目录一、Restful风格 二、关于索引的基本操作1.创建（1）创建索引（2）创建索引规则 2.GET获取信息（1）获得索引信息（2）获得文档信息（3）补充常用命令GET_cat/...获取es集群的信息 3.使用POST命令更新文档4.删除（1）删除索引（2）删除索引中的某个文档三、关于文档的基本操作 1、PUT/POST创建文档2、GET获取文档 3、POST更新文档4、简单的搜索（1） 在索引中根据关键字搜索文档 5、复杂搜索 （1）模糊查询 （2）过滤不想看的字段 （3）排序 （4）分页查询 （5）布尔值bool查询 （6）模糊查询的多条件查询 （7）term精确查询 （8）精确查询
目录一、Restful风格 二、关于索引的基本操作1.创建（1）创建索引（2）创建索引规则 2.GET获取信息（1）获得索引信息（2）获得文档信息（3）补充常用命令GET_cat/...获取es集群的信息 3.使用POST命令更新文档4.删除（1）删除索引（2）删除索引中的某个文档三、关于文档的基本操作 1、PUT/POST创建文档2、GET获取文档 3、POST更新文档4、简单的搜索（1） 在索引中根据关键字搜索文档 5、复杂搜索 （1）模糊查询 （2）过滤不想看的字段 （3）排序 （4）分页查询 （5）布尔值bool查询 （6）模糊查询的多条件查询 （7）term精确查询 （8）精确查询
前言聚类问题是无监督学习的问题，算法思想就是物以类聚，人以群分，聚类算法感知样本间的相似度，进行类别归纳，对新输入进行输出预测，输出变量取有限个离散值。本次我们使用两种方法对鸢尾花数据进行聚类。无监督就是没有标签的进行分类K-means聚类算法K-means聚类算法（k-均值或k-平均）聚类算法。算法思想就是首先随机确定k个中心点作为聚类中心，然后把每个数据点分配给最邻近的中心点，分配完成后形成k个聚类，计算各个聚类的平均中心点，将其作为该聚类新的类中心点，然后迭代上述步骤知道分配过程不在产生变化。算法流程随机选择K个随机点（成为聚类中心）对数据集中的每个数据点，按照距离K个中心点的距离，将其
前言聚类问题是无监督学习的问题，算法思想就是物以类聚，人以群分，聚类算法感知样本间的相似度，进行类别归纳，对新输入进行输出预测，输出变量取有限个离散值。本次我们使用两种方法对鸢尾花数据进行聚类。无监督就是没有标签的进行分类K-means聚类算法K-means聚类算法（k-均值或k-平均）聚类算法。算法思想就是首先随机确定k个中心点作为聚类中心，然后把每个数据点分配给最邻近的中心点，分配完成后形成k个聚类，计算各个聚类的平均中心点，将其作为该聚类新的类中心点，然后迭代上述步骤知道分配过程不在产生变化。算法流程随机选择K个随机点（成为聚类中心）对数据集中的每个数据点，按照距离K个中心点的距离，将其
我们上面使用swarm部署服务，单个服务还好，如果很多个服务怎么来解决呢，这里就用到了DockerStack管理服务。 在上面我们学会了如何配置一个swarm集群，并且知道如何在swarm集群上部署应用，现在，我们开始了解Docker层级关系中的最高一个层级——stack。一个stack就是一组有关联的服务的组合，可以编排在一起，一起管理。 单机模式下，我们可以使用Docker-Compose来编排多个服务，而DockerSwarm只能实现对单个服务的简单部署。于是就引出了本文的主角DockerStack，通过DockerStack我们只需对已有的docker-compose.yml配
我们上面使用swarm部署服务，单个服务还好，如果很多个服务怎么来解决呢，这里就用到了DockerStack管理服务。 在上面我们学会了如何配置一个swarm集群，并且知道如何在swarm集群上部署应用，现在，我们开始了解Docker层级关系中的最高一个层级——stack。一个stack就是一组有关联的服务的组合，可以编排在一起，一起管理。 单机模式下，我们可以使用Docker-Compose来编排多个服务，而DockerSwarm只能实现对单个服务的简单部署。于是就引出了本文的主角DockerStack，通过DockerStack我们只需对已有的docker-compose.yml配
摘要：本篇文章主要讲解基于理论的图像分割方法，通过K-Means聚类算法实现图像分割或颜色分层处理。本文分享自华为云社区《[Python图像处理]十九.图像分割之基于K-Means聚类的区域分割》，作者：eastmount。本篇文章主要讲解基于理论的图像分割方法，通过K-Means聚类算法实现图像分割或颜色分层处理。基础性文章，希望对你有所帮助。一.K-Means原理二.K-Means聚类分割灰度图像三.K-Means聚类对比分割彩色图像注意：该部分知识均为杨秀璋查阅资料撰写，未经授权禁止转载，谢谢！！如果有问题随时私聊我，只望您能从这个系列中学到知识，一起加油喔~该系列在github所有源代
摘要：本篇文章主要讲解基于理论的图像分割方法，通过K-Means聚类算法实现图像分割或颜色分层处理。本文分享自华为云社区《[Python图像处理]十九.图像分割之基于K-Means聚类的区域分割》，作者：eastmount。本篇文章主要讲解基于理论的图像分割方法，通过K-Means聚类算法实现图像分割或颜色分层处理。基础性文章，希望对你有所帮助。一.K-Means原理二.K-Means聚类分割灰度图像三.K-Means聚类对比分割彩色图像注意：该部分知识均为杨秀璋查阅资料撰写，未经授权禁止转载，谢谢！！如果有问题随时私聊我，只望您能从这个系列中学到知识，一起加油喔~该系列在github所有源代
STL和c++标准库标准模板库STL部分包含在C++标准库中的软件库。c++标准库：即以std::开头，但是部分编译器厂商也会把STL的内容放在std::namespace里面由于一个常见的误解，您可能会将C++标准库视为“STL”，或者将工具链中C++标准库的实现部分视为“STL实现”。事实并非如此。MSVC++和GCC（作为编译器特定的扩展实现）都将其放在std命名空间中也是非常可惜的，这不仅具有高度误导性，而且根据标准也是非法的。为什么c++的名词会这么混乱？因为c++委员会制定标准，各家编译器厂商实现标准(gcc，msvc)vector类似于C#中的List，长度会自动扩容（2倍扩容）
STL和c++标准库标准模板库STL部分包含在C++标准库中的软件库。c++标准库：即以std::开头，但是部分编译器厂商也会把STL的内容放在std::namespace里面由于一个常见的误解，您可能会将C++标准库视为“STL”，或者将工具链中C++标准库的实现部分视为“STL实现”。事实并非如此。MSVC++和GCC（作为编译器特定的扩展实现）都将其放在std命名空间中也是非常可惜的，这不仅具有高度误导性，而且根据标准也是非法的。为什么c++的名词会这么混乱？因为c++委员会制定标准，各家编译器厂商实现标准(gcc，msvc)vector类似于C#中的List，长度会自动扩容（2倍扩容）
