来源：
多年前，一个叫做Shay Banon的刚结婚不久的失业开发者，由于妻子要去伦敦学习厨师，他便跟着也去了。在他找工作的过程中，为了给妻子构建一个食谱的搜索引擎，他开始构建一个早期版本的Lucene。
直接基于Lucene工作会比较困难，所以Shay开始抽象Lucene代码以便Java程序员可以在应用中添加搜索功能。他发布了他的第一个开源项目，叫做“Compass”。
后来Shay找到一份工作，这份工作处在高性能和内存数据网格的分布式环境中，因此高性能的、实时的、分布式的搜索引擎也是理所当然需要的。然后他决定重写Compass库使其成为一个独立的服务叫做Elasticsearch。
第一个公开版本出现在2010年2月，在那之后Elasticsearch已经成为Github上最受欢迎的项目之一，代码贡献者超过300人。一家主营Elasticsearch的公司就此成立，他们一边提供商业支持一边开发新功能，不过Elasticsearch将永远开源且对所有人可用。
特点：
elasticsearch是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。
Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。
几乎每个系统都会有一个搜索的功能，当搜索做到一定程度时，维护和扩展起来难度就会慢慢变大，所以很多公司都会把搜索单独独立出一个模块，用ElasticSearch等来实现。
Elasticsearch还可用来做日志分析系统：ELK。是ElasticSearch + Logstash +Kibana 的简称。L:是一个完全开源的工具，他可以对你的日志进行收集、分析，并将其存储供以后使用（如，搜索）。 kibana 也是一个开源和免费的工具，他 Kibana 可以为 Logstash 和 ElasticSearch 提供的日志分析友好的 Web 界面，可以帮助您汇总、分析和搜索重要数据日志。
ElasticSearch的使用非常广泛。例如：UBER、LinkedIn、ebay等公司。
安装：
1、下载地址
https://www.elastic.co/downloads
2、两种运行方式：
第一种：直接解压，找到bin目录，然后运行程序，用nohup或者elasticsearch –d,
https://www.elastic.co/guide/en/elasticsearch/reference/current/setup.html
第二种：以系统服务的形式运行（推荐这种）
官网：https://www.elastic.co/guide/en/elasticsearch/reference/current/setup-service.html
gitHub:
https://github.com/elastic/elasticsearch-servicewrapper
3、elasticsearch-head
辅助管理集群的可视化工具,可以用来查询数据和查看管理集群。
gitHub：
https://github.com/mobz/elasticsearch-head
4、插件
Elasticsearch本身不支持中文，需要下插件以支持中文分词
https://www.elastic.co/guide/en/elasticsearch/plugins/current/analysis-smartcn.html
如果还嫌麻烦，可以直接去gitHub上看一看“elasticsearch-rft”这个项目，直接集成了elasticSearch所需的所有中文东西。https://github.com/medcl/elasticsearch-rtf
5、http client
这里选用的是官方提供的elasticsearch-php
https://www.elastic.co/guide/en/elasticsearch/client/php-api/current/index.html
elasticsearch创建：
1、ElasticSearch中数据名称和数据库中的对应关系
index ~~ database
type ~~ table
document ~~ row
2、创建index的结构
不创建也可以，elasticsearch本身有一些默认的配置，但是一般都是自己创建。
PUT /my_index
{
"settings": { ... any settings ... },
"mappings": {
"type_one": { ... any mappings ... },
"type_two": { ... any mappings ... },
...
}
创建好的结构PHP版：
....
由于代码很长，我就不贴了
大体结构是
body:{
settings:{
number_of_shards:
number_of_replicas:
analysis { filter:{}, tokenizer:{}, analyzer:{} }
},
mappings:{
“your_type1”:{ … properties:{ id:{ type:long … } … }
…
}
}
3、索引设置
(Elasticsearch 提供了优化好的默认配置。除非你明白这些配置的行为和为什么要这么做，请不要修改这些配置。)
number_of_shards : elasticsearch 主分片点的个数 （默认是5）
number_of_replicas：每个分片的副本 （默认是1）
分片：
当有大量的文档时，由于内存、硬盘等硬件资源的能力，没法及时的相应客户端的请求，一个节点就不够用。这时候，数据可以分为较小的称之为分片（shard）的部分。每个分片可以放在不同的服务器上，因此，数据可以在集群节点中传播，当你查询的索引分布在多个分片上时，Elasticsearch会把查询发送给每个相关的分片，并将结果合并在一起，应用程序对于分片来讲是透明的（不知道也无需知道分片的存在）。
副本：
为了提高查询的吞吐量，可以使用副本。副本只是一个分片的精确复制，每个分片可以有零到多个副本。换句话说：Elasticsearch可以有许多相同的分片，其中之一被自动选择去更改索引操作。这种特殊的分片称之为：主分片（primary shard）,其余的称之为副本分片（replica shard）。在主分片丢失的时候，例如该分片数据所在的服务器不可用，集群将副本提升为新的主分片。
analysis 机制用于进行全文本（Full Text）的分词，以建立提供搜索用的反向索引。
analysis 机制包含了一下步骤：
首先，把一整块的文本分割成单独独立的用于倒排索引的词（terms）。
然后，把这些分词整合成用于改善查询或其他操作的标准的结构。
以上工作被analyzers完美的解决了。一个analyzers是一个整合了以下三个东西的wrapper：
Character filters（字符过滤器）：
首先字符串经过字符过滤器(character filter)，它们的工作是在标记化前处理字符串。字符过滤器能够去除HTML标记，或者转换"&"为"and"。
Tokenizer（分词器）：
下一步，分词器(tokenizer)被标记化成独立的词。一个简单的分词器(tokenizer)可以根据空格或逗号将单词分开（这个在中文中不适用）。
filters（过滤器）：
最后，每个词都通过所有标记过滤(token filters)，它可以修改词（例如将"Quick"转为小写），去掉词（例如停用词像"a"、"and"``"the"等等），或者增加词（例如同义词像"jump"和"leap"）
注意：整个流程就是 character filters => Tokenzier => Tokenzier filters
elastic提供了很多开箱即用的字符过滤器、分词器和过滤器，可以参照官网。
https://www.elastic.co/guide/en/elasticsearch/guide/current/analysis-intro.html
中文版：
http://es.xiaoleilu.com/052_Mapping_Analysis/40_Analysis.html
这种DSL的东西没有必要记，现用现查就行了
以下是ElasticSearch内置的Analyzer、tokenizer、tokenizer filter、character filter
Analyzer（分析器）：
| Analyzer名字 | 作用 |
|---|---|
| standard | standard tokenizer, standard filter, lower case filter, stop filter |
| simple | lower case tokenizer |
| stop | lower case tokenizer, stop filter |
| keyword | 不分词，内容整体作为一个token(not_analyzed) |
| whitespace | 正则表达式分词，默认匹配\W+ |
| lang | 各种语言 |
| snowball | standard tokenizer, standard filter, lower case filter, stop filter,snowball filter |
| custom | 一个Tokenizer, 零个或多个Token Filter, 零个或多个Char Filter |
tokenizer
| standard | |
| edgeNGram | |
| keyword | 不分词 |
| letter | 按单词分 |
| lowercase | letter tokenizer, lower case filter |
| nGram | |
| whitespace | 以空格为分隔符拆分 |
| pattern | 定义分隔符的正则表达式 |
| uax_url_email | 不拆分url和email |
| path_hierarchy | 处理类似/path/to/somthing样式的字符串 |
token filter
| tokenizer filter名字 | tokenizer filter的作用 |
| standard | |
| asciifolding | |
| length | 去掉太长或者太短的 |
| lowercase | |
| nGram | |
| edgeNGram | |
| porterStem | 波特词干算法 |
| shingle | |
| stop | 移除 stop words |
| word_delimiter | 将一个单词再拆成子分词 |
| stemmer | |
| stemmer_override | |
| keyword_marker | |
| keyword_repeat | |
| kstem | |
| snowball | |
| phonetic | 插件 https://github.com/elasticsearch/elasticsearch-analysis-phonetic |
| 处理同义词 |
| dictionary_decompounder，hyphenation_decompounder | 分解复合词 |
| reverse | 反转字符串 |
| elision | 去掉缩略语 |
| truncate | 截断字符串 |
| unique | |
| pattern_capture | |
| pattern_replace | 用正则表达式替换 |
| 去掉空格 |
| limit | 限制token数量 |
| hunspell | 拼写检查 |
| common_grams | |
| arabic_normalization，persian_normalization |
| character filter 的名字 | character filter的作用 |
| mapping | 根据配置的映射关系替换字符 |
| html_strip | 去掉HTML元素 |
| pattern_replace | 用正则表达式处理字符串 |
ElasticSearch的基本用法：
elasticsearch的curd操作很简单：
创建 index：curl-XPUT'localhost:9200/customer?pretty'
创建 document：curl-XPUT'localhost:9200/customer/external/1?pretty'-d'{ "name": "John Doe"}'
删除 index : curl-XDELETE'localhost:9200/customer?pretty'
删除document： curl-XDELETE'localhost:9200/customer/external/2?pretty'
note：删除了index，index下面的所有document都会删除。
修改： curl-XPOST'localhost:9200/customer/external/1/_update?pretty'-d'{ "doc": { "name": "Jane Doe" }}'
查找：elasticSearch的查找可以非常复杂，也可以简单。
简单的：curl-XGET'http://localhost:9200/twitter/tweet/1'
这样可以直接得到我们需要的那个document的信息
但是我们检索肯定不能这么简单，elasticsearch提供了一套查询的DSL，专门用于Query，可以去官网仔细看一下，这里就不过多赘述了
https://www.elastic.co/guide/en/elasticsearch/reference/current/search-template.html
elasticsearch基本的API格式 curl -X请求方法（大写） IP地址 ：port/ES中定义的Index/ES中定义的type/document的ID。注意：elasticsearch的增加是用的PUT方法，更新是POST方法，这和一般的REST规范有所不同。
elasticsearch还支持批量处理
例如：先更新一个数据，然后删除另一个数据，就可以这样写：
curl-XPOST'localhost:9200/customer/external/_bulk?pretty'-d'
{"update":{"_id":"1"}}
{"doc": { "name": "John Doe becomes Jane Doe" } }
{"delete":{"_id":"2"}}
'
elasticsearch的集群搭建：
创建三个节点的集群：
ElasticSearch创建集群非常的简单，把三个服务器中的elasticsearch.yml文件中的”cluster.name”改为相同的名字就可以。
然后把三个节点启动就可以，无需考虑任何问题，非常的方便。
ElasticSearch在项目中的应用
1、创建index
创建index需要考虑的东西很多：需要几个type？需要document的结构是怎样的？字段需要几种分词？等等。Index重要的分析机制是自定义的，以后想要检索得到更好的结果，主要是优化这一部分。
2、在程序中使用elasticsearch-PHP，来向ES发送rest请求。
添加一个document:
添加一个index:
删除一个document:
删除一个index:
得到一个document：
修改一个document：（官网贴图没找到）
（PS:其中data是一个php数组）
查询比较多样和复杂在此，我贴一个项目中用到的，功能：多种type联合搜索后，根据“城市”过滤结果，然后高亮显示match上的字段。
$param = [
'index' => ESConsts::INDEX,
'type' => [ESConsts::TYPE_DOC, ESConsts::TYPE_HOSPITAL],
'body' => [
'size' =>9000,
'from' =>0,
'query' => [
'filtered' => [
'query' => [
"multi_match" => [
"query" => $keyword,
"type" => "best_fields",
"fields" => [
"name", "hospitals_name",
"hospitals_name.hospitals_name_pinyin", "name.name_pinyin"
],
"tie_breaker" => 0.3,
"minimum_should_match" => "10%"
],
],
'filter' => [
'term' => ['city' => $city]
],
]
],
'highlight' =>[
'fields' => [
'hospitals_name' => [
"pre_tags" => ["<font color='#00FFFF'>"],
"post_tags" => ["</font>"]
],
'name' => [
"pre_tags" => ["<font color='#00FFFF'>"],
"post_tags" => ["</font>"]
],
'hospitals_name.hospitals_name_pinyin' => [
"pre_tags" => ["<font >"],
"post_tags" => ["</font>"]
],
'name.name_pinyin' => [
"pre_tags" => ["<font >"],
"post_tags" => ["</font>"]
]
]
]
]
];
$response = $client->search($param);
3、ES和DB数据的一致性
ES中的数据必须要保持和DB数据的一致，才可以得到真实的结果，否则，用户通过ES得到的数据永远都是不可用的。在项目中是通过重写model层的写库方法实现的，每当对DB进行写操作的时候，触发事件，异步向ES中发消息，然后更改ES中数据。
（通过 PHP 框架 Laravel 的Event模块实现）
更多精彩内容，请关注我的微信公众账号 互联网技术窝
1175
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
