先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7
深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）
正文
3、小结
安装完成后需要重新启动ES
接下来我们需要创建一个关于ingest-attachment的文本抽取管道
PUT /_ingest/pipeline/attachment { "description": "Extract attachment information", "processors": [ { "attachment": { "field": "content", "ignore_missing": true } }, { "remove": { "field": "content" } } ] }
后续我们的文件需要base64后储存到 attachment.content 索引字段中
三、如何应用？
1、通过命令语句简易检索
创建一个ES 索引 并且添加一些测试数据
POST /pdf_data/_doc?pretty { "id": "3", "name": "面试题文件1.pdf", "age": 18, "type": "file", "money": 1111, "createBy": "阿杰", "createTime": "2022-11-03T10:41:51.851Z", "attachment": { "content": "面试官：如何保证消息不被重复消费啊？如何保证消费的时候是幂等的啊？Kafka、ActiveMQ、RabbitMQ、RocketMQ 都有什么区别，以及适合哪些场景？", "date": "2022-11-02T10:41:51.851Z", "language": "en" } }
通过插入的文档内容为条件进行检索
# 简单 单条件查询 文档内容检索 GET /pdf_data/_search { "query": { "match": { "attachment.content": "面试官：如何保证消息不被重复消费啊？如何保证消费的时候是幂等的啊？" } } }
2、整合java代码实现ES通过ingest-attachment进行全文检索
1、首先将文件转为BASE64进行ES数据插入
/** * 将文件 文档信息储存到数据中 * @param file * @return */ @PostMapping("/insertFile") @ApiOperation(value="创建索引ES-传入ES索引-传入文件", notes="创建索引ES-传入ES索引-传入文件") public IndexResponse insertFile(@RequestAttribute("file") MultipartFile file,@RequestParam("indexName")String indexName){ FileObj fileObj = new FileObj(); fileObj.setId(String.valueOf(System.currentTimeMillis())); fileObj.setName(file.getOriginalFilename()); fileObj.setType(file.getName().substring(file.getName().lastIndexOf(".") + 1)); fileObj.setCreateBy(RandomNameGenerator.generateRandomName()); fileObj.setCreateTime(String.valueOf(System.currentTimeMillis())); fileObj.setAge(RandomNameGenerator.getAge()); fileObj.setMoney(RandomNameGenerator.getMoney()); // 文件转base64 byte[] bytes = new byte[0]; try { bytes = file.getBytes(); //将文件内容转化为base64编码 String base64 = Base64.getEncoder().encodeToString(bytes); fileObj.setContent(base64); IndexResponse indexResponse= ElasticsearchUtil.upload(fileObj,indexName); if (0==indexResponse.status().getStatus()){ // 索引创建并插入数据成功 System.out.println("索引创建并插入数据成功"); } return indexResponse; } catch (Exception e) { e.printStackTrace(); } return null; }
2、创建索引、插入数据，并且将文档数据抽取到管道中
@Autowired private RestHighLevelClient restHighLevelClient; private static RestHighLevelClient levelClient; @PostConstruct public void initClient() { levelClient = this.restHighLevelClient; } /** * 创建索引并插入数据 * @param file * @param indexName * @return * @throws IOException */ public static IndexResponse upload(FileObj file,String indexName) throws IOException { // TODO 创建前需要判断当前文档是否已经存在 if (!isIndexExist(indexName)) { CreateIndexRequest request = new CreateIndexRequest(indexName); // 如果需要ik分词器就添加配置，不需要就注释掉 // 添加 IK 分词器设置 ik_max_word // request.settings(Settings.builder() // .put("index.analysis.analyzer.default.type", "ik_max_word") // .put("index.analysis.analyzer.default.use_smart", "true") // ); // 添加 IK 分词器设置 ik_smart request.settings(Settings.builder() .put("index.analysis.analyzer.default.type", "ik_smart") ); CreateIndexResponse response = levelClient.indices().create(request, RequestOptions.DEFAULT); log.info("执行建立成功？" + response.isAcknowledged()); } IndexRequest indexRequest = new IndexRequest(indexName); //上传同时，使用attachment pipline进行提取文件 indexRequest.source(JSON.toJSONString(file), XContentType.JSON); indexRequest.setPipeline("attachment"); IndexResponse indexResponse= levelClient.index(indexRequest,RequestOptions.DEFAULT); System.out.println(indexResponse); return indexResponse; }
3、其他代码补充
ES Config 配置类
/** * ES配置类 * author: 阿杰 */ @Configuration public class ElasticSearchClientConfig { /** * ES 地址：127.0.0.1:9200 */ @Value("${es.ip}") private String hostName; @Bean public RestHighLevelClient restHighLevelClient() { String[] points = hostName.split(","); HttpHost[] httpHosts = new HttpHost[points.length]; for (int i = 0; i < points.length; i++) { String point = points[i]; httpHosts[i] = new HttpHost(point.split(":")[0], Integer.parseInt(point.split(":")[1]), "http"); } RestHighLevelClient client = new RestHighLevelClient( RestClient.builder(httpHosts)); return client; } @Bean public ElasticsearchUtil elasticSearchUtil() { return new ElasticsearchUtil(); } }
数据插入使用的实体类
/** * author: 阿杰 */ @Data public class FileObj { /** * 用于存储文件id */ String id; **网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。** **需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）**  **一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！** String id; **网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。** **需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）** [外链图片转存中...(img-vfbhULk3-1713120469612)] **一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
