Elasticsearch Mapper Attachments插件安装与使用指南
1. 项目目录结构及介绍
Elasticsearch的Mapper Attachments插件源代码托管在GitHub上,其目录结构如下:
elasticsearch-mapper-attachments/
├── dev-tools # 开发工具相关文件夹
├── licenses # 许可证文件
├── src # 主要源代码存放目录
│ ├── main # 包含主程序代码,如Java源码等
│ └── test # 测试相关代码
├── .gitignore # Git忽略文件配置
├── CONTRIBUTING.md # 贡献者指南
├── LICENSE.txt # 许可证文件
├── README.md # 项目说明文档
├── build.gradle # Gradle构建脚本
└── ... # 其它可能的辅助文件或配置文件
说明:
src
目录包含了插件的主要实现代码。LICENSE.txt
记录了项目的授权协议(Apache-2.0)。README.md
提供了安装、使用的基本指导信息。build.gradle
是Gradle构建文件,用于编译和打包插件。
2. 项目的启动文件介绍
Mapper Attachments插件本身不直接提供一个独立的应用程序来“启动”,它是作为Elasticsearch的一个插件存在。因此,启动过程实际上是指集成到Elasticsearch中并使插件生效的过程。
Elasticsearch的启动通常通过执行其提供的脚本完成,例如,在Linux系统中,可能是通过运行bin/elasticsearch
命令。为了使用此插件,你需要先确保Elasticsearch服务已启动,随后安装该插件。
插件安装命令示例:
bin/plugin install elasticsearch/elasticsearch-mapper-attachments/3.1.2
请注意,由于此项目已被归档,对于较新版本的Elasticsearch,应当改用Ingest Attachment Processor。
3. 项目的配置文件介绍
插件配置
Mapper Attachments插件的配置并不是直接在一个特定的文件中设置,而是通过Elasticsearch的全局配置或在索引的映射中指定。
全局配置示例
虽然该插件的主要配置是通过映射定义的,但可以调整某些全局设置。比如,如果要改变默认提取的字符数限制,可以在Elasticsearch的配置文件elasticsearch.yml
中添加相应的配置(注意这可能依赖于具体版本的Elasticsearch是否支持这样的全局配置)。
# 示例配置,实际使用需确认是否适用
index.mapping.attachment.indexed_chars: 200000
映射配置
映射中的配置是在创建索引时定义的,以下展示了如何在映射中启用附件类型,并自定义属性:
PUT /my_index
{
"mappings": {
"properties": {
"resume": {
"type": "attachment",
"fields": {
"content": { "type": "text", "term_vector": "with_positions_offsets" }
},
"fielddata": true
}
}
}
}
这里,“resume”字段被定义为附件类型,并进一步指定了内容如何被处理,包括启用词向量以支持高亮等功能。
请注意,随着Elasticsearch版本更新,如5.0以上版本推荐使用Ingest API的Attachment Processor替代Mapper Attachments插件进行文档内容的处理。务必参照当前使用的Elasticsearch版本的官方文档来选择正确的集成方式。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++045Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0288Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









