目录
(一) ElasticSearch | 相关工具安装 (Windows)
3、排序(sort)、分页查询(from、size)、scoll分页
一、ElasticSearch概述
Elasticsearch(ES) 是一个分布式、RESTful 风格的搜索和数据分析引擎。全文搜索引擎。
官网:免费且开放的搜索:Elasticsearch、ELK 和 Kibana 的开发者 | Elastic
官方文档:Elasticsearch Guide [7.8] | Elastic
1. 查询和分析:
- 能够执行及合并多种类型的搜索(结构化数据、非结构化数据、地理位置、指标)。
- 分析大规模数据
2. 查询速度:
- 近实时搜索,通过有限状态转换器实现了用于全文检索的倒排索引,实现了用于存储数值数据和地理位置数据的 BKD 树,以及用于分析的列存储。
3. 可扩展性:
- 快速扩容,水平扩展
4. 内容相关度:
- 基于各项元素(从词频或新近度到热门度等)对搜索结果进行排序。
5. 弹性设计:
- 硬件故障。网络分割。Elasticsearch 运行在一个分布式的环境中,跨集群复制功能,辅助集群可以作为热备份随时投入使用
全文检索搜索引擎
Google,百度类的网站搜索,它们都是根据网页中的关键字生成索引,我们在搜索的时候输入关键字,它们会将该关键字即索引匹配到的所有网页返回;还有常见的项目中应用日志的搜索等等。对于这些非结构化的数据文本,关系型数据库搜索不是能很好的支持。
一般传统数据库,全文检索都实现的很鸡肋,因为一般也没人用数据库存文本字段。进行全文检索需要扫描整个表,如果数据量大的话即使对SQL的语法优化,也收效甚微。建立了索引,但是维护起来也很麻烦,对于 insert 和 update 操作都会重新构建索引。
这里说到的全文搜索引擎指的是目前广泛应用的主流搜索引擎。它的工作原理是计算机索引程序通过扫描文章中的每一个词,对每一个词建立一个索引,指明该词在文章中出现的次数和位置,当用户查询时,检索程序就根据事先建立的索引进行查找,并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。
Elasticsearch和Solr的底层:lucene Java信息检索程序库
elasticsearch、solr对比
ES随着数据流增加,没有明显变化,solr实时建立索引会产生io阻塞,查询效率变差。对已有数据进行搜索时,solr更快
应用场景
操作 | 请求方式 |
---|---|
保存 | PUT |
删除 | DELETE |
更新 | POST |
查询 | GET |
2、倒排索引
正排索引:根据id查询记录
倒排索引:根据记录分词去找ID
- 数据根据词条进行分词,同时记录文档索引位置
- 将词条相同的数据化进行合并
- 对词条进行排序
先将搜索词语进行分词,分词后再倒排索引列表查询文档位置(docId)。根据docId查询文档数据。
3、ElasticSearch 核心概念 ★
1. es对照数据库
2. 索引库 (Index):一个索引就是一个拥有几分相似特征的文档的集合。
3. 类型表 (Type):在一个索引中,你可以定义一种或多种类型。7.x 弱化,为了全文检索
版本 | Type |
---|---|
5.x | 支持多种type |
6.x | 只能有一种type |
7.x | 默认不再支持自定义索引类型(默认类型为:_doc) |
4. 文档 (Document):一个文档是一个可被索引的基础信息单元,也就是一条数据。文档以JSON(Javascript Object Notation)格式来表示。
5. 字段 (Field):相当于是数据表的字段,名值对,对文档数据根据不同属性进行的分类标识。
6. 映射(Mapping):处理数据的方式和规则方面做一些限制,如:某个字段的数据类型、默认值、分析器、是否被索引等等。
(一) ElasticSearch | 相关工具安装 (Windows)
用户切换:su - es
es启动
-d为在后台启动,不加-d时可以看到启动过程,出现started时启动完成
./elasticsearch -dkibana启动
前台启动:./bin/kibana
后台启动:nohup ./kibana &
下载地址:Past Releases of Elastic Stack Software | Elastic
1、ES7.8 安装(Win),解压即可
2. 修改配置
修改 config/jvm.options,内存配置,减少内存使用
3. 准备好java环境,双击运行win批处理
2、kibana7.8 安装
elasticsearch服务是一个restful风格的http服务。官方提供了kibana 客户端。
1. 安装,解压即可 (复制到指定文件夹再解压)
2. 修改配置config/kibana.yml
//允许远程访问
3. bin目录下,cmd启动 elasticsearch.bat
4. 访问:http://localhost:5601/
左侧选框,访问控制台:
3、ik7.8 分词器安装 (中文分词)
1. 解压即可
2. 复制到指定目录,修改名称ik(可选),删除压缩包,重启后生效
3. 重启ElasticSearch、kibana,访问控制台测试
POST _analyze
{
"analyzer": "ik_smart",
"text": "我是中国人"
}
(二) Linux下安装
1. 获取安装包, 复制安装包到linux系统下
2. 解压
tar -zxvf elasticsearch-7.8.0-linux-x86_64.tar.gz
3. 准备工作
(1).elasticsearch不能直接通过root用户启动,所以要先创建一个普通用户。
#创建用户
useradd es
#设置密码 (八个字符,数字字母)
passwd es
(2).给普通用户授权
chown -R es /opt/es
(3).给用户设置sudo权限
#使用root用户执行,visudo相当于vim /etc/sudoers
visudo
#在root ALL=(ALL) ALL下面新增
es ALL=(ALL) ALL
(4).普通用户打开文件最大数限制修改
#编辑limits.conf文件
vi /etc/security/limits.conf#添加以下内容
* soft nofile 65536
* hard nofile 131072
* soft nproc 2048
* hard nproc 4096
(5).普通用户启动线程数限制 (不用改)
# Centos7
vi /etc/security/limits.d/20‐nproc.conf#添加以下内容
* soft nproc 4096
(6).普通用户增大虚拟内存
vi /etc/sysctl.conf
#添加以下内容:
vm.max_map_count=262144#保存后执行sysctl -p让配置生效
sysctl -p
全部步骤完成后需要重新打开终端,重新登入。
4. 修改es配置
(1).切换普通用户(es)登入 (注意空格)
su - es
(2).进入到${解压目录}/config目录下,修改elasticsearch.yml配置文件:
#集群名称
cluster.name: my-application
#节点名称
node.name: node-1
#数据文件目录
path.data: ./data
#日志文件目录
path.logs: ./logs
#运行访问的网络,0.0.0.0表示任意ip都匹配,这样可以远程访问
network.host: 0.0.0.0
#http rest服务端口
http.port: 9200
#集群初始master选举节点
cluster.initial_master_nodes: ["node-1"]
(3).修改jvm配置 (内存 可选)
Linux内存沾满后,会使用硬盘临时当做内存,导致运行速度变慢
5. 启动
#进入到bin目录(注意,不能使用root账号启动)
-d为在后台启动,不加-d时可以看到启动过程,出现started时启动完成
./elasticsearch -d
2、kibana安装
1. 获取安装包, 复制安装包到linux系统下
2. 解压 (注意不能使用root用户,不然要修改权限)
tar -zxvf kibana-7.8.0-linux-x86_64.tar.gz
3. 修改配置
4. 进入bin目录,后台启动 (注意不能使用root用户)
前台启动:./bin/kibana
后台启动:nohup ./kibana &
5. 关闭kibana:
netstat -tunlp|grep 5601 查看进程
kill -9 端口 杀死进程
3、ik词库安装
1. 安装unzip 解压工具
yum list | grep zip/unzip 查看是否安装
yum install zip
yum install unzip
2. 进入到${es安装目录}/plugins目录,新建ik目录。 (使用root)
#在ik目录下解压elasticsearch-analysis-ik-7.8.0.zip文件
#解压
unzip elasticsearch-analysis-ik-7.8.0.zip
#删除zip文件
rm -f elasticsearch-analysis-ik-7.8.0.zip
3. 重启es:
./elasticsearch -d
二、ElasticSearch 基本操作 ★★
1. ik 分词器
POST _analyze
{
"analyzer": "ik_smart",
"text": "我是中国人"
}
POST _analyze
{
"analyzer": "ik_max_word",
"text": "我是中国人"
}
POST _analyze
{
"analyzer": "standard",
"text": "我是中国人"
}
2. 索引、文档操作
实际上是发送了RESTful请求,省略了ip端口号
ElasticSearch | 命令 |
---|---|
查看所有索引 | GET /_cat/indices?v |
查看指定索引 | GET /{索引名} |
创建索引 | PUT /{索引名} |
删除指定索引 | DELETE /{索引名} |
创建文档 | PUT /{索引名称}/_doc/{id} { jsonbody } |
修改文档 | PUT /{索引名称}/_doc/{id} { jsonbody } |
查看文档 | GET /{索引名称}/_doc/{id} |
修改局部字段 这种更新只能使用post方式。 | POST /{索引名称}/_update/{docId} { "doc": { "属性": "值" } } |
删除文档 (不会立刻删除 版本提升) | DELETE /{索引名称}/_doc/{id} |
批量操作 actionName可以有CREATE、DELETE等。 | {"actionName":{"_index":"indexName", "_type:"typeName","_id":"id"}} {"field1":"value1", "field2":"value2"} |
查看映射 | GET /{索引名称}/_mapping |
3. 映射
静态映射:静态映射是在Elasticsearch中也可以事先定义好映射,即手动映射,包含文档的各字段类型、分词器等,这称为静态映射。
type分类如下:
- 字符串:text(支持分词)和 keyword(不支持分词)。
- text:该类型被用来索引长文本,在创建索引前会将这些文本进行分词,转化为词的组合,建立索引;允许es来检索这些词,text类型不能用来排序和聚合。
- keyword:该类型不能分词,可以被用来检索过滤、排序和聚合,keyword类型不可用text进行分词模糊检索。
数值型:long、integer、short、byte、double、float
日期型:date
布尔型:boolean
#删除原创建的索引
DELETE /my_index
#创建索引,并同时指定映射关系和分词器等。
PUT /my_index
{
"mappings": {
"properties": {
"title": {
"type": "text",
"index": true,
"store": true,
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"category": {
"type": "keyword",
"index": true,
"store": true
},
"images": {
"type": "keyword",
"index": true,
"store": true
},
"price": {
"type": "integer",
"index": true,
"store": true
}
}
}
}
动态映射:在文档第一次写入Elasticsearch时,会根据文档字段自动识别类型,这种机制称之为动态映射。
数据 | 对应的类型 |
---|---|
null | 字段不添加 |
true|flase | boolean |
字符串 | text |
数值 | long |
小数 | float |
日期 | date |
三、DSL高级查询 ★★★
Query DSL: Domain Specific Language(领域专用语言),Elasticsearch提供了基于JSON的DSL来定义查询。
准备数据:
POST _bulk
{"create":{"_index":"my_index","_id":1}}
{"id":1,"title":"华为笔记本电脑","category":"华为","images":"http://www.gulixueyuan.com/xm.jpg","price":5388}
{"create":{"_index":"my_index","_id":2}}
{"id":2,"title":"华为手机","category":"华为","images":"http://www.gulixueyuan.com/xm.jpg","price":5500}
{"create":{"_index":"my_index","_id":3}}
{"id":3,"title":"VIVO手机","category":"vivo","images":"http://www.gulixueyuan.com/xm.jpg","price":3600}
1. 查询所有文档:match_all
#可简写
POST /my_index/_search
POST /my_index/_search
{
"query": {
"match_all": {}
}
}
2.1 匹配查询:match
由于title字段,映射设置的分词解析是ik_smart,分词为华为|智能手机,所以vivo手机并没有命中
POST /my_index/_search
{
"query": {
"match":{
"title": "华为智能手机"
}
}
}
2.2 补充条件删除:_delete_by_query
POST /my_index/_delete_by_query
{
"query": {
"match": {
"title": "vivo"
}
}
}
4. 多字段匹配:multi_match
POST my_index/_search
{
"query": {
"multi_match": {
"query": "华为智能手机",
"fields": ["title","category"]
}
}
}
5. 前缀匹配: prefix
指定字段属于分词的前缀,才可以命中
POST my_index/_search
{
"query": {
"prefix": {
"title": {
"value": "手"
}
}
}
}
6. 关键字精确查询:term
term:关键字不会进行分词。而数据库倒排索引已经做了分词,所以匹配不到
POST my_index/_search
{
"query": {
"term": {
"title": {
"value": "华为手机"
}
}
}
}
7. 多关键字精确查询:terms
POST /my_index/_search
{
"query": {
"terms": {
"title": [
"华为手机",
"华为"
]
}
}
}
8. 范围查询: range
gte: 大于等于、lte: 小于等于;gt: 大于、lt: 小于
POST my_index/_search
{
"query": {
"range": {
"price": {
"gte": 3000,
"lte": 5000
}
}
}
}
9. 指定返回字段:_source
query同级增加_source进行过滤。
POST my_index/_search
{
"query": {
"match": {
"title": "华为"
}
}
, "_source": ["id","title"]
}
2、组合查询(bool)
bool 各条件之间有and,or或not的关系
-
must: 各个条件都必须满足,所有条件是and的关系
-
should: 各个条件有一个满足即可,即各条件是or的关系
-
must_not: 不满足所有条件,即各条件是not的关系
-
filter: 与must效果等同,但是它不计算得分(_score为0),效率更高点。
如果should和must同时存在,他们之间是and关系
POST my_index/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"title": "手机"
}
},
{
"range": {
"price": {
"gte": 3000,
"lte": 5000
}
}
}
]
}
}
}
2、聚合查询(aggs) (aggregation)
聚合允许使用者对es文档进行统计分析,类似与关系型数据库中的group by (效率也差不多)。
指标聚合=》 max:最大、min:最小、sum:总和、avg:平均数、value_count:统计数量、stats:所有状态 (Statistics 统计分析)
桶聚合=》 terms:桶聚合相当于sql中的group by语句
POST /my_index/_search
{
"query": {
"match_all": {}
},
"size": 0,
"aggs": {
"最高价格": {
"max": {
"field": "price"
}
},
"最低价格":{
"min": {
"field": "price"
}
}
}
}
桶聚合 (groupby_category)
POST /my_index/_search
{
"query": {
"match_all": {}
},
"size": 0,
"aggs": {
"桶聚合": {
"terms": {
"field": "category",
"size": 10
}
}
}
}
还可以对桶继续下钻:
POST /my_index/_search
{
"query": {
"match_all": {}
},
"size": 0,
"aggs": {
"groupby_category": {
"terms": {
"field": "category",
"size": 10
},
"aggs": {
"avg_price": {
"avg": {
"field": "price"
}
}
}
}
}
}
3、排序(sort)、分页查询(from、size)、scoll分页
排序
POST /my_index/_search
{
"query": {
.....
},
"sort": [
{
"price": {
"order": "asc"
}
},
{
"_score": {
"order": "desc"
}
}
]
}
from: 当前页的起始索引,默认从0开始。 from = (pageNum - 1) * size
size: 每页显示多少条
POST /my_index/_search
{
"query": {
"match_all": {}
},
"from": 0,
"size": 2
}
scoll分页(scroll=)
第一次使用分页查询: 返回一个文档(封装在内存中),剩余结果保存时间,该时间内,数据有变动不受影响。
POST /my_index/_search?scroll=1m
{
"query": {
"match_all": {}
},
"size": 1
}
接着就滚动查询,用第一次返回的_scroll_id接着查:
POST my_index/_search?scroll=1m
{
"scroll_id":"FGluY2x1ZGVfY29udGV4dF91dWlkDXF1ZXJ5QW5kRmV0Y2gBFG5pQUVjNElCbVI3eHFlSFhoRjVoAAAAAAAAGlgWT2pHNlZjdzlUQ0NYMG1MTEN3SFJlZw=="
}
4、高亮查询、 近似查询
高亮查询:highlight
在进行关键字搜索时,搜索出的内容中的关键字会显示不同的颜色,称之为高亮。
POST /my_index/_search
{
"query": {
"match": {
"title": "华为"
}
},
"highlight": {
"pre_tags": "<b style='color:red'>",
"post_tags": "</b>",
"fields": {
"title": {}
}
}
}
近似查询 (只适用英文)
返回包含与搜索字词相似的字词的文档。编辑距离是将一个术语转换为另一个术语所需的一个字符更改的次数。这些更改可以包括:
更改字符(box → fox)
删除字符(black → lack)
插入字符(sic → sick)
转置两个相邻字符(act → cat)
#fuzzy查询
POST /test/_search
{
"query": {
"fuzzy": {
"title": {
"value": "word"
}
}
}
}