源：https://my.oschina.net/u/2485991/blog/533163

国内现在有大量的公司都在使用 Elasticsearch，包括携程、滴滴、、饿了么、360安全、小米、vivo等诸多知名公司。

除了搜索之外，结合Kibana、Logstash、Beats，Elastic Stack还被广泛运用在大数据近实时分析领域，包括日志分析、指标监控、信息安全等多个领域。它可以帮助你探索海量结构化、非结构化数据，按需创建可视化报表，对监控数据设置报警阈值，甚至通过使用机器学习技术，自动识别异常状况。

一、京东到家订单中心 Elasticsearch 演进历程

京东到家订单中心系统业务中，无论是外部商家的订单生产，或是内部上下游系统的依赖，订单查询的调用量都非常大，造成了订单数据读多写少的情况。京东到家的订单数据存储在MySQL中，但显然只通过DB来支撑大量的查询是不可取的，同时对于一些复杂的查询，Mysql支持得不够友好，所以订单中心系统使用了Elasticsearch来承载订单查询的主要压力。

Elasticsearch 做为一款功能强大的分布式搜索引擎，支持近实时的存储、搜索数据，在京东到家订单系统中发挥着巨大作用，目前订单中心ES集群存储数据量达到10亿个文档，日均查询量达到5亿。随着京东到家近几年业务的快速发展，订单中心ES架设方案也不断演进，发展至今ES集群架设是一套实时互备方案，很好的保障了ES集群读写的稳定性。

如上图，订单中心ES集群架设示意图。整个架设方式通过VIP来负载均衡外部请求，第一层gateway节点实质为ES中client node，相当于一个智能负载均衡器，充当着分发请求的角色。第二层为data node，负责存储数据以及执行数据的相关操作。整个集群有一套主分片，二套副分片（一主二副），从网关节点转发过来的请求，会在打到数据节点之前通过轮询的方式进行均衡。集群增加一套副本并扩容机器的方式，增加了集群吞吐量，从而提升了整个集群查询性能。

当然分片数量和分片副本数量并不是越多越好，在此阶段中，对选择适当的分片数量做了近一步探索。分片数可以理解为Mysql中的分库分表，而当前订单中心ES查询主要分为两类：单ID查询以及分页查询。分片数越大，集群横向扩容规模也更大，根据分片路由的单ID查询吞吐量也能大大提升，但对于聚合的分页查询性能则将降低。分片数越小，集群横向扩容规模更小，单ID的查询性能也将下降，但对于分页查询，性能将会得到提升。所以如何均衡分片数量和现有查询业务，我们做了很多次调整压测，最终选择了集群性能较好的分片数。

由于大部分ES查询的流量都来源于近几天的订单，且订单中心数据库数据已有一套归档机制，将指定天数之前已经关闭的订单转移到历史订单库。

架构的快速迭代源于业务的快速发展，正是由于近几年到家业务的高速发展，订单中心的架构也不断优化升级。而架构方案没有最好的，只有最合适的。相信再过几年，订单中心的架构又将是另一个面貌，但吞吐量更大，性能更好，稳定性更强，将是订单中心系统永远的追求。

二、携程Elasticsearch应用案例

1. 携程酒店订单Elasticsearch实战

选择对分片后的数据库建立实时索引，把查询收口到一个独立的 Web Service，在保证性能的前提下，提升业务应用查询时的便捷性。最终我们选择了 Elasticsearch，看中的是它的轻量级、易用和对分布式更好的支持，整个安装包也只有几十兆。

http://developer.51cto.com/art/201807/579354.htm

2. 携程机票ElasticSearch集群运维驯服记

这个是比较通用的数据的流程，一般会通过Kafka分离产生数据的应用程序和后面的平台，通过ETL落到不同的地方，按照优先级和冷热程度采取不同的存储方式。一般来说，冷数据存放到HDFS，如果温数据、或者热数据会采用Database以及Cache。

一旦数据落地，我们会做两方面的应用，第一个方面的应用是传统BI，比如会产生各种各样的报表，报表的受众是更高的决策层和管理层，他们看了之后，会有相应的业务调整和更高层面的规划或转变。

这个使用路径比较传统的，在数据仓库时代就已经存在了。现在有一种新兴的场景就是利用大数据进行快速决策，数据不是喂给人的，数据分析结果由程序来消费，其实是再次的反馈到数据源头即应用程序中，让他们基于快速分析后的结果，调整已有策略，这样就形成了一个数据使用的循环。

这样我们从它的输入到输出会形成一种闭环，而且这个闭环全部是机器参与的，这也是为什么去研究这种大规模的，或者快速决策的原因所在。如果数据最终还会给人本身来看的话，就没有必要更新那么快，因为一秒钟刷新一次或者10秒钟刷新一次对人是没有意义的，因为我们脑子不可能一直转那么快，基于数据一直的做调整也是不现实的，但是对机器来讲，就完全没有问题。http://www.sohu.com/a/199672012_411876

3. 携程：大规模 Elasticsearch 集群管理心得

目前，我们最大的日志单集群有120个data node，运行于70台物理服务器上。数据规模如下:

• 单日索引数据条数600亿，新增索引文件25TB (含一个复制片则为50TB)

• 业务高峰期峰值索引速率维持在百万条/秒

• 历史数据保留时长根据业务需求制定，从10天 - 90天不等

• 集群共3441个索引、17000个分片、数据总量约9300亿, 磁盘总消耗1PB

https://www.jianshu.com/p/6470754b8248

三、去哪儿：订单中心基于elasticsearch 的解决方案

15年去哪儿网酒店日均订单量达到30w+，随着多平台订单的聚合日均订单能达到100w左右。原来采用的热表分库方式，即将最近6个月的订单的放置在一张表中，将历史订单放在在history表中。

history表存储全量的数据，当用户查询的下单时间跨度超过6个月即查询历史订单表，此分表方式热表的数据量为4000w左右，当时能解决的问题。但是显然不能满足携程艺龙订单接入的需求。如果继续按照热表方式，数据量将超过1亿条。

全量数据表保存2年的可能就超过4亿的数据量。所以寻找有效途径解决此问题迫在眉睫。由于对这预计4亿的数据量还需按照预定日期、入住日期、离店日期、订单号、联系人姓名、电话、酒店名称、订单状态……等多个条件查询。所以简单按照某一个维度进行分表操作没有意义。Elasticsearch分布式搜索储存集群的引入，就是为了解决订单数据的存储与搜索的问题。

对订单模型进行抽象和分类，将常用搜索字段和基础属性字段剥离。DB做分库分表，存储订单详情；Elasticsearch存储搜素字段。

订单复杂查询直接走Elasticsearch，基于OrderNo的简单查询走DB，如下图所示。

系统伸缩性：Elasticsearch 中索引设置了8个分片，目前ES单个索引的文档达到1.4亿，合计达到2亿条数据占磁盘大小64G，集群机器磁盘容量240G。

https://elasticsearch.cn/article/6197

四、Elasticsearch 在58集团信息安全部的应用

全面介绍 Elastic Stack 在58集团信息安全部的落地，升级，优化以及应用。包括如下几个方面：接入背景，存储选型，性能挑战，master node以及data node优化，安全实践，高吞吐量以及低延迟搜索优化；kibana 的落地，本地化使其更方便产品、运营使用。

https://elasticsearch.cn/slides/124

五、滴滴Elasticsearch多集群架构实践

滴滴 2016 年初开始构建 Elasticsearch 平台，如今已经发展到超过 3500+ Elasticsearch 实例，超过 5PB 的数据存储，峰值写入 tps 超过了 2000w/s 的超大规模。Elasticsearch 在滴滴有着非常丰富的使用场景，例如线上核心的打车地图搜索，客服、运营的多维度查询，滴滴日志服务等近千个平台用户。

先看看滴滴 Elasticsearch 单集群的架构：滴滴在单集群架构的时候，写入和查询就已经通过 Sink 服务和 Gateway 服务管控起来。

1. Sink服务

滴滴几乎所有写入 Elasticsearch 的数据都是经由 kafka 消费入到 Elasticsearch。kafka 的数据包括业务 log 数据、mysql binlog 数据和业务自主上报的数据，Sink 服务将这些数据实时消费入到 Elasticsearch。最初设计 Sink 服务是想对写入 Elasticsearch 集群进行管控，保护 Elasticsearch 集群，防止海量的数据写入拖垮 Elasticsearch，之后我们也一直沿用了 Sink 服务，并将该服务从 Elasticsearch 平台分离出去，成立滴滴 Sink 数据投递平台，可以从 kafka 或者 MQ 实时同步数据到 Elasticsearch、HDFS、Ceph 等多个存储服务。有了多集群架构后，Elasticsearch 平台可以消费一份 MQ 数据写入多个 Elasticsearch 集群，做到集群级别的容灾，还能通过 MQ 回溯数据进行故障恢复。

2. Gateway 服务

所有业务的查询都是经过 Gateway 服务，Gateway 服务实现了 Elasticsearch 的 http restful 和 tcp 协议，业务方可以通过 Elasticsearch 各语言版本的 sdk 直接访问 Gateway 服务，Gateway 服务还实现了 SQL 接口，业务方可以直接使用 SQL 访问 Elasticsearch 平台。Gateway 服务最初提供了应用权限的管控，访问记录，限流、降级等基本能力，后面随着平台演进，Gateway 服务还提供了索引存储分离、DSL 级别的限流、多集群灾备等能力。

https://mp.weixin.qq.com/s/K44-L0rclaIM40hma55pPQ

六、Elasticsearch实用化订单搜索方案

搜索引擎中，主要考虑到Elasticsearch支持结构化数据查询以及支持实时频繁更新特性，传统订单查询报表的痛点，以及Elasticsearch能够帮助解决的问题。

订单搜索系统架构

整个业务线使用服务化方式，Elasticsearch集群和数据库分库，作为数据源被订单服务系统封装为对外统一接口；各前、后台应用和报表中心，使用服务化的方式获取订单数据。

- end -

些大学生对自己的专业不感兴趣，听说数据分析师薪资高于全行业水平，凭借着强大的学习能力学了Excel，Pyhton和统计学，感觉数据分析能力提高了很多。投了些简历，但是一个面试邀约都没有，不知道问题出在哪里。

有些职场人也是想转行做数据分析，上班摸鱼学习数据分析工具，SQL和Python学完后，发现工作效率提高了不少，但是因为没有相关经验，总担心自己技术可能不太行，连投简历都不敢。

这些问题的根源是什么？可以概括为：你没办法在最短的时间内向HR展示，你能够胜任数据分析这项工作。

在开始投简历前的最后一步，建议你花30小时来做一份数据分析报告，这个步骤至少能带来三个好处：

1、检验学习成果

数据分析知识比较多，涉及的知识面也比较广，不实践永远不知道自己掌握了多少。

2、发现是否适合数据分析工作

做数据分析报告几乎就是数据分析工作的主要内容，做这个数据分析报告就是未来工作的体验装，问问自己是否喜欢这样的工作，这样的工作能否激发你的兴趣？

3、展示真实实力

程序员的世界里讲究“No more talk，Show me the code”，数据分析师同样可以“Show me the report”，一份内容完整的数据报告，能帮你的面试官省下很多判断/评估/纠结的时间，给你更多的机会。

制作数据报告流程

01

明确目标

如果做数据分析工作，领导和业务部门同事会和你明确数据分析的目标，比如，APP最近3个月注册人数下滑原因分析，或者对业务部门同事销售转化率的分析。

如果不知道怎么选题，可以去kaggel或者阿里天池找竞赛项目来分析，选项目上注意：建议找自己熟悉的领域，是为了保证你在后续的分析过程中能够真正触及事情的本质，而不是就数字论数字。

02

数据获取

数据获取是个技术活，比如你想调研日本核污水排放对中国海鲜市场的影响，目标定下来了，接下来要去找相应的数据。

首先，通过搜索引擎可以很快找到一些公开数据网站。比如国家统计局或者地方统计局的网站，各类行业网站，行业研报网站等，找到的数据可能解决一部分问题，或者只有一半的相关数据，这个时候注意查阅各种相关研报，研报的注释部分往往会注明他们的数据来源，按图索骥。

二是关注专门做数据整理打包的网站/API，一般金融类比较容易找到数据，另外某宝上也有相关服务，但是需要付费。

三是自行收集所需数据，用爬虫工具爬取或者自行设计问卷进行调研，但是问卷调研对问卷内容设置要求非常高，问卷星、问卷网等问卷收集网站可以使用。

03

数据清洗

数据分析师花在数据整理、数据清洗上的时间远远超过在数据分析上的时间。在工作中，90%以上的情况，拿到的数据都需要先做清洗工作，排除异常值、空白值、无效值、重复值等等。有些数据分析师从业人员说工作枯燥，枯燥的地方就在这里。

04

数据整理

数据清洗过后，还是需要做一些繁重的文字处理工作，使数据格式符合分析的需要。

若手头数据非常混乱，就应该大胆地排序，尤其是在记录量很大的情况下，要一次性看清所有的数据往往很难，而按照不同的域对数据进行排序则能够以直观的方式为数据分组，从而发现重复现象或其他疑义。

05描述分析

描述分析是最基本的分析统计方法，在实际工作中也是应用最广的分析方法。描述统计分为两大部分：数据描述和指标统计。

数据描述：用来对数据进行基本情况的刻画，包括：数据总数、时间跨度、时间粒度、空间范围、空间粒度、数据来源等。如果是建模，那么还要看数据的极值、分布、离散度等内容。这次我们是零基础做数据报告，那么就不用考虑后一类数据了。

指标统计：用来作报告，分析实际情况的数据指标，可粗略分为四大类：变化、分布、对比、预测；

描述分析的产出是图表，下一个步骤的内容将基于这些图表产出。

06洞察结论

这一步是数据报告的核心，也是最能看出数据分析师水平的部分。数据分析师新人和有经验的分析师拿到同样的图表，完全有可能解读出不同的内容。

这张图是一个用户行为聚类的结果，人群被聚成四类。前三类人群可以很清楚的得出结论：他们是某一种游戏主机的用户。那么第四类人群，是什么人群呢？

分析师新人：第四类人群是游戏主机的狂热爱好者，他们交易频率远高于一般用户。

有经验分析师：第四类人群是二手贩子，否则谁没事一年内会搞将近7台索尼主机放家里。

很明显，有经验分析师能迅速看穿数据背后的真实情况，得出正确的洞察结论，缺乏业务经验，很可能你的洞察结果是完全错误的。

但通常来说，即使是复杂的数据报告，也是由一个个相对简单的洞察结论组成的，这其中涉及到问题的分拆，逻辑线的建立等一系列内容。作为初学者，做到自己力所能及的程度就好。

总结一下，所谓洞察，就是要能够读懂数据背后的行为，理解真实情况。单纯描述数据，谁都会做，根据数据得出有价值的结论，报告才有意义。

07报告撰写

数据报告撰写需要注意的就是保证内容的完整性，这才能体现出专业性。

一个完整的数据报告，应至少包含以下六块内容：

1. 报告背景

2. 报告目的

3. 数据来源、数量等基本情况

4. 分页图表内容及本页结论

5. 各部分小结及最终总结

6. 下一步策略或对趋势的预测

其中，背景和目的决定了你的报告逻辑，即解决什么问题；数据基本情况讲明数据可信度；分页内容需要按照一定的逻辑来构建，目标仍然是解决报告目的中的问题；小结及总结必不可少；下一步策略或对趋势的预测能为你的报告加分。

这就是数据报告撰写的全流程，撰写的数据报告可以作为自己的项目经历，有了项目经历，再投简历时，面试的几率会增加很多。

轴线，是北京最具代表性的城市空间，是承载着这座城市厚重历史文化的脊梁。南起永定门，北迄钟鼓楼，以这条线为基准，宫苑坛庙、胡同民居次第展开，形成了气势恢宏、纲维有序的北京城，串联起数百年来的历史风云和城市变迁。

自元代定都，大都城的中轴线便已见雏形。明代永乐迁都北京后的精心营造，则使中轴对称的都城格局以及沿线建筑得以确立，并在日后的扩建改造中，臻于完善。至今，整条中轴线上的建筑群依旧壮美，它仍是最能代表北京的城市景观，而由北京老影像研究与考证专家刘阳编著的这本《北京中轴百年影像》，则给我们以全景视角，回望中轴线的百年历史风云。

正阳门瓮城拆改前和拆改中

中轴线的观看史

生活在北京城中的普罗大众，意识到中轴线的存在并亲眼见到它，想必是很晚的。这组建筑群所组成的中轴线景观，在明清的北京，仅帝王所独有，只有他们可以登临城内的万岁山，纵览这座帝都最壮美的奇观。秩序、等级、权力，通过这样的排布，在他们脚下汇集，给予帝王们无上的威严。当然，城墙上卫戍的兵卒和钟鼓楼上的职官，也可以在城市的制高点上领略一二，而对于绝大多数普通百姓来说，城市中轴线最具象的体现，可能只是前门大街，以及地安门内大街这些通衢大道了。整条轴线在百姓的活动范围中，为中间的皇城所阻断。同时，此时呈现中轴线的，多是地图和一些画作，这样的图景同样是普通民众难以接触和想象的。

帝都时代的北京，对于城内的建筑高度有着严格的限定，商业店铺兴建二层小楼，在“庚子之变”以前的时代是不被允许的。民宅中的建筑也被严格限高，尤其在靠近皇城的区域，二层以上的建筑更会被认定有“私窥大内”的企图。即便是在一些达官显贵的私家花园里，稍高于民宅的亭台也只能在很有限的程度内，开阔视野。如著名的半亩园主人麟庆，就曾在《鸿雪因缘图记》中，回忆起宅院内一处可以遥望大内的屋顶，但在今天看来，这里视野的极限，也只是景山万春亭、北海白塔的一角和隐约可见的一线金瓦了。

1860年英法联军攻占北京，帝国的都城门户洞开，中轴线建筑群也被迫通过摄影师的镜头，第一次具体地呈现在世人面前。自此之后，随着技术的完善，摄影成为最有效的视觉记录手段，来自不同国家的摄影师为北京留下了大量的影像资料，而中轴线建筑群无疑是其中最为主要的内容。尽管此时大多数百姓对于中轴线核心区的视觉认知依旧有限，但对于世界而言，这座城市最壮观的面貌，已经不再神秘。

随着一些如教堂、洋房等高层建筑在北京出现，尤其东交民巷使馆区修建后，在靠近中轴线的区域，西方摄影师有了更便利的制高点。而列强对于正阳门至崇文门城墙的控制，使得大量的外国人得以通过较高的视角，观察京师内外城的景象。而前门两座火车站的建成使用，使得这一区域取代广安门内等入城要道，成为外来入京者目睹京师的第一视角。

而对于普通市民来说，中轴线建筑群真正进入公众视野，应该是进入民国之后。中华门至地安门间的皇城区域逐步对市民打开，北海和景山两座皇家御苑以及钟鼓楼的相继开放，使普通市民有了和前朝帝王一样的视角，领略整条中轴线的风采。

同时，航拍照片和空中游览的出现，让人们得以从更高的视角纵览中轴线的景致。这样的视角，是帝王都未曾拥有的。1901年，出于侦察及了解北京街巷地形等目的，法军工兵利用热气球，拍摄了北京乃至全国最早的航空照片，中轴线景观的呈现有了前所未有的视角。而1921年，航空署组织开展了北京上空的“空中游览”，使民众也可以有机会在北京上空，俯瞰这座城市的壮美风貌。

谁在拍摄中轴线

《北京中轴百年影像》中收录的700余张照片，来自百余位摄影师，因此这既是一本中轴线的影像史，也串联起关于北京的近代摄影史。

目前所知最早的北京影像，来自摄影师费里斯·比托。这位战地摄影师跟随英法联军进入北京，用高超的技术记录下这里的层层宫禁、楼宇亭台。比托很准确地把握了这个绝佳的机会，除却单体建筑外，比托在正阳门和北海琼华岛上拍摄了两幅摄影长卷，开启了中轴线的影像记录。在《北京中轴百年影像》中，也用拉页和跨页的形式分别展现了这两幅珍贵的照片。

比托之后，外国摄影师在北京的活动开始频繁。他们或是专业的影像拍摄者，或是作为外交人员、传教士、商人进入北京。最初，大部分外国拍摄者的活动范围与平民相似，皇城是难以涉足的禁区，因此中轴线南端的永定门、中段的正阳门以及北部的钟鼓楼区域，成为摄影师们拍摄最多的中轴线建筑。

庚子之变后，这种禁区被打破。八国联军占领北京期间，数量更多的摄影师开始进行拍摄活动，尤其是对于紫禁城内及北海、景山等处的建筑，在这一期间拍摄了大量照片，知名者如日本摄影师小川一真、德国公使穆默、丹麦摄影师瓦德马尔·蒂格森，以及众多暂不可考的拍摄者。在这个特殊的时间点上，他们有着更大的活动自由度，客观上为中轴建筑群留下了角度多元的影像记录。

进入民国，中轴线建筑群的开放程度加大，新的建筑开始出现，摄影技术和器材也有了更广泛的使用，越来越多的拍摄者用自己的相机，记录下数百年间普通民众都未能一窥的中轴线全貌。一些专业的商业摄影师开始出现，

如詹布鲁恩、佩克哈默，他们拍摄了大量的北京城市影像，并制作成影集、明信片进行售卖，使这些影像得到了广泛传播。与此同时，一些飞行员也借助职业的便利，在空中为北京中轴线留下影像记录。如著有《中国飞行》的德国汉莎航空飞行员格拉夫·楚·卡斯特等。此时，中轴线影像也不再完全依赖于外国摄影师的镜头，国内的学者、记者、建筑师，以及大量的普通市民、游客，开始成为拍摄中轴线影像的新力量。拍摄者的丰富使影像留存的概率和覆盖范围都得到提升，位于中轴线区域上一直为早期摄影师所忽略和较少涉足的其他建筑，也开始进入拍摄者的视野。

至今，我们依然在不断发现新的拍摄者，既有摄影师的信息也在逐步丰富，而《北京中轴百年影像》，可以视作这些北京近代摄影师的一次大集合。

中轴线的影像重构

东交民巷使馆区的东南门及前广场

老照片是我们回到历史现场的一种直观手段，而影像越高清，其所包含的历史信息也就越丰富。殊为难得的是，《北京中轴百年影像》中所选择的照片，基本都为读者提供了同类型影像中的高清版本。刘阳积数年之功，收集整理700余张由中外摄影师拍摄的高清历史影像，搭建起一座“中轴线的纸上博物馆”。在对建筑本身进行多角度呈现之外，影像中的种种细节更值得我们细细品读。

在这本《北京中轴百年影像》中，非常系统地呈现了百余年间这种观察视角的变化。书中照片的编排，以地点为轴，自中轴线最南端的永定门起，至北端的钟鼓楼，每一处建筑的影像，都可以看到摄影师在各自的年代，选取不同角度拍下的照片，而其中一些角度无论是时间点还是拍摄视角，都并不常见，使我们认知这些建筑的变化和时代变迁，有了更丰富的视角。如正阳门、天安门前不同时期的对比，太和殿前的受降仪式，乃至庚子时期短暂消失的地安门等。许多视角和照片内容存在的时期很短，但一张珍贵的照片，就使整座建筑的历史更为完整。

这样大跨度、高质量的影像收集是并不容易的。一座建筑是否拥有相应的历史影像，与这座建筑在今天的文化意义并不完全匹配，昔日摄影师的活动范围，才是最关键的决定因素。因此，苦寻不获的经历，贯穿着作者收集整理老照片的过程。同时，因为缺少相关的既有材料，对一张新出现的老照片进行甄别、判读以及细节阐释，则是更有挑战性的过程。而拍摄者的拍摄水平及当时的技术条件，也使选择出一张优质的照片变得并不轻松。

如在今天被视作中轴线上重要一环的天桥，在很长的时间内都没有一张清晰准确的标准照，这座桥究竟是什么样子，我们无法拿出最准确的例证。这一块区域，向来不是外国摄影师的主要活动范围，因此留下影像记录的机会并不太多。而在书中，不仅呈现了数张天桥的影像，还将更为少见的周围建筑如天桥车站、四面钟、新世界游艺场等收录其中，曾经模糊的天桥地区，变得清晰可感。

同时，书中许多地点的选用，也在拓展我们对于中轴线的认识边界。如果说狭义上的“中轴线”只是位于轴线上的相关建筑，那么在本书的构成中，中轴线两侧的坛庙、宫苑、衙署，以及使馆区、公园等，都被纳入其中，如天坛、先农坛、东交民巷、太庙、中山公园等等。其中许多地点和影像都是首次进入公众视野。如天神坛，地祇坛，履中、蹈和牌坊，堂子等这些可能逐渐为人所遗忘的建筑，都借助一张张照片，重新为我们所认知。这些建筑都是构成中轴线建筑群的微观部分，而在这些照片的支撑下，中轴线的视觉形象也更为立体。

在读图时代，一张照片往往能更为强烈地传递信息，更何况这是一份由高清影像汇聚起的中轴线史书。无论是领略昔日城市风貌的壮美，还是解决具体的历史问题，进行微观史考据，《北京中轴百年影像》都为读者提供了更多元的视角，更充分的史料。翻开本书，透过一张张照片，我们得以进入历史时空，穿行在昔日的街巷之中，回望北京中轴线的百年变迁。

（原标题：回到历史现场观看北京在影像里寻找中轴线）

来源：北京晚报

作者：高一丁

流程编辑 ：L061

版权声明：文本版权归京报集团所有，未经许可，不得转载或改编。