filter -- 6




200x200


引言上一篇文章中,我们介绍了常见的缓存架构常见缓存架构 -- 穿透型缓存与旁路型缓存 缓存对于查询压力很大的服务来说是必不可少的解决方案,对于访问频率极高及读多写少的业务来说,使用缓存提升服

#缓存    #redis    #cache    #filter   

200x200


概述在 Web 应用中,请求的拦截是最常见的一个需求,例如常常需要进行用户权限的验证等等,这样的通用逻辑不应该陷入业务逻辑来处理,Spring 提供了 org.

#技术帖    #mvc    #技术分享    #http   
概述logstash 之所以强大和流行,与其丰富的过滤器插件是分不开的过滤器提供的并不单单是过滤的功能,还可以对进入过滤器的原始数据进行复杂的逻辑处理,甚至添加独特的新事件到后续流程中 强大的文本解析工具 -- Grokgrok 是一个十分强大的 logstash filter 插件,他可以解析任何格式的文本,他是目前 logstash 中解析非结构化日志数据最好的方式 基本用法Grok 的语法规则是:%{语法 : 语义}  “语法”指的就是匹配的模式,例如使用 NUMBER 模式可以匹配出数字,IP 则会匹配出 127.0.0.1 这样的 IP 地址:%{NUMBER:lasttime}%{IP:client} 默认情况下,所有“语义”都被保存成字符串,你也可以添加转换到的数据类型%{NUMBER:lasttime:int}%{IP:client} 目前转换类型只支持 int 和 float 覆盖 -- overwrite使用 Grok 的 overwrite&nb
#技术帖    #龙潭书斋    #merge    #event   
聚合elasticsearch 通过 aggs 实现聚合功能聚合提供了分组统计的能力,类似于 SQL 的 GROUP BY 和 SQL 聚合在Elasticsearch中,你可以在一个响应中同时返回命中的数据和聚合结果 聚合查询 -- aggs下面的查询实现了按照州名的计数倒序排序:{ "size": 0, "aggs": { "group_by_state": { "terms": { "field": "state" } } } }  在 SQL 中,上面的聚合类似于:SELECT COUNT(*) from bank GROUP BY state ORDER BY COUNT(*) DESC  注:如果 size 不为 0,则查询的所有命中结果都会出现在查询结果中 分组查询下面的例子展示了按照年龄段分组(20-29,30-39,40-49),然后再用性别分组,然后为每一个年龄段的每一个性别计算出平均
#读书笔记    #技术帖    #龙潭书斋    #检索   
过滤语句Elasticsearch 提供了丰富的查询过滤语句,对于查询过程中的各种场景非常有用 精确匹配 -- termsterm 用于精确匹配,常用于数字、日期、布尔值或 not_analyzed 字符串的匹配{ "term": { "age": 26 }} { "term": { "date": "2014-09-01" }} { "term": { "public": true }} { "term": { "tag": "full_text" }}  多精确匹配 -- termsterms 跟 term 有点类似,但 terms 允许指定多个匹配条件如果某个字段指定了多个值,那么文档需要一起去做匹配{ "terms": { "tag": [ "search", "full_text&
#读书笔记    #技术帖    #龙潭书斋    #query_string   



京ICP备15018585号