ElasticSearch快速入门二(Restful介绍)

本节课从三个方便讲解

什么是restful ?
API: Application Programming Interface的缩写,中文意思就是应用程序接口.
●XML: .
可扩展标记语言,是一种程序与程序之间传输数据的标记语言
●JSON:
英文javascript object notation的缩写,它是一种新型的轻量级数据交换格式.

随着时间的发展,xml被json逐步替代,xml传输庞大,接收端解析麻烦,xml是带标签的的一种文本形式,

如今微博和微信的的技术发展,用户对web应用的数据交互越来越多,数据交互越来越频繁,如果还是xml的形式发送,这个就非常复杂和费时间

json是key value键值对易于读写解析

优点:

一,数据格式简单,易于阅读,易于读写

二,格式是压缩的,占带宽较小

三,易于解析

四,支持很多种语言,包括C 、C++、JAVA、Perl、PHP、Python........等等当前流行语言

五,json数据直接能为服务端代码(程序)使用,能简化服务端以及客户端的代码开发量

正式有这些优点,所以json这种数据交互方式就在web开发界慢慢的开始普及了,加上前端技术不断发展,出现了很多js框架,比如AngularJS、ExtJS等等有了这些成熟的JS前端框架,前后端开发就完全分离了,这样json的使用越来越多,大家都希望遵循一种程序设计风格,Restful这种设计风格就孕育而生了

RESTFul具体含义
英文Representational State Transfer缩写

中文意思是“表现层状态转化

这句话有两个意思,一个是“表现层”  一个是“状态转化”。

表现层是指的“资源”的表现层,这里“资源是指网络上的信息”,比如说一段文本,一张图片,一部电影什么的...........等等

每个“资源”在网络上都有一个标识,可以理解为ID,每个“资源”都用这个ID去表示它,这个ID我们一般叫做URI,每个“资源”仅代表一个信息,这个信息可以有很多种表现形式,比如说一段文本,我们可以用txt形式去表示它,也可以用html,xml或者json。图片也一样有jpg格式 png格式 甚至有gif格式,资源的形式有很多种,我们就把资源具体呈现出来的表现形式就就表现层。

接下来我们来说说“状态转化”,我们平时访问一个网站,就是客户端和服务端一个互动过程,有了互动,数据状态就开始发生改变,上次我们提到过ElasticSearch默认走http协议的,http是一种无状态的协议,无状态就是服务端不会去记客户端的所有信息和操作,数据状态只保存在服务端,因此客户端想要操作服务器,必须要通过某些手段,通过这些手段才能让服务器状态发生转化,而这些转化需要建立在这些表现层之上的。

手段主要有四种

如果一套软件支持Restful 风格,我们就只需要学习它的API接口就可以很好的操作这套软件了,

一、我们能通过接口可以知道这套软件有什么资源,看出有什么资源,我们就大概了解它有什么组成的

二、通过四种主要手段就能操作这个软件

只有这个API接口设计的好,我们就可以通过这几个方法对这个软件进行增删改查操作

那么ElasticSearch完完全全是基于restful风格的,那么我们学习ElasticSearch从API入口就非常简单

curl命令讲解

API测试工具_微博开放平台    API测试工具

ElasticSearch API文档查看

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/576667.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

机器学习笔记(三)——正则化最小二乘法

一. 模型的泛化与过拟合 在上一节中,我们的预测函数为: f(x;ω)ωTx其中, x[x1],ω[ω1ω0]x=\begin{bmatrix} x\\ 1 \end{bmatrix}, \omega=\begin{bmatrix} \omega_1\\ \omega_0 \end{bmatrix}上述称为线性模型,我们也可以将x…

严谨,保证,职业。

上午在教室上的课,老师对我们这些VB初学者又“耐着性子”侃了半天,具体讲的内容虽然不多,但是说来奇怪,总能从中得到动力。教育的艺术在于激励。 经过三天的学习,对VB感觉慢慢入门,这两天一遍看着视频一遍做…

ElasticSearch快速入门三(curl命令讲解)

API测试工具_微博开放平台:https://open.weibo.com/tools/console# 感兴趣是可以使用这个工具玩一下restful接口调用,可以更形象的了解restful 下面我们就继续下面的内内容讲解curl命令 什么是CURL? 就是以命令的方式来执行HTTP协议的请求…

机器学习笔记(四)——最大似然估计

一、最大似然估计的基本思想 最大似然估计的基本思想是:从样本中随机抽取n个样本,而模型的参数估计量使得抽取的这n个样本的观测值的概率最大。最大似然估计是一个统计方法,它用来求一个样本集的概率密度函数的参数。 二、似然估计 在讲最…

Log4j 入门总结

一、Log4j介绍 log4j是类似于java.util.logging的日志作用,即记录一些有用信息,是一个日志框架; log4j log for Java 日志框架的作用: (1)函数参数是否正确; (2)软件发布后,记录用户的每一步操作&#xff…

ElasticSearch API文档查看

elastic官方API文档:https://www.elastic.co/guide/en/elasticsearch/reference/current/docs.html

机器学习笔记(五)——朴素贝叶斯分类

一、分类问题 分类实际上是我们在日常生活中经常使用的。比如说,在工作中,把自己手头的任务分为轻重缓急,然后按照优先级去完成它们。 朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。 从数学的角度看C{c1,c2,…,ck}是类别的…

delphi函数,识别字符集编码

纪念不用 Delphi 开发7周年函数,获取web page文本,识别字符集编码;1 function CreateHttpRequest(proxyServer: string ; proxyPort: integer 0):2 TIdHTTP;3 function DecodeHttpRequestText(InString: string): string;4 implementatio…

取消Win7关机时的补丁更新

取消Win7关机时的补丁更新作者:三好 阅读: 30037人文:陕西 三好 Windows操作系统一直是在缝缝补补中前行的,Win7也不例外。由于系统自带的更新更安全更可靠,所以好多朋友都喜欢使用,如果将系统默认的“自动…

jdk下载

oracle官网:https://developer.oracle.com/java/ 一直往下拉到最低部 这里选择你需要的历史版本,我就选择 安装就不用我多说了,和以前安装jdk一样安装,配置环境变量

机器学习笔记(五)续——朴素贝叶斯算法的后验概率最大化含义

上一节中讲了朴素贝叶斯算法将实例分到后验概率最大的类。这等价于期望风险最小化。 假设使用0-1损失函数: L(Y,f(X)){1,0,Y≠f(X)Yf(X)L(Y, f(X)) = \Bigg\{ \begin{array} {ll}1, & Y \neq f(X) \\0, & Y = f(X)\end{array}上式中的f(x)是分类决策函数…

项目管理汇总

一、一个失败软件项目的思考 http://kb.cnblogs.com/page/113051/ 二、我们需要真正的软件项目经理 http://wangacidlemon.iteye.com/blog/1185903 评论写的不错,粘贴来先给大家分享一下 一个好的项目负责人,是不会自己去做具体事情的,他应…

ElasticSearch和solr的对比

关于ES:ElasticSearch是一个事实分布式搜索和分析引擎,使用其可以以前所未有的速度处理大数据,他用于全文搜索、结构化搜索、分析以及将这三者混合使用。维基百科使用ElasticSearch提供全文搜索并高亮关键字,以及输入实时搜索(sea…

机器学习笔记(六)——朴素贝叶斯法的参数估计

一、极大似然估计 在上一笔记中,经过推导,得到了朴素贝叶斯分类器的表示形式: yargmaxckP(Yck)∏jP(X(j)x(j)|Yck)(1)也就是说,朴素贝叶斯方法的学习是对概率P(Yck)和P(X(j)x(j)|Yck)的估计。故可以用极大似然估计法估计上述先验…

ElasticSearch和mysql对比

以员工文档 的形式存储为例:一个文档代表一个员工数据。存储数据到 ElasticSearch 的行为叫做索引,但在索引一个文档之前,需要确定将文档存储在哪里。一个 ElasticSearch 集群可以包含多个 索引,相应的每个索引可以包含多个类型 。…

最优化学习笔记(一)——牛顿法(一维搜索方法)

一、一维搜索方法 讨论目标函数为一元单值函数f:R→R时的最优化问题的迭代求解方法。 二、局部极小点的条件 n元实值函数f的一阶导数Df为: Df≜[∂f∂x1,∂f∂x2,…,∂f∂xn]Df \triangleq \lbrack \frac{\partial f}{\partial x_1}, \frac{\partial f}{\partia…

针对12306.cn网站应用架够的一些看法

临近年终,公司请来一位讲师来给我们作培训,题目记得是设计匠艺。说实话,我做不到像讲师那样,快讲完课时能将自己所讲的内容都有条理整理一遍。我就大致讲讲我所做笔记的一些内容吧。总的来说这位讲师的实践经验很丰富,…

机器学习笔记(七)——决策树模型

引言 决策树(Decision Tree)是一种基本的分类和回归方法。它的扩展方法有GBDT和GBRT 等。决策树模型的学习过程主要有特征选择、决策树生成和剪枝。主要算法有ID3、C4.5和CART等。 一、决策树模型 决策树首先是一个树形结构,它包括两种类型…

ElasticSearch获取多个文档Multi GET API介绍

#■同时获取多个文档信息 #■例子:获职index:bank和shakespeare下面 #. I0为1.2.3.4.15.6.28的文档信息 GET /bank/bank_account/1 GET /bank/bank_account/2 GET /shakespcare/line/3 GET /bank/bank_account/4 GET /shakespeare/line/15 #日数组[] GET /_mget {"docs&qu…

机器学习笔记(八)——决策树模型的特征选择

一、引言 决策树构建过程中的特征选择是非常重要的一步。特征选择是决定用哪个特征来划分特征空间,特征选择是要选出对训练数据集具有分类能力的特征,这样可以提高决策树的学习效率。如果利用某一个特征进行分类与随机分类的结果没有很大的差别&#xf…