个人技术分享

pytest+requests+allure自动化测试接入Jenkins学习

最近在这整理知识，发现在pytest的知识文档缺少系统性，这里整理一下，方便后续回忆。在python中，大家比较熟悉的两个框架是unittest和pytest：Unittest是Python标准库中自带的单元测试框架，Unittest有时候也被称为PyUnit，就像JUnit是Java语言的标准单元测试框架一样，Unittest则是Python语言的标准单元测试框架。Pytest是Python的另一个第三方单元测试库。

从零开始使用 Elasticsearch（8.14.0）搭建全文搜索引擎

Elasticsearch 是目前最常用的全文搜索引擎。它可以快速地存储、搜索和分析海量数据，广泛应用于维基百科、Stack Overflow、Github 等网站。Elasticsearch 的底层是开源库 Lucene。直接使用 Lucene 需要写大量代码，而 Elasticsearch 对其进行了封装，提供了 REST API，使其开箱即用。本文将详细讲解如何使用最新版本的 Elasticsearch 8.14.0 搭建自己的全文搜索引擎。

从零开始使用 Elasticsearch（8.14.0）搭建全文搜索引擎

Elasticsearch 是目前最常用的全文搜索引擎。它可以快速地存储、搜索和分析海量数据，广泛应用于维基百科、Stack Overflow、Github 等网站。Elasticsearch 的底层是开源库 Lucene。直接使用 Lucene 需要写大量代码，而 Elasticsearch 对其进行了封装，提供了 REST API，使其开箱即用。本文将详细讲解如何使用最新版本的 Elasticsearch 8.14.0 搭建自己的全文搜索引擎。

如何基于 Elasticsearch 实现排序沉底或前置

通过以上介绍我们可以了解到 ES 可支持的排序能力还是非常丰富的，我们要实现置顶或沉底效果，并不能非黑即白的选择，更多的场景中需要根据实际需要做多个能力的组合，尽管 function_score 表现优异，但越复杂的查询对 ES 的查询压力也越大，当数据量很大时必须要权衡性能和排序效果。上线前，也需要在仿真环境中验证大数据量下的性能表现。

【CS.DB】深度解析：ClickHouse与Elasticsearch在大数据分析中的应用与优化

在现代大数据分析中，ClickHouse和Elasticsearch作为两大非关系型数据库的代表，各具特色与优势。本篇文章深入比较了两者的架构设计、查询性能、数据存储方式以及应用场景。通过详细的技术解析和实战案例，我们探讨了如何根据业务需求选择合适的平台，优化系统性能，并提出了针对大规模数据集的性能调优策略。无论您是需要高效分析和报表的ClickHouse，还是需要强大实时搜索和日志分析的Elasticsearch，本篇文章将为您提供全面的技术指导和战略建议。

Elasticsearch集群安全性：访问控制与加密通信

通过实施RBAC、IP过滤、身份验证等访问控制策略，可以限制对集群的访问并防止未经授权的操作。同时，通过启用HTTPS和节点间加密通信，可以确保数据在传输过程中的安全性。然而，随着数据量的增长和安全性需求的提高，如何确保Elasticsearch集群的安全性成为了重要的议题。：通过启用HTTPS，可以为Elasticsearch的RESTful API提供加密的通信通道。：定期审查用户的权限和访问记录，确保没有不必要的权限或异常行为。：定期监控加密通信的状态和性能，并审计任何与加密相关的安全事件。

使用 Elasticsearch 调用 OpenAI 函数

OpenAI 中的函数调用是指 AI 模型与外部函数或 API 交互的能力，使它们能够执行文本生成之外的任务。此功能使模型能够通过调用预定义函数来执行代码、从数据库检索信息、与外部服务交互等。该模型根据用户提示智能识别需要调用哪个函数，并使用适当的参数调用该函数。参数也可以由模型动态生成。数据检索：从数据库或 API 访问实时数据。（例如天气信息、股票价格）增强交互：执行需要逻辑和计算的复杂操作（例如，预订航班、安排会议）。与外部系统集成：与外部系统和工具交互（例如，执行脚本、发送电子邮件）。