అనలైజర్ టెక్స్ట్ను టోకెన్లుగా మార్చి శోధనకు సిద్ధం చేస్తుంది: తర్వాత సరిపోల్చగల యూనిట్లు, తరచుగా పదాలు.
ఉద్దేశపూర్వకంగా కాన్ఫిగర్ చేసిన HTML తొలగించే, పదాలను విడదీసే, చిన్న అక్షరాలుగా మార్చే పైప్లైన్ కోసం:
<b>Blue Shoes</b>
-> Blue Shoes
-> [Blue, Shoes]
-> [blue, shoes]
చివరి టోకెన్లు చిన్న అక్షరాల shoes అసలు ఇన్పుట్తో ఎందుకు సరిపోలగలదో వివరిస్తాయి. ఇది కస్టమ్ ఉదాహరణ; ప్రతి అనలైజర్ HTMLను తొలగించదు.
Kibana Dev Toolsలో ఈ అభ్యర్థన ఆ పైప్లైన్ టోకెన్లను చూపుతుంది:
POST /_analyze
{
"char_filter": ["html_strip"],
"tokenizer": "standard",
"filter": ["lowercase"],
"text": "<b>Blue Shoes</b>"
}
తిరిగివచ్చిన టోకెన్ ఎంట్రీలలో blue, shoes చూడండి. తర్వాత నిజమైన యాక్సెంట్ గుర్తులు, భాషలు, ఉత్పత్తి కోడ్లను పరీక్షించండి. ఇండెక్స్-సమయ విశ్లేషణ నిల్వ చేసే టర్మ్లను సిద్ధం చేస్తుంది; శోధన-సమయ విశ్లేషణ వినియోగదారి క్వెరీలను సిద్ధం చేస్తుంది. రెండు పైప్లైన్లు వేరైనా వాటికి అనుకూలమైన టర్మ్లు అవసరం.
జూనియర్ నుండి సీనియర్ వరకు వివరణాత్మక సమాధానాలతో IT ఇంటర్వ్యూ ప్రశ్నల లైబ్రరీ.
విరాళం