elasticsearch7.0实例精解

时间: 2023-04-26 17:05:26 浏览: 58
Elasticsearch 7.0是一个开源的分布式搜索和分析引擎，它可以快速地存储、搜索和分析大量的数据。它具有高可用性、可扩展性和灵活性，可以在多种场景下使用，如日志分析、全文搜索、业务数据分析等。 在使用Elasticsearch 7.0时，需要了解其核心概念和基本操作，如索引、文档、映射、查询等。同时，还需要了解如何配置和优化Elasticsearch集群，以提高其性能和可靠性。 在实际应用中，可以使用Elasticsearch提供的API和工具，如Kibana、Logstash等，来进行数据的可视化和处理。此外，还可以使用Elasticsearch提供的插件和扩展来扩展其功能，如中文分词插件、聚合插件等。 总之，掌握Elasticsearch 7.0的核心概念和基本操作，以及使用其提供的API和工具，可以帮助我们更好地利用其强大的搜索和分析功能，提高数据处理的效率和质量。
相关问题

spring boot 集成es 7.0

在使用Spring Boot集成Elasticsearch 7.0时，需要按照以下步骤操作： 第一步：在工程的pom.xml文件中添加Elasticsearch依赖。 第二步：在application.properties配置文件中添加Elasticsearch服务器主机和端口号。 第三步：创建一个ElasticsearchClient类，负责与Elasticsearch服务器建立连接和断开连接。 第四步：创建一个ElasticsearchService类，负责从Elasticsearch服务器中查询、添加、修改、删除数据。 通过这四个步骤可以实现Spring Boot与Elasticsearch 7.0的集成，可以方便的在项目中使用Elasticsearch提供的信息检索和数据分析功能，提高数据的查询效率和准确性。此外，还需要注意一些常见的问题，例如配置文件中端口号是否正确，Elasticsearch服务器是否开启等等，保证系统正常运行。

ES 7.0版本之后为什么没有type了

ES 7.0版本之后，不再需要在mapping中指定type，而是默认为"keyword"或"text"。这是因为在ES 7.0中，type被认为是索引的核心概念之一，但是在实际使用中，过多的type会导致ES的性能问题。因此，ES 7.0版本之后，type被简化为默认类型，以简化索引设置并提高性能。

相关推荐

单机上启动多个elasticsearch实例

在单台机器上启动多个 Elasticsearch 实例是可行的，可以使用不同的端口和数据目录。以下是启动多个 Elasticsearch 实例的步骤： 1. 创建多个配置文件 在 Elasticsearch 的安装目录下，复制一份 config 目录并将其重命名，例如 config2。对于每个实例，都需要一个独立的配置文件。 2. 修改配置文件 打开每个配置文件并修改以下配置项： - path.data：指定数据目录 - path.logs：指定日志目录 - http.port：指定 HTTP 端口 - transport.tcp.port：指定 TCP 端口 确保为每个实例使用唯一的端口。其他配置项可以保持默认值。 3. 启动 Elasticsearch 对于每个实例，使用以下命令启动 Elasticsearch： bin/elasticsearch -E path.conf=/path/to/config2 其中 path/to/config2 是配置文件的路径。 每个实例都应该在不同的终端窗口中启动，或者使用后台模式。 4. 验证 使用以下命令验证每个实例是否正常工作： curl http://localhost:9200/_cluster/health?pretty 将 9200 替换为实例的 HTTP 端口。如果返回 JSON 格式的响应，则说明实例已经启动并正在运行。 注意：在单台机器上启动多个 Elasticsearch 实例可能会导致资源争夺，因此需要根据实际情况调整配置。同时，使用多个实例可能会增加维护成本。

请给出 springboot整合elasticsearch的实例代码以及配置文件代码

好的，以下是一个简单的 springboot 整合 elasticsearch 的实例代码和配置文件代码： 1. pom.xml 文件中添加以下依赖： <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-elasticsearch</artifactId> </dependency> 2. application.yml 文件中添加以下配置： spring: data: elasticsearch: cluster-name: elasticsearch cluster-nodes: localhost:9300 repositories: enabled: true 3. 创建一个 Elasticsearch 实体类，例如： @Document(indexName = "my_index", type = "my_type") public class MyEntity { @Id private String id; private String name; private String description; // getters and setters } 4. 创建一个 Elasticsearch Repository 接口，例如： public interface MyEntityRepository extends ElasticsearchRepository<MyEntity, String> { List<MyEntity> findByName(String name); List<MyEntity> findByDescription(String description); } 5. 在需要使用 Elasticsearch 的地方注入 MyEntityRepository，例如： @Autowired private MyEntityRepository myEntityRepository; 6. 使用 MyEntityRepository 进行 Elasticsearch 操作，例如： MyEntity entity = new MyEntity(); entity.setName("foo"); entity.setDescription("bar"); myEntityRepository.save(entity); List<MyEntity> entities = myEntityRepository.findByName("foo"); 希望这个例子能够帮助你。

Java实现对es7.0中的而个字段去重查询，并map输出

可以使用 Elasticsearch 的聚合功能来实现对某个字段的去重查询，然后使用 Java 将结果进行处理并输出。 以下是一个示例代码： java import org.elasticsearch.action.search.SearchResponse; import org.elasticsearch.client.RestHighLevelClient; import org.elasticsearch.index.query.QueryBuilders; import org.elasticsearch.search.aggregations.AggregationBuilders; import org.elasticsearch.search.aggregations.bucket.terms.Terms; import org.elasticsearch.search.aggregations.metrics.tophits.TopHits; import org.elasticsearch.search.builder.SearchSourceBuilder; import java.util.HashMap; import java.util.Map; public class EsDistinctFieldQuery { public static void main(String[] args) throws Exception { // 创建 Elasticsearch 客户端 RestHighLevelClient client = createClient(); // 构建查询 SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); searchSourceBuilder.query(QueryBuilders.matchAllQuery()); searchSourceBuilder.aggregation(AggregationBuilders.terms("distinct_field").field("field").size(10) .subAggregation(AggregationBuilders.topHits("top_hit").size(1))); // 执行查询 SearchResponse response = client.search(searchSourceBuilder.build(), RequestOptions.DEFAULT); // 处理结果 Map<String, String> result = new HashMap<>(); Terms terms = response.getAggregations().get("distinct_field"); for (Terms.Bucket bucket : terms.getBuckets()) { TopHits topHits = bucket.getAggregations().get("top_hit"); result.put(bucket.getKeyAsString(), topHits.getHits().getAt(0).getSourceAsString()); } System.out.println(result); // 关闭客户端 client.close(); } private static RestHighLevelClient createClient() { // 创建 Elasticsearch 客户端 // 省略具体实现 return null; } } 在上述代码中，我们首先创建了一个 Elasticsearch 客户端，然后构建了一个查询，使用聚合功能对某个字段进行去重查询，并限制结果的数量为 10 条。在查询的结果中，我们对每个桶（即去重后的值）进行了一个 TopHits 子聚合，以获取该桶中的一个文档。最后，我们将每个桶的 key 和对应的文档结果存储到了一个 Map 中，并输出了该 Map。 请注意，上述代码中的 createClient 方法需要根据具体实现进行实现。同时，该代码中的 field 需要替换成你要进行去重查询的字段名。

Java实现对es7.0中的二个字段去重查询，并map输出

可以使用Elasticsearch的聚合（Aggregation）功能来实现对两个字段的去重查询，具体步骤如下： 1. 构造查询条件，使用bool查询同时匹配两个字段，例如： { "query": { "bool": { "must": [ { "match": { "field1": "value1" } }, { "match": { "field2": "value2" } } ] } } } 2. 使用聚合（Aggregation）功能按照两个字段进行分组去重，例如： { "aggs": { "distinct_field1": { "terms": { "field": "field1", "size": 1000 }, "aggs": { "distinct_field2": { "terms": { "field": "field2", "size": 1000 } } } } } } 3. 对聚合结果进行解析，将去重后的结果按照需要输出为Map类型即可。 下面是一个完整的Java实现示例： import org.elasticsearch.action.search.SearchRequest; import org.elasticsearch.action.search.SearchResponse; import org.elasticsearch.client.RequestOptions; import org.elasticsearch.client.RestHighLevelClient; import org.elasticsearch.common.text.Text; import org.elasticsearch.common.unit.TimeValue; import org.elasticsearch.index.query.BoolQueryBuilder; import org.elasticsearch.index.query.QueryBuilders; import org.elasticsearch.search.SearchHit; import org.elasticsearch.search.SearchHits; import org.elasticsearch.search.aggregations.AggregationBuilders; import org.elasticsearch.search.aggregations.bucket.terms.StringTerms; import org.elasticsearch.search.aggregations.bucket.terms.Terms; import org.elasticsearch.search.aggregations.metrics.tophits.TopHits; import org.elasticsearch.search.builder.SearchSourceBuilder; import java.io.IOException; import java.util.ArrayList; import java.util.HashMap; import java.util.List; import java.util.Map; public class EsQueryDemo { public static void main(String[] args) throws IOException { // 创建客户端连接 RestHighLevelClient client = new RestHighLevelClient(); // 构造查询条件 BoolQueryBuilder queryBuilder = QueryBuilders.boolQuery() .must(QueryBuilders.matchQuery("field1", "value1")) .must(QueryBuilders.matchQuery("field2", "value2")); // 构造聚合查询 SearchSourceBuilder sourceBuilder = new SearchSourceBuilder() .query(queryBuilder) .aggregation(AggregationBuilders.terms("distinct_field1").field("field1") .size(1000) .subAggregation(AggregationBuilders.terms("distinct_field2").field("field2") .size(1000) .subAggregation(AggregationBuilders.topHits("top_hit").size(1)))); // 构造查询请求 SearchRequest searchRequest = new SearchRequest("index_name"); searchRequest.source(sourceBuilder) .scroll(new TimeValue(60000)); // 执行查询 SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT); SearchHits searchHits = searchResponse.getHits(); // 解析聚合结果 Map<String, List<Map<String, Object>>> result = new HashMap<>(); Terms terms1 = searchResponse.getAggregations().get("distinct_field1"); for (Terms.Bucket bucket1 : terms1.getBuckets()) { String field1 = bucket1.getKeyAsString(); List<Map<String, Object>> list = new ArrayList<>(); result.put(field1, list); Terms terms2 = bucket1.getAggregations().get("distinct_field2"); for (Terms.Bucket bucket2 : terms2.getBuckets()) { TopHits topHits = bucket2.getAggregations().get("top_hit"); SearchHit hit = topHits.getHits().getAt(0); Map<String, Object> map = new HashMap<>(); list.add(map); hit.getSourceAsMap().forEach((key, value) -> map.put(key, value)); } } // 输出结果 result.forEach((key, value) -> { System.out.println(key); value.forEach(System.out::println); }); // 关闭客户端连接 client.close(); } }

请给出springboot如何集成elasticsearch的一个实例

### 回答1： 可以参考这个示例：https://github.com/TechPrimers/spring-boot-elasticsearch-example。它演示了如何使用 Spring Boot 集成Elasticsearch，并提供一个REST API以供调用。 ### 回答2： Spring Boot 是一个简化创建，部署和管理基于Spring框架的应用程序的工具。Elasticsearch 是一个开源的实时分布式搜索和分析引擎，可以使你在大规模数据集上进行快速的搜索、分析和存储。 要将Elasticsearch集成到Spring Boot应用程序中，你可以按照以下步骤进行操作： 1. 在pom.xml文件中添加Elasticsearch的依赖项。这可以通过Maven或Gradle进行配置。 2. 在Spring Boot应用程序的配置文件（application.properties或application.yml）中，设置Elasticsearch的连接信息，例如主机地址、端口号和集群名称。 3. 创建一个Elasticsearch的Client类，用于与Elasticsearch服务器进行通信。你可以使用Spring Data Elasticsearch提供的ElasticsearchTemplate或者自定义的RestTemplate来实现。 4. 创建一个实体类，用于表示要存储在Elasticsearch索引中的文档。在实体类中，可以使用注解来指定字段的映射关系。 5. 创建一个Repository接口，继承自ElasticsearchRepository，并指定实体类和主键类型。这个接口将提供常用的CRUD（创建、读取、更新、删除）操作，可以自动映射到Elasticsearch的API调用。 6. 在需要使用Elasticsearch的服务类中，注入Repository接口，并使用提供的方法进行索引的增删改查。 7. 运行Spring Boot应用程序，并通过REST API或其他方式进行测试。 通过以上步骤，你可以成功地将Elasticsearch集成到Spring Boot应用程序中，并使用其强大的搜索和分析功能。你可以根据实际需求，进一步配置和优化Elasticsearch，如设置索引的分片和副本数、定义自定义的映射关系等。 ### 回答3： Spring Boot是一个用于快速构建Java应用程序的框架，而Elasticsearch是一个开源的搜索引擎。下面是一个示例来展示如何在Spring Boot中集成Elasticsearch： 首先，需要在项目的pom.xml文件中添加Elasticsearch的依赖项。可以使用以下代码在<dependencies>标签中添加依赖项： <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-elasticsearch</artifactId> </dependency> 然后，在application.properties文件中配置Elasticsearch的连接信息。可以使用以下代码配置Elasticsearch的地址和端口： spring.data.elasticsearch.cluster-nodes=localhost:9200 接下来，定义一个Elasticsearch的实体类，与Elasticsearch的索引文档进行映射。可以使用以下代码定义一个简单的实体类： java @Document(indexName = "my-index") public class MyEntity { @Id private String id; private String name; // getters and setters } 然后，定义一个Elasticsearch的仓库类，用于与Elasticsearch进行交互。可以使用以下代码定义一个简单的仓库类： java @Repository public interface MyEntityRepository extends ElasticsearchRepository<MyEntity, String> { List<MyEntity> findByName(String name); } 最后，在业务逻辑中使用定义的仓库类进行Elasticsearch的操作。可以使用以下代码进行搜索操作： java @Service public class MyService { @Autowired private MyEntityRepository myEntityRepository; public List<MyEntity> searchByName(String name) { return myEntityRepository.findByName(name); } } 以上是一个简单的示例，展示了如何集成Elasticsearch到Spring Boot中。通过以上步骤，就可以在Spring Boot应用程序中使用Elasticsearch进行相关的搜索功能了。在实际开发中，还可以根据实际需求，对Elasticsearch进行更复杂的操作和配置。

elasticsearch-rest-high-level-client7.0之后还用吗

是的，elasticsearch-rest-high-level-client在7.0版本之后仍然被使用。它是Elasticsearch官方提供的Java REST客户端，用于与Elasticsearch集群进行交互。这个客户端是基于低级别REST客户端构建的，它提供了更简单和更人性化的API，并且支持异步执行请求。 在Elasticsearch 7.x版本中，elasticsearch-rest-high-level-client的版本已经更新到了7.x，可以通过以下方式来添加依赖： xml <dependency> <groupId>org.elasticsearch.client</groupId> <artifactId>elasticsearch-rest-high-level-client</artifactId> <version>7.14.1</version> </dependency> 使用elasticsearch-rest-high-level-client可以更方便地与Elasticsearch集群进行交互，比如创建索引、查询文档等操作。同时，它也提供了更多的功能和选项，可以更灵活地满足不同的业务需求。因此，它仍然被广泛地使用。

全文检索 Elasticsearch(简称es)

Elasticsearch（简称ES）是一个开源的分布式搜索和分析引擎，它基于Apache Lucene库构建而成。它被设计用于快速、可扩展和分布式的全文检索，以及实时数据分析。ES具有强大的搜索能力和高效的分布式架构，能够处理大规模数据的存储、搜索和分析。 ES的核心概念是索引（Index）、文档（Document）和类型（Type）。索引是包含一系列文档的逻辑容器，每个文档都是一个JSON格式的数据对象，可以被索引和搜索。类型是文档的逻辑分类，用于区分不同类型的文档。ES提供了丰富的搜索功能，包括全文搜索、过滤器、聚合等，通过使用查询语言来实现灵活的搜索需求。 ES的分布式特性使得它非常适合处理大规模数据。它使用分片（Shard）和复制（Replica）机制来实现数据的分布和冗余备份，提高了系统的可用性和扩展性。每个索引可以被划分为多个分片，每个分片可以被部署在不同的节点上，从而实现数据的并行处理和负载均衡。 除了全文检索外，ES还提供了丰富的数据分析功能。它支持实时的数据聚合和可视化，可以用于实时监控、日志分析、业务指标分析等场景。ES还可以与其他工具和框架集成，如Kibana（可视化工具）、Logstash（日志收集工具）等，形成完整的日志分析和监控系统。 总而言之，Elasticsearch是一个强大的全文检索和分析引擎，具有高效的搜索能力、可扩展的分布式架构和丰富的数据分析功能。它在各种场景下都能发挥重要作用，包括企业搜索、电商商品搜索、日志分析等。

python elasticsearch 库如何连接使用elasticsearch

你可以使用 Python 的 Elasticsearch 客户端库来连接和使用 Elasticsearch。其中一个常用的库是 elasticsearch，你可以通过 pip 安装它。 首先，确保你已经安装了 elasticsearch 库。你可以使用以下命令进行安装： pip install elasticsearch 接下来，你需要导入 elasticsearch 模块，并创建一个 Elasticsearch 客户端实例，用于与 Elasticsearch 集群进行交互。以下是一个示例代码： python from elasticsearch import Elasticsearch # 创建一个 Elasticsearch 客户端实例 es = Elasticsearch([{'host': 'localhost', 'port': 9200}]) 在上面的示例中，我们创建了一个连接到本地 Elasticsearch 集群的客户端实例。如果你的 Elasticsearch 集群位于不同的主机或端口上，请相应地修改主机和端口。 一旦你建立了连接，你就可以使用 es 对象执行各种操作，例如索引文档、搜索、删除等。以下是一个索引文档的示例： python # 索引一个文档 doc = { 'title': 'Elasticsearch Introduction', 'content': 'This is an introduction to Elasticsearch' } res = es.index(index='my_index', id=1, body=doc) print(res['result']) 上面的代码将一个文档索引到名为 my_index 的索引中，并打印操作的结果。 这只是连接和使用 Elasticsearch 的简单示例，你可以根据你的需求进一步探索和深入学习 Elasticsearch 的功能和用法。

composer elasticsearch/elasticsearch

可以使用composer命令来安装elasticsearch/elasticsearch包。可以在项目根目录下运行以下命令进行安装： composer require elasticsearch/elasticsearch 这将会安装elasticsearch/elasticsearch包并将其添加到你的项目中。 安装成功后，你可以参考elasticsearch官方文档中的示例代码来进行简单的增删改查操作。具体的操作方法可以参考[文档](https＊＊＊.html)。 请确保在安装elasticsearch时，已经将composer命令切换到项目根目录下运行。123 #### 引用[.reference_title] - *1* *2* [PHP-elasticsearch/elasticsearch包分词功能实现及源码解析](https://blog.csdn.net/Thepatterraining/article/details/122576959)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [使用composer安装Elasticsearch-php教程](https://blog.csdn.net/think2017/article/details/104799667)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

最新推荐

Spring Boot整合elasticsearch的详细步骤

主要介绍了Spring Boot整合elasticsearch的详细步骤，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

es(elasticsearch)整合SpringCloud（SpringBoot）搭建教程详解

主要介绍了es(elasticsearch)整合SpringCloud（SpringBoot）搭建教程，本文通过实例图文相结合给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

Python对ElasticSearch获取数据及操作

主要为大家详细介绍了Python对ElasticSearch获取数据及操作，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

elasticsearch中term与match的区别讲解

今天小编就为大家分享一篇关于elasticsearch中term与match的区别讲解，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧

最新版Elasticsearch调优搜索速度.pdf

Elasticsearch是非常灵活且功能丰富的搜索引擎，它提供了许多不同查询数据的方法。在实战业务场景中，经常会出现远远低于预期查询速度的慢查询。如果业务对查询延迟很敏感，Elasticsearch 查询延迟中的抖动现象就是...

数据结构1800试题.pdf

你还在苦苦寻找数据结构的题目吗？这里刚刚上传了一份数据结构共1800道试题，轻松解决期末挂科的难题。不信？你下载看看，这里是纯题目，你下载了再来私信我答案。按数据结构教材分章节，每一章节都有选择题、或有判断题、填空题、算法设计题及应用题，题型丰富多样，共五种类型题目。本学期已过去一半，相信你数据结构叶已经学得差不多了，是时候拿题来练练手了，如果你考研，更需要这份1800道题来巩固自己的基础及攻克重点难点。现在下载，不早不晚，越往后拖，越到后面，你身边的人就越卷，甚至卷得达到你无法想象的程度。我也是曾经遇到过这样的人，学习，练题，就要趁现在，不然到时你都不知道要刷数据结构题好还是高数、工数、大英，或是算法题？学完理论要及时巩固知识内容才是王道！记住！！！下载了来要答案（v:zywcv1220）。

语义Web动态搜索引擎：解决语义Web端点和数据集更新困境

跟踪：PROFILES数据搜索：在网络上分析和搜索数据WWW 2018，2018年4月23日至27日，法国里昂1497语义Web检索与分析引擎Semih Yumusak†KTO Karatay大学，土耳其semih. karatay.edu.trAI 4 BDGmbH，瑞士s. ai4bd.comHalifeKodazSelcukUniversity科尼亚，土耳其hkodaz@selcuk.edu.tr安德烈亚斯·卡米拉里斯荷兰特文特大学utwente.nl计算机科学系a.kamilaris@www.example.com埃利夫·尤萨尔KTO KaratayUniversity科尼亚，土耳其elif. ogrenci.karatay.edu.tr土耳其安卡拉edogdu@cankaya.edu.tr埃尔多安·多杜·坎卡亚大学里扎·埃姆雷·阿拉斯KTO KaratayUniversity科尼亚，土耳其riza.emre.aras@ogrenci.karatay.edu.tr摘要语义Web促进了Web上的通用数据格式和交换协议，以实现系统和机器之间更好的互操作性。 虽然语义Web技术被用来语义注释数据和资源，更容易重用，这些数据源的特设发现仍然是一个悬 而 未 决 的 问 题 。 流 行 的 语 义 Web �

centos7安装nedit

### 回答1： 你可以按照以下步骤在 CentOS 7 上安装 nedit： 1. 打开终端并切换到 root 用户。 2. 运行以下命令安装 EPEL 存储库： ``` yum install epel-release ``` 3. 运行以下命令安装 nedit： ``` yum install nedit ``` 4. 安装完成后，你可以在终端中运行以下命令启动 nedit： ``` nedit ``` 如果你想打开一个文件，可以使用以下命令： ``` nedit /path/to/file

TFT屏幕-ILI9486数据手册带命令标签版.pdf

ILI9486手册 官方手册 ILI9486 is a 262,144-color single-chip SoC driver for a-Si TFT liquid crystal display with resolution of 320RGBx480 dots, comprising a 960-channel source driver, a 480-channel gate driver, 345,600bytes GRAM for graphic data of 320RGBx480 dots, and power supply circuit. The ILI9486 supports parallel CPU 8-/9-/16-/18-bit data bus interface and 3-/4-line serial peripheral interfaces (SPI). The ILI9486 is also compliant with RGB (16-/18-bit) data bus for video image display. For high speed serial interface, the ILI9486 also provides one data and clock lane and supports up to 500Mbps on MIPI DSI link. And also support MDDI interface.

数据搜索和分析

跟踪：PROFILES数据搜索：在网络上分析和搜索数据WWW 2018，2018年4月23日至27日，法国里昂1485表征数据集搜索查询艾米莉亚·卡普尔扎克英国南安普敦大学开放数据研究所emilia. theodi.org珍妮·坦尼森英国伦敦开放数据研究所jeni@theodi.org摘要在Web上生成和发布的数据量正在迅速增加，但在Web上搜索结构化数据仍然存在挑战。在本文中，我们探索数据集搜索分析查询专门为这项工作产生的通过众包-ING实验，并比较它们的搜索日志分析查询的数据门户网站。搜索环境的变化以及我们给人们的任务改变了生成的查询。 我们发现，在我们的实验中发出的查询比数据门户上的数据集的搜索查询要长得多。 它们还包含了七倍以上的地理空间和时间信息的提及，并且更有可能被结构化为问题。这些见解可用于根据数据集搜索的特定信息需求和特征关键词数据集搜索，�