Easy-Es 1.0 正式发布!顶尖 Elasticsearch ORM 框架
故事
东汉末年,群雄逐鹿,一代枭雄青苗挟MP以令诸侯,天下豪杰聚之.近日其麾下又新添一员猛将,字老汉,河西人,推车贩履之辈,此人生得头脑复杂,四肢发达,颇有勇力,自幼习得青苗绝学之精髓,狂沙百战,金枪不倒!为报青苗知遇之恩,开疆拓土,攻城拔寨,将ES首级献予青苗,仰天长啸:Easy! 于是后有人叹诗曰:
Easy-Es 汉末临兵甲子年,搜索引擎尽乱凌. 老汉铁马萧途越,后世码农享太平.
Easy-Es简介
官网地址 https://easy-es.cn/ Easy-Es(简称EE)是一款和Mybatis-Plus(简称MP)语法几乎一样(99%相似度)的ElasticSearch搜索引擎开源框架,能够屏蔽语言差异,开发者只需要会MySQL语法即可轻松驾驭ES搜索引擎。能够显著降低开发者门槛,即便是不会用ES的小白,也可以快速上手开发。能够节省大量代码量,实现同样的功能可以节省3-8倍代码量,帮助开发者减负省时。功能强大完善,能开箱即用ES99%的高频功能,底层是RestHighLevelClient,保证了其原生性能,并且能通过我们提供的混合查询及原生语法实现对ES所有功能的支持。全球开源首创的索引全自动托管,能够全自动创建并感知索引变动,重建索引,无感平滑迁移数据,彻底解放双手。我们对RestHighLevelClient只做增强,不做改变,使得Easy-Es永远>=RestHighLevelClient,让您进退无忧。如果您之前有用过MP,那您学习EE的成本几乎为零,可以无缝迁移至EE,这也是我当初为啥选择MP语法而不是自己再设计一套,我们不想让用户有学习成本,而且MP这一套语法堪称经典,也确实很难超越.
Easy-Es诞生背景
去年公司一款产品由于对查询性能要求比较高,在多方调研以后选择了大名鼎鼎的ElasticSearch搜索引擎作为查询工具,尽管之前对ES有一点基础,奈何时间久了不用,疏远了,不仅要一边重新学习其晦涩的语法,还要完成既定的开发任务,一时间心里无数句脏话在奔腾,在经过一系列996ICU之后,终于上线了,但好景不长,天敌又改需求了,很多地方又要重做,做过ES的懂得都懂,那复杂度,天怒人怨... 相比之下,有Mybatis-Plus加持的MySQL真是太甜了,我不禁反问起自己,我为什么要把宝贵时间浪费在学习枯燥的语法和开发CRUD上面?好不容易学会了后面长时间不用又会遗忘,何必呢?这些时间我完全可以用来做更有意义的事情,比如学点算法,旅游,抑或陪家人它不香吗? 于是我决定干一件大事,向祖师爷MP学习,解放全球一众开发者,如果这个世界总有人要牺牲,那就牺牲我吧,虽然我不是安得广厦千万间,吾庐独破受冻死亦足的杜甫,但我热爱程序员这个职业,在35岁被淘汰之前,总得留下点什么,证明自己来过,爱过。这与Dromara开源社区为往圣继绝学,为万世开太平的理念不谋而合.
Easy-Es王者荣耀
时至今日,Easy-Es已经开源半年多了,实际开发时间刚好一周年,值此周年庆之际,我们正式向全球开发者宣布,我们的1.0正式稳定版上线了,EE的出现,填补了国内ES-ORM框架的空缺,并已长期占据Gitee搜索引擎各项指标榜首位,以及日热搜和周热搜榜第一,在功能丰富度,易用度,性能等多项指标上,也跑赢了该领域昔日霸主SpringData-ElasticSearch,以上数据不是空口黄牙,有实际数据,详见EE官网.我不开玩笑的说,目前已是ES-ORM全球开源赛道的NO.1,但我也绝不止步于此,离真正意义上的NO.1还有非常多的路要走,之所以现在能在这个位置,有一部分原因是竞争对手太少且不够强大,我也曾分析过这个赛道,由于其高难度,高复杂性,低用户量(门槛比较高,大部分用户是高级开发者,刚毕业以及从业经验短但人群基数最大的小白用户少),属于高投入低回报的项目,所以很少有人去挖掘这个赛道,真的是很难坚持下去。当然能有今天成绩,也离不开我们开源开发者长期不断的努力,在此向全球开源开发者致敬,开源精神奥利给!也向长期给予我们支持和肯定的每一位用户说一声谢谢,如果没有你们的支持,我们或许走不到今天就夭折了.
为了提升用户体验,截至目前,我们中英文官网一共做了3版,购买了专属域名,以及CDN加速,每一版都有几百篇文档,其间的工作量和投入只有自己懂。说来也嘲讽,我们做到今天,全球本领域已知的NO.1,连个GVP都申请不下来。不过目前我已经释然了,也不是狐狸吃不到葡萄就说葡萄酸,目前码云上的GVP项目质量也是良莠不齐的,懂得都懂。我希望我的用户也能理性看待GVP,虽然码云没有给我们GVP,但我们也会尽全力去打磨,成为你们心目中的GVP,请大家放心使用。截至目前我们已有成百上千个测试用例覆盖,单元测试总覆盖率高达95%+,代码已接入墨菲扫描,无安全漏洞,我们也秉承着依赖最轻的原则,没有引入任何多余的三方依赖,让框架保持轻量,可靠,Block级缺陷和安全问题修复均控制在24H内,在商业项目里,这也许不算什么,但我们只是一个没有收益的开源项目。您的信任,就是对我们最大的肯定!
老汉有话说
老汉:健身八年,洛奇健美认证,曾私教2年,撸码5年,为了和你们交友,附上绝密私房照一张,以表诚意,童叟无欺!

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Excelize 发布 2.6.1 版本更新,支持工作簿加密保护
Excelize是 Go 语言编写的用于操作 Office Excel 文档基础库,基于 ECMA-376,ISO/IEC 29500 国际标准。可以使用它来读取、写入由 Microsoft Excel™ 2007 及以上版本创建的电子表格文档。支持 XLSX / XLSM / XLTM 等多种文档格式,高度兼容带有样式、图片 (表)、透视表、切片器等复杂组件的文档,并提供流式读写 API,用于处理包含大规模数据的工作簿。可应用于各类报表平台、云计算、边缘计算等系统。入选 2020 Gopher China - Go 领域明星开源项目 (GSP)、2018 年开源中国码云最有价值开源项目GVP(Gitee Most Valuable Project),目前已成为 Go 语言最受欢迎的 Excel 文档基础库。 开源代码 GitHub:github.com/xuri/excelize Gitee:gitee.com/xurime/excelize 中文文档:xuri.me/excelize/zh-hans 2022年8月22日,社区正式发布了 2.6.1 版本,该版本包含了多项新增功能、...
- 下一篇
每日一博 | 地址标准化服务 AI 深度学习模型推理优化实践
导读 深度学习已在面向自然语言处理等领域的实际业务场景中广泛落地,对它的推理性能优化成为了部署环节中重要的一环。推理性能的提升:一方面,可以充分发挥部署硬件的能力,降低用户响应时间,同时节省成本;另一方面,可以在保持响应时间不变的前提下,使用结构更为复杂的深度学习模型,进而提升业务精度指标。 本文针对地址标准化服务中的深度学习模型开展了推理性能优化工作。通过高性能算子、量化、编译优化等优化手段,在精度指标不降低的前提下,AI模型的模型端到端推理速度最高可获得了4.11倍的提升。 1. 模型推理性能优化方法论 模型推理性能优化是AI服务部署时的重要环节之一。一方面,它可以提升模型推理的效率,充分释放硬件的性能。另一方面,它可以在保持推理延迟不变的前提下,使得业务采用复杂度更高的模型,进而提升精度指标。然而,在实际场景中推理性能优化会遇到一些困难。 1.1 自然语言处理场景优化难点 典型的自然语言处理(Natural Language Processing, NLP)任务中,循环神经网络(Recurrent Neural Network, RNN)以及BERT[7](Bidirection...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- CentOS关闭SELinux安全模块
- CentOS7,CentOS8安装Elasticsearch6.8.6
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- Linux系统CentOS6、CentOS7手动修改IP地址
- Windows10,CentOS7,CentOS8安装MongoDB4.0.16
- CentOS8安装Docker,最新的服务器搭配容器使用
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池