快速入门Elasticsearch：安装、基本概念、分词器和文档基本操作详解

本文主要介绍快速入门 Elasticsearch，从 安装 、 基本概念 、 分词器 、*** 文档基本操作 *** 这 4 个方面快速入门。

Elasticsearch 是一款近实时的搜索引擎，底层是基于 Lucene 做搜索，再此基础上加入了分布式的特性，以便支持海量数据的存储和搜索。

1、安装在这里插入图片描述

1.1、安装 ES

安装 ES，就 3 步： 下载解压 、 修改配置文件 、 启动 ，本文选择的 ES 版本是7.10.2。

1.1.1、在 Linux 机器下载对应版本，然后解压

# 下载
wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.10.2-linux-x86_64.tar.gz
# 解压
tar -zxvf elasticsearch-7.10.2-linux-x86_64.tar.gz
mv elasticsearch-7.10.2 elasticsearch

1.1.2、修改配置文件

进入elasticsearch目录下的 elasticsearch.yml修改如下属性：

cluster.name：集群名称，根据自己业务启个合适的名字

node.name：给节点起个名字，一般使用node-1 、node-2 、…

path.data：数据存放的位置，比如：/data/elasticsearch/data

path.logs：日志存放的位置，比如：/data/elasticsearch/logs

network.host：配置成本机 IP 地址，用于集群机器之间相互通信。

http.port：ES 服务访问的端口号，比如：9200

discovery.seed_hosts：配置为 master 候选者节点。如果要与其他节点组成集群，这里必须配置。比如：["10.20.1.29", "10.20.0.91", "10.20.0.93"]

cluster.initial_master_nodes：首次启动集群时，配置主节点的候选节点，该配置里的节点都是候选节点。比如：["node-1", "node-2", "node-3"]

1.1.3、启动

进入到elasticsearch目录下执行如下命令启动 ES。

./bin/elasticsearch -d

不过一般会出现如下 3 个错误，一个个搜索解决就行：

  • 不能以 root 用户启动 ES，所以在启动之前要先创建一个系统用户，然后su xxxxxx切换到该用户去启动。
  • 虚拟内存不够，报错如下：max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]。此时需要修改sysctl.conf文件，vim /etc/sysctl.conf进入文件，调大vm.max_map_count=262144。
  • 可操作性的文件句柄数不够，报错如下：max file descriptors [65535] for elasticsearch process is too low。进入文件vim /etc/security/limits.conf，调大句柄数。
*** hard nofile 65536
*** soft nofile 65536

1.1.4、访问 ES

访问 ES 地址http://10.20.1.29:9200/，出现如下界面说明成功。

1.2、安装 ES 集群

比如安装一个 3 台节点的集群，每台节点安装步骤与单机类似，都是 下载解压 、 修改配置文件 、 启动 。配置需要注意的地方是discovery.seed_hosts和cluster.initial_master_nodes，集群场景下要配置多台。如果安装分词器，每台节点都需要安装，下面会介绍到。

1.3、安装集群可视化工具

一般会使用 Chrome 插件Multi Elasticsearch Head或者Cerebro这两款工具观察 ES 集群的整体情况。

1.3.1、安装 Chrome 插件 - Multi Elasticsearch Head

直接在 Chrome 浏览器应用市场搜索安装Multi Elasticsearch Head。安装完之后输入 ES 集群地址，就可以看到集群概况了。这个工具里也有其他功能，很少会使用到，一般只用来观察集群和查看索引数据。

1.3.2、安装 Cerebro

Cerebro 这款工具与Multi Elasticsearch Head类似，也是用来管理 ES 集群。Cerebro 项目地址：https://github.com/lmenezes/cerebro，这个项目也是好久没更新了。

安装过程 ，如下：

wget https://github.com/lmenezes/cerebro/releases/download/v0.9.4/cerebro-0.9.4.tgz
tar -zxvf cerebro-0.9.4.tgz
cd cerebro-0.9.4
./bin/cerebro >> cerebro.log 2>&1 &

安装之后，界面如下：

1.4、安装 Kibana

Kibana 是数据分析和数据可视化平台，一般配合 ELK 作为日志整理解决方案，用它来查看日志。虽然有许多应用场景，不过笔者一般用它来查询 ES 数据，或者调试 ES 的接口。

其实Multi Elasticsearch Head和Cerebro也有查询数据的功能，但是整体使用起来没有 Kibana 方便，也没有智能提示。所以如果想查询 ES 数据，或者调试 ES 接口，还是非常建议使用 Kibana。

安装过程 ，如下：

  1. 下载解压
wget https://artifacts.elastic.co/downloads/kibana/kibana-7.10.0-linux-x86_64.tar.gz
tar -zxvf kibana-7.10.0-linux-x86_64.tar.gz
mv kibana-7.10.0-linux-x86_64 kibana
cd kibana
  1. 修改配置
    server.host：方便外部访问，此处改成 “0.0.0.0”
    elasticsearch.hosts：把 ES 集群地址全部写上
  2. 启动，注意备注里写的停止的步骤
# 启动使用如下命令
# 但是停止kibana进程时，需要使用 netstat -tunlp|grep 5601 命令找到进程号，然后kill。
# 直接使用ps -ef|grep kibana是找不到进程的，因为kibana运行在nodejs进程里，或者使用 ps -ef|grep node 查找Nodejs进程，然后kill
./bin/kibana >> kibana.log 2>&1 &
  1. 访问，http://10.20.1.29:5601/app/dev_tools#/console，进入到开发工具界面：

1.5、简单运行

一般读写 ES 分为 3 步：创建 Mapping、写入数据、查询数据。

1.5.1、创建 Mapping ，比如创建一个 testusers 数据结构

PUT testusers
{"mappings": {"properties": {"id": {"type": "keyword"},"name": {"type": "text"},"age": {"type": "integer"}}}
}

结果如下：

1.5.2、写入数据

POST /testusers/_doc
{"id":"1","name":"不焦躁的程序员","age":10
}

1.5.3、查询数据

POST /testusers/_search
{"query": {"match_phrase": {"name": "不焦躁"}}
}

结果如下：

2、基本概念

基础工作准备好之后，就开始了解 Elasticsearch 里的基本概念了。

ES 的基本概念除了集群、节点之外，还有： 索引 、 Mapping 、 文档 、 字段 、 分词 、 分词器 、 分片 、 副本 、 倒排索引 。

  • 索引 ：索引是某一类文档的集合，类似 Mysql 的数据库。
  • Mapping ：Mapping 是定义索引中有哪些字段，以及字段类型，以及字段是否会分词等，类似数据库中定义的表结构。
  • 文档 ：文档就是索引里的一条记录，类似数据库表中的一行记录。
  • 字段 ：文档有一个或多个字段，每个字段有指定的类型，常用的类型有：keyword、text、数字类型（integer、long、float、double 等）、日期类型、对象类型等。类型是text类型时，创建文档时 ES 会对该字段进行分词操作，其余类型则不会做分词。
  • 分词 ：ES 里最核心的概念就是分词了，ES 会对text类型的字段进行分词，分词后就会得到一个个的词项，常用Term表述。
  • 分词器 ：ES 里有各种各样的分词器，用于不用场景下对text类型的字段进行分词。
  • 分片 ：分片实际上是将某个索引的数据切分成多个块，然后均匀地将各个块分配到集群里的各个 Node 节点上。可以通过 ES 的策略查找数据块所在的 Node。这种方案是面向海量数据而设计的，这样数据可以分布在各个节点上，数据量扩张时通过扩充 Node 数量来快速解决。
  • 副本 ：只要涉及到分布式的场景，几乎都有副本的概念。副本主要是为了备份数据，保障数据的安全性。同时也可以将查询请求分摊到各个副本里，缓解系统压力，提高吞吐量。ES 里的数据分为主分片和副本分片，写数据时先写入主分片，然后在异步写入副本分片。
  • 倒排索引 ：比如我们常用的数据库索引，是把索引字段建立目录，保存目录和数据的关系，然后根据目录去查找文档，使用 B+ 树来实现。但是倒排索引（又称反向索引），是根据分词后的 Term 与文档建立关系，每个 Term 都对应着一堆文档，然后搜索文本时先将文本分词，然后去匹配 Term，然后再去根据匹配的得分找出相关文档。

3、分词器

分词说白了通过分词器将文本转换为各种 Term 的过程。ES 内置了多种分词器，Standard Analyzer 是默认的分词器，它将文本按单词切分并且转为小写，一般用于英文分词，另外还有多种中文分词器，本文以 IK 分词器为例。

3.1安装 IK 分词器

在中文场景下，一般会选择IK 分词器。IK分词器需要单独安装，如果是集群场景，每台节点都需要安装，安装如下：

./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.10.2/elasticsearch-analysis-ik-7.10.2.zip

在每个节点安装之后，需要重启 ES 才能使IK分词器 插件生效。

3.2 查看分词效果

重启后，可以在 Kibana 中测试一下IK 分词器的效果。IK 分词器有两种模式： ik_max_word 和 ik_smart ：

  • ik_max_word： 会做细粒度的拆分，尽量找出各种可能的组合。ik_max_word 适合 Term 词项查询，因为 Term 查询不会对查询文本做分词，所以最好是在创建文档尽量拆分出更多可能性的词，才能尽量的与查询文本匹配上。Term词项查询会在下文介绍。
  • ik_smart： 类似于稍微聪明点的分词，拆分粒度会粗一些。ik_smart 适合 match phrase 短语匹配查询。因为 match phrase 短语匹配查询要求查询文本被分词后要被连续匹配上，所以最好文档在分词时尽量分的粒度要粗一些。match phrase 短语匹配查询会在下文介绍。

测试 ik_max_word 场景：

POST _analyze
{  "analyzer": "ik_max_word","text": "中华人民共和国国歌"  
}

ik_max_word 场景的结果：

{"tokens" : [{"token" : "中华人民共和国","start_offset" : 0,"end_offset" : 7,"type" : "CN_WORD","position" : 0},{"token" : "中华人民","start_offset" : 0,"end_offset" : 4,"type" : "CN_WORD","position" : 1},{"token" : "中华","start_offset" : 0,"end_offset" : 2,"type" : "CN_WORD","position" : 2},{"token" : "华人","start_offset" : 1,"end_offset" : 3,"type" : "CN_WORD","position" : 3},{"token" : "人民共和国","start_offset" : 2,"end_offset" : 7,"type" : "CN_WORD","position" : 4},{"token" : "人民","start_offset" : 2,"end_offset" : 4,"type" : "CN_WORD","position" : 5},{"token" : "共和国","start_offset" : 4,"end_offset" : 7,"type" : "CN_WORD","position" : 6},{"token" : "共和","start_offset" : 4,"end_offset" : 6,"type" : "CN_WORD","position" : 7},{"token" : "国","start_offset" : 6,"end_offset" : 7,"type" : "CN_CHAR","position" : 8},{"token" : "国歌","start_offset" : 7,"end_offset" : 9,"type" : "CN_WORD","position" : 9}]
}

测试 ik_smart 场景:

POST _analyze
{  "analyzer": "ik_smart","text": "中华人民共和国国歌"  
}

ik_smart 场景结果：

{"tokens" : [{"token" : "中华人民共和国","start_offset" : 0,"end_offset" : 7,"type" : "CN_WORD","position" : 0},{"token" : "国歌","start_offset" : 7,"end_offset" : 9,"type" : "CN_WORD","position" : 1}]
}

4、文档基本操作

以上将入门内容讲完，下面做一些文档实操。文档基本操作包括：创建索引、新建文档、更新文档、删除文档、查询文档。

4.1、创建 Mapping、创建索引

创建 Mapping，实际上也是创建索引。

PUT /goods
{"mappings": {"properties": {"brandName": {"type": "keyword"},"categoryName": {"type": "keyword"},"createTime": {"type": "date","format": "yyyy-MM-dd HH:mm:ss"},"id": {"type": "keyword"},"price": {"type": "double"},"saleNum": {"type": "integer"},"status": {"type": "integer"},"stock": {"type": "integer"},"title": {"type": "text","analyzer": "ik_max_word","search_analyzer": "ik_smart"}}}
}

4.2、新建文档

有 2 种方式，Index API方式 和 Create API方式：

  • Index API 方式 ，这种方式创建文档时，碰到相同的文档 id，依旧会创建成功，但会删掉旧的创建新的。

PUT 索引名称/_doc/文档id

PUT goods/_doc/1
{"id": 1,"brandName": "Apple","categoryName": "手机","createTime": "2023-10-22 19:12:56","price": 8799,"saleNum": 599,"status": 0,"stock": 1000,"title": "Apple iPhone 13 Pro (A2639) 256GB 远峰蓝色 支持移动联通电信5G 双卡双待手机"
}
  • Create API 方式 ，这种方式创建文档时，碰到相同文档 id，则创建失败。

PUT 索引名称/_create/文档id

PUT goods/_create/1
{"id": 1,"brandName": "Apple","categoryName": "手机","createTime": "2023-10-22 19:12:56","price": 8799,"saleNum": 599,"status": 0,"stock": 1000,"title": "Apple iPhone 13 Pro (A2639) 256GB 远峰蓝色 支持移动联通电信5G 双卡双待手机"
}

4.3、更新文档

POST 索引名称/_update/文档id

POST goods/_update/1
{"doc": {"title":"Apple iPhone 13 Pro (A2639) 256GB 远峰蓝色 支持移动联通电信5G 双卡双待手机111"}
}

4.4、删除文档

DELETE 索引名称/文档id

DELETE goods/_doc/1

4.5、查询文档

查询主要分为： match 匹配查询 、 term 词项查询 、 组合查询 、 聚合统计 。本文主要介绍 match 匹配查询和 term 词项查询 。

4.5.1 match 匹配查询

  • match 匹配查询

如果查询字段是文本，则会对文本进行分词，只要分词后的 Term 存在于文档中，就返回对应的文档。

如果查询的字段是日期、keyword、数字等精确类型，则不会进行分词，必须要查询的内容在文档里完全匹配上，才会返回对应的文档。

使用如下：

// 这种方式查到数据
POST goods/_search
{"query": {"match": {"categoryName": "手机"}}
}
// 这种方式查不到数据，categoryName是keyword类型，不做分词，必须完全匹配
POST goods/_search
{"query": {"match": {"categoryName": "手机多余"}}
}// 这种方式查到数据
POST goods/_search
{"query": {"match": {"title": "移动"}}
}
// 这种方式查到数据，title是text类型，会做分词，只要有分词能匹配上就行
POST goods/_search
{"query": {"match": {"title": "移动多余"}}
}
  • match phrase 短语匹配查询

短语匹配查询要求就比较高了，短语匹配会对查询的内容进行分词，分词后的 Term 必须全部出现在文档中，并且顺序必须一致，才会返回对应的文档，当然这个一致的程度也是可以调整的。

使用如下：

// 这样可以查到数据
POST goods/_search
{"query": {"match_phrase": {"title": "移动联通"}}
}
// 这样查不到数据，短语匹配时，虽然做了分词，但是要分词后的顺序一致，索引匹配补上
POST goods/_search
{"query": {"match_phrase": {"title": "联通移动"}}
}

4.5.2 Term 词项查询

Term 词项查询 与 match 查询，有个最大的区别，Term 词项查询时 ES 不会对检索内容进行分词，会将检索文本作为一个整体进行查询。而 match 查询会对检索内容做分词，然后对分词后的各个词项做查询。

使用如下：

// 这样查到数据，因为基于文档的内容分词后，建立的倒排索引里，有“移动”、“联通”索引，但是没有“移动联通”这个索引
POST goods/_search
{"query": {"match": {"title": "移动联通"}}
}
// 这样查不到数据，因为基于文档的内容分词后，建立的倒排索引里，没有“移动联通”这个索引，因为term查询不分词。
POST goods/_search
{"query": {"term": {"title": {"value": "移动联通"}}}
}

5、总结

本文从 安装 、 基本概念 、 分词器 、*** 文档基本操作 *** 这 4 个方面带你快速入门 Elasticsearch。所有的文档在写入时，只要字段是text类型都会被分词，然后建立倒排索引。需要特别注意的点是：match 匹配查询会对查询文本做分词，Term 词项查询不会对查询文本做分词。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/119382.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

2022年12月 Python（一级）真题解析#中国电子学会#全国青少年软件编程等级考试

2022年12月 Python（一级）真题解析#中国电子学会#全国青少年软件编程等级考试

Python等级考试（1~6级）全部真题・点这里 一、单选题（共25题，每题2分，共50分） 第1题 关于Python语言的注释，以下选项中描述错误的是？（ ） A: Python语言有两种注释方式：单行注释和多行注释 B: Python语言的单行注释以#开头 C: Python多行注释使用###来做为标记 D: …
阅读更多...
RabbitMQ高级篇 笔记

RabbitMQ高级篇 笔记

这是一些高级的内容。 RabbitMQ还是运行在网络上的，倘若遇到了网络故障，mq自己挂了，出异常了，都会造成最终状态不一致的问题。这就是可靠性问题。 可靠性：一个消息发送出去之后，至少被消费1次。 要解决这3个…
阅读更多...
十九、类型信息（1）

十九、类型信息（1）

本章概要 为什么需要 RTTI RTTI（RunTime Type Information，运行时类型信息）能够在程序运行时发现和使用类型信息 RTTI 把我们从只能在编译期进行面向类型操作的禁锢中解脱了出来，并且让我们可以使用某些非常强大的程序。对 RTTI …
阅读更多...
Hadoop分布式安装

Hadoop分布式安装

首先准备好三台服务器或者虚拟机，我本机安装了三个虚拟机，安装虚拟机的步骤参考我之前的一篇 virtualBox虚拟机安装多个主机访问虚拟机虚拟机访问外网配置-CSDN博客 jdk安装 参考文档：Linux 环境下安装JDK1.8并配置环境变量_linux安装jdk1.8并…
阅读更多...
Zoho Mail荣登福布斯2023年企业邮箱榜单，引领行业新方向！

Zoho Mail荣登福布斯2023年企业邮箱榜单，引领行业新方向！

几十年来，电子邮件一直是电子通信的重要形式，并且在未来的许多年里，它可能会无处不在。尽管有大量免费电子邮件服务可供用户和企业使用，但其中许多服务缺乏专门的功能，例如适合办公室使用的集中管理。 福布斯小型企业顾…
阅读更多...
1024特别剪辑： 使用Python Turtle 库绘制一棵随机生成的树

1024特别剪辑： 使用Python Turtle 库绘制一棵随机生成的树

🎈个人主页:🎈 :✨✨✨初阶牛✨✨✨ 🐻强烈推荐优质专栏: 🍔🍟🌯C的世界(持续更新中) 🐻推荐专栏1: 🍔🍟🌯C语言初阶 🐻推荐专栏2: 🍔…
阅读更多...
MYSQL(事务+锁+MVCC+SQL执行流程)理解(2)

MYSQL(事务+锁+MVCC+SQL执行流程)理解(2)

一)MYSQL中的锁(知识补充) 可以通过In_use字段来进行判断是否针对于表进行加了锁 1)对于undo log日志来说:新增类型的，在事务提交之后就可以清除掉了，修改类型的，事务提交之后不能立即清除掉这些日志会用于mvcc只有当没有事务用到该版本信息时…
阅读更多...
【原创】解决Kotlin无法使用@Slf4j注解的问题

【原创】解决Kotlin无法使用@Slf4j注解的问题

前言 主要还是辟谣之前的网上的用法，当然也会给出最终的使用方法。这可是Kotlin，关Slf4j何事！？ 辟谣内容：创建注解来解决这个问题 例如： Target(AnnotationTarget.CLASS) Retention(AnnotationRetentio…
阅读更多...
Spark内核调度

Spark内核调度

目录 一、DAG （1）概念 （2）Job和Action关系 （3）DAG的宽窄依赖关系和阶段划分 二、Spark内存迭代计算 三、spark的并行度 （1）并行度设置 （2）集群中如何规划并…
阅读更多...
javascript IP地址正则表达式

javascript IP地址正则表达式

/^(1[0-9]{2}|2[0-4][0-9]|25[0-5]|(\d){1,2})\.(1[0-9]{2}|2[0-4][0-9]|25[0-5]|(\d){1,2}|0)\.(1[0-9]{2}|2[0-4][0-9]|25[0-5]|(\d){1,2}|0)\.(1[0-9]{2}|2[0-4][0-9]|25[0-5]|(\d){1,2}|0)$/g.test(10.2.35.8) 注： 一定不要把表达式赋值给变量，直接…
阅读更多...
FPGA/SoC控制机械臂

FPGA/SoC控制机械臂

FPGA/SoC控制机械臂 机器人技术处于工业 4.0、人工智能和边缘革命的前沿。让我们看看如何创建 FPGA 控制的机器人手臂。 介绍 机器人技术与人工智能和机器学习一起处于工业 4.0 和边缘革命的最前沿。 因此，我认为创建一个基础机器人手臂项目会很有趣，我们…
阅读更多...
听GPT 讲Rust源代码--library/std(3)

听GPT 讲Rust源代码--library/std(3)

rust标准库std中的src目录主要包含以下内容和模块: alloc:内存分配相关函数,比如alloc::boxed::Box、alloc::string::String等。 ascii:ASCII相关工具函数。 char:字符相关类型和函数,如Char、char等。 cmp:比较相关trait和函数,如Ord、Eq、PartialOrd等。 env:环境变量相关功能…
阅读更多...
什么是React中的有状态组件（stateful component）和无状态组件（stateless component）？

什么是React中的有状态组件（stateful component）和无状态组件（stateless component）？

聚沙成塔每天进步一点点 ⭐ 专栏简介 前端入门之旅：探索Web开发的奇妙世界 欢迎来到前端入门之旅！感兴趣的可以订阅本专栏哦！这个专栏是为那些对Web开发感兴趣、刚刚踏入前端领域的朋友们量身打造的。无论你是完全的新手还是有一些基础的开发…
阅读更多...
微信小程序如何跳转页面

微信小程序如何跳转页面

1.wx.navigateTo：用于跳转到其他页面，并保留当前页面。通过该 API 跳转后，可以通过返回按钮回到原页面。 wx.navigateTo({url: /pages/otherPage/otherPage })2.wx.redirectTo：用于跳转到其他页面，并关闭当前页面。通…
阅读更多...
Linux中关于glibc包导致的服务器死机或者linux命令无法使用的情况

Linux中关于glibc包导致的服务器死机或者linux命令无法使用的情况

glibc是gnu发布的libc库，即c运行库。glibc是linux系统中最底层的api，几乎其它任何运行库都会依赖于glibc。glibc除了封装linux操作系统所提供的系统服务外，它本身也提供了许多其它一些必要功能服务的实现。由于 glibc 囊括了几乎所有的 UNIX …
阅读更多...
量子计算与量子密码（入门级）

量子计算与量子密码（入门级）

量子计算与量子密码 写在最前面一些可能带来的有趣的知识和潜在的收获 1、Introduction导言四个特性不确定性（自由意志论）Indeterminism不确定性Uncertainty叠加原理(线性)superposition (linearity)纠缠entanglement 虚数的常见基本运算欧拉公式&#x…
阅读更多...
基于C/C++的UG二次开发流程

基于C/C++的UG二次开发流程

文章目录 基于C/C的UG二次开发流程1 环境搭建1.1 新建工程1.2 项目属性设置1.3 添加入口函数并生成dll文件1.4 执行程序1.5 ufsta入口1.5.1 创建程序部署目录结构1.5.2 创建菜单文件1.5.3 设置系统环境变量1.5.4 制作对话框1.5.5 创建代码1.5.6 部署和执行 基于C/C的UG二次开发…
阅读更多...
hypercube背景设置为白色，绘制高光谱3D立方体

hypercube背景设置为白色，绘制高光谱3D立方体

import scipy pip install wxpython PyOpenGL和Spectral需要本地安装 可参考链接https://blog.csdn.net/qq_43204333/article/details/119837870 参考：https://blog.csdn.net/Tiandailan/article/details/132719745?spm1001.2014.3001.5506Mouse Functions:left-cl…
阅读更多...
看完这篇 教你玩转渗透测试靶机Vulnhub——Hacksudo: Aliens

看完这篇 教你玩转渗透测试靶机Vulnhub——Hacksudo: Aliens

Vulnhub靶机Bluemoon: 2021渗透测试详解 Vulnhub靶机介绍：Vulnhub靶机下载：Vulnhub靶机安装：Vulnhub靶机漏洞详解：①：信息收集：②：数据库后台传木马：③：反弹shell&#x…
阅读更多...
Java设计模式之模板方法模式

Java设计模式之模板方法模式

目录 定义 结构 案例 优缺点 优点 缺点 使用场景 JDK源码解析 无法查看的无参read()原因 定义 定义一个操作中的算法骨架，而将算法的一些步骤延迟到子类中，使得子类可以不改变该算法结构的情况下重定义该算法的某些特定步骤。简单来说&#xf…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023