全文搜索、结构化搜索、分析以及将这三者混合使用
- 全文检索：
支持模糊查询全文，速度快，而MySQL也能模糊查询，但此时的 %content%不走索引；
基本概念
与MySQL对比：
| ElasticSearch | MySQL数据库 |
|---|---|
索引(indices) index |
数据库 |
类型(type) 已废除一个索引包含多个类型 |
Table 数据表 |
| 文档(Document) | Row 行 |
| 字段（Field） | Column 列 |
| Mapping | Schema |
| DSL （API） | SQL |
- 索引类似于数据库，包括多个文档或类型，
- 类型：索引中的逻辑分类，可定义自己的映射和设置。
- 文档：类似于行，被查询搜索的对象。
- 映射：定义文档的字段（field）及数据类型，类似于表结构的定义。
- 字段：文档中的属性；（键值对）包括 文本、数字、日期。类似于列。
- 映射：定义文档的字段（field）及数据类型，类似于表结构的定义。
倒排索引：
Elasticsearch 底层数据结构 - TechLee - 博客园
将文章分词，统计不同词汇 的出现次数及对应的位置：倒排索引。
- 即根据 分词找到对应的记录（位置、次数）
常见名词：
Term Dictionary词字典- 通常 **词条（Term） **的数量巨大，故对词条进行排序，之后使用二分查询。快速查找
Term - 一般不会存于内存中。（太多了）
Term Index部分词的前缀。 由 byte数组组成。(一般是字母或其他字符)- 目的：快速找到
Term Dictionary的大致位置，以提高对词条的查询效率 - 使用
FST结构存储于内存中，减少容量大小，查询速度快 PostingListint数组。存储符合 词条Term的文档id- 优化：使用
FOR编码对其压缩，以保证查询效率的同时节约磁盘空间。 - 通常情况下，需要对文档ID进行
并集、交集操作（多条件查询时），PostingList使用Roaring Bitmaps操作并交集，可以节省空间并快速计算并交集。Roaring Bitmaps详见：Elasticsearch 底层数据结构 - TechLee - 博客园 Roaring bitmaps 部分
什么是 Elasticsearch？一篇搞懂-腾讯云开发者社区-腾讯云
FST结构
ElasticSearch : FST 数据结构 - 掘金
Elasticsearch中的FST（Finite State Transducer）是一种有限状态转换器，用于高效地存储和检索大量的字符串数据。FST是一种基于有向图的数据结构，可实现高效的前缀匹配、模糊搜索和自动完成等功能。
- 在
Elasticsearch中被广泛应用于搜索引擎的内部工作机制中，特别是在倒排索引（Inverted Index）的构建和词条（Term）的检索过程中。倒排索引是一种将文档中的词条映射到文档ID的数据结构，而FST则可以用于快速检索和匹配这些词条。 - 主要优势: 高效性和紧凑性。它使用了一种特殊的压缩算法，能够以非常紧凑的方式存储大量的字符串数据，并支持快速的前缀匹配和模糊搜索。这使得
Elasticsearch能够在大规模数据集上快速地进行搜索和匹配操作。 - 其他领域: 比如自然语言处理、数据压缩和字典匹配等。它的高效性和紧凑性使得它成为许多字符串处理任务的理想选择。
FOR编码
Elasticsearch 底层数据结构 - TechLee - 博客园 的FOR模块
在倒排索引中，posting list用于存储每个词项出现的文档ID列表。通常情况下，posting list中的文档ID是按照递增顺序存储的。
- 当文档ID在posting list中具有较大的间隔时，使用递增的方式存储会导致posting list的长度变长，占用更多的存储空间。这也会对查询性能产生一定的影响。
- 为了解决这个问题，Elasticsearch引入了
Frame of Reference（FoR）技术。FoR可以将posting list中的文档ID转换为相对于一个参考点的差值，然后使用压缩算法对这些差值进行存储。这样可以大大减少存储空间的占用，并且不会对查询性能造成明显的影响。
使用Frame of Reference技术的好处是可以在保持查询性能的同时，减少了倒排索引的存储空间，从而提高了整体的索引效率。
CRUD
- PUT 覆盖
PUT test/doc/2
{
"name":"wangfei",
"age":27,
"desc":"热天还不让后人不认同"
}
- GET查询
-- 查询索引信息
GET test
-- 查询指定文档信息
GET test/doc/1
--查询对应索引下全部数据
GET test/doc/_search
{
"query": {
"match_all": {
}
}
}
- DELETE 删除
-- 删除指定文档
DELETE test/doc/3
-- 删除整个索引
DELETE test
- POST 修改/新增
-- 修改指定属性：
POST test/doc/1/_update
{
"doc":{
"desc":"生活就像 茫茫海上"
}
}
查询
在Elasticsearch中，查询（query）是用于搜索和过滤文档的一种机制。通过查询，您可以指定要搜索的字段、搜索的条件以及其他参数来获取匹配的文档。
Elasticsearch提供了多种类型的查询，以下是一些常用的查询类型：
- Match查询：用于在文本字段中搜索包含指定词语的文档，默认会对查询的文本进行分词处理。相当于模糊匹配,只包含其中一部分关键词就行
分词：例如，如果你使用match查询搜索"Hello World"，它会将文本分成两个词"hello"和"world"，然后在索引中搜索包含这两个词的文档。
- Term查询：用于搜索精确匹配某个字段的词语，不会进行分词。例如，搜索
"status": "published"将返回status字段值为"published"的文档。 - Range查询：用于搜索某个字段的范围内的值。可以指定一个范围，如
"age": { "gte": 18, "lte": 30 }表示搜索age字段在18到30之间的文档。 - Bool查询：用于组合多个查询条件，包括must、must_not、should和filter等子查询。可以通过布尔逻辑（与、或、非）来组合多个查询条件。
- Wildcard查询：用于在文本字段中进行通配符匹配，如
"name": "Joh?n"将匹配"name"字段为"John"或"Joan"的文档。 - Exists查询：用于搜索包含某个字段的文档，如
"exists": { "field": "name" }将返回包含"name"字段的文档。
以上只是一些常见的查询类型，Elasticsearch还提供了更多的查询类型和功能，如全文搜索、聚合查询、地理位置查询等。
elasticsearch 常见几种查询方式
常见的查询：
term
term查询:精确查询，不分词，只能查单个词
{
"query":{
"term":{
"title":"love china",
}
}
}
- 用
term匹配多个词：使用terms数组，多个词之间是或的关系。
{
"query": {
"terms": {
"title": ["love", "China"]
}
}
}
- 也可以使用 多个 term：与
terms数组结果一样。
{
"query": {
"bool": {
"should": [
{
"term": {
"age":27
}
},{
"term":{
"age":28
}
}
]
}
}
}
match
使用match查询，会对文本进行分析器分析，模糊查询；而 term查询不会有分析器分析的过程。
match查询可以用于全文搜索（full text search）和精确匹配（exact value match）。
- 当应用于文本字段时，"match"查询会对查询字符串进行分词处理，并与字段中的词项进行匹配。它会考虑词项的顺序、重复和相似性等因素来计算匹配度，并返回匹配度最高的文档。
- 当应用于非字符串字段或者"
**not_analyzed**"类型的字段时，"match"查询会进行精确匹配。它会将查询字符串与字段的原始值进行比较，只有在完全匹配的情况下才会返回匹配的文档。
{
"query":{
"match":{
"title":"中国"
}
}
}
- 全文查询:
match_all返回所有匹配的结果。
{
"query":{
"match_all": {
}
}
}
- 短语查询 ：
match_phrase
不懂可以看：Elasticsearch使用：Match_phrase查询-腾讯云开发者社区-腾讯云
- 词汇匹配 且词的相对位置一致
- 词汇匹配： 查询分词的词项必须完全匹配到索引分词的词项中
- 相对位置也需一致。默认
slop=0，即顺序必须相同且必须都是连续的。
{
"query":{
"match_phrase": {
"title": "中国风"
}
}
}
-- 匹配的结果： 中国、国风；
-- 不会匹配的结果：美国，中风，国中
slop:
{
"query":{
"match_phrase": {
"title": {
"query": "中国世界",
"slop":2
}
}
}
}
-- 中国是世界上人口最多的国家
- 最左前缀查询：
match_phrase_prefix- : 搜索特定字符、短语 开头的数据
max_expansions：最多返回的匹配项。默认为50。以对查询结果进行限制，前缀查询会非常的影响性能
{
"query": {
"match_phrase_prefix": {
"desc": "bea" 或："desc": "you are bea",
"max_expansions":1
}
}
}
-- 匹配到以文本开头的数据
- 多字段查询：
multi_match- 要在多个不同字段（不同属性下）中匹配同一个关键字。
- 当设置属性
type:phrase时 等同于 短语查询 - 当设置属性
type:phrase_prefix时 等同于 最左前缀查询
GET test2/doc/_search
{
"query": {
"multi_match": {
"query": "beautiful",
"fields": ["title","desc"],
"type": ""
}
}
}
-- 只要包含beautiful，即返回。
"_source1" : {
"title" : "prefix1",
"desc" : "beautiful girl you are beautiful so"
}
"_source2" : {
"title" : "beautiful",
"desc" : "I like basking on the beach"
}
小总结
match_phrase ，match与term的区别：
es中的term和match的区别
- term属于精确匹配，只能查单个词。
terms里的[]多个是或者的关系，只要满足其中一个词就可以。想要通知满足两个词的话，就得使用bool的must
match默认分词，进行模糊查询，只要包含关键词则查询。- 若字段属性是
keyword类型，match也不分词。
- 若字段属性是
- match_phrase 称为短语搜索，要求所有的分词必须同时出现在文档中，同时位置必须紧邻一致。
bool查询（多条件查询）
包含四种操作符，分别是must,should,must_not,query。它们均是一种数组，数组里面是对应的判断条件
1.must：
必须匹配，与and等价。贡献算分
#### 多条件组合查询
GET test/doc/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "wanggfei" } },
{
"match": {
"age": 25 } }
]
}
}
}
2.must_not：
必须不匹配，与not等价，所有的must_not子句都不能匹配，但不贡献算分
3.should：
选择性匹配，至少满足一条，与 OR 等价。贡献算分
4.filter：
过滤子句，必须匹配，但不贡献算分
过滤器，会查询对结果进行缓存，不会计算相关度，避免计算分值，执行速度非常快。
filter也常和range范围查询一起结合使用，range范围可供组合的选项
gt : 大于
lt : 小于
gte : 大于等于
lte :小于等于
排序查询
需要分词的字段无法直接排序 eg：text 类型 。
es的text类型的排序问题
- 若需要对该类型进行排序，需要对字段索引两次：
- 索引分词（用于搜索）
- 索引不分词（进行排序）
es 默认生成的
text类型 是通过该方式实现排序
准备索引：
## mapping创建
PUT test_text_sort
{
"mappings": {
"doc": {
"properties": {
"name": {
"type": "text",
"fields":{
"row":{
"type":"keyword"
}
},
"fielddata":true
}
}
}
},
"settings": {
"number_of_replicas": 0,
"number_of_shards": 1
}
}
使用name的子字段：row 排序：
name.row
GET test_text_sort/doc/_search
{
"query": {
"match_all": {
}
},
"sort": [
{
"name.row": {
"order": "desc"
}
}
]
}
分页查询
from ：开始位置； size 查询条数。
GET test/doc/_search
{
"query": {
"match_phrase_prefix": {
"name": "wang"
}
},
"from": 0,
"size": 1
}
查询结果过滤
对查询的结果指定返回某些属性：
GET test/doc/_search
{
"query":{
"match":{
"name":"wang"
}
},
"_source":["name","id"]
}
-- 指定属性返回 name、id
高亮显示
GET test/doc/_search
{
"query":{
"match":{
"name":"wang"
}
},
"highlight":{
"fields":{
"name": {
} -- 默认高亮
}
}
自定义高亮：
pre_tags定义标签前部分post_tags定义标签后部分
{
"query": {
"match": {
"desc": "性格直"
}
},
"highlight": {
"pre_tags": "<b class='key' style='color:red'>",
"post_tags": "</b>",
"fields": {
"desc": {
}
}
}
}
聚合查询
group 分组、avg 平均数、max、min、sum
Elasticsearch的聚合查询是一种用于对数据进行统计、分析和计算的功能强大的工具。
聚合函数的使用，一定是先查出结果，然后对结果使用聚合函数做处理！
avg、max、min、sum
eg：求平均年龄：
GET zhifou/doc/_search
{
"query": {
"match": {
"from": "gu"
}
},
"aggs": {
"my_avg": {
"avg": {
"field": "age"
}
}
},
"size":0,
"_source": ["name", "age"]
}
-- 查询 from字段包含 gu 的 年龄平均值
解释：
aggs:做聚合操作my_avg：自定义的返回结果名称avg对指定字段field求 平均数**"size":0**设置不返回具体查询结果，只返回聚合结果
查询结果：
{
"took" : 35,
"timed_out" : false,
"_shards" : {
"total" : 5,
"successful" : 5,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : 3,
"max_score" : 0.0,
"hits" : [{
...},{
...}... ]
},
"aggregations" : {
"my_avg" : {
"value" : 27.0
}
}
}
{
"_index" : "zhifou",
"_type" : "doc",
"_id" : "4",
"_score" : 0.6931472,
"_source" : {
"name" : "石头",
"age" : 29
}
}
返回结果键的解释：
- “took”：查询所花费的时间（以毫秒为单位）。
- “timed_out”：指示查询是否超时。
- “_shards”：关于查询涉及的分片的统计信息。
- “total”：总分片数。
- “successful”：成功执行的分片数。
- “skipped”：跳过的分片数。
- “failed”：执行失败的分片数。
- “hits”：与查询条件匹配的文档的结果。
- “total”：总匹配文档数。
- “max_score”：最相关的文档分数。
- “hits”：匹配的文档列表。
- “_index”：文档所在的索引。
- “_type”：文档的类型。
- “_id”：文档的唯一标识符。
- “_score”：文档的得分。
- “_source”：文档的原始内容。
- “
aggregations”：关于聚合操作的结果。
- “my_avg”：聚合操作的名称。
- “value”：聚合结果的值。
下面是一个示例的聚合查询请求体，展示了几种常用的聚合操作：
{
"size": 0,
"aggs": {
"group_by_age": {
"terms": {
"field": "age",
"size": 10
}
},
"average_age": {
"avg": {
"field": "age"
}
},
"sum_age": {
"sum": {
"field": "age"
}
},
"min_age": {
"min": {
"field": "age"
}
},
"max_age": {
"max": {
"field": "age"
}
}
}
}
在这个示例中，使用了以下几种聚合操作：
terms聚合：按照"age"字段进行分组，并指定返回的分组数量为10。avg聚合：计算"age"字段的平均值。sum聚合：计算"age"字段的总和。min聚合：计算"age"字段的最小值。max聚合：计算"age"字段的最大值。
这些聚合操作可以根据你的需求进行组合和嵌套，以获得更复杂的聚合结果。你还可以通过filter、range、date_histogram等子聚合来进一步细化聚合结果。
请注意，在上述示例中的查询请求体中，size参数设置为0，表示不返回任何文档，只返回聚合结果。如果你需要同时返回文档和聚合结果，请将size参数设置为大于0的数值。
分组查询
- 需求： 要查询所有人的年龄段，并且按照1520，2025,25~30分组，并且算出每组的平均年龄。
GET zhifou/doc/_search
{
"size": 0,
"query": {
"match": {
"name": "text"
}
},
"aggs": {
"range_age": {
"range": {
"field": "age", -- 根据什么属性分组
"ranges": [
{
"from": 15, "to": 20},
{
"from": 20, "to": 25},
{
"from": 25, "to": 30}
]
},
"aggs": {
"range_avg_age": {
-- 对不同的分组进行计算年龄的平均值
"avg": {
"field": "age"
}
}
}
}
}
}
查询结果：
"aggregations": {
"age_ranges": {
"buckets": [
{
"key": "15-20",
"from": 15,
"to": 20,
"doc_count": 20,
"average_age": {
"value": 18.5
}
},
{
"key": "20-25",
"from": 20,
"to": 25,
"doc_count": 30,
"average_age": {
"value": 22.3
}
},
{
"key": "25-30",
"from": 25,
"to": 30,
"doc_count": 50,
"average_age": {
"value": 27.8
}
}
]
}
}
映射Mapping
定义文档字段和据类型；
Mapping参数详解文档：
ES mapping 详解_ZhaoYingChao88的博客-CSDN博客
Elasticsearch 5.4 Mapping详解_esc_ai的博客-CSDN博客
字段数据类型：
文本（text）、关键字（keyword）、日期（data）、整形（long）、双精度（double）、布尔（boolean）或ip、对象（Object）、数组（Array）、地理位置（geo_point & geo_shape/percolator）等。
创建索引：
注意：默认情况下，创建的索引分片数量是 5 个，副本数量是 1 个。
您可以通过如下参数来指定分片数、副本数量：
# PUT http://127.0.0.1:9200/user -- 创建索引
{
"settings": {
"number_of_shards": 3,
"number_of_replicas": 2
}
}
-- 返回结果
{
"acknowledged": true,
"shards_acknowledged": true,
"index": "user"
}
- “number_of_replicas”: 设置每个分片的副本数量。默认为1个。
- “number_of_shards”: 设置索引的主分片数量。 每个索引默认5个主分片。
- 分片是将索引的数据分布在集群中的不同节点上的方式，它可以提高搜索和并行处理的性能。
- 分片是将索引的数据分布在集群中的不同节点上的方式，它可以提高搜索和并行处理的性能。
设置mapping：
# PUT http://127.0.0.1:9200/user/_mapping
{
"properties": {
"name":{
"type": "text", "index": true },
"sex":{
"type": "keyword", "index": true },
"tel":{
"type": "keyword", "index": false }
}
}
查询映射：
#GET http://127.0.0.1:9200/user/_mapping
完整操作
使用PUT请求定义一个索引
PUT /test_index
{
"mappings": {
"doc": {
"dynamic" : true,
"properties": {
"name": {
"type": "text",
"fields": {
"row": {
"type": "keyword"
}
},
"fielddata": true
},
"age": {
"type": "integer"
}
}
}
}
}
创建了索引 test_index。在索引的"mappings"部分中，定义类型：doc，两段：“name"和"age”。
- “name"字段的类型是"text”，定义子字段"row"，其类型是"keyword"。这样做是为了在排序时可使用**"raw"子字段，以便于进行精确匹配、聚合操作和排序。**
- “age"字段的类型是"integer”，表示它是一个整数类型的字段。
fielddata详见：fielddata
Mapping常见参数
fields
为字段定义子字段，使得同一个字段可以有多个不同的索引方式。
- "fields"属性使用范围：
- 主字段的类型必须是支持多个类型的主字段类型，
"text"、"keyword"或"completion"等。这样才能为字段定义多个子字段。
- eg：String类型的字段，可以 text 全文索引，也可 keyword 聚合和排序
PUT my_index
{
"mappings": {
"properties": {
"title": {
"type": "text",
"fields": {
"accurateSearch": {
"type": "keyword"
},
"suggest": {
"type": "completion"
}
}
}
}
}
}
在上面的示例中，我们定义了一个名为"title"的字段，它的主字段类型为"text"。同时，我们还为"title"字段定义了两个子字段：“keyword"和"suggest”。
- “accurateSearch"子字段的类型为"keyword”，这意味着它将被索引为一个精确值，适合进行精确匹配和聚合操作。
- “suggest"子字段的类型为"completion”，这意味着它将被用于自动补全和建议功能。
通过这样的设置，我们可以在搜索时同时对"title"字段进行全文搜索、对"keyword"字段进行精确匹配搜索，以及使用"suggest"字段进行自动补全和建议。
dynamic动态字段映射
在Elasticsearch中，"dynamic"是一个用于控制字段映射行为的设置。它有三种状态：
- “dynamic”: true - 默认状态。当索引文档时，如果遇到未定义的字段， 这个字段可以被索引（ES根据内容自动识别字段类型），mapping会自动更新。
- “dynamic”: false - 当索引文档时，如果遇到未定义的字段，Elasticsearch会忽略该字段而不创建映射。这种状态下，字段的映射是静态的，mapping不会被更新，该字段不会被索引。
- “dynamic”: “strict” - 当索引文档时，如果遇到未定义的字段，Elasticsearch会抛出异常，表示字段未定义。这种状态下，字段的映射严格，会强制要求所有字段都必须在映射中定义。
index
设置该字段是否被索引。
index属性默认为true。
- 如果该属性设置为false，elasticsearch不会为该属性创建索引，也就是说无法当做主查询条件。
index_options
控制索引时存储哪些信息到倒排索引。
- doc：只记录 doc id
- freqs：记录 doc id 和 term frequencies （词项频率）
- positions：记录 doc id、term frequencies （词项频率） 和 term position （词项位置）
- offsets：记录 doc id、term frequencies、term position 和 character offects（词项偏移量）
text 类型默认配置为 positions，其他类型默认为 doc，记录内容越多，占用存储空间越大。
"properties": {
"user_name":{
"index": false,
"type": "text"
},
"info":{
"index_options": "positions",
"type": "text"
}
}
null_value
值为null的字段不能被索引和搜索。使用null_value参数可以让值为null的字段显式的可索引。GET users/_search?q=mobile:NULL
"mobile":{
"type":"keyword",
"null_value":"NULL"
}
copy_to
copy_to属性用于配置自定义的_all字段。换言之，就是将多个字段可以合并成一个超级字段。比如，first_name和last_name可以合并为full_name字段。
PUT my_index
{
"mappings": {
"my_type": {
"properties": {
"first_name": {
"type": "text",
"copy_to": "full_name"
},
"last_name": {
"type": "text",
"copy_to": "full_name"
},
"full_name": {
"type": "text"
}
}
}
}
}
- 多条件查询：
GET test8/doc/_search
{
"query": {
"match": {
"full_name": {
"query": "tom smith",
"operator": "or"
}
}
}
}
----- 法2
GET test8/doc/_search
{
"query": {
"match": {
"full_name": "tom smith"
}
}
}
- 将一个字段值复制到多个不同的字段：
"first_name":{
"type": "text",
"copy_to": ["full_name1","full_name2"]
},
ignore_above
仅使用于 **keyword** 类型。 设置字段索引存储最大值；若超过最大值会被忽略。
"name": {
"type": "keyword",
"ignore_above":5
}
fielddata
用于 将指定字段加载到内存中，以便于 进行聚合、排序、脚本等操作。
- 使用范围： 支持被索引的字段类型：
text、keyword、numeric等。 若字段类型不支持被索引，则设置失效。 - 默认禁用。缺点：占用大量内存资源； 可使用
doc_values代替 之，
PUT my_index
{
"mappings": {
"properties": {
"age": {
"type": "integer",
"fielddata": true
}
}
}
}
doc_values
doc_values是为了加快排序、聚合操作，在建立倒排索引的时候，额外增加一个列式存储映射，是一个空间换时间的做法。默认是开启的，对于确定不需要聚合或者排序的字段可以关闭。
对于某些字段类型，如"text"和"keyword"，“doc_values"属性并不适用。这些字段类型通常用于全文搜索和过滤，而不需要进行聚合、排序或脚本操作。对于这些字段类型，默认情况下不会启用"doc_values”。
注:text类型不支持doc_values。
PUT my_index
{
"mappings": {
"my_type": {
"properties": {
"status_code": {
"type": "keyword"
},
"session_id": {
"type": "keyword",
"doc_values": false
}
}
}
}
}
整合
尚硅谷笔记：
Elasticsearch学习笔记_巨輪的博客-CSDN博客
黑马：
Elasticsearch分布式引擎7.x,2021黑马详细课程笔记_2021年 最新版 传智黑马搜索引擎elasticsearch_努力学习编程Sakura的博客-CSDN博客
ElasticSearch （ES）万字黑马学习笔记（超详细）搜索引擎ElasticSearch7.x笔记_elasticsearch黑马笔记_努力学习编程Sakura的博客-CSDN博客
系统学习
系统学习ElasticSearch
一起读ElasticSearch官方文档
一些特殊的类型
- “_index”：用于表示索引的名称。
- “type”：用于表示文档的类型。在Elasticsearch 7.x及以上的版本中_，"_type"已经不被推荐使用，因为Elasticsearch团队将在未来的版本中移除这个概念。
- “_id”：每个文档在索引中都有一个唯一的标识符，称为文档ID。"_id"字段用于表示文档的ID。
- “_source”： 指定要返回的字段
- “_score”：表示文档与查询匹配的相关性分数。
_doc：表示文档类型
需要注意的是，Elasticsearch 7.x及以上的版本中，默认只支持单一的类型"_doc"，这是为了简化数据模型并提高性能。因此，推荐在创建索引时使用"_doc"作为文档类型。
涉及原理
什么是 Elasticsearch？一篇搞懂-腾讯云开发者社区-腾讯云
