Elastic Stack入门

最新推荐文章于 2024-03-14 16:33:30 发布

单人影i

最新推荐文章于 2024-03-14 16:33:30 发布

阅读量8.9k

点赞数 4

分类专栏：后端工具文章标签： Elastic Stack

后端同时被 2 个专栏收录

42 篇文章 0 订阅

订阅专栏

工具

17 篇文章 0 订阅

订阅专栏

Elastic Stack简介
- 如果你没有听说过Elastic Stack，那你一定听说过ELK，实际上ELK是三款软件的简称，分别是ElasticsearchLogstash、Kibana组成，在发展的过程中，又有新成员Beats的加入，所以就形成了Elastic Stack。所以说，ELK是旧的称呼，Elastic Stack是新的名字。
- 官网：https://www.elastic.co/cn/products/elasticsearch
- Elasticsearch
  - Elasticsearch 基于java，是个开源分布式搜索引擎，它的特点有：分布式，零配置，自动发现，索引自动分片，索引副本机制，restful风格接口，多数据源，自动搜索负载等。
- Logstash
  - Logstash 基于java，是一个开源的用于收集,分析和存储日志的工具。
- Kibana
  - Kibana 基于nodejs，也是一个开源和免费的工具，Kibana可以为 Logstash 和 ElasticSearch 提供的日志分析友好的 Web 界面，可以汇总、分析和搜索重要数据日志。
- Beats
  - Beats是elastic公司开源的一款采集系统监控数据的代理agent，是在被监控服务器上以客户端形式运行的数据收集器的统称，可以直接把数据发送给Elasticsearch或者通过Logstash发送给Elasticsearch，然后进行后续的数据分析活动。
  - Beats由如下组成:
    - Packetbeat：是一个网络数据包分析器，用于监控、收集网络流量信息，Packetbeat嗅探服务器之间的流量，解析应用层协议，并关联到消息的处理，其支持ICMP (v4 and v6)、DNS、HTTP、Mysql、PostgreSQL、Redis、MongoDB、Memcache等协议；
    - Filebeat：用于监控、收集服务器日志文件，其已取代 logstash forwarder；
    - Metricbeat：可定期获取外部系统的监控指标信息，其可以监控、收集 Apache、HAProxy、MongoDB
    - MySQL、Nginx、PostgreSQL、Redis、System、Zookeeper等服务；
    - Winlogbeat：用于监控、收集Windows系统的日志信息；
版本说明
- Elasticsearch的发展是非常快速的，所以在ES5.0之前，ELK的各个版本都不统一，出现了版本号混乱的状态，所以从5.0开始，所有Elastic Stack中的项目全部统一版本号。目前最新版本是6.5.4
- 下载地址: https://www.elastic.co/cn/downloads/elasticsearch
- 链接：https://pan.baidu.com/s/1LchVTTXG4abcJIPvLx7jkA
  提取码：ig8w
  复制这段内容后打开百度网盘手机App，操作更方便哦
  - 包含Ik中文分词器

单机版安装命令:

#创建elsearch用户，Elasticsearch不支持root用户运行 
useradd elsearch

#权限问题,建议不要用root用户传.
#解压安装包  到当前目录的 /data/es目录下
tar -xvf elasticsearch-6.5.4.tar.gz -C /data/es/

#修改配置文件 
vim conf/elasticsearch.yml 
network.host: 172.16.55.185 #绑定的地址

#说明：在Elasticsearch中如果，network.host不是localhost或者127.0.0.1的话，就会认为是生产环 境，会对环境的要求比较高，我们的开发环境不一定能够满足，一般情况下需要修改2处配置，如下： 
#1：修改jvm启动参数  默认1G
vim conf/jvm.options
-Xms128m #根据自己机器情况修改
-Xmx128m
#2：单个进程中的最大线程数
vim /etc/sysctl.conf 
vm.max_map_count=655360

#启动ES服务
su - elsearch 
cd bin 
./elasticsearch 或 ./elasticsearch -d #后台系统


#通过访问http://172.16.55.185:9200进行测试，看到如下信息，就说明ES启动成功了
{ 
"name": "dSQV6I8", 
"cluster_name": "elasticsearch", 
"cluster_uuid": "v5GPTWAtT5emxFdjigFg-w", 
"version": { 
    "number": "6.5.4", 
    "build_flavor": "default", 
    "build_type": "tar", 
    "build_hash": "d2ef93d", 
    "build_date": "2018-12-17T21:17:40.758843Z", 
    "build_snapshot": false, 
    "lucene_version": "7.5.0", 
    "minimum_wire_compatibility_version": "5.6.0",        
    "minimum_index_compatibility_version": "5.0.0"              
  },
  "tagline": "You Know, for Search" 
}

#停止: 
输入 jps 查看进程端口号
68709 Jps 
68072 Elasticsearch
然后使用kill 68072 结束进程

使用docker安装

#拉取镜像
docker pull elasticsearch:6.5.4

#创建容器 
docker create --name elasticsearch --net host -e "discovery.type=single-node" -e "network.host=172.16.55.185" elasticsearch:6.5.4

#启动 
docker start elasticsearch

#查看日志 
docker logs elasticsearch

现在docker安装是开发环境模式，并没有配置目录挂载等内容.

elasticsearch-head (可视化的管理工具)

由于ES官方并没有为ES提供界面管理工具，仅仅是提供了后台的服务。elasticsearch-head是一个为ES开发的一个页面客户端工具，其源码托管于GitHub，地址为：https://github.com/mobz/elasticsearch-head

head提供了4种安装方式

1.源码安装，通过npm run start启动（不推荐）
2.通过docker安装（推荐）
3.通过chrome插件安装（推荐
4.通过ES的plugin方式安装（不推荐)

docker安装

#拉取镜像 
docker pull mobz/elasticsearch-head:5 
#创建容器 
docker create --name elasticsearch-head -p 9100:9100 mobz/elasticsearch-head:5 
#启动容器 
docker start elasticsearch-head


注意：
由于前后端分离开发，所以会存在跨域问题，需要在服务端做CORS的配置，如下：
vim elasticsearch.yml

http.cors.enabled: true 
http.cors.allow-origin: "*"
通过chrome插件的方式安装不存在该问题。

chrome插件的方式安装
- 打开chrome的应用商店，即可安装
- https://chrome.google.com/webstore/detail/elasticsearch-head/ffffmkiejjmecolpflfloofpjologoblkegm

基本概念

索引

1.索引（index）是Elasticsearch对逻辑数据的逻辑存储，所以它可以分为更小的部分。
2.可以把索引看成关系型数据库的表，索引的结构是为快速有效的全文索引准备的，特别是它不存储原始值。
3.可以把Elasticsearch的索引看成MongoDB里的一个集合。
4.Elasticsearch可以把索引存放在一台机器或者分散在多台服务器上，每个索引有一或多个分片（shard），           
  每个分片可以有多个副本（replica）。

文档

1.存储在Elasticsearch中的主要实体叫文档（document）。用关系型数据库来类比的话，一个文档相当于数据
库表中的一行记录。
2.Elasticsearch和MongoDB中的文档类似，都可以有不同的结构，但Elasticsearch的文档中，相同字段必须有相同类型。
3.文档由多个字段组成，每个字段可能多次出现在一个文档里，这样的字段叫多值字段（multivalued）。
4.每个字段的类型，可以是文本、数值、日期等。字段类型也可以是复杂类型，一个字段包含其他子文档或者
数组。

映射

所有文档写进索引之前都会先进行分析，如何将输入的文本分割为词条、哪些词条又会被过滤，这种行为叫
做映射（mapping）。一般由用户自己定义规则。

文档类型

1.在Elasticsearch中，一个索引对象可以存储很多不同用途的对象。例如，一个博客应用程序可以保存文章和
评论。
2.每个文档可以有不同的结构。
3.不同的文档类型不能为相同的属性设置不同的类型。例如，在同一索引中的所有文档类型中，一个叫title的字
段必须具有相同的类型。

创建非结构化索引
- 在Lucene中，创建索引是需要定义字段名称以及字段的类型的，在Elasticsearch中提供了非结构化的索引，就是不需要创建索引结构，即可写入数据到索引中，实际上在Elasticsearch底层会进行结构化操作，此操作对用户是透明的。
  - 可视化界面:
- 使用请求的方式. 使用postman之类的工具:
  - ```
  #访问
  PUT http://172.16.55.185:9200/test1
  参数
  { "settings": { 
      "index": { 
          "number_of_shards": "2", 
          "number_of_replicas": "0" } 
      } 
  }
  
  
  解释:
  "number_of_shards": "2", #分片数 
  "number_of_replicas": "0" #副本数 
  
  
  #删除索引 
  DELETE http://172.16.55.185:9200/test1
  参数
  { "acknowledged": true }
```

插入数据

URL规则: POST http://172.16.55.185:9200/{索引}/{类型}/{id}

POST http://172.16.55.185:9200/test/user/1001


#数据 
{ "id":1001, "name":"张三", "age":20, "sex":"男" }

#响应
{ "_index": "test", "_type": "user", "_id": "1", "_version": 1, "result": "created", "_shards": { "total": 1, "successful": 1, "failed": 0 },"_seq_no": 0, "_primary_term": 1 }

说明：非结构化的索引，不需要事先创建，直接插入数据默认创建索引。


不指定id插入数据的时候, 会自动生成id.

更新数据

在Elasticsearch中，文档数据是不为修改的，但是可以通过覆盖的方式进行更新。

#全量更新  重新插入就会覆盖
PUT http://172.16.55.185:9200/test/user/1001

{ "id":1001, "name":"张三", "age":21, "sex":"女" }


问题来了，可以局部更新吗？ -- 可以的。
前面不是说，文档数据不能更新吗？ 其实是这样的：
在内部，依然会查询到这个文档数据，然后进行覆盖操作，步骤如下：
1. 从旧文档中检索JSON
2. 修改它
3. 删除旧文档
4. 索引新文档


#注意：这里多了_update标识
POST http://172.16.55.185:9200/test/user/1001/_update

{"doc":{ "age":23 } }
可以看到数据已经被局部更新了。

删除数据

在Elasticsearch中，删除文档数据，只需要发起DELETE请求即可。

DELETE http://172.16.55.185:9200/test/user/1001

需要注意的是，result表示已经删除，version也更加了。
如果删除一条不存在的数据，会响应404：

说明：
删除一个文档也不会立即从磁盘上移除，它只是被标记成已删除。Elasticsearch将会在你之后添加更多索引
的时候才会在后台进行删除内容的清理。

搜索数据

根据id搜索数据

GET http://172.16.55.185:9200/test/user/BbPe_WcB9cFOnF3uebvr

搜索全部数据(默认返回10条数据)

GET http://172.16.55.185:9200/test/user/_search

关键字搜素数据

#查询年龄等于20的用户 
GET http://172.16.55.185:9200/test/user/_search?q=age:20

DSL搜索

Elasticsearch提供丰富且灵活的查询语言叫做DSL查询(Query DSL),它允许你构建更加复杂、强大的查询。
DSL(Domain Specific Language特定领域语言)以JSON请求体的形式出现。

POST http://172.16.55.185:9200/test/user/_search

#请求体 
#match只是查询的一种 
{ 
    "query" : 
        { "match" : { "age" : 20} 
    } 
}


#查询年龄大于30岁的男性用户。
#请求数据 
{ "query": { "bool": { "filter": {"range": { "age": { "gt": 30 } } },"must": { "match": { "sex": "男" } } } } }

#gt 大于的意思

#must    match是匹配.  
#filter  range是过滤

全文搜索

POST http://172.16.55.185:9200/test/user/_search
#请求数据 
{ "query": { "match": { "name": "张三 李四" } } }

这样会查出来 张三和李四两条数据.其实是分词器的作用.

高亮显示 : highlight fields 里面是要高亮的字段

POST http://172.16.55.185:9200/haoke/user/_search

{ "query": { "match": { "name": "张三 李四"} },"highlight": { "fields": { "name": {} } } }

聚合在Elasticsearch中，支持聚合操作，类似SQL中的group by操作。

POST http://172.16.55.185:9200/test/user/_search 
{ "aggs": { "all_interests": { "terms": { "field": "age" } } } }

核心
- 文档
  - 在Elasticsearch中，文档以JSON格式进行存储，可以是复杂的结构，如：
  - ```
  { "_index": "test", "_type": "user", "_id": "1005", "_version": 1, "_score": 1,"_source": { "id": 1005, "name": "孙七", "age": 37, "sex": "女", "card": { "card_number": "123456789" } } }
  
  
  其中，card是一个复杂对象，嵌套的Card对象。 
  一个文档不只有数据。它还包含了元数据(metadata)——关于文档的信息。三个必须的元数据节点是：
  
  节点         说明
  _index      文档存储的地方
  _type       文档代表的对象的类
  _id         文档的唯一标识
```
- _index
  - 索引(index)类似于关系型数据库里的“数据库”——它是我们存储和索引关联数据的地方。
    - 提示：事实上，我们的数据被存储和索引在分片(shards)中，索引只是一个把一个或多个分片分组在一起的逻辑空间。然而，这只是一些内部细节——我们的程序完全不用关心分片。对于我们的程序而言，文档存储在索引(index)中。剩下的细节由Elasticsearch关心既可。
  - _type
    - 在应用中，我们使用对象表示一些“事物”，例如一个用户、一篇博客、一个评论，或者一封邮件。每个对象都属于一个类(class)，这个类定义了属性或与对象关联的数据。 user 类的对象可能包含姓名、性别、年龄和Email地址。在关系型数据库中，我们经常将相同类的对象存储在一个表里，因为它们有着相同的结构。同理，在Elasticsearch中，我们使用相同类型(type)的文档表示相同的“事物”，因为他们的数据结构也是相同的。每个类型(type)都有自己的映射(mapping)或者结构定义，就像传统数据库表中的列一样。所有类型下的文档被存储在同一个索引下，但是类型的映射(mapping)会告诉Elasticsearch不同的文档如何被索引。_type 的名字可以是大写或小写，不能包含下划线或逗号。我们将使用 blog 做为类型名。
  - _id
    - id仅仅是一个字符串，它与 _index 和 _type 组合时，就可以在Elasticsearch中唯一标识一个文档。当创建一个文档，你可以自定义 _id ，也可以让Elasticsearch帮你自动生成（32位长度）。

查询响应

pretty
- 可以在查询url后面添加pretty参数，使得返回的json更易查看。
  - 格式化数据.postman的话就不需要了.postman自动格式化了.

指定响应字段

在响应的数据中，如果我们不需要全部的字段，可以指定某些需要的字段进行返回

GET http://172.16.55.185:9200/test/user/1005?_source=id,name 
#响应 
{ "_index": "test", "_type": "user", "_id": "1005", "_version": 1, "found": true, "_source": { "name": "孙七", "id": 1005 } }

如果只返回元数据. 不会返回_index 这些数据. 只返回存放的实体类.
GET http://172.16.55.185:9200/test/user/1005/_source?_source=id,name

判断文档是否存在

如果我们只需要判断文档是否存在，而不是查询文档内容，那么可以这样：

HEAD http://172.16.55.185:9200/test/user/1005

这只表示你在查询的那一刻文档不存在，但并不表示几毫秒后依旧不存在。另一个进程在这期间可能
创建新文档。

批量操作 : 有些情况下可以通过批量操作以减少网络请求。如：批量查询、批量插入数据。

批量查询

POST http://172.16.55.185:9200/test/user/_mget

{ "ids" : [ "1001", "1003" ] }

如果，某一条数据不存在，不影响整体响应，需要通过found的值进行判断是否查询到数据。

POST http://172.16.55.185:9200/haoke/user/_mget

{ "ids" : [ "1001", "1006" ] }  

#查询不到found = false

_bulk操作

在Elasticsearch中，支持批量的插入、修改、删除操作，都是通过_bulk的api完成的。请求格式如下：（请求格式不同寻常）

示例:
{ action: { metadata }}\n 
{ request body }\n 
{ action: { metadata }}\n 
{ request body }\n ...

#注意最后一行的回车。

Demo:
{"create":{"_index":"test","_type":"user","_id":2001}} 
{"id":2001,"name":"name1","age": 20,"sex": "男"} 
{"create":{"_index":"test","_type":"user","_id":2002}} 
{"id":2002,"name":"name2","age": 20,"sex": "男"} 
{"create":{"_index":"test","_type":"user","_id":2003}} 
{"id":2003,"name":"name3","age": 20,"sex": "男"}

批量删除

{"delete":{"_index":"test","_type":"user","_id":2001}} 
{"delete":{"_index":"test","_type":"user","_id":2002}} 
{"delete":{"_index":"test","_type":"user","_id":2003}}

#由于delete没有请求体，所以，action的下一行直接就是下一个action。

其他操作就类似了。

一次请求多少性能最高？

1.整个批量请求需要被加载到接受我们请求节点的内存里，所以请求越大，给其它请求可用的内存就越小。有
一个最佳的bulk请求大小。超过这个大小，性能不再提升而且可能降低。
2.最佳大小，当然并不是一个固定的数字。它完全取决于你的硬件、你文档的大小和复杂度以及索引和搜索的
负载。
3.幸运的是，这个最佳点(sweetspot)还是容易找到的：试着批量索引标准的文档，随着大小的增长，当性能开
始降低，说明你每个批次的大小太大了。开始的数量可以在1000~5000个文档之间，如果你的文档非常大，
可以使用较小的批次。
4.通常着眼于你请求批次的物理大小是非常有用的。一千个1kB的文档和一千个1MB的文档大不相同。一个好的
批次最好保持在5-15MB大小间。

分页
- 和SQL使用 LIMIT 关键字返回只有一页的结果一样，Elasticsearch接受 from 和 size 参数：
  - size: 结果数，默认10 . from: 跳过开始的结果数，默认0
    - ```
    如果你想每页显示5个结果，页码从1到3，那请求如下：
    GET /_search?size=5
    GET /_search?size=5&from=5 
    GET /_search?size=5&from=10
    
    
    应该当心分页太深或者一次请求太多的结果。结果在返回前会被排序。但是记住一个搜索请求常常涉及多个
    分片。每个分片生成自己排好序的结果，它们接着需要集中起来排序以确保整体排序正确。
    
    GET http://172.16.55.185:9200/haoke/user/_search?size=1&from=2
```
- 在集群系统中深度分页
  - 为了理解为什么深度分页是有问题的，让我们假设在一个有5个主分片的索引中搜索。当我们请求结果的第一页（结果1到10）时，每个分片产生自己最顶端10个结果然后返回它们给请求节点(requesting node)，它再排序这所有的50个结果以选出顶端的10个结果。现在假设我们请求第1000页——结果10001到10010。工作方式都相同，不同的是每个分片都必须产生顶端的10010个结果。然后请求节点排序这50050个结果并丢弃50040个！
  - 你可以看到在分布式系统中，排序结果的花费随着分页的深入而成倍增长。这也是为什么网络搜索引擎中任何语句不能返回多于1000个结果的原因。

映射

前面我们创建的索引以及插入数据，都是由Elasticsearch进行自动判断类型，有些时候我们是需要进行明确字段类型的，否则，自动判断的类型和实际需求是不相符的。

自动判断的规则如下：    
JSON type                         Field type
Boolean:true or false             "boolean"
Whole number: 123                 "long"
Floating point: 123.45            "double"
String, valid date: "2014-09-15"  "date"
String: "foo bar"                 "string"


Elasticsearch中支持的类型如下：
类型                             表示的数据类型
String                           string , text , keyword
Whole number                     byte , short , integer , long
Floating point                   float , double
Boolean                          boolean
Date                             date

1.string类型在ElasticSearch 旧版本中使用较多，从ElasticSearch 5.x开始不再支持string，由text和 keyword类型替代。
2.text 类型，当一个字段是要被全文搜索的，比如Email内容、产品描述，应该使用text类型。设置text类
型以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的
字段不用于排序，很少用于聚合。
3.keyword类型适用于索引结构化的字段，比如email地址、主机名、状态码和标签。如果字段需要进行
过滤(比如查找已发布博客中status属性为published的文章)、排序、聚合。keyword类型的字段只能通
过精确值搜索到。

创建明确类型的索引：

PUT http://172.16.55.185:9200/test1

{ "settings": { "index": { "number_of_shards": "2","number_of_replicas": "0" } },"mappings": { "person": { "properties": { "name": { "type": "text" },"age": { "type": "integer" },"mail": { "type": "keyword" },"hobby": { "type": "text" } } } } }


#查看映射：

GET http://172.16.55.185:9200/test1/_mapping

结构化查询
- term查询
  - term 主要用于精确匹配哪些值，比如数字，日期，布尔值或 not_analyzed 的字符串(未经分析的文本数据类型)：
    - ```
    { "term": { "age": 26 }} 
    { "term": { "date": "2014-09-01" }} 
    { "term": { "public": true }} 
    { "term": { "tag": "full_text" }}
    
    示例：
    POST http://172.16.55.185:9200/test1/person/_search 
    { "query" : { "term" : { "age" : 20 } } }
```
- terms查询
  - terms 跟 term 有点类似，但 terms 允许指定多个匹配条件。如果某个字段指定了多个值，那么文档需要一起去做匹配：
    - ```
    { "terms": { "tag": [ "search", "full_text", "nosql" ] } }
    
    
    示例：
    POST http://172.16.55.185:9200/test/person/_search 
    { "query" : { "terms" : { "age" : [20,21] } } }
```
- range查询
  - range 过滤允许我们按照指定范围查找一批数据
    - ```
    { "range": { "age": { "gte": 20, "lt": 30 } } }
    
    范围操作符包含：
    gt :: 大于
    gte :: 大于等于
    lt :: 小于
    lte :: 小于等于
    
    示例：
    POST http://172.16.55.185:9200/test1/person/_search 
    { "query": { "range": { "age": { "gte": 20, "lte": 22 } } } }
```
- exists 查询
  - exists 查询可以用于查找文档中是否包含指定字段或没有某个字段，类似于SQL语句中的 IS_NULL 条件
    - ```
    { "exists": { "field": "title" } }
    
    #这两个查询只是针对已经查出一批数据来，但是想区分出某个字段是否存在的时候使用。
    示例：
    POST http://172.16.55.185:9200/test1/user/_search 
    { "query": { "exists": {"field": "card" } } }    
    
     #必须包含 
```
- match查询
  - match 查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。如果你使用 match 查询一个全文本字段，它会在真正查询之前用分析器先分析 match 一下查询字符：
    - ```
    { "match": { "tweet": "About Search" } }
    如果用 match 下指定了一个确切值，在遇到数字，日期，布尔值或者 not_analyzed 的字符串时，它将为你搜索你给定的值
    { "match": { "age": 26 }} 
    { "match": { "date": "2014-09-01" }} 
    { "match": { "public": true }} 
    { "match": { "tag": "full_text" }}
```
- bool查询
  - bool 查询可以用来合并多个条件查询结果的布尔逻辑，它包含一下操作符：
    - must :: 多个查询条件的完全匹配,相当于 and 。
    - must_not :: 多个查询条件的相反匹配，相当于 not 。
    - should :: 至少有一个查询条件匹配, 相当于 or 。
      - 这些参数可以分别继承一个查询条件或者一个查询条件的数组： { "bool": { "must": { "term": { "folder": "inbox" }}, "must_not": { "term": { "tag": "spam" }}, "should": [ { "term": { "starred": true }}, { "term": { "unread": true }} ] } }
- 过滤查询
  - Elasticsearch也支持过滤查询，如term、range、match等。
    - ```
    查询年龄为20岁的用户。
    POST http://172.16.55.185:9200/test1/person/_search 
    { "query": { "bool": { "filter": { "term": { "age": 20 } } } } }
```
- 查询和过滤的对比
  - 一条过滤语句会询问每个文档的字段值是否包含着特定值。
  - 查询语句会询问每个文档的字段值与特定值的匹配程度如何。
    - 一条查询语句会计算每个文档与查询语句的相关性，会给出一个相关性评分 _score，并且按照相关性对匹配到的文档进行排序。这种评分方式非常适用于一个没有完全配置结果的全文本搜索.
  - 一个简单的文档列表，快速匹配运算并存入内存是十分方便的，每个文档仅需要1个字节。这些缓存的过滤结
    果集与后续请求的结合使用是非常高效的。
  - 查询语句不仅要查找相匹配的文档，还需要计算每个文档的相关性，所以一般来说查询语句要比过滤语句更耗时，并且查询结果也不可缓存.
  - 建议：
    - 做精确匹配搜索时，最好用过滤语句，因为过滤语句可以缓存数据。

中文分词

分词

分词就是指将一个文本转化成一系列单词的过程，也叫文本分析，在Elasticsearch中称之为Analysis。
- 举例：我是中国人 --> 我/是/中国人

分词api

POST http://172.16.55.185:9200/_analyze 
{ "analyzer":"standard", "text":"hello world" }

在结果中不仅可以看出分词的结果，还返回了该词在文本中的位置。

指定索引分词

POST http://172.16.55.185:9200/test/_analyze 
{ "analyzer": "standard", "field": "hobby", "text": "听音乐" }

内置分词

Standard:Standard 标准分词，按单词切分，并且会转化成小写

POST http://172.16.55.185:9200/_analyze 
{ "analyzer": "standard", "text": "A man becomes learned by asking questions." }


返回结果:
{
	"tokens": [{
		"token": "a",
		"start_offset": 0,
		"end_offset": 1,
		"type": "<ALPHANUM>",
		"position": 0
	}, {
		"token": "man",
		"start_offset": 2,
		"end_offset": 5,
		"type": "<ALPHANUM>",
		"position": 1
	}, {
		"token": "becomes",
		"start_offset": 6,
		"end_offset": 13,
		"type": "<ALPHANUM>",
		"position": 2
	}, {
		"token": "learned",
		"start_offset": 14,
		"end_offset": 21,
		"type": "<ALPHANUM>",
		"position": 3
	}, {
		"token": "by",
		"start_offset": 22,
		"end_offset": 24,
		"type": "<ALPHANUM>",
		"position": 4
	}, {
		"token": "asking",
		"start_offset": 25,
		"end_offset": 31,
		"type": "<ALPHANUM>",
		"position": 5
	}, {
		"token": "questions",
		"start_offset": 32,
		"end_offset": 41,
		"type": "<ALPHANUM>",
		"position": 6
	}]
}

Simple :Simple分词器，按照非单词切分，并且做小写处理

POST http://172.16.55.185:9200/_analyze 
{ "analyzer": "simple", "text": "If the document doesn't already exist" }

结果

{
	"tokens": [{
		"token": "if",
		"start_offset": 0,
		"end_offset": 2,
		"type": "word",
		"position": 0
	}, {
		"token": "the",
		"start_offset": 3,
		"end_offset": 6,
		"type": "word",
		"position": 1
	}, {
		"token": "document",
		"start_offset": 7,
		"end_offset": 15,
		"type": "word",
		"position": 2
	}, {
		"token": "doesn",
		"start_offset": 16,
		"end_offset": 21,
		"type": "word",
		"position": 3
	}, {
		"token": "t",
		"start_offset": 22,
		"end_offset": 23,
		"type": "word",
		"position": 4
	}, {
		"token": "already",
		"start_offset": 24,
		"end_offset": 31,
		"type": "word",
		"position": 5
	}, {
		"token": "exist",
		"start_offset": 32,
		"end_offset": 37,
		"type": "word",
		"position": 6
	}]
}

Whitespace :Whitespace是按照空格切分。

POST http://172.16.55.185:9200/_analyze 
{ "analyzer": "whitespace", "text": "If the document doesn't already exist" }

结果:
{
	"tokens": [{
		"token": "If",
		"start_offset": 0,
		"end_offset": 2,
		"type": "word",
		"position": 0
	}, {
		"token": "the",
		"start_offset": 3,
		"end_offset": 6,
		"type": "word",
		"position": 1
	}, {
		"token": "document",
		"start_offset": 7,
		"end_offset": 15,
		"type": "word",
		"position": 2
	}, {
		"token": "doesn't",
		"start_offset": 16,
		"end_offset": 23,
		"type": "word",
		"position": 3
	}, {
		"token": "already",
		"start_offset": 24,
		"end_offset": 31,
		"type": "word",
		"position": 4
	}, {
		"token": "exist",
		"start_offset": 32,
		"end_offset": 37,
		"type": "word",
		"position": 5
	}]
}

Stop :Stop分词器，是去除Stop Word语气助词，如the、an等。

POST http://172.16.55.185:9200/_analyze 
{ "analyzer": "stop", "text": "If the document doesn't already exist" }

结果:
{
	"tokens": [{
		"token": "document",
		"start_offset": 7,
		"end_offset": 15,
		"type": "word",
		"position": 2
	}, {
		"token": "doesn",
		"start_offset": 16,
		"end_offset": 21,
		"type": "word",
		"position": 3
	}, {
		"token": "t",
		"start_offset": 22,
		"end_offset": 23,
		"type": "word",
		"position": 4
	}, {
		"token": "already",
		"start_offset": 24,
		"end_offset": 31,
		"type": "word",
		"position": 5
	}, {
		"token": "exist",
		"start_offset": 32,
		"end_offset": 37,
		"type": "word",
		"position": 6
	}]
}

Keyword:Keyword分词器，意思是传入就是关键词，不做分词处理。

POST http://172.16.55.185:9200/_analyze 
{ "analyzer": "keyword", "text": "If the document doesn't already exist" }

结果:
{
	"tokens": [{
		"token": "If the document doesn't already exist",
		"start_offset": 0,
		"end_offset": 37,
		"type": "word",
		"position": 0
	}]
}

中文分词

中文分词的难点在于，在汉语中没有明显的词汇分界点，如在英语中，空格可以作为分隔符，如果分隔不正确就会

造成歧义。如：我/爱/炒肉丝我/爱/炒/肉丝

常用中文分词器，IK、jieba、THULAC等，推荐使用IK分词器。

IK Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始，
IKAnalyzer已经推出了3个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析
算法的中文分词组件。新版本的IK Analyzer 3.0则发展为面向Java的公用分词组件，独立于Lucene项目，同
时提供了对Lucene的默认优化实现。
采用了特有的“正向迭代最细粒度切分算法“，具有80万字/秒的高速处理能力 采用了多子处理器分析模式，支
持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数量词，罗马数字，科学计数法），中文词
汇（姓名、地名处理）等分词处理。 优化的词典存储，更小的内存占用。

IK分词器 Elasticsearch插件地址：https://github.com/medcl/elasticsearch-analysis-ik

#安装方法：将下载到的elasticsearch-analysis-ik-6.5.4.zip解压到/elasticsearch/plugins/ik 目录下即可。

#如果使用docker运行 
docker cp /tmp/elasticsearch-analysis-ik-6.5.4.zip 
elasticsearch:/usr/share/elasticsearch/plugins/ 
#进入容器 
docker exec -it elasticsearch /bin/bash 
mkdir /usr/share/elasticsearch/plugins/ik 
cd /usr/share/elasticsearch/plugins/ik 
unzip elasticsearch-analysis-ik-6.5.4.zip 
#重启容器即可 
docker restart elasticsearch

测试:
POST http://172.16.55.185:9200/_analyze 
{ "analyzer": "ik_max_word", "text": "我是中国人" }

结果:
{
	"tokens": [{
		"token": "我",
		"start_offset": 0,
		"end_offset": 1,
		"type": "CN_CHAR",
		"position": 0
	}, {
		"token": "是",
		"start_offset": 1,
		"end_offset": 2,
		"type": "CN_CHAR",
		"position": 1
	}, {
		"token": "中国人",
		"start_offset": 2,
		"end_offset": 5,
		"type": "CN_WORD",
		"position": 2
	}, {
		"token": "中国",
		"start_offset": 2,
		"end_offset": 4,
		"type": "CN_WORD",
		"position": 3
	}, {
		"token": "国人",
		"start_offset": 3,
		"end_offset": 5,
		"type": "CN_WORD",
		"position": 4
	}]
}

单人影i

关注

4
点赞
踩
22

收藏

觉得还不错? 一键收藏
0
评论
Elastic Stack入门

Elastic Stack简介如果你没有听说过Elastic Stack，那你一定听说过ELK，实际上ELK是三款软件的简称，分别是ElasticsearchLogstash、Kibana组成，在发展的过程中，又有新成员Beats的加入，所以就形成了Elastic Stack。所以说，ELK是旧的称呼，Elastic Stack是新的名字。官网：https:/...
复制链接

扫一扫