有一样除外——索引的映射。因为 ES 的 schema-less 特性，我们可以任意写入 JSON 数据，所以索引中随时可能增加新的字段。这个时候，负责容纳这条数据的主分片所在的节点，会暂停写入操作，将字段的映射结果传递给 master 节点；master 节点合并这段修改到集群状态里，发送新版本的集群状态到集群的所有节点上。然后写入操作才会继续。一般来说，这个操作是在一二十毫秒内就可以完成，影响也不大。 但是也有一些情况会是例外。 在较大规模的 Elastic Stack 应用场景中，这是比较常见的一个情况。因为 Elastic Stack 建议采用日期时间作为索引的划分方式，所以定时(一般是每天)，会统一产生一批新的索引。而前面已经讲过，ES 的集群状态每次更新都是阻塞式的发布到全部节点上以后，节点才能继续后续处理。 这就意味着，如果在集群负载较高的时候，批量新建新索引，可能会有一个显著的阻塞时间，无法写入任何数据。要等到全部节点同步完成集群状态以后，数据写入才能恢复。 不巧的是，中国使用的是北京时间，UTC +0800。也就是说，默认的 Elastic Stack 新建索引时间是在早上 8 点。这个时间点一般日志写入量已经上涨到一定水平了(当然，晚上 0 点的量其实也不低)。 对此，可以通过定时任务，每天在最低谷的早上三四点，提前通过 POST mapping 的方式，创建好之后几天的索引。就可以避免这个问题了。 如果你的日志是比较严重的非结构化数据，这个问题在 2.0 版本后会变得更加严重。 Elasticsearch 从 2.0 版本开始，对 mapping 更新做了重构。为了防止字段类型冲突和减少 master 定期下发全量 cluster state 导致的大流量压力，新的实现和旧实现的区别在： 也就是说，一旦你日志中字段数量较多，在新创建索引的一段时间内，可能长达几十分钟一直被反复锁死！ 这是另一种常见的滥用。在使用 Elastic Stack 处理访问日志时，为了查询更方便，可能会采用 logstash-filter-kv 插件，将访问日志中的每个 URL 参数，都切分成单独的字段。比如一个 "/index.do?uid=1234567890&action=payload" 的 URL 会被转换成如下 JSON： 但是，因为集群状态是存在所有节点的内存里的，一旦 URL 参数过多，ES 节点的内存就被大量用于存储字段映射内容。这是一个极大的浪费。如果碰上 URL 参数的键内容本身一直在变动，直接撑爆 ES 内存都是有可能的！ 以上是真实发生的事件，开发人员莫名的选择将一个 UUID 结果作为 key 放在 URL 参数里。直接导致 ES 集群 master 节点全部 OOM。 如果你在 ES 日志中一直看到有新的 updating mapping [logstash-2015.06.01] 字样出现的话，请郑重考虑一下自己是不是用的上如此细分的字段列表吧。 好，三秒钟过去，如果你确定一定以及肯定还要这么做，下面是一个变通的解决办法。 用 nested object 来存放 URL 参数的方法稍微复杂，但还可以接受。单从 JSON 数据层面看，新方式的数据结构如下： 没错，看起来就是一个数组。但是 JSON 数组在 ES 里是有两种处理方式的。 如果直接写入数组，ES 在实际索引过程中，会把所有内容都平铺开，变成 Arrays of Inner Objects 。整条数据实际类似这样的结构： 这种方式最大的问题是，当你采用 urlargs.key:"uid" AND urlargs.value:"0987654321" 语句意图搜索一个 uid=0987654321 的请求时，实际是整个 URL 参数中任意一处 value 为 0987654321 的，都会命中。 要想达到正确搜索的目的，需要在写入数据之前，指定 urlargs 字段的映射类型为 nested object。命令如下： 这样，数据实际是类似这样的结构： 当然，nested object 节省字段映射的优势对应的是它在使用的复杂。Query 和 Aggs 都必须使用专门的 nested query 和 nested aggs 才能正确读取到它。 nested query 语法如下： nested aggs 语法如下： ES 内针对不同阶段，设计有不同的缓存。以此提升数据检索时的响应性能。主要包括节点层面的 filter cache 和分片层面的 request cache。下面分别讲述。 ES 的 query DSL 在 2.0 版本之前分为 query 和 filter 两种，很多检索语法，是同时存在 query 和 filter 里的。比如最常用的 term、prefix、range 等。怎么选择是使用 query 还是 filter 成为很多用户头疼的难题。于是从 2.0 版本开始，ES 干脆合并了 filter 统一归为 query。但是具体的检索语法本身，依然有 query 和 filter 上下文的区别。ES 依靠这个上下文判断，来自动决定是否启用 filter cache。 query 跟 filter 上下文的区别，简单来说： 所以，选择也就出来了： 不过我们要怎么写，才能让 ES 正确判断呢？看下面这个请求： 在这个请求中， 需要注意的是，filter cache 是节点层面的缓存设置，每个节点上所有数据在响应请求时，是共用一个缓存空间的。当空间用满，按照 LRU 策略淘汰掉最冷的数据。 可以用 indices.cache.filter.size 配置来设置这个缓存空间的大小，默认是 JVM 堆的 10%，也可以设置一个绝对值。注意这是一个静态值，必须在 elasticsearch.yml 中提前配置。 ES 还有另一个分片层面的缓存，叫 shard request cache。5.0 之前的版本中，request cache 的用途并不大，因为 query cache 要起作用，还有几个先决条件： 以 Elastic Stack 场景来说，Kibana 里几乎所有的请求，都是有 @timestamp 作为过滤条件的，而且大多数是以 最近 N 小时/分钟 这样的选项，也就是说，页面每次刷新，发出的请求 JSON 里的时间过滤部分都是在变动的。query cache 在处理 Kibana 发出的请求时，完全无用。 而 5.0 版本的一大特性，叫 instant aggregation。解决了这个先决条件的一大阻碍。 在之前的版本，Elasticsearch 接收到请求之后，直接把请求原样转发给各分片，由各分片所在的节点自行完成请求的解析，进行实际的搜索操作。所以缓存的键是原始 JSON 串。 而 5.0 的重构后，接收到请求的节点先把请求的解析做完，发送到各节点的是统一拆分修改好的请求，这样就不再担心 JSON 串多个空格啥的了。 其次，上面说的『拆分修改』是怎么回事呢？ 比如，我们在 Kibana 里搜索一个最近 7 天( @timestamp:["now-7d" TO "now"] )的数据，ES 就可以根据按天索引的判断，知道从 6 天前到昨天这 5 个索引是肯定全覆盖的。那么这个横跨 7 天的 date range query 就变成了 5 个 match_all query 加 2 个短时间的 date_range query。 现在你的仪表盘过 5 分钟自动刷新一次，再提交上来一次最近 7 天的请求，中间这 5 个 match_all 就完全一样了，直接从 request cache 返回即可，需要重新请求的，只有两头真正在变动的 date_range 了。 注1： match_all 不用遍历倒排索引，比直接查询 @timestamp:* 要快很多。 注2：判断覆盖修改为 match_all 并不是真的按照索引名称，而是 ES 从 2.x 开始提供的 field_stats 接口可以直接获取到 @timestamp 在本索引内的 max/min 值。当然从概念上如此理解也是可以接受的。 响应结果如下： 和 filter cache 一样，request cache 的大小也是以节点级别控制的，配置项名为 indices.requests.cache.size ，其默认值为 1% 。 字段数据(fielddata)，在 Lucene 中又叫 uninverted index。我们都知道，搜索引擎会使用倒排索引(inverted index)来映射单词到文档的 ID 号。而同时，为了提供对文档内容的聚合，Lucene 还可以在运行时将每个字段的单词以字典序排成另一个 uninverted index，可以大大加速计算性能。 作为一个加速性能的方式，fielddata 当然是被全部加载在内存的时候最为有效。这也是 ES 默认的运行设置。但是，内存是有限的，所以 ES 同时也需要提供对 fielddata 内存的限额方式： Elasticsearch 在 total，fielddata，request 三个层面上都设计有 circuit breaker 以保护进程不至于发生 OOM 事件。在 fielddata 层面，其设置为： 但是相比较集群庞大的数据量，内存本身是远远不够的。为了解决这个问题，ES 引入了另一个特性，可以对精确索引的字段，指定 fielddata 的存储方式。这个配置项叫： doc_values 。 所谓 doc_values ，其实就是在 ES 将数据写入索引的时候，提前生成好 fielddata 内容，并记录到磁盘上。因为 fielddata 数据是顺序读写的，所以即使在磁盘上，通过文件系统层的缓存，也可以获得相当不错的性能。 注意：因为 doc_values 是在数据写入时即生成内容，所以，它只能应用在精准索引的字段上，因为索引进程没法知道后续会有什么分词器生成的结果。 由于在 Elastic Stack 场景中， doc_values 的使用极其频繁，到 Elasticsearch 5.0 以后，这两者的区别被彻底强化成两个不同字段类型： text 和 keyword 。 等同于过去的： 而 等同于过去的： 也就是说，以后的用户，已经不太需要在意 fielddata 的问题了。不过依然有少数情况，你会需要对分词字段做聚合统计的话，你可以在自己接受范围内，开启这个特性： 你可以看到在上面加了一段 fielddata_frequency_filter 配置，这个配置是 segment 级别的。上面示例的意思是：只有这个 segment 里的文档数量超过 500 个，而且含有该字段的文档数量占该 segment 里的文档数量比例超过 10% 时，才加载这个 segment 的 fielddata。 下面是一个可能有用的对分词字段做聚合的示例： 这个示例可以对经过了 logstash-filter-punct 插件处理的数据，获取每种 punct 类型日志的关键词和对应的代表性日志原文。其效果类似 Splunk 的事件模式功能： [图片上传失败...(image-b0b69f-1511752650964)] 如果经过之前章节的一系列优化之后，数据确实超过了集群能承载的能力，除了拆分集群以外，最后就只剩下一个办法了：清除废旧索引。 为了更加方便的做清除数据，合并 segment，备份恢复等管理任务，Elasticsearch 在提供相关 API 的同时，另外准备了一个命令行工具，叫 curator 。curator 是 Python 程序，可以直接通过 pypi 库安装： 注意，是 elasticsearch-curator 不是 curator。PyPi 原先就有另一个项目叫这个名字 和 Elastic Stack 里其他组件一样，curator 也是被 Elastic.co 收购的原开源社区周边。收编之后同样进行了一次重构，命令行参数从单字母风格改成了长单词风格。新版本的 curator 命令可用参数如下： Options 包括: --host TEXT Elasticsearch host. --url_prefix TEXT Elasticsearch http url prefix. --port INTEGER Elasticsearch port. --use_ssl Connect to Elasticsearch through SSL. --http_auth TEXT Use Basic Authentication ex: user:pass --timeout INTEGER Connection timeout in seconds. --master-only Only operate on elected master node. --dry-run Do not perform any changes. --debug Debug mode --loglevel TEXT Log level --logfile TEXT log file --logformat TEXT Log output format [default|logstash]. --version Show the version and exit. --help Show this message and exit. Commands 包括: alias Index Aliasing allocation Index Allocation bloom Disable bloom filter cache close Close indices delete Delete indices or snapshots open Open indices optimize Optimize Indices replicas Replica Count Per-shard show Show indices or snapshots snapshot Take snapshots of indices (Backup) 针对具体的 Command，还可以继续使用 --help 查看该子命令的帮助。比如查看 close 子命令的帮助，输入 curator close --help ，结果如下： 在使用 1.4.0 以上版本的 Elasticsearch 前提下，curator 曾经主要的一个子命令 bloom 已经不再需要使用。所以，目前最常用的三个子命令，分别是 close , delete 和 optimize ，示例如下： 这一顿任务，结果是： logstash-mweibo-nginx-yyyy.mm.dd 索引保存最近 5 天， logstash-mweibo-client-yyyy.mm.dd 保存最近 10 天， logstash-mweibo-yyyy.mm.dd 索引保存最近 30 天；且所有七天前的 logstash-* 索引都暂时关闭不用；最后对所有非当日日志做 segment 合并优化。 profiler 是 Elasticsearch 5.0 的一个新接口。通过这个功能，可以看到一个搜索聚合请求，是如何拆分成底层的 Lucene 请求，并且显示每部分的耗时情况。 启用 profiler 的方式很简单，直接在请求里加一行即可： 可以看到其中对 query 和 aggs 部分的返回是不太一样的。 query 部分包括 collectors、rewrite 和 query 部分。对复杂 query，profiler 会拆分 query 成多个基础的 TermQuery，然后每个 TermQuery 再显示各自的分阶段耗时如下： 我们可以很明显的看到聚合统计在初始化阶段、收集阶段、构建阶段、汇总阶段分别花了多少时间，遍历了多少数据。 注意其中 reduce 阶段还没实现完毕，所有都是 0。因为目前 profiler 只能在 shard 级别上做统计。 collect 阶段的耗时，有助于我们调整对应 aggs 的 collect_mode 参数选择。目前 Elasticsearch 支持 breadth_first 和 depth_first 两种方式。 initialise 阶段的耗时，有助于我们调整对应 aggs 的 execution_hint 参数选择。目前 Elasticsearch 支持 map 、 global_ordinals_low_cardinality 、 global_ordinals 和 global_ordinals_hash 四种选择。在计算离散度比较大的字段统计值时，适当调整该参数，有益于节省内存和提高计算速度。 对高离散度字段值统计性能很关注的读者，可以关注 https://github.com/elastic/elasticsearch/pull/21626 这条记录的进展。 （本文完） 文本整理自《ELKstack权威指南》

You were perfect even then my love我亲爱的,你是那么的完美Your little smile was so sweet.连你轻轻的一个微笑,都是那么甜蜜I would sit beside your cradle.我会坐在你的摇篮旁And watch you gently fall asleep.看着你轻轻地进入梦乡I used to hold you in my arms my child我曾经用双臂抱紧你,我的孩子And marvel at your tiny hands.对你小小的双手感到惊奇I would always watch in wonder.我会总是用那么惊奇的目光看着你As you grew from boy to man.当你慢慢地从一个小男孩长大成一个男人And if you were ever in tears如果有时你哭泣.I"d kiss you till the pain would disappear我会轻吻你直到你的伤痛消失.If only I could hold you now.如果我现在能紧抱你In my arms one last time.最后一次用我的双鼻紧抱你Inside my heart is breaking.虽然我已经心如刀割Just watching you Jesus you were mine.就这样看着你,我就知道,天啊,你是我的You were mine.你是我的Your precious hands that used to hold me你那双珍贵的手曾经拥抱过我.Nailed so tightly to the cross.紧紧地被钉在十字架上You never know how much I love you Jesus.天啊,你从来都不知道我有多么的爱你Now everything I have is lost.现在我已痛失所爱Wish that I could wipe your tears.但愿我能擦干你的眼泪I want to hold you till the pain disappears.我想紧抱着你知道你的悲痛消失If only I could hold you now如果我只能现在去拥抱你.In my arms one last time.最后一次用我的双臂去抱紧你Inside my heart is breaking.我以心如刀割Just watching you Jesus you were mine.就这样看着你,我就知道,天啊,你是属于我的You were mine.你是属于我的Angels promised that one day you would raise天使承诺过有朝一日你会醒过来But the greatest love flows from the greatest pain.但最伟大的爱是在最巨大的创伤中产生的If only I could hold you now.如果我只能在现在拥抱你In my arms one last time.最后一次用我的双臂去紧抱你Inside my heart is breaking我的内心已经破碎. Just watching you Jesus you were mine.就这样看着你,我就知道,天啊,你是我的You were mine. 你是我的

以前bt下过这张专辑里面附的歌词应该是这个吧~iwanttolayinyourbedstareinyoureyesfeelyourheartbeatingwithmineonelasttime,onelasttimetherewon"tbeanytearsthat"snotwhyi"mherebabyturnoutthelightsandletsdisappearonelattime,onelasttimecausei"mnotheretofightaboutwho"swrongorrightijustwantyourkissiwanttofeeljustlikethisonelasttime,onelasttimeyourbreathonmyneckidon"twanttoforgetthesmellofyourskintouchmeagainonelasttimecausei"mnotheretofightaboutwho"swrongorrightijustwantyourkissiwanttofeeljustlikethisonelasttime,onelasttimeandwhenyoufallasleepi"llkissyourcheekwhispergoodbyeandi"lljustleaveonelasttime

cosmetic surgery 是整容手术plastic surgery 是整形衡枝橘手术后者范搭迟围咐团更广

抓住你的机遇，珍惜我们的机会，我们的爱将会永恒。

【答案】：A【答案】A【解析】decline“下降，减少”：Domestic production ofoil will continue tO decline．国内石油生产将继续下降。与rate连用表示比率下降。lessen意为“缩小，减少”，不能与rate连用。

B 试题分析：考查时态。本题的关键词是后面的since last month,连词since要与现在完成时连用。动词rise上升，上涨；arise不是出现；句意：—这些日子汽油的价格怎么样？—自从上个月以来汽油涨得很快！根据句意说明B正确。点评：时态题的考查关键是抓住句子的上下文含义和句中的时间状语。要根据时间状语来选择合适的时态，在平时的学习中要注意积累有关时态的用法和各种时态的特殊之处。如since， so far等经常与现在完成时连用。在条件状语从句中用一般现在时代替将来时等等。

这歌应该是艾弗森唱的

[ti:Make It Last][ar:Tyrese (ft. Jewel)][00:16.42]There"s not a day i don"t wake up 有没有一天，我醒来[00:20.44]Thinking about the one i love 不想起那个我爱的人[00:24.30]Now that you"re here i don"t know what 现在你就在我面前，而我不知所措[00:28.16]Almost afraid to even touch you 我甚至都不敢摸你 [00:31.88]Cos my heart is bleeding so fast i can barely breathe 因为我心血澎湃，几乎不能够呼吸[00:38.71]If this is real then why am i dreaming now 如果此刻是真实的，为什么我觉得是梦境[00:44.94][00:46.23](i know) i know that we can just hold on（我知道）我知道,我们可以坚持下去 [00:49.92](i know) i know that we can just stay strong （我知道）我知道，我们只要坚强 [00:54.13](i know) i know, i know that we can make it last （我知道）我知道，我知道，我们可以直到永远 [00:58.14](yeah yeah yeah) （是啊是啊是啊） [01:00.40]And i know, i know if we keep this thing together baby (forever babe)并且我知道，我知道亲爱的，如果我们共同守护这个誓言（你是我永远的宝贝）[01:04.56]We can so make this moment go forever 我们可以保持此刻，直到永远！[01:08.51]If we just hold on i know that we can make it last 只要坚持，我们可以直到永远[01:13.34](yeah yeah yeah) （是啊是啊是啊） [01:15.73][01:17.37]There"s not a night i don"t think bout 我没有一个晚上不想你[01:21.36]The way i feel when you"re around 感觉你就在我身边[01:25.02]And i can"t believe it"s going down 我不相信誓言就这么崩塌[01:28.99]God knows my head is spinning round 天知道我的脑袋转来转去[01:32.39]And round and in and out 晕眩不停[01:35.25]My soul is lifting off the ground 我的灵魂离开了地面[01:39.10]If this is real then why am i dreaming now 如果此刻是真实的，为什么我觉得是梦境[01:46.13][01:47.10](i know) i know that we can just hold on（我知道）我知道,我们可以坚持下去 [01:51.06](i know) i know that we can just stay strong （我知道）我知道，我们只要坚强[01:55.02](i know) i know, i know that we can make it last 我知道只要坚持，我们可以直到永远[01:59.20](yeah yeah yeah) （是啊是啊是啊） [02:01.83]And i know, i know if we keep this thing together baby (forever babe)并且我知道，我知道亲爱的，如果我们共同守护这个誓言（你是我永远的宝贝）[02:07.49]We can so make this moment go forever 我们能做的就是让此刻知道永远[02:10.48]If we just hold on i know that we can make it last 我知道只要坚持，我们可以直到永远[02:15.36](yeah yeah yeah) （是啊是啊是啊） [02:18.17][02:19.08]Lets freeze this moment, lets stop time 让这一刻冻结，让时间停止[02:24.47](we can make this) （我们能够做到） [02:26.69]Forever yours, forever mine 我永远是你的，你永远是我的[02:33.42]And i know that we can make it last (yeah) [02:37.58][02:38.08](i know) i know that we can just hold on（我知道）我知道,我们可以坚持下去[02:40.47](i know) i know that we can just stay strong （我知道）我知道，我们只要坚强 [02:44.55](i know) i know, i know that we can make it last(we can make it last) (yeah yeah yeah) （我知道）我知道，我知道我们能直到永远 (是的是的是的)[02:51.91](all we gotta do is stay here) 所有我们做的都是为了留在这里[02:53.37]And i know if we keep this thing together baby 并且我知道，我知道亲爱的，如果我们共同守护这个誓言（你是我永远的宝贝）[02:57.69]We can so make this moment go forever baby 我们能做的就是让此刻直到永远[03:01.10]If we just hold on i know that we can make it last 只要我们坚持，我知道我们可以直到永远[03:05.66](yeah yeah yeah) (是的是的是的)[03:08.06](oh oh oh) (噢噢噢)[03:09.31](i know) i know that we can just hold on（我知道）我知道,我们可以坚持下去[03:12.87](i know) i know that we can just stay strong （我知道）我知道，我们只要坚强[03:17.00](i know) i know, i know that we can make it last（我知道）我知道，我们可以直到永远[03:21.48](yeah yeah yeah)(是的是的是的)[03:23.63](oh oh oh) (噢噢噢)[03:24.85]And i know we keep this thing together baby (forever babe)并且我知道亲爱的，我们共同守护这个誓言（你是我永远的宝贝）[03:28.67]We can so make this moment go forever 我们能做的就是让此刻直到永远[03:32.68]If we just hold on i know that we can make it last要我们坚持，我知道我们可以直到永远[03:37.09](yeah yeah yeah) (是的是的是的)[03:39.59]Make it last (oh oh) 直到永远 (噢噢)[03:46.97]Make it last, last 直到永远，永远[03:51.12]Make it last 直到永远

歌名：My Last歌手：朴宰范，Loco，Gray作词：朴宰范，Loco，Gray作曲：Cha Cha Malone，朴宰范，Gray编曲：Cha Cha Malone收录专辑：My LastYou are so beautiful, Girl 闹嫩 特表类sei桑也 某den 高r 大 尊大 黑斗 男 闹不您得Girl 闹木 口马沃 内 giao忒 一扫扫后g西 某了r嘎bua 马拉r给 马拉给那嫩 奥r古r，某m没，可力够 宋giao嘎几西g造m 慢造没 西g造米奥扫 内嘎 要r那几闹木 哈忒 Girl God Dang内 马没 闹木 的老扫 哼不腻 某 嘎啦安几要咋嘎 闹木 马那几 男那韩忒n 某度 大 闹木那 走恩 粗奥gi几慢某的r，阿一斗r，要n gi咋 Oh My God低丝陪七干忒 安 高r林 给 大heing一牙 Oh No闹狼 瓜高嫩 撒 一给 对不r个没 那嘎几 安够 腻 要陪 一给 对Want you now in my bed 安 几r力内 Girl with you every day I feel like a billionairemiaong普m嘎帮尔 古低 安 没斗 对扫miaong嘎帮慢 撒组够 西喷 要咋休米到毛腻 僧gi gi 韩擦m 造n不逃沃n类 gi巴be r 走阿哈到n 要咋You are so beautiful, Girl 闹嫩 特表类sei桑也 某den 高r 大 尊大 黑斗 男 闹不您得Girl 闹木 口马沃 内 giao忒 一扫扫后g西 某了r嘎bua 马拉r给 马拉给草 包n贼嫩 阿腻奥斗 马几马gi 对就 对就草 包n贼嫩 阿腻奥斗 马几马gi 对就 对就努腻 咋古 嘎嫩 比那嫩 一马那了r 桥大bou秒 V喽 欧r拉嘎嫩 一瓜kin 大力 V也 度len 咋r几 阿嫩 七马奥迪r 嘎den 搜n 咋b够 高老 男 困擦呢腻嘎阿七没 nun高普r bou大 木高wun内 昂daong一嘎 包r到 的老几嫩 一又他len 要咋 阿陪扫n bou gi bou大 马腻 度高wun内 奥r古力 水b给 普老几嫩 一又阿几斗 心gi黑 一老n 桑黄一草 包n贼嫩 阿腻几慢斤咋 马几马gi 对r 苏 一丝r 高 嘎他一高n 内 嘎撒几木森 马力nia秒n 那也 斤咋 一牙gi也西马几马 内 瓜高嫩 大 心giaong 丝几马几个m 内一了r 嘎七 尊比哈gi也斗西嘎嫩 zung不腻 不凑嘎腻嘎到嫩 心giaong 安 丝要 闹也 阿嫩 欧巴斗You are so beautiful, Girl 闹嫩 特表类sei桑也 某den 高r 大 尊大 黑斗 男 闹不您得Girl 闹木 口马沃 内 giao忒 一扫扫后g西 某了r嘎bua 马拉r给 马拉给 草 包n贼嫩 阿腻奥斗 马几马gi 对就 对就草 包n贼嫩 阿腻奥斗 马几马gi 对就 对就奥迪 一den几 嘎内 闹了r 呢gi r 苏 一嫩高rI feel you, you feel me 奥n贼嘎几那 内 马额没 一r VBaby you are so beautiful 可娘 一r单 那r 米到bua 努呢r 嘎马闹了r 嘎够 西泡 哈够 西泡那也 马几马gi 对就 僧力也 要心 Just Do It NowYou are so beautiful, Girl 闹嫩 特表类sei桑也 某den 高r 大 尊大 黑斗 男 闹不您得Girl 闹木 口马沃 内 giao忒 一扫扫后g西 某了r嘎bua 马拉r给 马拉给草 包n贼嫩 阿腻奥斗 马几马gi 对就 对就草 包n贼嫩 阿腻奥斗 马几马gi 对就 对就=========================================================【百度音译歌词吧—@vipqie 】=========================================================望采纳

Neptune是指一蹲海神雕像,由诗的下文可知,海神正在驯服一只海马.这里海马是具有象征意义的,类比公爵夫人.公爵对待公爵夫人俨然海神驯服海马,在公爵眼里,公爵夫人是他驯服的对象.

19 last teens19个十几岁的孩子19 last teens19个十几岁的孩子

High surface energyLow Surface energy说 表面能的

通过时间状语和谓语动词都可以判断这是一个一般过去时时态的句子，谓语动词是rode原形是ride,一般疑问句需要助动词did,另外主语人称I需要对应变化成you.所以一般疑问句是:Did you ride a horse last Sunday?

最后一间空房

我来意义就不大了 你自己翻译吧 把自己不知道的个别单词查一下

pick up 捡起bring back 拿回

#春节表情包#

万宝路？没见过。

late 可以作形容词和副词，都表示最后的，晚期lastly 是副词，意思是最后finally 也是副词，表示最后、有着不可更改，起着决定性的意思

late-- later --latest (表示时间) latter-- last (表示顺序)如 you are the last one 你是最后一个（表顺序）the newspaper is the lastest 这报纸是最新的 （表时间） Of the two the latter is far better than the former. 两者中后者远比前者好。

late是形容词,"迟了"的意思 later是"稍后,过后,以后"的意思 latter是指两者中的后一个,"后者"

你通过翻译可知，这位作家在完成他最后一本书之前就死了，所以是last,latest是最新的

late adj.或adv. 迟的，晚的 be late forlater adj. 后来 three hours laterlatter adj/n 后者（的） the latter is better than the former后者比前者好last adv.最后 Who laughs last laughs best.笑到最后，笑的最甜。in the future 未来 in future 今后= from now on Work hard in future and you will realize your dream in the future. 今后好好努力，将来你会实现梦想的。希望对你有用，请及时采纳，谢谢！

歌曲名:The Everlasting Guilty Crown歌手:Egoist专辑:The Everlasting Guilty Crown「The Everlasting Guilty Crown」作词∶ryo(supercell)作曲∶ryo(supercell)编曲∶ryo(supercell)歌∶EGOIST世界は终わりを告げようとしてる谁にももう止められはしない――始まる崩壊の交响曲が鸣り响いて降る雨はまるで涙の音色教えて支配し支配され人达はいつかその心に憎しみをそして爱することを思い出せず争うの？この歌が聴こえてる生命ある全ての者よ真実はあなたの胸の中にある岚の海を行く时も决して臆することのない强さをくれるからTVアニメ「ギルティクラウン」OP2 テーマけれども进むほど风は强く希望の灯はやがて消えていく「灯りをよこせ」と夺い合い果てに人は杀し合う涙などとうに枯れて気付いてその目は互いを认めるためその声は想いを伝えるためその手は大事な人と繋ぐためにあるこの歌が聴こえてる世界中の寄る辺なき者よ希望はあなたの胸の中にある燃え盛る焔の中でも决して伤つくことのない强さをくれるからその手で守ろうとしたものは爱する者だったのだろうか红く染まったその手を眺めてやっと自らがしてきた愚かさを过ちと认めるその罪をとめどなくあふれるその涙を知るこの歌が聴こえてる生命ある全ての者よ真実はあなたの胸の中にある岚の海は静まった失ったものは数えきれなくともこの歌が聴こえてる世界中の寄る辺なき者よ希望はあなたの胸の中にある悲しみの夜を超える时必ずあなたは生きていく强さを持てるから収録∶The Everlasting Guilty Crown／発売日∶2012/03/07终わりhttp://music.baidu.com/song/19009019

blast秋季赛总决赛赛程：比赛时间：8月29日02:00。比赛分组：A组：Vitality、NIP、Astralis、OG。B组：NaVi、G2、coL、Liquid。C组：FaZe、Heroic、BIG、EG。blast秋季赛总决赛看点一、A组1、VitalityvsOGA组中第一场比赛是Vitality对阵OG。对于小蜜蜂来讲，他们已经很久没有品尝过胜利的滋味，此前他们在IEM科隆上不敌MovistarRiders和MOUZ，仅仅获得了9-12名的位置。而今年中最好的成绩当属BLAST春季总决赛时的亚军。在正面火力不足的情况下，小蜜蜂选择换下misutaaa，并迎来了ENCE的以色列枪男Spinx，此番变阵能否给队伍带来不一样的化学反应，让我们在赛场上见真章。从纸面实力上来看，变阵后的Vitality确实要比OG技高一筹，但OG在休赛期也同样做出了变阵，在BLAST春季总决赛上，degster以1.16的rating帮助队伍晋级4强，“拍拍熊”的实力我们有目共睹。近期他们也是顺利在里约之路欧洲RMR预选赛中晋级，得以将全部精力投入在接下来的BLAST秋季小组赛中，相信他们会有不一样的表现。2、AstralisvsNIP这两个队伍目前的世界排名一个位居第4，一个第5，这场比赛也会是一场不分伯仲的比赛。不过从近期的比赛成绩来看，Astralis在刚刚结束的欧洲区RMR公开预选赛上翻了车，这要为他们的比赛状态打上一个大大的问号。而另一侧的NIP一直以来都被冠以一线守门员的称号，他们在面对上NaVi、FaZe这些顶级强队时总是显得有些束手无策，但从hampus的采访来看，他们在休赛期的集训情况不错，A组众队的实力相对均衡，他们或许有机会杀出重围拿到A组的晋级名额。二、B组1、NaVivsComplexity前日曾有媒体曝出s1mple或将缺席本次赛事，而headtr1ck则会代替他的位置随队参赛。目前NaVi的参赛阵容仍然成谜，NaVi官方还是没有正式回应，看来只能在正式开打前一刻我们才能知晓最终的答案。而从另一方面来看，没有s1mple的NaVi或许也是一个值得关注的看点，如果headtr1ck上阵，那么就意味着他或将在正式比赛中首次与自己的好基友m0NESY展开交手，B组的对抗有NaVi与G2这两支队伍就已是看点十足。coL这边也得提上一嘴，他们在前段时间将Dignitas的大腿hellzerk招入麾下，对于世界排名第47的他们来说，只能是“已经在谷底了，怎么走都是向上”。2、G2vsLiquid万众期待的G2终于迎来了自己的比赛，G2在上半年大起大伏的表现让粉丝“直呼过瘾”(bushi)，此次在休赛期的变阵也是惊呆了粉丝，JACKZ的下放还在情理之中预料之内。但下放Aleksib的操作让所有人都搞不懂G2的操作，HooXi的加入更像是“减弱”了G2的实力，难道G2真的能够通过强大的化学反应来战胜对手吗?让我们拭目以待。液体这边倒是有稳步上升的趋势，在上半年安特卫普Major0-3淘汰后，很多粉丝认为液体可能步入了EG的后尘，但近期来看，拉脱维亚狂战士YEKINDAR的加入让队伍脱胎换骨，在IEM科隆上接连赢下了C9及黑豹。而且液体狙击手oSee也发挥的情况下，液体很有一战之力，因此本场比赛笔者认为应该是较为精彩的一场，G2到底能否再次证明自己?而液体是否还能延续在IEM科隆上的实力?都是本场比赛的看点。三、C组1、FaZevsEvilGeniuses在度过了如梦如幻的上半年后，FaZe渴望在下半年继续巩固自己的地位，他们首场比赛的对手是EvilGeniuses的主队，本场比赛也是整赛赛事中排名差距最悬殊的对阵：Top1vsTop217。EG在休赛期进行了多项变阵，他们太过渴望尝到胜利的果实，但或许只有奇迹出现他们才能与上半年的最佳战队抗衡。2、HeroicvsBIGHeroic这边自从jabbi加入后已经在IEM科隆上有过亮相，但他并未给队伍带来过大的变化，这也与Heroic的风格有关。他们更多的是一支体系队伍，需要每个人都在各自的位置上发挥一定的作用，长久以来他们都是各大赛事的淘汰赛晋级常客，但IEM科隆上的早早出局对他们来说绝对是一个坏消息，他们需要有一个机会重新找回排面。而BIG这边两个从青训队上来的小老弟逐渐成为了队伍中的中流砥柱，均发挥了不小的作用。当队伍势均力敌的时候，便体现出狙击手的重要性，拥有鸟狙王称号的syrsoN狙击能力毋庸置疑，倒是身兼指挥的cadiaN身上增添了不小的压力。双方队伍谁能稳住心态，谁就能拿下第一个BO1的对决。

CSGOBLAST2022春季决赛，NaVi对阵Vitality，图一Mirage，s1mple英雄AK翻盘点燃队内气氛，天生赢家全员爆发轻松拿下选图，来到Overpass，b1t超人表现彻底将小蜜蜂击落谷底，NaVi 2-0横扫Vitality夺冠BLAST Premier 2022春决。 NaVi 2-0 Vitality (Mirage 16-8;Overpass 16-5) 地图BP： 图一Mirage 天生赢家选择迷城开局中路默认被小蜜蜂枪法瓦解。次局s1mple英雄AK三杀A区翻盘成功!进入长枪局，s1mple A2架狙配合Perfecto的A1突破攻破防线，NaVi ON FIRE!天生赢家火力全开，electroNic刚枪指挥关键连杀频频立功，丹法军团节节败退。第十一局NaVi的VIP烟失误导致ZywOo拿到首杀，dupreeh绕下水道反清B2，小蜜蜂终于拿到第二分。 次局正面男孩Magisk三杀悍守A区，ZywOo补枪成功，小蜜蜂防守渐入佳境，上半场拿到5分。攻防转换小蜜蜂选择rush B，Perfecto精准四杀将手枪局收入囊中。来到长枪局，小蜜蜂默认后选择转B，dupreeh 1v2拯救队伍，NaVi强起失败，比分差距逐渐缩小。 关键时刻b1t超人发挥，四杀拦下进攻将对手推入谷底。次局s1mple二楼下一换二，electroNic强拆成功，NaVi拿到十四分。b1t再次上演极限操作，丝血制裁满血ZywOo拿到赛点后，再次突破中路拿下三杀终结图一。 图二Overpass 手枪局Vitality干摸A大，apEX双杀配合后路dupreeh取得胜利。小蜜蜂连续两次提速B区打开前期局面。NaVi双子星前压各收两人帮助队伍拿到第一分。次局b1t配合队友双闪收获三杀瓦解对手经济。面对下水道超人的b1t，小蜜蜂束手无策，NaVi队标燃起烈火! s1mple无限repeek四杀再度将对手送入经济局。调整后的小蜜蜂执着于A区一波，b1t火力无人能挡，B区electroNic主动出击ACE!NaVi在小蜜蜂开局连拿四分后反手连赢11分结束上半场。换边后NaVi佯攻A区等来前压，Perfecto三杀赢下手枪局。长枪局小蜜蜂主动前压中路拿到人数优势，然而b1t顶级突破双爆头攻破A区，NaVi顺势拿到赛点。赛点局天生赢家枪法平推包点结束比赛。 本场MVP：

卵石抹面,pebble dash plaster 卵石抹面 ,pebble dash 干粘卵石 ,dash by 掠过去, 冲过去 ,dash in 急画,急写 ,dash with v. 搀加 ,dash to vt.掷到...处 ,dash into 冲进 ,plaster on 在…涂抹 ,in plaster 上了石膏的 ,plaster with (用...)厚厚地抹或粘贴 ,pebble dash n. 【建】小卵石灰浆;小卵石涂抹,拉毛粉刷,pebble n.[C]卵石，砾石,DASH =Drone Antisubmarine Helicopter 无线电遥控反潜艇直升飞机,dash n.1.[sing] ~ (for sth)] 突进， 猛冲2.[C]（ 通常作单数）短跑，短距离赛跑3.[C]（ 通常作单数）少量搀和物或混合物4.[sing][ ~ (of st,plaster n. 1.[U]【建】灰泥，灰浆2.[C,U]膏药，橡皮膏3.[U]熟石膏v.[T] 1.贴膏药于，粘贴2.掩饰3.安慰，安抚4.厚厚地涂抹5.【俚】（彻底）击败,pebble weave 小卵石形组织,dot dash 点划(无线电发送电码),pebble dashing 抛小石粗面,dash out 【计】 删去, 涂掉,pebble grained adj. 卵石纹的

yesterday last night last week last month last year

Warp Me in plastic，这句简短的英文句子可以翻译为：用塑料把我裹起来。

wrap me in plastic翻译中文是让我好好打扮,让我光芒四射。wrap me in plastic出自于最近超火的一首歌曲Wrap me In Plastic，歌曲的演唱者是CHROMANCE，单曲与2017年10月27日发行。plastic用作名词的基本意思是塑料，塑料制品，用作可数名词时常用于复数形式，当plastic指的是制造某种成品的原材料时，多用作不可数名词。warp me in plastic的意思是用塑料弯曲我，warp可引申指歪曲、曲解某事或扭曲某人的心智等。plastic用作名词的基本意思是塑料，塑料制品，用作可数名词时常用于复数形式。当plastic指的是制造某种成品的原材料时，多用作不可数名词。plastic用作形容词的基本意思是指物品塑料的，在专业术语中可指某种物质是可塑的，用于比喻义时可指人的思想等“可以塑造的，可以改变的，用作贬义时还可指某事物不真实的，合成的，人造的。

wrap me in plastic翻译中文是让我好好打扮,让我光芒四射。wrap me in plastic出自于最近超火的一首歌曲Wrap me In Plastic，歌曲的演唱者是CHROMANCE，单曲与2017年10月27日发行。plastic用作名词的基本意思是塑料，塑料制品，用作可数名词时常用于复数形式，当plastic指的是制造某种成品的原材料时，多用作不可数名词。warp me in plastic的意思是用塑料弯曲我，warp可引申指歪曲、曲解某事或扭曲某人的心智等。plastic用作名词的基本意思是塑料，塑料制品，用作可数名词时常用于复数形式。当plastic指的是制造某种成品的原材料时，多用作不可数名词。plastic用作形容词的基本意思是指物品塑料的，在专业术语中可指某种物质是可塑的，用于比喻义时可指人的思想等“可以塑造的，可以改变的，用作贬义时还可指某事物不真实的，合成的，人造的。

withdraw 为 资 卓 翶chapter 慨 普 特厄plastic 普 莱斯提克

你好！last通常形容时间~持续了一段时间~recyclingmaterial表可循环的材料，recycledmaterial表已经循环过的材料仅代表个人观点，不喜勿喷，谢谢。

recycledplastic是再生涤纶面料。recycledplastic就是再生涤纶面料，也就是用可乐瓶做的回收涤纶丝做的面料。再生涤纶短纤是利用涤纶布料，废旧聚酯瓶片，纺丝废丝，泡泡料，浆块做原料，废旧瓶片经过粉碎、清洗，各种料的混合物经过干燥，熔融挤出。

歌曲名:Last Words歌手:Travis专辑:Ode To J SmithTravis - Last WordsTry to shine a light into the darkCorners of the mind and of the heartFind out what you"r carrying roundThings you can"t remember having foundHolding onThe best you canFinding outIn the nick of timeBut the last wordsAre hanging on my phoneOh the last wordsEven when you"re standing on your ownNow the last wordsAre lying on my floorAh the last wordsTry to find a place you can beginBegin to fill the space you"re living inRip it uo and start it all againTurning all your enemies to friendsOh oh oh ohHolding onThe best you canFinding outIn the nick of timeBut the last wordsAre hanging on my phoneOh the last wordsEven when you"re standing on your ownNow the last wordsAre lying on my floorAh the last wordsOh the last wordsAre hanging on my phoneOh the last wordsEven when you"re standing on your ownNow the last wordsAre lying on my floorAh the last wordsOh the last wordshttp://music.baidu.com/song/2218617

最末一班公共汽车

昨天下班后在公交车上开始觉得头晕、身体不舒服，浑身没力。以为自己只是这段时间累了，回到宿舍赶紧洗澡，八点多就躺床昏睡过去了，把闹钟调到6:02，比平时晚了7分钟。 第二天起来感觉身体没有异样，精力也恢复过来了，照样起床搭公交去上班了。那么早就出发不是因为工作繁重，只是想赶最早一班车，回到律所还没到八点，至少有一个小时的学习时间，因为开始实习之后，一天公交车来回，通勤时间近三个小时，每天晚上回到宿舍七八点已经没有精力继续学习（最近复盘之后其实都是借口）。 公交车上感觉还可以，回到所里开始吃不下早餐，上吐下泻。在办公桌上趴着休息了一下，还是觉得不能恢复过来，头晕、没力气，从来没有过的难受，跟老板请了假，在附近的医院预约挂号，赶紧去看医生了。医生大概的意思就是吃的东西有问题，叫我最近都喝白粥，给我开了葡萄糖、什么素、什么菌各种补剂。在回学校的公交车上晃悠悠的，觉得胃在翻滚，想吐，希望一秒钟回到宿舍躺着。安全到达学校之后，没吃东西，喝了医生开的葡萄糖，睡了一下午。感谢同事帮我完成了工作。我祈祷自己醒来就好了，但是还是浑身没劲。大学四年以来，在准备任何重要的考试、比赛期间我都不允许自己病倒，靠主观意志hold住，但很多时候在完成任务之后当晚就病倒了，印象最深刻的就是商务英语中级考试。 今晚我也是八点多就爬上床了，身体很累挺难受的，但是有点睡不着，于是开始想七想八，如果明天醒不来怎么办？让我想起那句话：把每一天都当做最后一天过("Live every day as if it was your last.")。 如果今天真的是最后一天，我应该会很不甘心、很不舍得吧。一方面是，我太多东西还没经历过了；另一方面是，过去我还有很多没有做好，或者如果有时间，我可以做得更好。 到生命中每一个时间点都是以往一分一秒的结果，都是有原因的。如果是最后一天了，我最后悔的可能是平时没有多多联系身边爱自己的人；没有多读点书，做做读书笔记；没有看《猫》…… 感觉自己上了大学才开窍，对于初中高中的记忆已经十分模糊。从开学第一天开始，下定决心要珍惜时间，将每一天都过得有滋有味。有身边的好朋友、离学校两个小时车程的父母，四年来极少负面情绪，几乎没有病痛，所以这次这么难受也是我预料之外，也让我开始胡思乱想，再一次感受到时间的宝贵。 关于时间的感悟不能太多，最关键还是活在当下，且对未来有清晰的规划，对过去进行总结。 Enjoy the present, Plan for the future, Learn from yesterday.

Let me tell you something about my last day off. It was OK. Although it is Saturday, I didnu2019t sleep late because I have to go back to school in the morning. My teacher told me I should practice the morning exercise. The weather was really cold. The wind blew strongly. It was terrible. In the afternoon, I went to the library with my friends. I read lots of books. After that, I went to the KFC to eat some food. It was delicious. Finally, tired but happy, I went home by bus. It was an interesting day.

泰戈尔《飞鸟集》的结束语，意思是：『“我相信你的爱”，让这句话做为我最后的话。』thy是‘你的"意思，英文的古体，相当于我们的文言文那样的调调。

答案:一样的嘴巴有不一样的说法。

last semester，这个英文词组的中文翻译是：上学期，或者是上个赛季。

你在离开之前带我见识了星星的胆魄即便死亡之后，星光依旧闪耀呼吸浅短间，你诠释了无限就连生命也变得如此珍稀美丽我忍不住问出声只为你能再说一遍我试着将它记下却找不到笔我愿倾尽一切去聆听你又重复了一遍那是宇宙的开始只为能被我看见我忍不住问出声只为你能再说一遍我试着将它记下却找不到笔你又重复了一遍那是宇宙的开始只为能被我看见呼吸浅短间，我将诠释无限我们的存在是如此珍稀美丽ps：DW 10TH : )

歌曲名： One Last Dance 歌手：Craig David Craig David One Last Dance Album: The Story Goes One last dance with you Even though what we have is strong Both of us know that we"ve done wrong You could lose everything Need to give it up Just one last dance with you For all the moments that we shared All the lies they don"t.pare You gotta go back to him And I realize that every time I see your face I know There"s a part of me that can"t bear to let you go And I would give my heart Give you the world, risk losing everything I got I"d give it all to you Though I don"t wanna stop I know it"s the right thing to do...yeah So hard to find the words to say But I can"t see any other way Girl you"ve risked everything Time to give it up And though it breaks my heart to leave We both know it"s time to let it breathe Girl I realize that every time I see your face I know So many times we tried to hold back We been here before now girl And it feels so cruel, yeah A million tears won"t change the fact that I find it hard to play the game When I feel like i"m the one to blame But I would give my heart And make our peace with god One last dance with you...oh year...oh yeah

歌曲的名字叫《La isla bonita》歌词如下Last night I dreamt of San PedroJust like I"d never gone, I knew the songA young girl with eyes like the desertIt all seems like yesterday, not far awayChorusTropical the island breezeAll of nature, wild and freeThis is where I long to beLa isla bonitaAnd when the samba playedThe sun would set so highRing through my ears and sting my eyesYou Spanish lullabyI fell in love with San PedroWarm wind carried on the sea, he called to meTe dijo te amoI prayed taht the days would lastThey went so fastTropical the island breezeAll of nature, wild and freeThis is where I long to beLa isla bonitaAnd when the samba playedThe sun would set so highRing through my ears and sting my eyesYou Spanish lullabyI want to be where the sun warms the skyWhen it"s time for siesta you can watch them go byBeautiful faces, no cares in this worldWhere a girl loves a boyAnd a boy loves a girlLast night I dreamt of San PedroIt all seems like yesterday, not far awayTropical the island breezeAll of nature, wild and freeThis is where I long to beLa isla bonitaAnd when the samba playedThe sun would set so highRing through my ears and sting my eyesYou Spanish lullabyTropical the island breezeAll of nature, wild and freeThis is where I long to beLa isla bonitaAnd when the samba playedThe sun would set so highRing through my ears and sting my eyesYou Spanish lullabyTropical the island breezeAll of nature, wild and freeThis is where I long to beLa isla bonitaAnd when the samba playedThe sun would set so highRing through my ears and sting my eyesYou Spanish lullaby

elasticsearch的config文件夹里面有两个配置文 件：elasticsearch.yml和logging.yml，第一个是es的基本配置文件，第二个是日志配置文件，es也是使用log4j来记录日 志的，所以logging.yml里的设置按普通log4j配置文件来设置就行了。下面主要讲解下elasticsearch.yml这个文件中可配置的 东西。cluster.name: elasticsearch配置es的集群名称，默认是elasticsearch，es会自动发现在同一网段下的es，如果在同一网段下有多个集群，就可以用这个属性来区分不同的集群。node.name: "Franz Kafka"节点名，默认随机指定一个name列表中名字，该列表在es的jar包中config文件夹里name.txt文件中，其中有很多作者添加的有趣名字。node.master: true指定该节点是否有资格被选举成为node，默认是true，es是默认集群中的第一台机器为master，如果这台机挂了就会重新选举master。

由于需要提升项目的搜索质量，最近研究了一下Elasticsearch，一款非常优秀的分布式搜索程序。最开始的一些笔记放到github，这里只是归纳总结一下。首先，为什么要使用Elasticsearch？最开始的时候，我们的项目仅仅使用MySQL进行简单的搜索，然后一个不能索引的like语句，直接拉低MySQL的性能。后来，我们曾考虑过sphinx，并且sphinx也在之前的项目中成功实施过，但想想现在的数据量级，多台MySQL，以及搜索服务本身HA，还有后续扩容的问题，我们觉得sphinx并不是一个最优的选择。于是自然将目光放到了Elasticsearch上面。根据官网自己的介绍，Elasticsearch是一个分布式搜索服务，提供Restful API，底层基于Lucene，采用多shard的方式保证数据安全，并且提供自动resharding的功能，加之github等大型的站点也采用 Elasticsearch作为其搜索服务，我们决定在项目中使用Elasticsearch。对于Elasticsearch，如果要在项目中使用，需要解决如下问题：索引，对于需要搜索的数据，如何建立合适的索引，还需要根据特定的语言使用不同的analyzer等。搜索，Elasticsearch提供了非常强大的搜索功能，如何写出高效的搜索语句？数据源，我们所有的数据是存放到MySQL的，MySQL是唯一数据源，如何将MySQL的数据导入到Elasticsearch？对于1和2，因为我们的数据都是从MySQL生成，index的field是固定的，主要做的工作就是根据业务场景设计好对应的mapping以及search语句就可以了，当然实际不可能这么简单，需要我们不断的调优。而对于3，则是需要一个工具将MySQL的数据导入Elasticsearch，因为我们对搜索实时性要求很高，所以需要将MySQL的增量数据实时导入，笔者唯一能想到的就是通过row based binlog来完成。而近段时间的工作，也就是实现一个MySQL增量同步到Elasticsearch的服务。LuceneElasticsearch底层是基于Lucene的，Lucene是一款优秀的搜索lib，当然，笔者以前仍然没有接触使用过。:-)Lucene关键概念：Document：用来索引和搜索的主要数据源，包含一个或者多个Field，而这些Field则包含我们跟Lucene交互的数据。Field：Document的一个组成部分，有两个部分组成，name和value。Term：不可分割的单词，搜索最小单元。Token：一个Term呈现方式，包含这个Term的内容，在文档中的起始位置，以及类型。Lucene使用Inverted index来存储term在document中位置的映射关系。譬如如下文档：Elasticsearch Server 1.0 （document 1）Mastring Elasticsearch （document 2）Apache Solr 4 Cookbook （document 3）使用inverted index存储，一个简单地映射关系：TermCountDocuemnt1.0 14 1Apache 1Cookbook 1Elasticsearch 2 .Mastering 1Server 1Solr 1对于上面例子，我们首先通过分词算法将一个文档切分成一个一个的token，再得到该token与document的映射关系，并记录token出现的总次数。这样就得到了一个简单的inverted index。Elasticsearch关键概念要使用Elasticsearch，笔者认为，只需要理解几个基本概念就可以了。在数据层面，主要有：Index：Elasticsearch用来存储数据的逻辑区域，它类似于关系型数据库中的db概念。一个index可以在一个或者多个shard上面，同时一个shard也可能会有多个replicas。Document：Elasticsearch里面存储的实体数据，类似于关系数据中一个table里面的一行数据。document由多个field组成，不同的document里面同名的field一定具有相同的类型。document里面field可以重复出现，也就是一个field会有多个值，即multivalued。Document type：为了查询需要，一个index可能会有多种document，也就是document type，但需要注意，不同document里面同名的field一定要是相同类型的。Mapping：存储field的相关映射信息，不同document type会有不同的mapping。对于熟悉MySQL的童鞋，我们只需要大概认为Index就是一个db，document就是一行数据，field就是table的column，mapping就是table的定义，而document type就是一个table就可以了。Document type这个概念其实最开始也把笔者给弄糊涂了，其实它就是为了更好的查询，举个简单的例子，一个index，可能一部分数据我们想使用一种查询方式，而另一部分数据我们想使用另一种查询方式，于是就有了两种type了。不过这种情况应该在我们的项目中不会出现，所以通常一个index下面仅会有一个 type。在服务层面，主要有：Node: 一个server实例。Cluster：多个node组成cluster。Shard：数据分片，一个index可能会存在于多个shards，不同shards可能在不同nodes。Replica：shard的备份，有一个primary shard，其余的叫做replica shards。Elasticsearch之所以能动态resharding，主要在于它最开始就预先分配了多个shards（貌似是1024），然后以shard为单位进行数据迁移。这个做法其实在分布式领域非常的普遍，codis就是使用了1024个slot来进行数据迁移。因为任意一个index都可配置多个replica，通过冗余备份的方式保证了数据的安全性，同时replica也能分担读压力，类似于MySQL中的slave。Restful APIElasticsearch提供了Restful API，使用json格式，这使得它非常利于与外部交互，虽然Elasticsearch的客户端很多，但笔者仍然很容易的就写出了一个简易客户端用于项目中，再次印证了Elasticsearch的使用真心很容易。Restful的接口很简单，一个url表示一个特定的资源，譬如/blog/article/1，就表示一个index为blog，type为aritcle，id为1的document。而我们使用http标准method来操作这些资源，POST新增，PUT更新，GET获取，DELETE删除，HEAD判断是否存在。这里，友情推荐httpie，一个非常强大的http工具，个人感觉比curl还用，几乎是命令行调试Elasticsearch的绝配。一些使用httpie的例子:# createhttp POST :9200/blog/article/1 title="hello elasticsearch" tags:="["elasticsearch"]"# gethttp GET :9200/blog/article/1# updatehttp PUT :9200/blog/article/1 title="hello elasticsearch" tags:="["elasticsearch", "hello"]"# deletehttp DELETE :9200/blog/article/1# existshttp HEAD :9200/blog/article/1索引和搜索虽然Elasticsearch能自动判断field类型并建立合适的索引，但笔者仍然推荐自己设置相关索引规则，这样才能更好为后续的搜索服务。我们通过定制mapping的方式来设置不同field的索引规则。而对于搜索，Elasticsearch提供了太多的搜索选项，就不一一概述了。索引和搜索是Elasticsearch非常重要的两个方面，直接关系到产品的搜索体验，但笔者现阶段也仅仅是大概了解了一点，后续在详细介绍。同步MySQL数据Elasticsearch是很强大，但要建立在有足量数据情况下面。我们的数据都在MySQL上面，所以如何将MySQL的数据导入Elasticsearch就是笔者最近研究的东西了。虽然现在有一些实现，譬如elasticsearch-river-jdbc，或者elasticsearch-river-mysql，但笔者并不打算使用。elasticsearch-river-jdbc的功能是很强大，但并没有很好的支持增量数据更新的问题，它需要对应的表只增不减，而这个几乎在项目中是不可能办到的。elasticsearch-river-mysql倒是做的很不错，采用了python-mysql-replication来通过binlog获取变更的数据，进行增量更新，但它貌似处理MySQL dump数据导入的问题，不过这个笔者真的好好确认一下？话说，python-mysql-replication笔者还提交过pull解决了minimal row image的问题，所以对elasticsearch-river-mysql这个项目很有好感。只是笔者决定自己写一个出来。为什么笔者决定自己写一个，不是因为笔者喜欢造轮子，主要原因在于对于这种MySQL syncer服务（增量获取MySQL数据更新到相关系统），我们不光可以用到Elasticsearch上面，而且还能用到其他服务，譬如cache上面。所以笔者其实想实现的是一个通用MySQL syncer组件，只是现在主要关注Elasticsearch罢了。项目代码在这里go-mysql-elasticsearch，现已完成第一阶段开发，内部对接测试中。go-mysql-elasticsearch的原理很简单，首先使用mysqldump获取当前MySQL的数据，然后在通过此时binlog的name和position获取增量数据。一些限制：binlog一定要变成row-based format格式，其实我们并不需要担心这种格式的binlog占用太多的硬盘空间，MySQL 5.6之后GTID模式都推荐使用row-based format了，而且通常我们都会把控SQL语句质量，不允许一次性更改过多行数据的。需要同步的table最好是innodb引擎，这样mysqldump的时候才不会阻碍写操作。需要同步的table一定要有主键，好吧，如果一个table没有主键，笔者真心会怀疑设计这个table的同学编程水平了。多列主键也是不推荐的，笔者现阶段不打算支持。一定别动态更改需要同步的table结构，Elasticsearch只能支持动态增加field，并不支持动态删除和更改field。通常来说，如果涉及到alter table，很多时候已经证明前期设计的不合理以及对于未来扩展的预估不足了。更详细的说明，等到笔者完成了go-mysql-elasticsearch的开发，并通过生产环境中测试了，再进行补充。总结最近一周，笔者花了不少时间在Elasticsearch上面，现在算是基本入门了。其实笔者觉得，对于一门不懂的技术，找一份靠谱的资料（官方文档或者入门书籍），蛋疼的对着资料敲一遍代码，不懂的再问google，最后在将其用到实际项目，这门技术就算是初步掌握了，当然精通还得在下点功夫。现在笔者只是觉得Elasticsearch很美好，上线之后铁定会有坑的，那时候只能慢慢填了。话说，笔者是不是要学习下java了，省的到时候看不懂代码就惨了。:-)

主要看数据量ES索引优化篇主要从两个方面解决问题，一是索引数据过程；二是检索过程。（本文主要介绍）索引数据过程我在上面几篇文章中有提到怎么创建索引和导入数据，但是大家可能会遇到索引数据比较慢的过程。其实明白索引的原理就可以有针对性的进行优化。ES索引的过程到相对Lucene的索引过程多了分布式数据的扩展，而这ES主要是用tranlog进行各节点之间的数据平衡。所以从上我可以通过索引的settings进行第一优化：“index.translog.flush_threshold_ops”: “100000″“index.refresh_interval”: “-1″,这两个参数第一是到tranlog数据达到多少条进行平衡，默认为5000，而这个过程相对而言是比较浪费时间和资源的。所以我们可以将这个值调大一些还是设为-1关闭，进而手动进行tranlog平衡。第二参数是刷新频率，默认为120s是指索引在生命周期内定时刷新，一但有数据进来能refresh像lucene里面commit,我们知道当数据addDoucment会，还不能检索到要commit之后才能行数据的检索所以可以将其关闭，在最初索引完后手动refresh一之，然后将索引setting里面的index.refresh_interval参数按需求进行修改，从而可以提高索引过程效率。另外的知道ES索引过程中如果有副本存在，数据也会马上同步到副本中去。我个人建议在索引过程中将副本数设为0，待索引完成后将副本数按需量改回来，这样也可以提高索引效率。“number_of_replicas”: 0上面聊了一次索引过程的优化之后，我们再来聊一下检索速度比较慢的问题，其实检索速度快度与索引质量有很大的关系。而索引质量的好坏与很多因素有关。一、分片数分片数，与检索速度非常相关的的指标，如果分片数过少或过多都会导致检索比较慢。分片数过多会导致检索时打开比较多的文件别外也会导致多台服务器之间通讯。而分片数过少为导至单个分片索引过大，所以检索速度慢。在确定分片数之前需要进行单服务单索引单分片的测试。比如我之前在IBM-3650的机器上，创建一个索引，该索引只有一个分片，分别在不同数据量的情况下进行检索速度测试。最后测出单个分片的内容为20G。所以索引分片数=数据总量/单分片数目前，我们数据量为4亿多条，索引大小为近1.5T左右。因为是文档数据所以单数据都中8K以前。现在检索速度保证在100ms 以下。特别情况在500ms以下，做200,400,800，1000，1000+用户长时间并发测试时最坏在750ms以下.二、副本数副本数与索引的稳定性有比较大的关系，怎么说，如果ES在非正常挂了，经常会导致分片丢失，为了保证这些数据的完整性，可以通过副本来解决这个问题。建议在建完索引后在执行Optimize后，马上将副本数调整过来。大家经常有一个误去副本越多，检索越快，这是不对的，副本对于检索速度其它是减无增的我曾做过实现，随副本数的增加检索速度会有微量的下降，所以大家在设置副本数时，需要找一个平衡值。另外设置副本后，大家有可能会出现两次相同检索，出现出现不同值的情况，这里可能是由于tranlog没有平衡、或是分片路由的问题，可以通过?preference=_primary 让检索在主片分上进行。三、分词其实分词对于索引的影响可大可小，看自己把握。大家越许认为词库的越多，分词效果越好，索引质量越好，其实不然。分词有很多算法，大部分基于词表进行分词。也就是说词表的大小决定索引大小。所以分词与索引膨涨率有直接链接。词表不应很多，而对文档相关特征性较强的即可。比如论文的数据进行建索引，分词的词表与论文的特征越相似，词表数量越小，在保证查全查准的情况下，索引的大小可以减少很多。索引大小减少了，那么检索速度也就提高了。四、索引段索引段即lucene中的segments概念，我们知道ES索引过程中会refresh和tranlog也就是说我们在索引过程中segments number不至一个。而segments number与检索是有直接联系的，segments number越多检索越慢，而将segments numbers 有可能的情况下保证为1这将可以提到将近一半的检索速度。$ curl -XPOST ‘http://localhost:9200/twitter/_optimize? max_num_segments =1′五、删除文档删除文档在Lucene中删除文档，数据不会马上进行硬盘上除去，而进在lucene索引中产生一个.del的文件，而在检索过程中这部分数据也会参与检索，lucene在检索过程会判断是否删除了，如果删除了在过滤掉。这样也会降低检索效率。所以可以执行清除删除文档。$ curl -XPOST ‘http://localhost:9200/twitter/_optimize? only_expunge_deletes =true

由于需要提升项目的搜索质量，最近研究了一下Elasticsearch，一款非常优秀的分布式搜索程序。最开始的一些笔记放到github，这里只是归纳总结一下。首先，为什么要使用Elasticsearch？最开始的时候，我们的项目仅仅使用MySQL进行简单的搜索，然后一个不能索引的like语句，直接拉低MySQL的性能。后来，我们曾考虑过sphinx，并且sphinx也在之前的项目中成功实施过，但想想现在的数据量级，多台MySQL，以及搜索服务本身HA，还有后续扩容的问题，我们觉得sphinx并不是一个最优的选择。于是自然将目光放到了Elasticsearch上面。根据官网自己的介绍，Elasticsearch是一个分布式搜索服务，提供Restful API，底层基于Lucene，采用多shard的方式保证数据安全，并且提供自动resharding的功能，加之github等大型的站点也采用 Elasticsearch作为其搜索服务，我们决定在项目中使用Elasticsearch。对于Elasticsearch，如果要在项目中使用，需要解决如下问题：索引，对于需要搜索的数据，如何建立合适的索引，还需要根据特定的语言使用不同的analyzer等。搜索，Elasticsearch提供了非常强大的搜索功能，如何写出高效的搜索语句？数据源，我们所有的数据是存放到MySQL的，MySQL是唯一数据源，如何将MySQL的数据导入到Elasticsearch？对于1和2，因为我们的数据都是从MySQL生成，index的field是固定的，主要做的工作就是根据业务场景设计好对应的mapping以及search语句就可以了，当然实际不可能这么简单，需要我们不断的调优。而对于3，则是需要一个工具将MySQL的数据导入Elasticsearch，因为我们对搜索实时性要求很高，所以需要将MySQL的增量数据实时导入，笔者唯一能想到的就是通过row based binlog来完成。而近段时间的工作，也就是实现一个MySQL增量同步到Elasticsearch的服务。LuceneElasticsearch底层是基于Lucene的，Lucene是一款优秀的搜索lib，当然，笔者以前仍然没有接触使用过。:-)Lucene关键概念：Document：用来索引和搜索的主要数据源，包含一个或者多个Field，而这些Field则包含我们跟Lucene交互的数据。Field：Document的一个组成部分，有两个部分组成，name和value。Term：不可分割的单词，搜索最小单元。Token：一个Term呈现方式，包含这个Term的内容，在文档中的起始位置，以及类型。Lucene使用Inverted index来存储term在document中位置的映射关系。譬如如下文档：Elasticsearch Server 1.0 （document 1）Mastring Elasticsearch （document 2）Apache Solr 4 Cookbook （document 3）使用inverted index存储，一个简单地映射关系：TermCountDocuemnt1.0 1 <1> 4 1 <3> Apache 1 <3> Cookbook 1 <3> Elasticsearch 2 <1>.<2> Mastering 1 <2> Server 1 <1> Solr 1 <3> 对于上面例子，我们首先通过分词算法将一个文档切分成一个一个的token，再得到该token与document的映射关系，并记录token出现的总次数。这样就得到了一个简单的inverted index。Elasticsearch关键概念要使用Elasticsearch，笔者认为，只需要理解几个基本概念就可以了。在数据层面，主要有：Index：Elasticsearch用来存储数据的逻辑区域，它类似于关系型数据库中的db概念。一个index可以在一个或者多个shard上面，同时一个shard也可能会有多个replicas。Document：Elasticsearch里面存储的实体数据，类似于关系数据中一个table里面的一行数据。document由多个field组成，不同的document里面同名的field一定具有相同的类型。document里面field可以重复出现，也就是一个field会有多个值，即multivalued。Document type：为了查询需要，一个index可能会有多种document，也就是document type，但需要注意，不同document里面同名的field一定要是相同类型的。Mapping：存储field的相关映射信息，不同document type会有不同的mapping。对于熟悉MySQL的童鞋，我们只需要大概认为Index就是一个db，document就是一行数据，field就是table的column，mapping就是table的定义，而document type就是一个table就可以了。Document type这个概念其实最开始也把笔者给弄糊涂了，其实它就是为了更好的查询，举个简单的例子，一个index，可能一部分数据我们想使用一种查询方式，而另一部分数据我们想使用另一种查询方式，于是就有了两种type了。不过这种情况应该在我们的项目中不会出现，所以通常一个index下面仅会有一个 type。在服务层面，主要有：Node: 一个server实例。Cluster：多个node组成cluster。Shard：数据分片，一个index可能会存在于多个shards，不同shards可能在不同nodes。Replica：shard的备份，有一个primary shard，其余的叫做replica shards。Elasticsearch之所以能动态resharding，主要在于它最开始就预先分配了多个shards（貌似是1024），然后以shard为单位进行数据迁移。这个做法其实在分布式领域非常的普遍，codis就是使用了1024个slot来进行数据迁移。因为任意一个index都可配置多个replica，通过冗余备份的方式保证了数据的安全性，同时replica也能分担读压力，类似于MySQL中的slave。Restful APIElasticsearch提供了Restful API，使用json格式，这使得它非常利于与外部交互，虽然Elasticsearch的客户端很多，但笔者仍然很容易的就写出了一个简易客户端用于项目中，再次印证了Elasticsearch的使用真心很容易。Restful的接口很简单，一个url表示一个特定的资源，譬如/blog/article/1，就表示一个index为blog，type为aritcle，id为1的document。而我们使用http标准method来操作这些资源，POST新增，PUT更新，GET获取，DELETE删除，HEAD判断是否存在。这里，友情推荐httpie，一个非常强大的http工具，个人感觉比curl还用，几乎是命令行调试Elasticsearch的绝配。一些使用httpie的例子:# createhttp POST :9200/blog/article/1 title="hello elasticsearch" tags:="["elasticsearch"]"# gethttp GET :9200/blog/article/1# updatehttp PUT :9200/blog/article/1 title="hello elasticsearch" tags:="["elasticsearch", "hello"]"# deletehttp DELETE :9200/blog/article/1# existshttp HEAD :9200/blog/article/1索引和搜索虽然Elasticsearch能自动判断field类型并建立合适的索引，但笔者仍然推荐自己设置相关索引规则，这样才能更好为后续的搜索服务。我们通过定制mapping的方式来设置不同field的索引规则。而对于搜索，Elasticsearch提供了太多的搜索选项，就不一一概述了。索引和搜索是Elasticsearch非常重要的两个方面，直接关系到产品的搜索体验，但笔者现阶段也仅仅是大概了解了一点，后续在详细介绍。同步MySQL数据Elasticsearch是很强大，但要建立在有足量数据情况下面。我们的数据都在MySQL上面，所以如何将MySQL的数据导入Elasticsearch就是笔者最近研究的东西了。虽然现在有一些实现，譬如elasticsearch-river-jdbc，或者elasticsearch-river-mysql，但笔者并不打算使用。elasticsearch-river-jdbc的功能是很强大，但并没有很好的支持增量数据更新的问题，它需要对应的表只增不减，而这个几乎在项目中是不可能办到的。elasticsearch-river-mysql倒是做的很不错，采用了python-mysql-replication来通过binlog获取变更的数据，进行增量更新，但它貌似处理MySQL dump数据导入的问题，不过这个笔者真的好好确认一下？话说，python-mysql-replication笔者还提交过pull解决了minimal row image的问题，所以对elasticsearch-river-mysql这个项目很有好感。只是笔者决定自己写一个出来。为什么笔者决定自己写一个，不是因为笔者喜欢造轮子，主要原因在于对于这种MySQL syncer服务（增量获取MySQL数据更新到相关系统），我们不光可以用到Elasticsearch上面，而且还能用到其他服务，譬如cache上面。所以笔者其实想实现的是一个通用MySQL syncer组件，只是现在主要关注Elasticsearch罢了。项目代码在这里go-mysql-elasticsearch，现已完成第一阶段开发，内部对接测试中。go-mysql-elasticsearch的原理很简单，首先使用mysqldump获取当前MySQL的数据，然后在通过此时binlog的name和position获取增量数据。一些限制：binlog一定要变成row-based format格式，其实我们并不需要担心这种格式的binlog占用太多的硬盘空间，MySQL 5.6之后GTID模式都推荐使用row-based format了，而且通常我们都会把控SQL语句质量，不允许一次性更改过多行数据的。需要同步的table最好是innodb引擎，这样mysqldump的时候才不会阻碍写操作。需要同步的table一定要有主键，好吧，如果一个table没有主键，笔者真心会怀疑设计这个table的同学编程水平了。多列主键也是不推荐的，笔者现阶段不打算支持。一定别动态更改需要同步的table结构，Elasticsearch只能支持动态增加field，并不支持动态删除和更改field。通常来说，如果涉及到alter table，很多时候已经证明前期设计的不合理以及对于未来扩展的预估不足了。更详细的说明，等到笔者完成了go-mysql-elasticsearch的开发，并通过生产环境中测试了，再进行补充。总结最近一周，笔者花了不少时间在Elasticsearch上面，现在算是基本入门了。其实笔者觉得，对于一门不懂的技术，找一份靠谱的资料（官方文档或者入门书籍），蛋疼的对着资料敲一遍代码，不懂的再问google，最后在将其用到实际项目，这门技术就算是初步掌握了，当然精通还得在下点功夫。现在笔者只是觉得Elasticsearch很美好，上线之后铁定会有坑的，那时候只能慢慢填了。话说，笔者是不是要学习下java了，省的到时候看不懂代码就惨了。:-)

Kibana是一个为ElasticSearch提供的数据分析的Web接口。可使用它对日志进行高效的搜索、可视化、分析等各种操作。Kibana目前最新的版本5.0.2，回顾一下Kibana3和Kibana4的界面。