Elasticsearch - Montpellier JUG

2,601 views
2,475 views

Published on

Les slides du talk que j'ai donné à Montpellier le 21/11/2012

Published in: Technology
0 Comments
3 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
2,601
On SlideShare
0
From Embeds
0
Number of Embeds
28
Actions
Shares
0
Downloads
0
Comments
0
Likes
3
Embeds 0
No embeds

No notes for slide
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • \n
  • Elasticsearch - Montpellier JUG

    1. 1. Elasticsearch. Le moteur de recherche élastique pour tousDavid Pilato, IDEO Technologies, Paris
    2. 2. Qui ?$ curl http://localhost:9200/talk/speaker/dpilato{ "nom" : "David Pilato", "jobs" : [ { "boite" : "SRA Europe (SSII)", "mission" : "bon à tout faire", "duree" : 3 }, { "boite" : "SFR", "mission" : "touche à tout", "duree" : 3 }, { "boite" : "e-Brands / Vivendi", "mission" : "chef de projets", "duree" : 4 }, { "boite" : "DGDDI (douane)", "mission" : "mouton à 5 pattes", "duree" : 8 }, { "boite" : "IDEO Technologies", "mission" : "directeur technique", "duree" : 0 } ], "passions" : [ "famille", "job", "deejay" ], "blog" : "http://dev.david.pilato.fr/", "twitter" : [ "@dadoonet", "@elasticsearchfr", "@scrutmydocs" ], "email" : "david@pilato.fr"}
    3. 3. Qui ?$ curl http://localhost:9200/talk/speaker/dpilato{ "nom" : "David Pilato", "jobs" : [ { "boite" : "SRA Europe (SSII)", "mission" : "bon à tout faire", "duree" : 3 }, { "boite" : "SFR", "mission" : "touche à tout", "duree" : 3 }, { "boite" : "e-Brands / Vivendi", "mission" : "chef de projets", "duree" : 4 }, { "boite" : "DGDDI (douane)", "mission" : "mouton à 5 pattes", "duree" : 8 }, { "boite" : "IDEO Technologies", "mission" : "directeur technique", "duree" : 0 } ], "passions" : [ "famille", "job", "deejay" ], "blog" : "http://dev.david.pilato.fr/", "twitter" : [ "@dadoonet", "@elasticsearchfr", "@scrutmydocs" ], "email" : "david@pilato.fr"}
    4. 4. ScrutMyDocs.org
    5. 5. Pour la démo Faites du bruit sur Twitter avec le hashtag#elasticsearch
    6. 6. SQL Classique Cherche moi un document de décembre 2011 portant sur la france et contenant produit et davidEn SQL :
    7. 7. SQL Classique Cherche moi un document de décembre 2011 portant sur la france et contenant produit et davidEn SQL :SELECT doc.*, pays.*FROM doc, paysWHERE doc.pays_code = pays.code AND doc.date_doc > to_date(2011-12, yyyy-mm) AND doc.date_doc < to_date(2012-01, yyyy-mm) AND lower(pays.libelle) = france AND lower(doc.commentaire) LIKE ‘%produit% AND lower(doc.commentaire) LIKE ‘%david%;
    8. 8. Les limites de la recherche SQL• Performances désastreuses sur du like % sur des millions de ligne• Plombe les performances de l’insertion• Pas de tolérance aux fotes de frappe• En général, on se limite aux champs figés ou codifiés• Recherche « google » impossible !
    9. 9. Au final, on obtient • Autrement dit : tu as intérêt à savoir ce que tu cherches ! • Fouiller est interdit !
    10. 10. Un moteur de recherche• Un moteur de recherche est composé de : • un moteur d’indexation de documents • un moteur de recherche sur les index• De fait, un moteur de recherche est énormément plus rapide qu’une base de données pour faire des recherches : c’est son métier !
    11. 11. L’indexation, c’est quoi en fait ?
    12. 12. Elasticsearch
    13. 13. Elasticsearch Your Data, your Search !
    14. 14. Elasticsearch• Moteur de recherche pour la génération NoSQL• Basé sur le standard Apache Lucene• Masque la complexité Java/Lucene à l’aide de services standards HTTP / RESTful / JSON• Utilisable à partir de n’importe quelle technologie• Ajoute la couche cloud manquante à Lucene• C’est un moteur, pas une interface graphique !
    15. 15. Points clés• Simple ! En quelques minutes (Zero Conf), on dispose d’un moteur complet prêt à recevoir nos documents à indexer et à faire des recherches.• Efficace ! Il suffit de démarrer des nœuds Elasticsearch pour bénéficier immédiatement de la réplication, de l’équilibrage de charge.• Puissant ! Basé sur Lucene, il en parallélise les traitements pour donner des temps de réponse acceptables (en général inférieurs à 100ms)• Complet ! Beaucoup de fonctionnalités : analyse et facettes, percolation, rivières, plugins, …
    16. 16. Ranger ses données• Document : Un objet représentant les données (au sens NoSQL). Penser "recherche", cest oublier le SGBDR et penser "Documents"• Type : Regroupe des documents de même type• Index : Espace logique de stockage des documents dont les types sont fonctionnellement communs
    17. 17. Ranger ses données • Document : Un objet représentant les données (au sens NoSQL). Penser "recherche", cest oublier le SGBDR et penser "Documents"{ "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", "truncated": false, "retweet_count": 0, "hashtag": [ { "text": "elasticsearch", "start": 27, "end": 40 }, { "text": "JUG", "start": 47, "end": 55 } ], "user": { "id": 51172224, "name": "David Pilato", "screen_name": "dadoonet", "location": "France", "description": "Soft Architect, Project Manager, Senior Developper.rnAt this time, enjoying NoSQLworld : CouchDB, ElasticSearch.rnDeeJay 4 times a year, just for fun !" }} • Type : Regroupe des documents de même type • Index : Espace logique de stockage des documents dont les types sont fonctionnellement communs
    18. 18. Ranger ses données • Document : Un objet représentant les données (au sens NoSQL). Penser "recherche", cest oublier le SGBDR et penser "Documents"{ "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", "truncated": false, "retweet_count": 0, "hashtag": [ { "text": "elasticsearch", "start": 27, "end": 40 }, { "text": "JUG", "start": 47, "end": 55 } ], "user": { "id": 51172224, "name": "David Pilato", "screen_name": "dadoonet", "location": "France", "description": "Soft Architect, Project Manager, Senior Developper.rnAt this time, enjoying NoSQLworld : CouchDB, ElasticSearch.rnDeeJay 4 times a year, just for fun !" }} • Type : Regroupe des documents de même type
    19. 19. Ranger ses données • Document : Un objet représentant les données (au sens NoSQL). Penser "recherche", cest oublier le SGBDR et penser "Documents"{ "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", "truncated": false, "retweet_count": 0, "hashtag": [ { "text": "elasticsearch", "start": 27, "end": 40 }, { "text": "JUG", "start": 47, "end": 55 } ], "user": { "id": 51172224, "name": "David Pilato", "screen_name": "dadoonet", "location": "France", "description": "Soft Architect, Project Manager, Senior Developper.rnAt this time, enjoying NoSQLworld : CouchDB, ElasticSearch.rnDeeJay 4 times a year, just for fun !" }} • Type : Regroupe des documents de même type • Index : Espace logique de stockage des documents dont les types sont fonctionnellement communs
    20. 20. Interagir avecElasticsearch
    21. 21. Interagir avec Elasticsearch• API REST : http://host:port/[index]/[type]/[_action/id] Méthodes HTTP : GET, POST, PUT, DELETE
    22. 22. Interagir avec Elasticsearch• API REST : http://host:port/[index]/[type]/[_action/id] Méthodes HTTP : GET, POST, PUT, DELETE• Documents • curl -XPUT http://localhost:9200/twitter/tweet/1
    23. 23. Interagir avec Elasticsearch• API REST : http://host:port/[index]/[type]/[_action/id] Méthodes HTTP : GET, POST, PUT, DELETE• Documents • curl -XPUT http://localhost:9200/twitter/tweet/1 • curl -XGET http://localhost:9200/twitter/tweet/1
    24. 24. Interagir avec Elasticsearch• API REST : http://host:port/[index]/[type]/[_action/id] Méthodes HTTP : GET, POST, PUT, DELETE• Documents • curl -XPUT http://localhost:9200/twitter/tweet/1 • curl -XGET http://localhost:9200/twitter/tweet/1 • curl -XDELETE http://localhost:9200/twitter/tweet/1
    25. 25. Interagir avec Elasticsearch• API REST : http://host:port/[index]/[type]/[_action/id] Méthodes HTTP : GET, POST, PUT, DELETE• Documents • curl -XPUT http://localhost:9200/twitter/tweet/1 • curl -XGET http://localhost:9200/twitter/tweet/1 • curl -XDELETE http://localhost:9200/twitter/tweet/1• Recherche • curl -XPOST http://localhost:9200/twitter/tweet/_search
    26. 26. Interagir avec Elasticsearch• API REST : http://host:port/[index]/[type]/[_action/id] Méthodes HTTP : GET, POST, PUT, DELETE• Documents • curl -XPUT http://localhost:9200/twitter/tweet/1 • curl -XGET http://localhost:9200/twitter/tweet/1 • curl -XDELETE http://localhost:9200/twitter/tweet/1• Recherche • curl -XPOST http://localhost:9200/twitter/tweet/_search • curl -XPOST http://localhost:9200/twitter/_search
    27. 27. Interagir avec Elasticsearch• API REST : http://host:port/[index]/[type]/[_action/id] Méthodes HTTP : GET, POST, PUT, DELETE• Documents • curl -XPUT http://localhost:9200/twitter/tweet/1 • curl -XGET http://localhost:9200/twitter/tweet/1 • curl -XDELETE http://localhost:9200/twitter/tweet/1• Recherche • curl -XPOST http://localhost:9200/twitter/tweet/_search • curl -XPOST http://localhost:9200/twitter/_search • curl -XPOST http://localhost:9200/_search
    28. 28. Interagir avec Elasticsearch• API REST : http://host:port/[index]/[type]/[_action/id] Méthodes HTTP : GET, POST, PUT, DELETE• Documents • curl -XPUT http://localhost:9200/twitter/tweet/1 • curl -XGET http://localhost:9200/twitter/tweet/1 • curl -XDELETE http://localhost:9200/twitter/tweet/1• Recherche • curl -XPOST http://localhost:9200/twitter/tweet/_search • curl -XPOST http://localhost:9200/twitter/_search • curl -XPOST http://localhost:9200/_search• Meta-données • curl -XGET http://localhost:9200/twitter/_status
    29. 29. Interagir avec Elasticsearch• API REST : http://host:port/[index]/[type]/[_action/id] Méthodes HTTP : GET, POST, PUT, DELETE• Documents • curl -XPUT http://localhost:9200/twitter/tweet/1 • curl -XGET http://localhost:9200/twitter/tweet/1 • curl -XDELETE http://localhost:9200/twitter/tweet/1• Recherche • curl -XPOST http://localhost:9200/twitter/tweet/_search • curl -XPOST http://localhost:9200/twitter/_search • curl -XPOST http://localhost:9200/_search• Meta-données • curl -XGET http://localhost:9200/twitter/_status • curl -XPOST http://localhost:9200/_shutdown
    30. 30. Indexer$ curl -XPUT localhost:9200/twitter/tweet/1 -d { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", "truncated": false, "retweet_count": 0, "hashtag": [ { "text": "elasticsearch", "start": 27, "end": 40 }, { "text": "JUG", "start": 47, "end": 55 } ], "user": { "id": 51172224, "name": "David Pilato", "screen_name": "dadoonet", "location": "France", "description": "Soft Architect, Project Manager, Senior Developper.rnAt this time, enjoying NoSQL world : CouchDB, ElasticSearch.rnDeeJay 4 times ayear, just for fun !" }}
    31. 31. Indexer$ curl -XPUT localhost:9200/twitter/tweet/1 -d { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", "truncated": false, "retweet_count": 0, "hashtag": [ { "text": "elasticsearch", "start": 27, "end": 40 }, { "text": "JUG", "start": 47, "end": 55 } ], "user": { "id": 51172224, "name": "David Pilato", "screen_name": "dadoonet", "location": "France", "description": "Soft Architect, Project Manager, Senior Developper.rnAt this time, enjoying NoSQL world : CouchDB, ElasticSearch.rnDeeJay 4 times ayear, just for fun !" }}{ "ok":true, "_index":"twitter", "_type":"tweet", "_id":"1"}
    32. 32. Chercher$ curl localhost:9200/twitter/tweet/_search?q=elasticsearch
    33. 33. Chercher $ curl localhost:9200/twitter/tweet/_search?q=elasticsearch{ "took" : 24, "timed_out" : false, "_shards" : { "total" : 5, "successful" : 5, "failed" : 0 }, "hits" : { "total" : 1, "max_score" : 0.227, "hits" : [ { "_index" : "twitter", "_type" : "tweet", "_id" : "1", "_score" : 0.227, "_source" : { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", […] } } ] }}
    34. 34. Chercher $ curl localhost:9200/twitter/tweet/_search?q=elasticsearch{ "took" : 24, Nb de "timed_out" : false, documents "_shards" : { "total" : 5, "successful" : 5, "failed" : 0 }, "hits" : { "total" : 1, "max_score" : 0.227, "hits" : [ { "_index" : "twitter", "_type" : "tweet", "_id" : "1", "_score" : 0.227, "_source" : { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", […] } } ] }}
    35. 35. Chercher $ curl localhost:9200/twitter/tweet/_search?q=elasticsearch{ "took" : 24, "timed_out" : false, "_shards" : { "total" : 5, "successful" : 5, "failed" : 0 }, "hits" : { "total" : 1, "max_score" : 0.227, "hits" : [ { Coordonnées "_index" : "twitter", "_type" : "tweet", "_id" : "1", "_score" : 0.227, "_source" : { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", […] } } ] }}
    36. 36. Chercher $ curl localhost:9200/twitter/tweet/_search?q=elasticsearch{ "took" : 24, "timed_out" : false, "_shards" : { "total" : 5, "successful" : 5, "failed" : 0 }, "hits" : { "total" : 1, "max_score" : 0.227, "hits" : [ { "_index" : "twitter", "_type" : "tweet", "_id" : "1", "_score" : 0.227, "_source" : { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", […] } Pertinence } ] }}
    37. 37. Chercher $ curl localhost:9200/twitter/tweet/_search?q=elasticsearch{ "took" : 24, "timed_out" : false, "_shards" : { "total" : 5, "successful" : 5, "failed" : 0 }, "hits" : { "total" : 1, Document "max_score" : 0.227, "hits" : [ { source "_index" : "twitter", "_type" : "tweet", "_id" : "1", "_score" : 0.227, "_source" : { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", […] } } ] }}
    38. 38. Les résultats• Elasticsearch renvoie les 10 premiers résultats. Il fournit l’API permettant de naviguer de page en page (from, size)• Par défaut, le tri est réalisé sur le score de pertinence
    39. 39. Query DSL• Requêtes précises : plutôt que de chercher « à la google », on peut utiliser des critères précis :
    40. 40. Query DSL• Requêtes précises : plutôt que de chercher « à la google », on peut utiliser des critères précis : $ curl -XPOST localhost:9200/twitter/tweet/_search -d ’{ "bool" : { "must" : { "term" : { "user" : "kimchy" } }, "must_not" : { "range" : { "age" : { "from" : 10, "to" : 20 } } }, "should" : [ { "term" : { "tag" : "wow" } },{ "match" : { "tag" : "elasticsearch is cool" } } ] } }’
    41. 41. Injecter les données Et au milieu coule une rivière
    42. 42. La collecte
    43. 43. La collecte Stockage Données
    44. 44. La collecteDoc Stockage Données
    45. 45. La collecte Stockage Données Doc
    46. 46. La collecteDoc Stockage Données Doc
    47. 47. La collecte Stockage Données Doc Doc
    48. 48. La collecte Stockage Données Doc Doc
    49. 49. La collecte Stockage Données Doc Doc
    50. 50. La collecte Stockage Données Doc Doc
    51. 51. La collecteDoc Stockage Données Doc Doc
    52. 52. La collecte Stockage Données Doc Doc
    53. 53. La collecte Stockage Données Doc Doc
    54. 54. Quelques Rivers...
    55. 55. Quelques Rivers...• CouchDB River
    56. 56. Quelques Rivers...• CouchDB River• MongoDB River
    57. 57. Quelques Rivers...• CouchDB River• MongoDB River• JDBC River
    58. 58. Quelques Rivers...• CouchDB River• MongoDB River• JDBC River• Wikipedia River
    59. 59. Quelques Rivers...• CouchDB River• MongoDB River• JDBC River• Wikipedia River• Twitter River
    60. 60. Quelques Rivers...• CouchDB River• MongoDB River• JDBC River• Wikipedia River• Twitter River• RabbitMQ River
    61. 61. Quelques Rivers...• CouchDB River• MongoDB River• JDBC River• Wikipedia River• Twitter River• RabbitMQ River• ActiveMQ River
    62. 62. Quelques Rivers...• CouchDB River• MongoDB River• JDBC River• Wikipedia River• Twitter River• RabbitMQ River• ActiveMQ River• RSS River
    63. 63. Quelques Rivers...• CouchDB River• MongoDB River• JDBC River• Wikipedia River• Twitter River• RabbitMQ River• ActiveMQ River• RSS River• LDAP River
    64. 64. Quelques Rivers...• CouchDB River• MongoDB River• JDBC River• Wikipedia River• Twitter River• RabbitMQ River• ActiveMQ River• RSS River• LDAP River• FS River
    65. 65. Quelques Rivers...• CouchDB River• MongoDB River• JDBC River• Wikipedia River• Twitter River• RabbitMQ River• ActiveMQ River• RSS River• LDAP River• FS River• Dropbox River
    66. 66. Quelques Rivers...• CouchDB River• MongoDB River• JDBC River• Wikipedia River• Twitter River• RabbitMQ River• ActiveMQ River• RSS River• LDAP River• FS River• Dropbox River• Dick Rivers
    67. 67. Analyser La puissance des facettes !Faites parler vos données en les regardant sous différentes facettes ! (Et en temps quasi réel, s’il vous plait !)
    68. 68. Des tweetsID Username Date Hashtag1 dadoonet 2012-04-18 12 ideo 2012-04-18 53 elasticsearch 2012-04-18 24 dadoonet 2012-04-18 25 ideo 2012-04-18 66 elasticsearch 2012-04-19 37 dadoonet 2012-04-19 38 ideo 2012-04-19 79 elasticsearch 2012-04-20 4
    69. 69. Term FacetD Username Date Hashtag1 dadoonet 2012-04-18 12 ideo 2012-04-18 53 elasticsearch 2012-04-18 24 dadoonet 2012-04-18 25 ideo 2012-04-18 66 elasticsearch 2012-04-19 37 dadoonet 2012-04-19 38 ideo 2012-04-19 79 elasticsearch 2012-04-20 4
    70. 70. Term FacetD Username Date Hashtag1 dadoonet 2012-04-18 12 ideo 2012-04-18 53 elasticsearch 2012-04-18Username 2 Count4 dadoonet 2012-04-18dadoonet 2 35 ideo 2012-04-18 ideo 6 36 elasticsearch 2012-04-19 elasticsearch 3 37 dadoonet 2012-04-19 38 ideo 2012-04-19 79 elasticsearch 2012-04-20 4
    71. 71. Term FacetD Username Date Hashtag1 dadoonet 2012-04-18 12 ideo 2012-04-18 53 elasticsearch 2012-04-18 24 dadoonet 2012-04-18 25 ideo 2012-04-18 66 elasticsearch 2012-04-19 37 dadoonet 2012-04-19 38 ideo 2012-04-19 79 elasticsearch 2012-04-20 4
    72. 72. Term FacetD Username Date Hashtag1 dadoonet 2012-04-18 "facets" : { 1 "users" : { "terms" : {"field" : "username"} } }2 ideo 2012-04-18 53 elasticsearch 2012-04-18 24 dadoonet 2012-04-18 25 ideo 2012-04-18 66 elasticsearch 2012-04-19 37 dadoonet 2012-04-19 38 ideo 2012-04-19 79 elasticsearch 2012-04-20 4
    73. 73. Term FacetD Username Date Hashtag1 dadoonet 2012-04-18 "facets" : { 1 "users" : { "terms" : {"field" : "username"} } }2 ideo 2012-04-18 5 "facets" : {3 elasticsearch 2012-04-18 "users" : { 2 "_type" : "terms",4 dadoonet 2012-04-18"missing" : 0,2 "total": 9,5 ideo 2012-04-18"other": 0, 6 "terms" : [6 elasticsearch 2012-04-19 { "term" : "dadoonet", "count" },3 }, 3 { "term" : "ideo", "count" : 3 : { "term" : "elasticsearch", "count" : 3 }7 dadoonet 2012-04-19] 3 }8 ideo 2012-04-19 } 79 elasticsearch 2012-04-20 4
    74. 74. Date Histogram Facet Date Hashtag 2012-04-18 1 2012-04-18 5h 2012-04-18 2 2012-04-18 2 2012-04-18 6h 2012-04-19 3 2012-04-19 3 2012-04-19 7h 2012-04-20 4
    75. 75. Date Histogram Facet Date Hashtag 2012-04-18 1 Par mois 2012-04-18 5 Date Counth 2012-04-18 2 2012-04 9 2012-04-18 2 2012-04-18 6h 2012-04-19 3 2012-04-19 3 2012-04-19 7h 2012-04-20 4
    76. 76. Date Histogram Facet Date Hashtag 2012-04-18 1 Par mois 2012-04-18 5 Date Counth 2012-04-18 2 2012-04 9 2012-04-18 2 2012-04-18 6 Par jourh 2012-04-19 3 Date Count 2012-04-19 3 2012-04-18 5 2012-04-19 7 2012-04-19 3h 2012-04-20 4 2012-04-20 1
    77. 77. Date Histogram Facet Date Hashtag 2012-04-18 1 2012-04-18 5h 2012-04-18 2 2012-04-18 2 2012-04-18 6h 2012-04-19 3 2012-04-19 3 2012-04-19 7h 2012-04-20 4
    78. 78. Date Histogram Facet Date Hashtag "facets" : { 2012-04-18 1 "perday" : { "date_histogram" : { 2012-04-18 5 "field" : "date", "interval" : "day" }h 2012-04-18 2 } } 2012-04-18 2 2012-04-18 6h 2012-04-19 3 2012-04-19 3 2012-04-19 7h 2012-04-20 4
    79. 79. Date Histogram Facet Date Hashtag "facets" : { 2012-04-18 1 "perday" : { "date_histogram" : { 2012-04-18 5 "field" : "date", "interval" : "day" }h 2012-04-18 2 } } 2012-04-18 2 "facets" : { 2012-04-18 6 "perday" : { "_type" : "date_histogram",h 2012-04-19 3 "entries": [ { "time": 1334700000000, "count": 5 }, 2012-04-19 3 { "time": 1334786400000, "count": 3 }, { "time": 1334872800000, "count": 1 } 2012-04-19 7 } ] }h 2012-04-20 4
    80. 80. Range FacetHashtag 1 5 2 2 6 3 3 7 4
    81. 81. Range FacetHashtag 1 5 2 Hashtag Count Min Max Moy Total 2 x<3 3 1 2 1.667 5 6 3 <= x < 5 3 3 4 3.333 10 3 x >= 5 3 5 7 6 18 3 7 4
    82. 82. Range FacetHashtag 1 5 2 2 6 3 3 7 4
    83. 83. Range Facet "facets" : { "hashtags" : { "range" : { "field" : "hashtag", "ranges" : [ { "to" : 3 },Hashtag { "from" : 3, "to" : 5 }, { "from" : 5 } ] } } } 1 5 2 2 6 3 3 7 4
    84. 84. Range Facet "facets" : { "hashtags" : { "range" : { "field" : "hashtag", "ranges" : [ { "to" : 3 },Hashtag { "from" : 3, "to" : 5 }, { "from" : 5 } ] } } } 1 "facets" : { 5 "hashtags" : { "_type" : "range", 2 "ranges" : [ { "to": 3, 2 "count": 3, "min": 1, "max": 2, 6 "total": 5, "mean": 1.667 }, { "from":3, "to" : 5, 3 "count": 3, "min": 3, "max": 4, 3 "total": 10, "mean": 3.333 },{ 7 "from":5, "count": 3, 4 "min": 5, "max": 7, "total": 18, "mean": 6 } ] } }
    85. 85. Site marchand
    86. 86. Site marchand
    87. 87. Site marchand
    88. 88. Site marchand
    89. 89. Site marchand Ranges Term Term Ranges
    90. 90. Analyse temps-réel• Faire un matchAll sur lensemble des données• Actualiser toutes les x secondes• Indexer en même temps les nouvelles données Date histogram Term
    91. 91. FacettesCartographiques
    92. 92. Reprenons notre formulaire
    93. 93. Reprenons notre formulaire Recherche Full Text
    94. 94. Reprenons notre formulaire
    95. 95. Reprenons notre formulaire
    96. 96. DémonstrationAvez-vous fait du bruit ?
    97. 97. Architecture
    98. 98. Architecture
    99. 99. Architecture Twitter Streaming API
    100. 100. Architecture Twitter Streaming API
    101. 101. Architecture Twitter Twitter Streaming River API$ curl -XPUT localhost:9200/_river/twitter/_meta -d { "type" : "twitter", "twitter" : { "user" : "twitter_user", "password" : "twitter_password", "filter" : { "tracks" : ["elasticsearch"] } }}
    102. 102. ArchitectureChrome Twitter Twitter Streaming River API $ curl -XPUT localhost:9200/_river/twitter/_meta -d { "type" : "twitter", "twitter" : { "user" : "twitter_user", "password" : "twitter_password", "filter" : { "tracks" : ["elasticsearch"] } } }
    103. 103. Démonstrationhttp://onemilliontweetmap.com/
    104. 104. ArchitectureUn peu plus de technique : partitions / réplications / scalabilité
    105. 105. Lexique
    106. 106. Lexique• Nœud (node) : Une instance dElasticsearch (~ machine ?)
    107. 107. Lexique• Nœud (node) : Une instance dElasticsearch (~ machine ?)• Cluster : Un ensemble de nœuds
    108. 108. Lexique• Nœud (node) : Une instance dElasticsearch (~ machine ?)• Cluster : Un ensemble de nœuds• Partition (shard) : permet de découper un index en plusieurs parties pour y distribuer les documents
    109. 109. Lexique• Nœud (node) : Une instance dElasticsearch (~ machine ?)• Cluster : Un ensemble de nœuds• Partition (shard) : permet de découper un index en plusieurs parties pour y distribuer les documents• Réplication (replica) : recopie d’une partition en une ou plusieurs copies dans lensemble du cluster
    110. 110. Lexique• Nœud (node) : Une instance dElasticsearch (~ machine ?)• Cluster : Un ensemble de nœuds• Partition (shard) : permet de découper un index en plusieurs parties pour y distribuer les documents• Réplication (replica) : recopie d’une partition en une ou plusieurs copies dans lensemble du cluster• Partition primaire (primary shard) : partition élue "principale" dans lensemble du cluster. Cest là que se fait lindexation par Lucene. Il ny en a quune seule par shard dans lensemble du cluster.
    111. 111. Lexique• Nœud (node) : Une instance dElasticsearch (~ machine ?)• Cluster : Un ensemble de nœuds• Partition (shard) : permet de découper un index en plusieurs parties pour y distribuer les documents• Réplication (replica) : recopie d’une partition en une ou plusieurs copies dans lensemble du cluster• Partition primaire (primary shard) : partition élue "principale" dans lensemble du cluster. Cest là que se fait lindexation par Lucene. Il ny en a quune seule par shard dans lensemble du cluster.• Partition secondaire (secondary shard) : partitions secondaires stockant les replicas des partitions primaires.
    112. 112. Créons un index Cluster Nœud 1 Client CURL
    113. 113. Créons un index$ curl -XPUT localhost:9200/twitter -d { Cluster "index" : { Nœud 1 "number_of_shards" : 2, "number_of_replicas" : 1 Shard 0 } Shard 1} réplication non respectée Client CURL
    114. 114. Créons un index$ curl -XPUT localhost:9200/twitter -d { Cluster "index" : { Nœud 1 Nœud 2 "number_of_shards" : 2, "number_of_replicas" : 1 Shard 0 Shard 0 }} Shard 1 Shard 1 réplication respectée Client CURL
    115. 115. Réallocation dynamique Cluster Nœud 1 Nœud 2 Shard 0 Shard 0 Shard 1 Shard 1
    116. 116. Réallocation dynamique Cluster Nœud 1 Nœud 2 Nœud 3 Shard 0 Shard 0 Shard 1 Shard 1
    117. 117. Réallocation dynamique Cluster Nœud 1 Nœud 2 Nœud 3 Shard 0 Shard 0 Shard 0 Shard 1 Shard 1
    118. 118. Réallocation dynamique Cluster Nœud 1 Nœud 2 Nœud 3 Shard 0 Shard 0 Shard 1 Shard 1
    119. 119. Réallocation dynamique Cluster Nœud 1 Nœud 2 Nœud 3 Shard 0 Shard 0 Shard 1 Shard 1
    120. 120. Réallocation dynamique Cluster Nœud 1 Nœud 2 Nœud 3 Nœud 4 Shard 0 Shard 0 Shard 1 Shard 1
    121. 121. Réallocation dynamique Cluster Nœud 1 Nœud 2 Nœud 3 Nœud 4 Shard 0 Shard 0 Shard 1 Shard 1 Shard 1
    122. 122. Réallocation dynamique Cluster Nœud 1 Nœud 2 Nœud 3 Nœud 4 Shard 0 Shard 0 Shard 1 Shard 1 Le tuning, cest trouver le bon équilibre entre le nombre de nodes, shards et replicas !
    123. 123. Indexons un document Cluster Nœud 1 Nœud 2 Nœud 3 Nœud 4 Shard 0 Shard 0 Shard 1 Shard 1 Doc 1 Client $ curl -XPUT localhost:9200/twitter/tweet/1 -d CURL { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", ... }
    124. 124. Indexons un document Cluster Nœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Shard 0 1 Shard 0 Shard 1 Shard 1 Client $ curl -XPUT localhost:9200/twitter/tweet/1 -d CURL { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", ... }
    125. 125. Indexons un document Cluster Nœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Shard 0 1 Shard 0 Shard 1 Shard 1 Client $ curl -XPUT localhost:9200/twitter/tweet/1 -d CURL { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", ... }
    126. 126. Indexons un document Cluster Nœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Doc Shard 0 1 Shard 0 1 Shard 1 Shard 1 Client $ curl -XPUT localhost:9200/twitter/tweet/1 -d CURL { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", ... }
    127. 127. Indexons un 2ème document ClusterNœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Doc Shard 0 1 Shard 0 1 Shard 1 Shard 1 Doc 2 Client $ curl -XPUT localhost:9200/twitter/tweet/2 -d CURL { "text": "Je fais du bruit pour #elasticsearch à #JUG", "created_at": "2012-04-06T21:12:52.000Z", "source": "Twitter for iPad", ... }
    128. 128. Indexons un 2ème document ClusterNœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Doc Shard 0 1 Shard 0 1 Shard 1 Shard 1 Doc 2 Client $ curl -XPUT localhost:9200/twitter/tweet/2 -d CURL { "text": "Je fais du bruit pour #elasticsearch à #JUG", "created_at": "2012-04-06T21:12:52.000Z", "source": "Twitter for iPad", ... }
    129. 129. Indexons un 2ème document ClusterNœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Doc Shard 0 1 Shard 0 1 Shard 1 Doc Shard 1 2 Client $ curl -XPUT localhost:9200/twitter/tweet/2 -d CURL { "text": "Je fais du bruit pour #elasticsearch à #JUG", "created_at": "2012-04-06T21:12:52.000Z", "source": "Twitter for iPad", ... }
    130. 130. Indexons un 2ème document ClusterNœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Doc Shard 0 1 Shard 0 1 Shard 1 Doc Shard 1 2 Client $ curl -XPUT localhost:9200/twitter/tweet/2 -d CURL { "text": "Je fais du bruit pour #elasticsearch à #JUG", "created_at": "2012-04-06T21:12:52.000Z", "source": "Twitter for iPad", ... }
    131. 131. Indexons un 2ème document ClusterNœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Doc Shard 0 1 Shard 0 1 Doc Doc Shard 1 Shard 1 2 2 Client $ curl -XPUT localhost:9200/twitter/tweet/2 -d CURL { "text": "Je fais du bruit pour #elasticsearch à #JUG", "created_at": "2012-04-06T21:12:52.000Z", "source": "Twitter for iPad", ... }
    132. 132. Cherchons ! ClusterNœud 1 Nœud 2 Nœud 3 Nœud 4 Doc DocShard 0 1 Shard 0 1 Doc Doc Shard 1 Shard 1 2 2 Client $ curl localhost:9200/twitter/_search?q=elasticsearch CURL
    133. 133. Cherchons ! ClusterNœud 1 Nœud 2 Nœud 3 Nœud 4 Doc DocShard 0 1 Shard 0 1 Doc Doc Shard 1 Shard 1 2 2 Client $ curl localhost:9200/twitter/_search?q=elasticsearch CURL
    134. 134. Cherchons ! ClusterNœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Shard 0 Shard 0 1 Doc Shard 1 Shard 1Doc 2 Doc 1 2 Client $ curl localhost:9200/twitter/_search?q=elasticsearch CURL
    135. 135. Cherchons ! ClusterNœud 1 Nœud 2 Nœud 3 Nœud 4 DocShard 0 Shard 0 1 Doc Shard 1 Shard 1 2 Doc Doc 2 1 Client $ curl localhost:9200/twitter/_search?q=elasticsearch CURL
    136. 136. Cherchons ! { Cluster "took" : 24,Nœud 1 "timed_out" : false,Nœud 3 Nœud 2 Nœud 4 "_shards" : { "total" : 5, "successful" : 5, "failed" : 0 }, DocShard 0 "hits" : { Shard 0 1 "total" : 2, "max_score" : 0.227, Doc Shard 1 "hits" : [ { Shard 1 2 "_index" : "twitter", "_type" : "tweet", "_id" : "1", "_score" : 0.227, "_source" : { ... } Doc }, { Doc 2 "_index" : "twitter", 1 Client "_type" : "tweet", $ curl localhost:9200/twitter/_search?q=elasticsearch CURL "_id" : "2", "_score" : 0.152, "_source" : { ... } } ] }
    137. 137. Cherchons encore ! Cluster Nœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Doc Shard 0 1 Shard 0 1 Doc Doc Shard 1 Shard 1 2 2 Client $ curl localhost:9200/twitter/_search?q=elasticsearch CURL
    138. 138. Cherchons encore ! Cluster Nœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Doc Shard 0 1 Shard 0 1 Doc Doc Shard 1 Shard 1 2 2 Client $ curl localhost:9200/twitter/_search?q=elasticsearch CURL
    139. 139. Cherchons encore ! Cluster Nœud 1 Nœud 2 Nœud 3 Nœud 4 Doc Shard 0 1 Shard 0 Doc 1 Shard 1 Doc Doc Shard 1 2 2 Client $ curl localhost:9200/twitter/_search?q=elasticsearch CURL
    140. 140. Cherchons encore ! Cluster Nœud 1 Nœud 2 Nœud 3 Doc Shard 0 1 Shard 0 Doc 1 Shard 1 Doc 2 Client $ curl localhost:9200/twitter/_search?q=elasticsearch CURL
    141. 141. Cherchons encore ! Cluster Nœud 1 Nœud 2 Nœud 3 Doc Shard 0 1 Shard 0 Doc 1 Shard 1 Doc 2 Client $ curl localhost:9200/twitter/_search?q=elasticsearch CURL
    142. 142. Cherchons encore ! Cluster Nœud 1 Nœud 2 Nœud 3 Doc Shard 0 1 Shard 0 Shard 1 Doc Doc 1 2 Client $ curl localhost:9200/twitter/_search?q=elasticsearch CURL
    143. 143. Cherchons encore ! Cluster Nœud 1 Nœud 2 Nœud 3 Doc Shard 0 1 Shard 0 Shard 1 Doc Doc 2 1 Client $ curl localhost:9200/twitter/_search?q=elasticsearch CURL
    144. 144. Cherchons encore ! { Cluster "took" : 24, Nœud 1 "timed_out" : false,Nœud 3 Nœud 2 "_shards" : { "total" : 5, "successful" : 5, "failed" : 0 }, Doc Shard 0 1 "hits" : { Shard 0 "total" : 2, "max_score" : 0.227, Shard 1 "hits" : [ { "_index" : "twitter", "_type" : "tweet", "_id" : "1", "_score" : 0.227, "_source" : { ... } Doc }, { 2 Doc "_index" : "twitter", 1 Client "_type" : "tweet", $ curl localhost:9200/twitter/_search?q=elasticsearch CURL "_id" : "2", "_score" : 0.152, "_source" : { ... } } ] }
    145. 145. La percolation Ou la recherche inversée
    146. 146. Usage courant d’un moteur de recherche• J’indexe un document• Je cherche de temps en temps si un document m’intéresse• Avec de la chance, il sera bien placé au niveau pertinence dans les résultats. Sinon, il passe inaperçu !
    147. 147. La recherche inversée• Enregistrer ses critères de recherche• A chaque document indexé, on récupère la liste des recherches qui correspondent• On a un « listener » sur le moteur d’indexation : le percolator
    148. 148. Usage du percolator$ curl -XPOST localhost:9200/_percolator/twitter/dadoonet -d ’{ "query" : { "term" : { "user.screen_name" : "dadoonet" } }}’$ curl -XPOST localhost:9200/_percolator/twitter/elasticsearch -d ’{ "query" : { "match" : { "hashtag.text" : "elasticsearch" } }}’$ curl -XPOST localhost:9200/_percolator/twitter/mycomplexquery -d ’{ "query" : { "bool" : { "must" : { "term" : { "user" : "kimchy" } }, "must_not" : { "range" : { "age" : { "from" : 10, "to" : 20 } } }, "should" : [ { "term" : { "tag" : "wow" } },{ "match" : { "tag" : "elasticsearch is cool" } } ] } }}’
    149. 149. Usage du percolator
    150. 150. Usage du percolator$ curl -XPUT localhost:9200/twitter/tweet/1&percolate=* -d { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", "truncated": false, "retweet_count": 0, "hashtag": [ { "text": "elasticsearch", "start": 27, "end": 40 }, { "text": "JUG", "start": 47, "end": 55 } ], "user": { "id": 51172224, "name": "David Pilato", "screen_name": "dadoonet", "location": "France", "description": "Soft Architect, Project Manager, SeniorDevelopper.rnAt this time, enjoying NoSQL world : CouchDB, ElasticSearch.rnDeeJay 4 times a year, just for fun !" }}
    151. 151. Usage du percolator$ curl -XPUT localhost:9200/twitter/tweet/1&percolate=* -d { "text": "Bienvenue à la conférence #elasticsearch pour #JUG", "created_at": "2012-04-06T20:45:36.000Z", "source": "Twitter for iPad", "truncated": false, "retweet_count": 0, "hashtag": [ { "text": "elasticsearch", "start": 27, "end": 40 }, { "text": "JUG", "start": 47, "end": 55 } ], "user": { "id": 51172224, "name": "David Pilato", "screen_name": "dadoonet", "location": "France", "description": "Soft Architect, Project Manager, SeniorDevelopper.rnAt this time, enjoying NoSQL world : CouchDB, ElasticSearch.rnDeeJay 4 times a year, just for fun !" }}{ "ok": true, "_index": "twitter", "_type": "tweet", "_id": "1", "matches": [ "dadoonet", "elasticsearch" ]}
    152. 152. Tout doit être indexé ? Analyse et mapping
    153. 153. The lazy dog...
    154. 154. The lazy dog... The quick brown foxjumped over the lazy Dog
    155. 155. The lazy dog... The quick brown foxjumped over the lazy Dog The quick brown foxjumped over the lazy dog
    156. 156. Analyseur standard$ curl -XPOST localhost:9200/test/_analyze?analyzer=standard&pretty=1 -dThe quick brown fox jumped over the lazy Dog
    157. 157. Analyseur standard$ curl -XPOST localhost:9200/test/_analyze?analyzer=standard&pretty=1 -dThe quick brown fox jumped over the lazy Dog{ "tokens" : [ { "token" : "quick", "start_offset": 4, "end_offset": 9, "type": "<ALPHANUM>", "position": 2 }, { "token" : "brown", "start_offset": 10, "end_offset": 15, "type": "<ALPHANUM>", "position": 3 }, { "token" : "fox", "start_offset": 16, "end_offset": 19, "type": "<ALPHANUM>", "position": 4 }, { "token": "jumped", "start_offset": 20, "end_offset": 26, "type": "<ALPHANUM>", "position": 5 }, { "token": "over", "start_offset": 27, "end_offset": 31, "type": "<ALPHANUM>", "position": 6 }, { "token" : "lazy", "start_offset": 36, "end_offset": 40, "type": "<ALPHANUM>", "position": 8 }, { "token" : "dog", "start_offset": 41, "end_offset": 44, "type": "<ALPHANUM>", "position": 9 } ] }
    158. 158. Analyseur whitespace$ curl -XPOST localhost:9200/test/_analyze?analyzer=whitespace&pretty=1 -dThe quick brown fox jumped over the lazy Dog
    159. 159. Analyseur whitespace$ curl -XPOST localhost:9200/test/_analyze?analyzer=whitespace&pretty=1 -dThe quick brown fox jumped over the lazy Dog{ "tokens" : [ { "token" : "The", ... }, { "token" : "quick", ... }, { "token" : "brown", ... }, { "token" : "fox", ... }, { "token" : "jumped", ... }, { "token" : "over", ... }, { "token" : "the", ... }, { "token" : "lazy", ... }, { "token" : "Dog", ... } ] }
    160. 160. Un analyseur Un ensemblede tokenizers et de filtres
    161. 161. Un tokenizer• Découpe une chaine en « mots » et transforme :• whitespace tokenizer : "the dog!" -> "the", "dog!"• standard tokenizer : "the dog!" -> "the", "dog"
    162. 162. Un filtre• Supprime ou transforme un token : • asciifolding filter : éléphant -> elephant • stemmer filter (french) : elephants -> "eleph" cheval -> "cheval" chevaux -> "cheval" • phonetic (plugin) : quick -> "Q200" quik -> "Q200"
    163. 163. Analyzer"analysis":{ "analyzer":{ "francais":{ "type":"custom", "tokenizer":"standard", "filter":["lowercase", "stop_francais", "fr_stemmer", "asciifolding", "elision"] } }, "filter":{ "stop_francais":{ "type":"stop", "stopwords":["_french_", "twitter"] }, "fr_stemmer" : { "type" : "stemmer", "name" : "french" }, "elision" : { "type" : "elision", "articles" : ["l", "m", "t", "qu", "n", "s", "j", "d"] } } }
    164. 164. Mapping"type1" : { "properties" : { "text1" : { "type" : "string", "analyzer" : "simple" }, "text2" : { "type" : "string", "index_analyzer" : "simple", "search_analyzer" : "standard" }, "text3" : { "type" : "multi_field", "fields" : { "text3" : { "type" : "string", "analyzer" : "standard" }, "ngram" : { "type" : "string", "analyzer" : "ngram" }, "soundex" : { "type" : "string", "analyzer" : "soundex" } } } }}
    165. 165. Les types• string • multi_field• integer / long • ip• float / double • geo_point• boolean • geo_shape• null • binary• array • attachment (plugin)• objects
    166. 166. Champs spéciaux• _all (et include_in_all)• _source• _ttl• parent / child• nested
    167. 167. Autres fonctionnalités• highlighting• scoring• sort• explain• multi get / multi search• bulk
    168. 168. Démonstrations www.scrutmydocs.org CURL est ton ami !JAVA est aussi ton ami !
    169. 169. Démonstrations www.scrutmydocs.org CURL est ton ami !JAVA est aussi ton ami !
    170. 170. La communauté~100 contributeurs directs au projet (+ de 2800 watchers et + de 470 forks)
    171. 171. La communauté~100 contributeurs directs au projet (+ de 2800 watchers et + de 470 forks)
    172. 172. Rejoignez le mouvement ! @ElasticsearchFR www.elasticsearch.fr ss re og pr in Questions ? Posez aussi vos questions sur elasticsearch-fr@googlegroups.comSlides sur http://fr.slideshare.net/dadoonet Sources sur https://github.com/dadoonet/talks

    ×