摘要：
本文是对ElasticSearch组件初步学习的一个知识总结，包括如下章节的内容： 概述 快速上手 逻辑概念 用户接口 关于ELKB 预备知识： 1、本文对ElasticSerach的介绍会涉及与关系数据库的对比，为了更好地学习，可提前对关系数据库的基本概念有所了解。 2、ElasticSerach 阅读全文
摘要：
ELK起源 简介 日常工作中会面临很多问题，处理问题时候。怎么解决问题？ 通过工作经验，迅速判断问题出在哪。 通过日志 系统日志：/var/log 目录下的问题的文件 程序日志： 代码日志（项目代码输出的日志） 服务应用日志 nginx、HAproxy、lvs tomcat、php-fpm redi 阅读全文
摘要：
elasticsearch（集群）中可以包含多个索引（数据库），每个索引中可以包含多个类型（表），每个类型下又包含多个文档（行），每个文档中又包含多个字段（列）。 物理设计，在elasticsearch后台是如何处理这些数据的呢？elasticsearch将每个索引划分为多个分片，每份分片又可以在集 阅读全文
摘要：
11 找到两个array中的通用项，并保存在新的array中 例如：输入a = np.array([1,2,3,2,3,4,3,4,5,6])，b = np.array([7,2,10,2,7,4,9,4,9,8])输出array([2, 4]) a = np.array([1,2,3,2,3,4, 阅读全文
摘要：
6 替换array中的元素，并赋值给新的array 例如： 输入arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) 输出out为array([ 0, -1, 2, -1, 4, -1, 6, -1, 8, -1]) arr为array([0, 1, 2, 3 阅读全文
摘要：
1 如何查看np版本 import numpy as np print(np.__version__) 2 如何创建一维数据array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) arr = np.arange(0,10) arr 输出： array([0, 1, 2, 3, 4 阅读全文
摘要：
操作系统到底在干啥? 如果由笔者来概括，操作系统大概做了两件事情，计算与IO，任何具体数学计算或者逻辑判断，或者业务逻辑都是计算，而网络交互，磁盘交互，人机之间的交互都是IO。 高并发的瓶颈在哪? 大多数时候在IO上面。注意，这里说得是大多数，不是说绝对。 因为大多数时候业务本质上都是从数据库或者其 阅读全文
摘要：
DataFrame中的apply方法 import pandas as pd # 生成DF数据 gfg_string = 'geeksforgeeks' gfg_list = 5 * [pd.Series(list(gfg_string))] gfg_df = pd.DataFrame(data = 阅读全文
摘要：
把DataFrame中'Min.Price', 'Max.Price'缺失的值用该列的均值填充 现有数据如下： df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/Cars93_miss.csv') 阅读全文
摘要：
查询df中指定行与列的数据 现有数据如下： df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/Cars93_miss.csv') 查询最贵的价格，解决方式如下： np.max(df.Price) 输 阅读全文