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

國內現在有大量的公司都在使用 Elasticsearch，包括攜程、滴滴、、餓了么、360安全、小米、vivo等諸多知名公司。

除了搜索之外，結合Kibana、Logstash、Beats，Elastic Stack還被廣泛運用在大數據近實時分析領域，包括日志分析、指標監控、信息安全等多個領域。它可以幫助你探索海量結構化、非結構化數據，按需創建可視化報表，對監控數據設置報警閾值，甚至通過使用機器學習技術，自動識別異常狀況。

一、京東到家訂單中心 Elasticsearch 演進歷程

京東到家訂單中心系統業務中，無論是外部商家的訂單生產，或是內部上下游系統的依賴，訂單查詢的調用量都非常大，造成了訂單數據讀多寫少的情況。京東到家的訂單數據存儲在MySQL中，但顯然只通過DB來支撐大量的查詢是不可取的，同時對于一些復雜的查詢，Mysql支持得不夠友好，所以訂單中心系統使用了Elasticsearch來承載訂單查詢的主要壓力。

Elasticsearch 做為一款功能強大的分布式搜索引擎，支持近實時的存儲、搜索數據，在京東到家訂單系統中發揮著巨大作用，目前訂單中心ES集群存儲數據量達到10億個文檔，日均查詢量達到5億。隨著京東到家近幾年業務的快速發展，訂單中心ES架設方案也不斷演進，發展至今ES集群架設是一套實時互備方案，很好的保障了ES集群讀寫的穩定性。

如上圖，訂單中心ES集群架設示意圖。整個架設方式通過VIP來負載均衡外部請求，第一層gateway節點實質為ES中client node，相當于一個智能負載均衡器，充當著分發請求的角色。第二層為data node，負責存儲數據以及執行數據的相關操作。整個集群有一套主分片，二套副分片（一主二副），從網關節點轉發過來的請求，會在打到數據節點之前通過輪詢的方式進行均衡。集群增加一套副本并擴容機器的方式，增加了集群吞吐量，從而提升了整個集群查詢性能。

當然分片數量和分片副本數量并不是越多越好，在此階段中，對選擇適當的分片數量做了近一步探索。分片數可以理解為Mysql中的分庫分表，而當前訂單中心ES查詢主要分為兩類：單ID查詢以及分頁查詢。分片數越大，集群橫向擴容規模也更大，根據分片路由的單ID查詢吞吐量也能大大提升，但對于聚合的分頁查詢性能則將降低。分片數越小，集群橫向擴容規模更小，單ID的查詢性能也將下降，但對于分頁查詢，性能將會得到提升。所以如何均衡分片數量和現有查詢業務，我們做了很多次調整壓測，最終選擇了集群性能較好的分片數。

由于大部分ES查詢的流量都來源于近幾天的訂單，且訂單中心數據庫數據已有一套歸檔機制，將指定天數之前已經關閉的訂單轉移到歷史訂單庫。

架構的快速迭代源于業務的快速發展，正是由于近幾年到家業務的高速發展，訂單中心的架構也不斷優化升級。而架構方案沒有最好的，只有最合適的。相信再過幾年，訂單中心的架構又將是另一個面貌，但吞吐量更大，性能更好，穩定性更強，將是訂單中心系統永遠的追求。

二、攜程Elasticsearch應用案例

1. 攜程酒店訂單Elasticsearch實戰

選擇對分片后的數據庫建立實時索引，把查詢收口到一個獨立的 Web Service，在保證性能的前提下，提升業務應用查詢時的便捷性。最終我們選擇了 Elasticsearch，看中的是它的輕量級、易用和對分布式更好的支持，整個安裝包也只有幾十兆。

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

2. 攜程機票ElasticSearch集群運維馴服記

這個是比較通用的數據的流程，一般會通過Kafka分離產生數據的應用程序和后面的平臺，通過ETL落到不同的地方，按照優先級和冷熱程度采取不同的存儲方式。一般來說，冷數據存放到HDFS，如果溫數據、或者熱數據會采用Database以及Cache。

一旦數據落地，我們會做兩方面的應用，第一個方面的應用是傳統BI，比如會產生各種各樣的報表，報表的受眾是更高的決策層和管理層，他們看了之后，會有相應的業務調整和更高層面的規劃或轉變。

這個使用路徑比較傳統的，在數據倉庫時代就已經存在了。現在有一種新興的場景就是利用大數據進行快速決策，數據不是喂給人的，數據分析結果由程序來消費，其實是再次的反饋到數據源頭即應用程序中，讓他們基于快速分析后的結果，調整已有策略，這樣就形成了一個數據使用的循環。

這樣我們從它的輸入到輸出會形成一種閉環，而且這個閉環全部是機器參與的，這也是為什么去研究這種大規模的，或者快速決策的原因所在。如果數據最終還會給人本身來看的話，就沒有必要更新那么快，因為一秒鐘刷新一次或者10秒鐘刷新一次對人是沒有意義的，因為我們腦子不可能一直轉那么快，基于數據一直的做調整也是不現實的，但是對機器來講，就完全沒有問題。http://www.sohu.com/a/199672012_411876

3. 攜程：大規模 Elasticsearch 集群管理心得

目前，我們最大的日志單集群有120個data node，運行于70臺物理服務器上。數據規模如下:

• 單日索引數據條數600億，新增索引文件25TB (含一個復制片則為50TB)

• 業務高峰期峰值索引速率維持在百萬條/秒

• 歷史數據保留時長根據業務需求制定，從10天 - 90天不等

• 集群共3441個索引、17000個分片、數據總量約9300億, 磁盤總消耗1PB

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

三、去哪兒：訂單中心基于elasticsearch 的解決方案

15年去哪兒網酒店日均訂單量達到30w+，隨著多平臺訂單的聚合日均訂單能達到100w左右。原來采用的熱表分庫方式，即將最近6個月的訂單的放置在一張表中，將歷史訂單放在在history表中。

history表存儲全量的數據，當用戶查詢的下單時間跨度超過6個月即查詢歷史訂單表，此分表方式熱表的數據量為4000w左右，當時能解決的問題。但是顯然不能滿足攜程藝龍訂單接入的需求。如果繼續按照熱表方式，數據量將超過1億條。

全量數據表保存2年的可能就超過4億的數據量。所以尋找有效途徑解決此問題迫在眉睫。由于對這預計4億的數據量還需按照預定日期、入住日期、離店日期、訂單號、聯系人姓名、電話、酒店名稱、訂單狀態……等多個條件查詢。所以簡單按照某一個維度進行分表操作沒有意義。Elasticsearch分布式搜索儲存集群的引入，就是為了解決訂單數據的存儲與搜索的問題。

對訂單模型進行抽象和分類，將常用搜索字段和基礎屬性字段剝離。DB做分庫分表，存儲訂單詳情；Elasticsearch存儲搜素字段。

訂單復雜查詢直接走Elasticsearch，基于OrderNo的簡單查詢走DB，如下圖所示。

系統伸縮性：Elasticsearch 中索引設置了8個分片，目前ES單個索引的文檔達到1.4億，合計達到2億條數據占磁盤大小64G，集群機器磁盤容量240G。

https://elasticsearch.cn/article/6197

四、Elasticsearch 在58集團信息安全部的應用

全面介紹 Elastic Stack 在58集團信息安全部的落地，升級，優化以及應用。包括如下幾個方面：接入背景，存儲選型，性能挑戰，master node以及data node優化，安全實踐，高吞吐量以及低延遲搜索優化；kibana 的落地，本地化使其更方便產品、運營使用。

https://elasticsearch.cn/slides/124

五、滴滴Elasticsearch多集群架構實踐

滴滴 2016 年初開始構建 Elasticsearch 平臺，如今已經發展到超過 3500+ Elasticsearch 實例，超過 5PB 的數據存儲，峰值寫入 tps 超過了 2000w/s 的超大規模。Elasticsearch 在滴滴有著非常豐富的使用場景，例如線上核心的打車地圖搜索，客服、運營的多維度查詢，滴滴日志服務等近千個平臺用戶。

先看看滴滴 Elasticsearch 單集群的架構：滴滴在單集群架構的時候，寫入和查詢就已經通過 Sink 服務和 Gateway 服務管控起來。

1. Sink服務

滴滴幾乎所有寫入 Elasticsearch 的數據都是經由 kafka 消費入到 Elasticsearch。kafka 的數據包括業務 log 數據、mysql binlog 數據和業務自主上報的數據，Sink 服務將這些數據實時消費入到 Elasticsearch。最初設計 Sink 服務是想對寫入 Elasticsearch 集群進行管控，保護 Elasticsearch 集群，防止海量的數據寫入拖垮 Elasticsearch，之后我們也一直沿用了 Sink 服務，并將該服務從 Elasticsearch 平臺分離出去，成立滴滴 Sink 數據投遞平臺，可以從 kafka 或者 MQ 實時同步數據到 Elasticsearch、HDFS、Ceph 等多個存儲服務。有了多集群架構后，Elasticsearch 平臺可以消費一份 MQ 數據寫入多個 Elasticsearch 集群，做到集群級別的容災，還能通過 MQ 回溯數據進行故障恢復。

2. Gateway 服務

所有業務的查詢都是經過 Gateway 服務，Gateway 服務實現了 Elasticsearch 的 http restful 和 tcp 協議，業務方可以通過 Elasticsearch 各語言版本的 sdk 直接訪問 Gateway 服務，Gateway 服務還實現了 SQL 接口，業務方可以直接使用 SQL 訪問 Elasticsearch 平臺。Gateway 服務最初提供了應用權限的管控，訪問記錄，限流、降級等基本能力，后面隨著平臺演進，Gateway 服務還提供了索引存儲分離、DSL 級別的限流、多集群災備等能力。

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

六、Elasticsearch實用化訂單搜索方案

搜索引擎中，主要考慮到Elasticsearch支持結構化數據查詢以及支持實時頻繁更新特性，傳統訂單查詢報表的痛點，以及Elasticsearch能夠幫助解決的問題。

訂單搜索系統架構

整個業務線使用服務化方式，Elasticsearch集群和數據庫分庫，作為數據源被訂單服務系統封裝為對外統一接口；各前、后臺應用和報表中心，使用服務化的方式獲取訂單數據。

- end -

些大學生對自己的專業不感興趣，聽說數據分析師薪資高于全行業水平，憑借著強大的學習能力學了Excel，Pyhton和統計學，感覺數據分析能力提高了很多。投了些簡歷，但是一個面試邀約都沒有，不知道問題出在哪里。

有些職場人也是想轉行做數據分析，上班摸魚學習數據分析工具，SQL和Python學完后，發現工作效率提高了不少，但是因為沒有相關經驗，總擔心自己技術可能不太行，連投簡歷都不敢。

這些問題的根源是什么？可以概括為：你沒辦法在最短的時間內向HR展示，你能夠勝任數據分析這項工作。

在開始投簡歷前的最后一步，建議你花30小時來做一份數據分析報告，這個步驟至少能帶來三個好處：

1、檢驗學習成果

數據分析知識比較多，涉及的知識面也比較廣，不實踐永遠不知道自己掌握了多少。

2、發現是否適合數據分析工作

做數據分析報告幾乎就是數據分析工作的主要內容，做這個數據分析報告就是未來工作的體驗裝，問問自己是否喜歡這樣的工作，這樣的工作能否激發你的興趣？

3、展示真實實力

程序員的世界里講究“No more talk，Show me the code”，數據分析師同樣可以“Show me the report”，一份內容完整的數據報告，能幫你的面試官省下很多判斷/評估/糾結的時間，給你更多的機會。

制作數據報告流程

01

明確目標

如果做數據分析工作，領導和業務部門同事會和你明確數據分析的目標，比如，APP最近3個月注冊人數下滑原因分析，或者對業務部門同事銷售轉化率的分析。

如果不知道怎么選題，可以去kaggel或者阿里天池找競賽項目來分析，選項目上注意：建議找自己熟悉的領域，是為了保證你在后續的分析過程中能夠真正觸及事情的本質，而不是就數字論數字。

02

數據獲取

數據獲取是個技術活，比如你想調研日本核污水排放對中國海鮮市場的影響，目標定下來了，接下來要去找相應的數據。

首先，通過搜索引擎可以很快找到一些公開數據網站。比如國家統計局或者地方統計局的網站，各類行業網站，行業研報網站等，找到的數據可能解決一部分問題，或者只有一半的相關數據，這個時候注意查閱各種相關研報，研報的注釋部分往往會注明他們的數據來源，按圖索驥。

二是關注專門做數據整理打包的網站/API，一般金融類比較容易找到數據，另外某寶上也有相關服務，但是需要付費。

三是自行收集所需數據，用爬蟲工具爬取或者自行設計問卷進行調研，但是問卷調研對問卷內容設置要求非常高，問卷星、問卷網等問卷收集網站可以使用。

03

數據清洗

數據分析師花在數據整理、數據清洗上的時間遠遠超過在數據分析上的時間。在工作中，90%以上的情況，拿到的數據都需要先做清洗工作，排除異常值、空白值、無效值、重復值等等。有些數據分析師從業人員說工作枯燥，枯燥的地方就在這里。

04

數據整理

數據清洗過后，還是需要做一些繁重的文字處理工作，使數據格式符合分析的需要。

若手頭數據非常混亂，就應該大膽地排序，尤其是在記錄量很大的情況下，要一次性看清所有的數據往往很難，而按照不同的域對數據進行排序則能夠以直觀的方式為數據分組，從而發現重復現象或其他疑義。

05描述分析

描述分析是最基本的分析統計方法，在實際工作中也是應用最廣的分析方法。描述統計分為兩大部分：數據描述和指標統計。

數據描述：用來對數據進行基本情況的刻畫，包括：數據總數、時間跨度、時間粒度、空間范圍、空間粒度、數據來源等。如果是建模，那么還要看數據的極值、分布、離散度等內容。這次我們是零基礎做數據報告，那么就不用考慮后一類數據了。

指標統計：用來作報告，分析實際情況的數據指標，可粗略分為四大類：變化、分布、對比、預測；

描述分析的產出是圖表，下一個步驟的內容將基于這些圖表產出。

06洞察結論

這一步是數據報告的核心，也是最能看出數據分析師水平的部分。數據分析師新人和有經驗的分析師拿到同樣的圖表，完全有可能解讀出不同的內容。

這張圖是一個用戶行為聚類的結果，人群被聚成四類。前三類人群可以很清楚的得出結論：他們是某一種游戲主機的用戶。那么第四類人群，是什么人群呢？

分析師新人：第四類人群是游戲主機的狂熱愛好者，他們交易頻率遠高于一般用戶。

有經驗分析師：第四類人群是二手販子，否則誰沒事一年內會搞將近7臺索尼主機放家里。

很明顯，有經驗分析師能迅速看穿數據背后的真實情況，得出正確的洞察結論，缺乏業務經驗，很可能你的洞察結果是完全錯誤的。

但通常來說，即使是復雜的數據報告，也是由一個個相對簡單的洞察結論組成的，這其中涉及到問題的分拆，邏輯線的建立等一系列內容。作為初學者，做到自己力所能及的程度就好。

總結一下，所謂洞察，就是要能夠讀懂數據背后的行為，理解真實情況。單純描述數據，誰都會做，根據數據得出有價值的結論，報告才有意義。

07報告撰寫

數據報告撰寫需要注意的就是保證內容的完整性，這才能體現出專業性。

一個完整的數據報告，應至少包含以下六塊內容：

1. 報告背景

2. 報告目的

3. 數據來源、數量等基本情況

4. 分頁圖表內容及本頁結論

5. 各部分小結及最終總結

6. 下一步策略或對趨勢的預測

其中，背景和目的決定了你的報告邏輯，即解決什么問題；數據基本情況講明數據可信度；分頁內容需要按照一定的邏輯來構建，目標仍然是解決報告目的中的問題；小結及總結必不可少；下一步策略或對趨勢的預測能為你的報告加分。

這就是數據報告撰寫的全流程，撰寫的數據報告可以作為自己的項目經歷，有了項目經歷，再投簡歷時，面試的幾率會增加很多。

軸線，是北京最具代表性的城市空間，是承載著這座城市厚重歷史文化的脊梁。南起永定門，北迄鐘鼓樓，以這條線為基準，宮苑壇廟、胡同民居次第展開，形成了氣勢恢宏、綱維有序的北京城，串聯起數百年來的歷史風云和城市變遷。

自元代定都，大都城的中軸線便已見雛形。明代永樂遷都北京后的精心營造，則使中軸對稱的都城格局以及沿線建筑得以確立，并在日后的擴建改造中，臻于完善。至今，整條中軸線上的建筑群依舊壯美，它仍是最能代表北京的城市景觀，而由北京老影像研究與考證專家劉陽編著的這本《北京中軸百年影像》，則給我們以全景視角，回望中軸線的百年歷史風云。

正陽門甕城拆改前和拆改中

中軸線的觀看史

生活在北京城中的普羅大眾，意識到中軸線的存在并親眼見到它，想必是很晚的。這組建筑群所組成的中軸線景觀，在明清的北京，僅帝王所獨有，只有他們可以登臨城內的萬歲山，縱覽這座帝都最壯美的奇觀。秩序、等級、權力，通過這樣的排布，在他們腳下匯集，給予帝王們無上的威嚴。當然，城墻上衛戍的兵卒和鐘鼓樓上的職官，也可以在城市的制高點上領略一二，而對于絕大多數普通百姓來說，城市中軸線最具象的體現，可能只是前門大街，以及地安門內大街這些通衢大道了。整條軸線在百姓的活動范圍中，為中間的皇城所阻斷。同時，此時呈現中軸線的，多是地圖和一些畫作，這樣的圖景同樣是普通民眾難以接觸和想象的。

帝都時代的北京，對于城內的建筑高度有著嚴格的限定，商業店鋪興建二層小樓，在“庚子之變”以前的時代是不被允許的。民宅中的建筑也被嚴格限高，尤其在靠近皇城的區域，二層以上的建筑更會被認定有“私窺大內”的企圖。即便是在一些達官顯貴的私家花園里，稍高于民宅的亭臺也只能在很有限的程度內，開闊視野。如著名的半畝園主人麟慶，就曾在《鴻雪因緣圖記》中，回憶起宅院內一處可以遙望大內的屋頂，但在今天看來，這里視野的極限，也只是景山萬春亭、北海白塔的一角和隱約可見的一線金瓦了。

1860年英法聯軍攻占北京，帝國的都城門戶洞開，中軸線建筑群也被迫通過攝影師的鏡頭，第一次具體地呈現在世人面前。自此之后，隨著技術的完善，攝影成為最有效的視覺記錄手段，來自不同國家的攝影師為北京留下了大量的影像資料，而中軸線建筑群無疑是其中最為主要的內容。盡管此時大多數百姓對于中軸線核心區的視覺認知依舊有限，但對于世界而言，這座城市最壯觀的面貌，已經不再神秘。

隨著一些如教堂、洋房等高層建筑在北京出現，尤其東交民巷使館區修建后，在靠近中軸線的區域，西方攝影師有了更便利的制高點。而列強對于正陽門至崇文門城墻的控制，使得大量的外國人得以通過較高的視角，觀察京師內外城的景象。而前門兩座火車站的建成使用，使得這一區域取代廣安門內等入城要道，成為外來入京者目睹京師的第一視角。

而對于普通市民來說，中軸線建筑群真正進入公眾視野，應該是進入民國之后。中華門至地安門間的皇城區域逐步對市民打開，北海和景山兩座皇家御苑以及鐘鼓樓的相繼開放，使普通市民有了和前朝帝王一樣的視角，領略整條中軸線的風采。

同時，航拍照片和空中游覽的出現，讓人們得以從更高的視角縱覽中軸線的景致。這樣的視角，是帝王都未曾擁有的。1901年，出于偵察及了解北京街巷地形等目的，法軍工兵利用熱氣球，拍攝了北京乃至全國最早的航空照片，中軸線景觀的呈現有了前所未有的視角。而1921年，航空署組織開展了北京上空的“空中游覽”，使民眾也可以有機會在北京上空，俯瞰這座城市的壯美風貌。

誰在拍攝中軸線

《北京中軸百年影像》中收錄的700余張照片，來自百余位攝影師，因此這既是一本中軸線的影像史，也串聯起關于北京的近代攝影史。

目前所知最早的北京影像，來自攝影師費里斯·比托。這位戰地攝影師跟隨英法聯軍進入北京，用高超的技術記錄下這里的層層宮禁、樓宇亭臺。比托很準確地把握了這個絕佳的機會，除卻單體建筑外，比托在正陽門和北海瓊華島上拍攝了兩幅攝影長卷，開啟了中軸線的影像記錄。在《北京中軸百年影像》中，也用拉頁和跨頁的形式分別展現了這兩幅珍貴的照片。

比托之后，外國攝影師在北京的活動開始頻繁。他們或是專業的影像拍攝者，或是作為外交人員、傳教士、商人進入北京。最初，大部分外國拍攝者的活動范圍與平民相似，皇城是難以涉足的禁區，因此中軸線南端的永定門、中段的正陽門以及北部的鐘鼓樓區域，成為攝影師們拍攝最多的中軸線建筑。

庚子之變后，這種禁區被打破。八國聯軍占領北京期間，數量更多的攝影師開始進行拍攝活動，尤其是對于紫禁城內及北海、景山等處的建筑，在這一期間拍攝了大量照片，知名者如日本攝影師小川一真、德國公使穆默、丹麥攝影師瓦德馬爾·蒂格森，以及眾多暫不可考的拍攝者。在這個特殊的時間點上，他們有著更大的活動自由度，客觀上為中軸建筑群留下了角度多元的影像記錄。

進入民國，中軸線建筑群的開放程度加大，新的建筑開始出現，攝影技術和器材也有了更廣泛的使用，越來越多的拍攝者用自己的相機，記錄下數百年間普通民眾都未能一窺的中軸線全貌。一些專業的商業攝影師開始出現，

如詹布魯恩、佩克哈默，他們拍攝了大量的北京城市影像，并制作成影集、明信片進行售賣，使這些影像得到了廣泛傳播。與此同時，一些飛行員也借助職業的便利，在空中為北京中軸線留下影像記錄。如著有《中國飛行》的德國漢莎航空飛行員格拉夫·楚·卡斯特等。此時，中軸線影像也不再完全依賴于外國攝影師的鏡頭，國內的學者、記者、建筑師，以及大量的普通市民、游客，開始成為拍攝中軸線影像的新力量。拍攝者的豐富使影像留存的概率和覆蓋范圍都得到提升，位于中軸線區域上一直為早期攝影師所忽略和較少涉足的其他建筑，也開始進入拍攝者的視野。

至今，我們依然在不斷發現新的拍攝者，既有攝影師的信息也在逐步豐富，而《北京中軸百年影像》，可以視作這些北京近代攝影師的一次大集合。

中軸線的影像重構

東交民巷使館區的東南門及前廣場

老照片是我們回到歷史現場的一種直觀手段，而影像越高清，其所包含的歷史信息也就越豐富。殊為難得的是，《北京中軸百年影像》中所選擇的照片，基本都為讀者提供了同類型影像中的高清版本。劉陽積數年之功，收集整理700余張由中外攝影師拍攝的高清歷史影像，搭建起一座“中軸線的紙上博物館”。在對建筑本身進行多角度呈現之外，影像中的種種細節更值得我們細細品讀。

在這本《北京中軸百年影像》中，非常系統地呈現了百余年間這種觀察視角的變化。書中照片的編排，以地點為軸，自中軸線最南端的永定門起，至北端的鐘鼓樓，每一處建筑的影像，都可以看到攝影師在各自的年代，選取不同角度拍下的照片，而其中一些角度無論是時間點還是拍攝視角，都并不常見，使我們認知這些建筑的變化和時代變遷，有了更豐富的視角。如正陽門、天安門前不同時期的對比，太和殿前的受降儀式，乃至庚子時期短暫消失的地安門等。許多視角和照片內容存在的時期很短，但一張珍貴的照片，就使整座建筑的歷史更為完整。

這樣大跨度、高質量的影像收集是并不容易的。一座建筑是否擁有相應的歷史影像，與這座建筑在今天的文化意義并不完全匹配，昔日攝影師的活動范圍，才是最關鍵的決定因素。因此，苦尋不獲的經歷，貫穿著作者收集整理老照片的過程。同時，因為缺少相關的既有材料，對一張新出現的老照片進行甄別、判讀以及細節闡釋，則是更有挑戰性的過程。而拍攝者的拍攝水平及當時的技術條件，也使選擇出一張優質的照片變得并不輕松。

如在今天被視作中軸線上重要一環的天橋，在很長的時間內都沒有一張清晰準確的標準照，這座橋究竟是什么樣子，我們無法拿出最準確的例證。這一塊區域，向來不是外國攝影師的主要活動范圍，因此留下影像記錄的機會并不太多。而在書中，不僅呈現了數張天橋的影像，還將更為少見的周圍建筑如天橋車站、四面鐘、新世界游藝場等收錄其中，曾經模糊的天橋地區，變得清晰可感。

同時，書中許多地點的選用，也在拓展我們對于中軸線的認識邊界。如果說狹義上的“中軸線”只是位于軸線上的相關建筑，那么在本書的構成中，中軸線兩側的壇廟、宮苑、衙署，以及使館區、公園等，都被納入其中，如天壇、先農壇、東交民巷、太廟、中山公園等等。其中許多地點和影像都是首次進入公眾視野。如天神壇，地祇壇，履中、蹈和牌坊，堂子等這些可能逐漸為人所遺忘的建筑，都借助一張張照片，重新為我們所認知。這些建筑都是構成中軸線建筑群的微觀部分，而在這些照片的支撐下，中軸線的視覺形象也更為立體。

在讀圖時代，一張照片往往能更為強烈地傳遞信息，更何況這是一份由高清影像匯聚起的中軸線史書。無論是領略昔日城市風貌的壯美，還是解決具體的歷史問題，進行微觀史考據，《北京中軸百年影像》都為讀者提供了更多元的視角，更充分的史料。翻開本書，透過一張張照片，我們得以進入歷史時空，穿行在昔日的街巷之中，回望北京中軸線的百年變遷。

（原標題：回到歷史現場觀看北京在影像里尋找中軸線）

來源：北京晚報

作者：高一丁

流程編輯 ：L061

版權聲明：文本版權歸京報集團所有，未經許可，不得轉載或改編。