ElasticSearch可扩展的开源弹性搜索解决方案

这本书写的一版本。和官方手册差不多=。=，没意思

#搜索数据

##查询 ###partial_fields 可以指定返回哪些字段

###script_fields 执行脚本产生对应的值

###搜索类型

####query_and_fetch 最快最简单的搜索类型，查询语句在所有分片上执行，并且所有分片返回结果的规模为size参数的取值。所以，这种类型搜索返回文档数码最大为size参数的取值与分片数目的乘积

####query_then_fetch 查询语句首先得到文档排序所需的信息，然后得到要获取的文档内容的相关分片，与query_and_fetch不同，它返回文档数目最大为size参数的取值

####dfs_query_and_fetch 和query_and_fetch类似，在初始节点顺带还做了分布式的词频来更好的返回得分

####dfs_query_then_fetch 和query_then_fetch类似，在初始节点顺带还做了分布式的词频来更好的返回得分

####count 只返回匹配的文档数目

####scan 发送了一个请求之后，ES回一个_scroll_id,剩余的查询都在_search/scroll处运行 #扩展结构与搜索

ES的Mapping是动态映射的也可以通过将dynamic属性设置为false或者把index.mapper.dynamic设置为false关掉

##ES的一些字段

###_source _source字段存储了原始JSON文档，由于_source字段会引入额外的存储开销，所以我们可以选择亚索存储该字段的信息。可以把compress参数指定为true，还可以通过comptrss_threashold属性控制_source字段在多大的时候进行压缩

###_size 这个字段是默认禁用的，用来自动索引_source字段原始的，未经过压缩的大小

###_timestamp 默认是禁用并且不存储的，存储文档何时被索引

###_ttl 默认也是禁用了，用来指定一个文档的生命周期，在此之后会被自动删除

##高亮

ES的高亮是基于Lucence的，Lucence有2种高亮实现的方式，一种是标准实现，一种是FastVectorHighlighter，如果term_vector属性设置为with_positions_offsets，就会使用第二种。第二种索引的会变大，不过高亮速度会变快。

高亮的标签可以通过设置pre_tags和post_tags来设置

通过number_of_fragments可以控制高亮片段数量，默认是5。fragment_size可以用来指定高亮片段的最大字符长度，默认是100

假如需要仅显示高亮的字段，那么可以把require_field_match设置为true

##自动补全

##prefix查询

 curl -XGET 127.0.0.1:9200/_search?pretty -d '{"query":{"prefix":{"source":"e"}}}'

这种做法不科学

##edgeNGram

思想是把单词拆分为更小的部分，在索引进去的时候采用engramtoken，然后直接查就好

##统计 用统计的方法给出自动补全数据源（呃。。这么看来ES并没给一个特别方便的方法嘛）

#搜索优化

##理解字段分析过程

一个常见的问题是为什么搜不到指定的文档，一般都是因为分词器配置造成的，可以通过查询接口来查看

curl -XGET 127.0.0.1:9200/_analyze?pretty -d 'This is a demo'

这个API还可以加上tokenizer的参数来设置分词器

curl -XGET '127.0.0.1:9200/_analyze?tokenizer=whitespace&filters=lowercase&pretty' -d 'This is a demo'

测试的时候挺有用的

##解释查询

可以解释为什么能查到对应的数据

curl -XGET '127.0.0.1:9200/graylog_0/message/6d1db5d0-c35c-11e6-a58c-b612b16053c2/_explain?pretty&q=index'

##用加权影响得分

主要是用于调整查询结果的权重，例如我们可以在查询语句里面调整字段的权重

{
    "query":{
        "query_string":{
            "fields":["from^4","to^2"],
            "query":"a",
            "use_dis_max":false
        }
    }
}

constant_score查询，可以让我们显示的为查询匹配的文档设置打分值 boosting查询可以让我们降低匹配结果的打分值

##什么时候索引加权有意义

• 在输入数据中定义字段加权
• 在输入数据中对文档加权
• 在映射中定义加权

##同义词

ES可以对同义词进行处理，利用synonym过滤器

##使用跨度查询

ES支持5种跨度查询：

• span_term
• span_first:只运行返回在字段的前几个位置上匹配的文档
• span_near:例如查a词项附近有b词的文档
• span_or:获取a字段前n个位置含有c或者离b字段不超过一个位置含有c的文档
• span_not:这种查询有include和exclude的部分

从性能角度来看，跨度查询的代价是比较高的，不仅要对词项进行匹配，还要对位置信息进行计算和检查

#组合索引、分析和搜索

##索引树型结构

ES能够存储树型结构的索引。叫做path_analyzer,详细的使用方法可以看这里https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-pathhierarchy-tokenizer.html

##利用更新API修改索引结构

修改索引有几个要注意的地方：

• 不可以将not_analyzed改成analyzed
• 不可以改变字段的类型
• 不能将stored to field 改成not stored
• 不能更改被索引属性的取值
• 不能修改一个已经索引的文档分析器

一定要做的话，使用ignore_conflicts参数来用新的Schema覆盖原来的

##使用嵌套对象

嵌套对象比较常处理一对多的问题，在日志处理中看来是没什么机会用的了，商品还是可以的。使用的是variation对象，要留意的是不用这个对象，索引进去的数据会搜索不到的。另外，这货连查询都要用专门的文档

##使用父子关系

嵌套文档可以以单独的文档形式分开索引，不过我们不能对任何一个嵌套文档进行修改，除非用更新的API。ES也提供了真正的父子关系的结构，子索引使用parent的方式把他们联系起来。

可以使用has_child来查询对哪种文档的子文档进行查询，用top_child可以返回父文档。在子文档里面就可以用has_parent来反查

##父子关系对性能的影响

• 为了让查询能正常进行，父子文档需要放在一个分片里面，那么很容易会出现分片不均匀导致的性能波动的情况，而且父子查询本来就慢些
• 假如用了has_child这样的查询，ES是需要预加载文档的，留意内存，不然就OOM了
• 为了提升性能，可以合理使用预热的API

##从其他系统获取数据:river

各种river插件，从其他数据源同步到ES，不过映像中好像不怎么推荐了的样子？（我记错了？）

#批量索引以加快索引进程

ES可以把多个数据合成一个数据包，最大大小在ES里面可以配置的，默认是100M。另外Bulk可以一次塞很多数据进去外，还可以同事做CUD的操作哦。假如要更快的话，可以用UDP送，不过有可能会丢哦

https://www.elastic.co/guide/en/elasticsearch/reference/current/docs-bulk-udp.html

UDP的API,1.4之后已经被干掉了

#搜索之外

##相似的文档

ES提供了More like this 的功能，其实是对Lucence的封装而已，需要的时候可以看看

##反查器

ES有一个叫做percolator的功能，它是用查询作为文档，可以实现类似：在这个商店中可以购买到符合标准的产品时通知我的功能。具体的去Java笔记里面看

绕了一圈看明白了，反查器就是把查询存进去，然后put一下文档进去，假如符合条件就会返回对应的查询ID信息。怪不得说可以拿来做告警的功能。不过功能不是特别强大呢，聚合类的貌似不行【没验证过，不过看例子不行】

#集群管理

##检查集群的健康状态

curl 127.0.0.1:9200/_cluster/health?pretty

还可以根据索引来检查状态，也可以等待直到状态为某种状态才返回，使用wait_for_status、wait_for_nodes这样的参数

##检查索引的状态

curl 127.0.0.1:9200/graylog_0/_stats?pretty

##检查节点的信息

curl "127.0.0.1:9200/_nodes?&pretty"

##检查集群状态信息

curl "127.0.0.1:9200/_cluster/state?&pretty"

##检查索引分段

curl "127.0.0.1:9200/_segments?&pretty"

##几个比较有用的插件

• BigDesk：节点信息统计情况插件，好像没维护了
• Head：没什么好说的
• paramedic：一定时间内服务器的统计信息工具 ./bin/plugin install karmi/elasticsearch-paramedic

##防止脑裂

为了防止集群中的脑裂问题，discovery.zen.minimun_master_nodes需要设置为总节点的一半以上

#问题处理

##为什么查询靠后面页数的结果会比较慢

首先，不断翻页对搜索来说是有问题的，不过假如一定要这样做的话，用from,size来取数据并且是带排序的话，慢也正常，因为得把数据取出来排序完后再进行分页，这种情况下，使用scroll会是个比较不错的选择。这样的话就可以要求ES在一定的时间内缓存数据，不用每次都重头取。

 curl '127.0.0.1:9200/_search?pretty&scroll=5m'  //用滚动取
 curl '127.0.0.1:9200/_search?pretty&scroll=5m&scroll_id=xxxx'  //第二次带着滚动ID上

##控制集群再平衡

再平衡，是控制集群各个节点移动分片的过程

ES允许我们控制的内容：

• 再平衡的开始时间
• 节点间同时移动的分片个数
• 单个节点上同时进行初始化的分片个数
• 单个节点上同时进行初始化的主分片个数
• 禁止分片和副本分配
• 禁止副本分配

##验证查询

ES提供了语法校验的功能，把查询发到_validate/query就可以校验语法了

##预热

ES允许预先加载一些查询，使得查询的时候可以更快一些，预热查询和普通查询类似，只是它是放在一个特殊的_warmer索引上面。可以通过_warmer/yourtag注册一个预热查询。预热查询可以定义在索引上，也可以定义在类型上

转载于:https://my.oschina.net/xiaomaijiang/blog/825672