Elasticsearch-03

已于 2024-02-08 16:22:39 修改
阅读量1.4k 收藏 19
点赞数 48
分类专栏： Java学习笔记 文章标签： elasticsearch 大数据 搜索引擎
于 2024-01-31 17:23:36 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hmmmgo/article/details/135945095
版权

往期Java学习笔记
一、SpringCloud
二、Docker
三、RabbitMQ
四、Elasticsearch-01
五、Elasticsearch-02
六、Elasticsearch-03
七、Sentinel

文章目录

Elasticsearch-03

一、数据聚合

聚合（aggregations）可以让我们极其方便的实现对数据的统计、分析、运算。例如：

  • 什么品牌的手机最受欢迎？
  • 这些手机的平均价格、最高价格、最低价格？
  • 这些手机每月的销售情况如何？

实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现近实时搜索效果。

1.1 聚合的分类

聚合常见的有三类：

  • 桶（Bucket）聚合：用来对文档做分组
    • TermAggregation：按照文档字段值分组，例如按照品牌值分组、按照国家分组
    • Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组
  • 度量（Metric）聚合：用以计算一些值，比如：最大值、最小值、平均值等
    • Avg：求平均值
    • Max：求最大值
    • Min：求最小值
    • Stats：同时求max、min、avg、sum等
  • 管道（pipeline）聚合：其它聚合的结果为基础做聚合

注意：参加聚合的字段必须是keyword、日期、数值、布尔类型

1.2 DSL实现聚合

现在，我们要统计所有数据中的酒店品牌有几种，其实就是按照品牌对数据分组。此时可以根据酒店品牌的名称做聚合，也就是Bucket聚合。

1.2.1 Bucker聚合语法

语法如下：

GET /hotel/_search
{
  "size": 0,  // 设置size为0，结果中不包含文档，只包含聚合结果
  "aggs": { // 定义聚合
    "brandAgg": { //给聚合起个名字
      "terms": { // 聚合的类型，按照品牌值聚合，所以选择term
        "field": "brand", // 参与聚合的字段
        "size": 20 // 希望获取的聚合结果数量
      }
    }
  }
}

1.2.2 聚合结果排序

GET /hotel/_search
{
  "size": 0, 
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "order": {
          "_count": "asc" // 按照_count升序排列
        },
        "size": 20
      }
    }
  }
}

在这里插入图片描述

1.2.3 限定聚合范围

默认情况下，Bucket聚合是对索引库的所有文档做聚合，但真实场景下，用户会输入搜索条件，因此聚合必须是对搜索结果聚合。那么聚合必须添加限定条件。

我们可以限定要聚合的文档范围，只要添加query条件即可：

GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "lte": 200 // 只对200元以下的文档聚合
      }
    }
  }, 
  "size": 0, 
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "size": 20
      }
    }
  }
}

1.2.4 Metrics聚合语法

我们对酒店按照品牌分组，形成了一个个桶。现在我们需要对桶内的酒店做运算，获取每个品牌的用户评分的min、max、avg等值。

这就要用到Metric聚合了，例如stat聚合：就可以获取min、max、avg等结果。

语法如下：

GET /hotel/_search
{
  "size": 0, 
  "aggs": {
    "brandAgg": { 
      "terms": { 
        "field": "brand", 
        "size": 20
      },
      "aggs": { // 是brands聚合的子聚合，也就是分组后对每组分别计算
        "score_stats": { // 聚合名称
          "stats": { // 聚合类型，这里stats可以计算min、max、avg等
            "field": "score" // 聚合字段，这里是score
          }
        }
      }
    }
  }
}

这次的score_stats聚合是在brandAgg的聚合内部嵌套的子聚合。因为我们需要在每个桶分别计算。
另外，我们还可以给聚合结果做个排序，例如按照每个桶的酒店平均分做排序：
在这里插入图片描述

1.2.5 小结

aggs代表聚合，与query同级，此时query的作用是？

  • 限定聚合的的文档范围

聚合必须的三要素：

  • 聚合名称
  • 聚合类型
  • 聚合字段

聚合可配置属性有：

  • size：指定聚合结果数量
  • order：指定聚合结果排序方式
  • field：指定聚合字段

1.3 RestAPI实现聚合

1.3.1 API语法

聚合条件与query条件同级别，因此需要使用request.source()来指定聚合条件。

@Test
void testAggregation() throws IOException {
	// 1. 准备Request
	SearchRequest searchRequest = new SearchRequest("hotel");
	// 2. 准备DSL
	// 2.1 设置size
	searchRequest.source().size(0);
	// 2.2 聚合
	searchRequest.source().aggregation(AggregationBuilders
			.terms("brandAgg")
			.field("brand")
			.size(20));
	// 3. 发出请求
	SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
	// 4. 解析结果
	Aggregations aggregations = searchResponse.getAggregations();
	// 根据聚合名称获取聚合结果-term类型的聚合
	Terms brandTerms = aggregations.get("brandAgg");
	// 获取桶
	List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
	// 遍历
	// buckets.forEach(x-> System.out.println(x.getKeyAsString()));
	for (Terms.Bucket bucket : buckets) {
		// 获取key，也就是品牌信息
		String brandName = bucket.getKeyAsString();
		long docCount = bucket.getDocCount();
		System.out.println(brandName+docCount);
	}
}
（1）聚合条件的语法与DSL对应关系

在这里插入图片描述

（2）聚合的结果-JSON逐层解析

在这里插入图片描述

1.3.2 业务需求

需求：搜索页面的品牌、城市等信息不应该是在页面写死，而是通过聚合索引库中的酒店数据得来的：
在这里插入图片描述
分析：

目前，页面的城市列表、星级列表、品牌列表都是写死的，并不会随着搜索结果的变化而变化。但是用户搜索条件改变时，搜索结果会跟着变化。

例如：用户搜索“东方明珠”，那搜索的酒店肯定是在上海东方明珠附近，因此，城市只能是上海，此时城市列表中就不应该显示北京、深圳、杭州这些信息了。

也就是说，搜索结果中包含哪些城市，页面就应该列出哪些城市；搜索结果中包含哪些品牌，页面就应该列出哪些品牌。

如何得知搜索结果中包含哪些品牌？如何得知搜索结果中包含哪些城市？

使用聚合功能，利用Bucket聚合，对搜索结果中的文档基于品牌分组、基于城市分组，就能得知包含哪些品牌、哪些城市了。

因为是对搜索结果聚合，因此聚合是限定范围的聚合，也就是说聚合的限定条件跟搜索文档的条件一致。

查看浏览器可以发现，前端其实已经发出了这样的一个请求：

在这里插入图片描述
请求参数与搜索文档的参数完全一致。

返回值类型就是页面要展示的最终结果：
在这里插入图片描述
结果是一个Map结构：

  • key是字符串，城市、星级、品牌、价格
  • value是集合，例如多个城市的名称

1.3.3 业务实现

在cn.itcast.hotel.web包的HotelController中添加一个方法，遵循下面的要求：

  • 请求方式：POST
  • 请求路径：/hotel/filters
  • 请求参数：RequestParams，与搜索文档的参数一致
  • 返回值类型：Map<String, List>

代码：

@PostMapping("filters")
public Map<String, List<String>> getFilters(@RequestBody RequestParams params){
     return hotelService.getFilters(params);
 }

这里调用了IHotelService中的getFilters方法，尚未实现。
在cn.itcast.hotel.service.IHotelService中定义新方法：

Map<String, List<String>> filters(RequestParams params);

在cn.itcast.hotel.service.impl.HotelService中实现该方法：

@Override
public Map<String, List<String>> filters(RequestParams requestParams) {
    // 1. 构建搜索请求对象
    SearchRequest searchRequest = new SearchRequest("hotel");
    // 2. 设置查询条件
    basicQuery(requestParams, searchRequest);
    // 3. 设置聚合
    searchRequest.source().size(0);
    searchRequest.source().aggregation(AggregationBuilders
            .terms("brandAgg")
            .field("brand")
            .size(20)
    );
    searchRequest.source().aggregation(AggregationBuilders
            .terms("cityAgg")
            .field("city")
            .size(20)
    );
    searchRequest.source().aggregation(AggregationBuilders
            .terms("starNameAgg")
            .field("starName")
            .size(20)
    );
    // 4. 解析结果中的聚合数据
    try {
        SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
        Aggregations aggregations = searchResponse.getAggregations();
        Terms brandTerms = aggregations.get("brandAgg");
        List<? extends Terms.Bucket> brandBuckets = brandTerms.getBuckets();
        // 这里使用了Stream流来处理集合
        // 使用map方法，使得入参时Bucket类型的x，变成了出参时String类型
        // 然后使用Collect,将String类型的数据收集到集合中
        List<String> brandList = brandBuckets.stream().map(x -> ((Terms.Bucket) x).getKeyAsString()).collect(Collectors.toList());

        Terms cityTerms = aggregations.get("cityAgg");
        List<? extends Terms.Bucket> cityBuckets = cityTerms.getBuckets();
        List<String> cityList = cityBuckets.stream().map(x -> ((Terms.Bucket) x).getKeyAsString()).collect(Collectors.toList());

        Terms starNameTerms = aggregations.get("starNameAgg");
        List<? extends Terms.Bucket> startNameBuckets = starNameTerms.getBuckets();
        List<String> starNameList = startNameBuckets.stream().map(x -> ((Terms.Bucket) x).getKeyAsString()).collect(Collectors.toList());

        HashMap<String, List<String>> resultMap = new HashMap<>();
        resultMap.put("brand", brandList);
        resultMap.put("city", cityList);
        resultMap.put("starName", starNameList);
        return resultMap;

    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

二、自动补全

当用户在搜索框输入字符时，我们应该提示出与该字符有关的搜索项，如图：
在这里插入图片描述
这种根据用户输入的字母，提示完整词条的功能，就是自动补全了。
因为需要根据拼音字母来推断，因此要用到拼音分词功能。

2.1 拼音分词器

要实现根据字母做补全，就必须对文档按照拼音分词。

安装方式与IK分词器一样，分三步：

①解压

②上传到虚拟机中，elasticsearch的plugin目录

③重启elasticsearch

④测试

详细安装步骤可以参考IK分词器的安装过程。

测试用法如下：

POST /_analyze
{
  "text": "如家酒店还不错",
  "analyzer": "pinyin"
}

结果：
在这里插入图片描述

2.2 自定义分词器

默认的拼音分词器会将每个汉字单独分为拼音，而我们希望的是每个词条形成一组拼音，需要对拼音分词器做个性化定制，形成自定义分词器。

elasticsearch中分词器（analyzer）的组成包含三部分：

  • character filters：在tokenizer之前对文本进行处理。例如删除字符、替换字符
  • tokenizer：将文本按照一定的规则切割成词条（term）。例如keyword，就是不分词；还有ik_smart
  • tokenizer filter：将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

文档分词时会依次由这三部分来处理文档：
在这里插入图片描述
声明自定义分词器的语法如下：

PUT /test
{
  "settings": {
    "analysis": {
      "analyzer": { // 自定义分词器
        "my_analyzer": {  // 分词器名称
          "tokenizer": "ik_max_word",
          "filter": "py" //和下面的过滤器名称相同
        }
      },
      "filter": { // 自定义tokenizer filter
        "py": { // 过滤器名称
          "type": "pinyin", // 过滤器类型，这里是pinyin
		  "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "my_analyzer",	// 自定义的分词器
        "search_analyzer": "ik_smart"
      }
    }
  }
}

测试：
在这里插入图片描述

（1）总结

如何使用拼音分词器？

  • ①下载pinyin分词器
  • ②解压并放到elasticsearch的plugin目录
  • ③重启即可

如何自定义分词器？

  • ①创建索引库时，在settings中配置，可以包含三部分
  • ②character filter
  • ③tokenizer
  • ④filter

拼音分词器注意事项？

  • 为了避免搜索到同音字，搜索时不要使用拼音分词器

2.3 自动补全查询

elasticsearch提供了Completion Suggester查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率，对于文档中字段的类型有一些约束：

  • 参与补全查询的字段必须是completion类型,实际上是数组。
  • 字段的内容一般是用来补全的多个词条形成的数组。

比如，一个这样的索引库：

// 创建索引库
// 单独有一个文档来存储这些可以自动补全的词
PUT test
{
  "mappings": {
    "properties": {
      "title":{
        "type": "completion"
      }
    }
  }
}

然后插入下面的数据：

// 示例数据
POST test/_doc
{
  "title": ["Sony", "WH-1000XM3"]
}
POST test/_doc
{
  "title": ["SK-II", "PITERA"]
}
POST test/_doc
{
  "title": ["Nintendo", "switch"]
}

查询的DSL语句如下：

// 自动补全查询
GET /test/_search
{
  "suggest": {
    "title_suggest": {
      "text": "s", // 关键字
      "completion": {
        "field": "title", // 补全查询的字段
        "skip_duplicates": true, // 跳过重复的
        "size": 10 // 获取前10条结果
      }
    }
  }
}

2.4 实现酒店搜索框自动补全

现在，我们的hotel索引库还没有设置拼音分词器，需要修改索引库中的配置。但是我们知道索引库是无法修改的，只能删除然后重新创建。

另外，我们需要添加一个字段，用来做自动补全，将brand、suggestion、city等都放进去，作为自动补全的提示。

因此，总结一下，我们需要做的事情包括：

  1. 修改hotel索引库结构，设置自定义拼音分词器
  2. 修改索引库的name、all字段，使用自定义分词器
  3. 索引库添加一个新字段suggestion，类型为completion类型，使用自定义的分词器
  4. 给HotelDoc类添加suggestion字段，内容包含brand、business
  5. 重新导入数据到hotel库

2.4.1 修改酒店映射结构

代码如下：

// 先删除酒店的旧索引映射
// 酒店数据索引库
PUT /hotel
{
  "settings": {
    "analysis": {
      "analyzer": {
        "text_anlyzer": {
          "tokenizer": "ik_max_word",
          "filter": "py"
        },
        "completion_analyzer": {
          "tokenizer": "keyword",
          "filter": "py"
        }
      },
      "filter": {
        "py": {
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "text_anlyzer",
        "search_analyzer": "ik_smart",
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type": "integer"
      },
      "brand":{
        "type": "keyword",
        "copy_to": "all"
      },
      "city":{
        "type": "keyword"
      },
      "starName":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword",
        "copy_to": "all"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "text_anlyzer",
        "search_analyzer": "ik_smart"
      },
      "suggestion":{
          "type": "completion",
          "analyzer": "completion_analyzer"
      }
    }
  }
}

2.4.2 修改HotelDoc实体

HotelDoc中要添加一个字段，用来做自动补全，内容可以是酒店品牌、城市、商圈等信息。按照自动补全字段的要求，最好是这些字段的数组。

因此我们在HotelDoc中添加一个suggestion字段，类型为List，然后将brand、city、business等信息放到里面。

代码如下：

// 新增suggestion属性
private List<String> suggestion;
//
// 组装suggestion
if(this.business.contains("/")){
    // business有多个值，需要切割
    String[] arr = this.business.split("/");
    // 添加元素
    this.suggestion = new ArrayList<>();
    this.suggestion.add(this.brand);
    Collections.addAll(this.suggestion, arr);
}else {
    this.suggestion = Arrays.asList(this.brand, this.business);
}

2.4.3 重新导入

重新执行之前编写的导入数据功能。

2.4.4 自动补全查询的JavaAPI

之前我们学习了自动补全查询的DSL，而没有学习对应的JavaAPI，这里给出一个示例：
在这里插入图片描述

而自动补全的结果也比较特殊，解析的代码如下：

在这里插入图片描述

2.4.5 实现搜索自动补全

查看前端页面，可以发现当我们在输入框键入时，前端会发起ajax请求：

在这里插入图片描述
返回值是补全词条的集合，类型为List<String>

（1）在cn.itcast.hotel.web包下的HotelController中添加新接口，接收新的请求：
@GetMapping("suggestion")
public List<String> getSuggestions(@RequestParam("key") String prefix) {
    return hotelService.getSuggestions(prefix);
}
（2）在cn.itcast.hotel.service包下的IhotelService中添加方法：
List<String> getSuggestions(String prefix);
（3）在cn.itcast.hotel.service.impl.HotelService中实现该方法：
@Override
public List<String> getSuggestions(String prefix) {
    try {
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source().suggest(new SuggestBuilder().addSuggestion(
            "suggestions",
            SuggestBuilders.completionSuggestion("suggestion")
            .prefix(prefix)
            .skipDuplicates(true)
            .size(10)
        ));
        // 3.发起请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析结果
        Suggest suggest = response.getSuggest();
        // 4.1.根据补全查询名称，获取补全结果
        CompletionSuggestion suggestions = suggest.getSuggestion("suggestions");
        // 4.2.获取options
        List<CompletionSuggestion.Entry.Option> options = suggestions.getOptions();
        // 4.3.遍历
        List<String> list = new ArrayList<>(options.size());
        for (CompletionSuggestion.Entry.Option option : options) {
            String text = option.getText().toString();
            list.add(text);
        }
        return list;
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

三、数据同步

elasticsearch中的酒店数据来自于mysql数据库，因此mysql数据发生改变时，elasticsearch也必须跟着改变，这个就是elasticsearch与mysql之间的数据同步。

3.1 思路分析

常见的数据同步方案有三种：

  • 同步调用
  • 异步通知
  • 监听binlog

3.1.1 同步调用

在这里插入图片描述

基本步骤如下：

  • hotel-demo对外提供接口，用来修改elasticsearch中的数据
  • 酒店管理服务在完成数据库操作后，直接调用hotel-demo提供的接口，

3.1.2 异步通知

在这里插入图片描述
流程如下：

  • hotel-admin对mysql数据库数据完成增、删、改后，发送MQ消息
  • hotel-demo监听MQ，接收到消息后完成elasticsearch数据修改

3.1.3 监听binlog

在这里插入图片描述
流程如下：

  • 给mysql开启binlog功能
  • mysql完成增、删、改操作都会记录在binlog中
  • hotel-demo基于canal监听binlog变化，实时更新elasticsearch中的内容

3.1.4 选择

方式一：同步调用

  • 优点：实现简单，粗暴
  • 缺点：业务耦合度高

方式二：异步通知

  • 优点：低耦合，实现难度一般
  • 缺点：依赖mq的可靠性

方式三：监听binlog

  • 优点：完全解除服务间耦合
  • 缺点：开启binlog增加数据库负担、实现复杂度高

3.2 实现数据同步

3.2.1 思路

利用资料提供的hotel-admin项目作为酒店管理的微服务。当酒店数据发生增、删、改时，要求对elasticsearch中数据也要完成相同操作。

步骤：

  • 导入课前资料提供的hotel-admin项目，启动并测试酒店数据的CRUD
  • 声明exchange、queue、RoutingKey
  • 在hotel-admin中的增、删、改业务中完成消息发送
  • 在hotel-demo中完成消息监听，并更新elasticsearch中数据
  • 启动并测试数据同步功能

3.2.2 导入demo

运行后，访问http://locahost:8099

3.2.3 声明交换机、队列

MQ结构如图：
在这里插入图片描述

（1）引入依赖

在hotel-admin、hotel-demo中引入rabbitmq的依赖：

<!--amqp-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-amqp</artifactId>
</dependency>
（2）声明队列交换机名称

在hotel-admin和hotel-demo中的cn.itcast.hotel.constatnts包下新建一个类MqConstants：

package cn.itcast.hotel.constatnts;

    public class MqConstants {
    /**
     * 交换机
     */
    public final static String HOTEL_EXCHANGE = "hotel.topic";
    /**
     * 监听新增和修改的队列
     */
    public final static String HOTEL_INSERT_QUEUE = "hotel.insert.queue";
    /**
     * 监听删除的队列
     */
    public final static String HOTEL_DELETE_QUEUE = "hotel.delete.queue";
    /**
     * 新增或修改的RoutingKey
     */
    public final static String HOTEL_INSERT_KEY = "hotel.insert";
    /**
     * 删除的RoutingKey
     */
    public final static String HOTEL_DELETE_KEY = "hotel.delete";
}
（3）bean方式声明队列交换机

在hotel-demo中，定义配置类，声明队列、交换机：

@Configuration
public class MqConfig {
    @Bean
    public TopicExchange topicExchange(){
        return new TopicExchange(MqConstants.HOTEL_EXCHANGE, true, false);
    }

    @Bean
    public Queue insertQueue(){
        return new Queue(MqConstants.HOTEL_INSERT_QUEUE, true);
    }

    @Bean
    public Queue deleteQueue(){
        return new Queue(MqConstants.HOTEL_DELETE_QUEUE, true);
    }

    @Bean
    public Binding insertQueueBinding(){
        return BindingBuilder.bind(insertQueue()).to(topicExchange()).with(MqConstants.HOTEL_INSERT_KEY);
    }

    @Bean
    public Binding deleteQueueBinding(){
        return BindingBuilder.bind(deleteQueue()).to(topicExchange()).with(MqConstants.HOTEL_DELETE_KEY);
    }
}

3.2.4 发送MQ消息

在hotel-admin中的增、删、改业务中分别发送MQ消息：
发送的信息保存在内存中，在更新或者新增时，直接发送hotel对象，太大了，很容易就把队列给占满了，发送id就好了，然后在监听到消息的时候，根据对象id去mysql数据库中查询新的消息，然后同步到elasticsearch文档中
在这里插入图片描述

3.2.5 接收MQ消息

hotel-demo接收到MQ消息要做的事情包括：

  • 新增消息：根据传递的hotel的id查询hotel信息，然后新增一条数据到索引库
  • 删除消息：根据传递的hotel的id删除索引库中的一条数据
（1）首先在hotel-demo的cn.itcast.hotel.service包下的IHotelService中新增新增、删除业务
void deleteById(Long id);

void insertById(Long id);
（2）给hotel-demo中的cn.itcast.hotel.service.impl包下的HotelService中实现业务：
@Override
public void deleteById(Long id) {
    try {
        // 1.准备Request
        DeleteRequest request = new DeleteRequest("hotel", id.toString());
        // 2.发送请求
        client.delete(request, RequestOptions.DEFAULT);
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

@Override
public void insertById(Long id) {
    try {
        // 0.根据id查询酒店数据
        Hotel hotel = getById(id);
        // 转换为文档类型
        HotelDoc hotelDoc = new HotelDoc(hotel);

        // 1.准备Request对象
        IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());
        // 2.准备Json文档
        request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);
        // 3.发送请求
        client.index(request, RequestOptions.DEFAULT);
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}
（3）编写监听器
@Component
public class HotelListener {

    @Autowired
    private IHotelService hotelService;

    /**
     * 监听酒店新增或修改的业务
     * @param id 酒店id
     */
    @RabbitListener(queues = MqConstants.HOTEL_INSERT_QUEUE)
    public void listenHotelInsertOrUpdate(Long id){
        hotelService.insertById(id);
    }

    /**
     * 监听酒店删除的业务
     * @param id 酒店id
     */
    @RabbitListener(queues = MqConstants.HOTEL_DELETE_QUEUE)
    public void listenHotelDelete(Long id){
        hotelService.deleteById(id);
    }
}

四、elasticsearch集群

单机的elasticsearch做数据存储，必然面临两个问题：海量数据存储问题、单点故障问题。

  • 海量数据存储问题：将索引库从逻辑上拆分为N个分片（shard），存储到多个节点

  • 单点故障问题：将分片数据在不同节点备份（replica ）
    ES集群相关概念:

  • 集群（cluster）：一组拥有共同的 cluster name 的 节点。

  • 节点（node) ：集群中的一个 Elasticsearch 实例

  • 分片（shard）：索引可以被拆分为不同的部分进行存储，称为分片。在集群环境下，一个索引的不同分片可以拆分到不同的节点中

解决问题：数据量太大，单点存储量有限的问题。
在这里插入图片描述

此处，我们把数据分成3片：shard0、shard1、shard2

  • 主分片（Primary shard）：相对于副本分片的定义。
  • 副本分片（Replica shard）每个主分片可以有一个或者多个副本，数据和主分片一样。

数据备份可以保证高可用，但是每个分片备份一份，所需要的节点数量就会翻一倍，成本实在是太高了！

为了在高可用和成本间寻求平衡，我们可以这样做：

  • 首先对数据分片，存储到不同节点
  • 然后对每个分片进行备份，放到对方节点，完成互相备份

这样可以大大减少所需要的服务节点数量，如图，我们以3分片，每个分片备份一份为例：

在这里插入图片描述
现在，每个分片都有1个备份，存储在3个节点：

  • node0：保存了分片0和1
  • node1：保存了分片0和2
  • node2：保存了分片1和2

4.1 搭建ES集群

我们会在单机上利用docker容器运行多个es实例来模拟es集群。不过生产环境推荐大家每一台服务节点仅部署一个es的实例。

部署es集群可以直接使用docker-compose来完成，但这要求你的Linux虚拟机至少有4G的内存空间

4.1.1 创建es集群

首先编写一个docker-compose文件，内容如下：

version: '2.2'
services:

  es01:
  	# 镜像
    image: elasticsearch:7.12.1
    # 容器的名称
    container_name: es01
    environment:
    	# 节点名称
      - node.name=es01
      	# 集群名称，es默认支持集群，多个es集群名称相同，es就会自动组装成一个集群
      - cluster.name=es-docker-cluster
      	# 集群中另外两个节点的ip地址，这里不使用IP地址是因为，容器内互联使用容器名就可以了
      - discovery.seed_hosts=es02,es03
      	# 初始化候选主节点，这三个都可以参选
      - cluster.initial_master_nodes=es01,es02,es03
      	# 堆内存大小
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  es02:
    image: elasticsearch:7.12.1
    container_name: es02
    environment:
      - node.name=es02
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data02:/usr/share/elasticsearch/data
    ports:
      - 9201:9200
    networks:
      - elastic
  es03:
    image: elasticsearch:7.12.1
    container_name: es03
    environment:
      - node.name=es03
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es02
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data03:/usr/share/elasticsearch/data
    networks:
      - elastic
    ports:
      - 9202:9200
volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local

networks:
  elastic:
    driver: bridge

es运行需要修改一些linux系统权限，修改/etc/sysctl.conf文件

vi /etc/sysctl.conf

添加下面的内容：

vm.max_map_count=262144

然后执行命令，让配置生效：

sysctl -p

通过docker-compose启动集群：

docker-compose up -d

4.1.2 集群状态监控

kibana可以监控es集群，不过新版本需要依赖es的x-pack 功能，配置比较复杂。
这里推荐使用cerebro来监控es集群状态，官方网址：https://github.com/lmenezes/cerebro
可以使用课前的安装包。
在这里插入图片描述
解压即可使用，非常方便。

解压好的目录如下：
在这里插入图片描述
进入对应的bin目录：
在这里插入图片描述
双击其中的cerebro.bat文件即可启动服务。
在这里插入图片描述
访问http://localhost:9000 即可进入管理界面：
在这里插入图片描述

输入你的elasticsearch的任意节点的地址和端口，点击connect即可：
在这里插入图片描述
绿色的条，代表集群处于绿色（健康状态）。

4.1.3 创建索引库

（1）利用kibana的DevTools创建索引库

在DevTools中输入指令：

PUT /itcast
{
  "settings": {
    "number_of_shards": 3, // 分片数量
    "number_of_replicas": 1 // 副本数量
  },
  "mappings": {
    "properties": {
      // mapping映射定义 ...
    }
  }
}
（2）利用cerebro创建索引库

利用cerebro还可以创建索引库：
在这里插入图片描述
填写索引库信息：在这里插入图片描述
点击右下角的create按钮：在这里插入图片描述

4.1.4 查看分片效果

回到首页，即可查看索引库分片效果：在这里插入图片描述

4.2 集群脑裂问题

4.2.1 集群职责划分

elasticsearch中集群节点有不同的职责划分：
在这里插入图片描述

默认情况下，集群中的任何一个节点都同时具备上述四种角色。

但是真实的集群一定要将集群职责分离：

  • master节点：对CPU要求高，但是内存要求低
  • data节点：对CPU和内存要求都高
  • coordinating节点 [kəʊˈɔːdɪneɪtɪŋ] 使协调：对网络带宽、CPU要求高

职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。

一个典型的es集群职责划分如图：
在这里插入图片描述

4.2.2 脑裂问题（出现多个主节点）

脑裂是因为集群中的节点失联导致的。

例如一个集群中，主节点与其它节点失联：
在这里插入图片描述
此时，node2和node3认为node1宕机，就会重新选主：
在这里插入图片描述
当node3当选后，集群继续对外提供服务，node2和node3自成集群，node1自成集群，两个集群数据不同步，出现数据差异。

当网络恢复后，因为集群中有两个master节点，集群状态的不一致，出现脑裂的情况：
在这里插入图片描述
解决脑裂的方案是，要求选票超过 ( [ˈelɪdʒəbl] 有资格的 eligible节点数量 + 1 ）/ 2 才能当选为主，因此eligible节点数量最好是奇数。对应配置项是discovery.zen.minimum_master_nodes，在es7.0以后，已经成为默认配置，因此一般不会发生脑裂问题

例如：3个节点形成的集群，选票必须超过 （3 + 1） / 2 ，也就是2票。node3得到node2和node3的选票，当选为主。node1只有自己1票，没有当选。集群中依然只有1个主节点，没有出现脑裂。

4.2.3 小结

master eligible节点的作用是什么？

  • 参与集群选主
  • 主节点可以管理集群状态、管理分片信息、处理创建和删除索引库的请求

data节点的作用是什么？

  • 数据的CRUD

coordinator节点的作用是什么？

  • 路由请求到其它节点
  • 合并查询到的结果，返回给用户

4.3 集群分布式存储

当新增文档时，应该保存到不同分片，保证数据均衡，那么coordinating node如何确定数据该存储到哪个分片呢？

4.3.1 分片存储测试

插入三条数据：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
测试可以看到，三条数据分别在不同分片：
在这里插入图片描述
结果：
在这里插入图片描述

4.3.2 分片存储原理

elasticsearch会通过hash算法来计算文档应该存储到哪个分片：
在这里插入图片描述

说明：

  • _routing默认是文档的id
  • 算法与分片数量有关，因此索引库一旦创建，分片数量不能修改！

新增文档的流程如下：
在这里插入图片描述
解读：

  • 1）新增一个id=1的文档
  • 2）对id做hash运算，假如得到的是2，则应该存储到shard-2
  • 3）shard-2的主分片在node3节点，将数据路由到node3
  • 4）保存文档
  • 5）同步给shard-2的副本replica-2，在node2节点
  • 6）返回结果给coordinating-node节点

4.4 集群分布式查询

elasticsearch的查询分成两个阶段：

  • scatter phase：分散阶段，coordinating node会把请求分发到每一个分片
  • gather phase：聚集阶段，coordinating node汇总data node的搜索结果，并处理为最终结果集返回给用户
    在这里插入图片描述

4.5 集群故障转移

集群的master节点会监控集群中的节点状态，如果发现有节点宕机，会立即将宕机节点的分片数据迁移到其它节点，确保数据安全，这个叫做故障转移。
1）例如一个集群结构如图：
在这里插入图片描述

现在，node1是主节点，其它两个节点是从节点。

2）突然，node1发生了故障：
在这里插入图片描述

宕机后的第一件事，需要重新选主，例如选中了node2：
在这里插入图片描述
node2成为主节点后，会检测集群监控状态，发现：shard-1、shard-0没有副本节点。因此需要将node1上的数据迁移到node2、node3：
在这里插入图片描述

hmmmgo
关注
  • 48
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
springboot整合es-spring-03-elastic.zip
11-07
在本项目"springboot整合es-spring-03-elastic.zip"中，主要涉及的是Spring Boot与Elasticsearch（ES）的集成应用。Spring Boot以其便捷的配置方式简化了Java应用的开发，而Elasticsearch则是一种高性能、分布式、...
Elasticsearch-03 SpringDataElastic
灼烧的疯狂
02-09 1166
SpringDataElasticsearch入门
es（Elasticsearch）客户端Elasticsearch-head安装使用（04Elasticsearch-head安装篇）
weixin_35815479的博客
08-07 5128
elasticsearch-head是一款专门针对于elasticsearch的客户端工具，用来展示数据。elasticsearch-head是基于JavaScript语言编写的，可以使用npm部署，npm是Nodejs下的包管理器安裝方式利用npm和nodejs进行安装启动，github中给出的安装方法也是这种，本文就是以这种方式进行解说。............
Elasticsearch-04-Elasticsearch组件head和kibana详解
苍煜
06-28 6896
ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。 -----百度百科而ElasticSearch-head就是一款能连接ElasticSearch搜索引擎，并提供可视化的操作页面对ElasticSearch搜索引擎进行各种设置和数据检索功能的管理插件，如在head插件页面编写R
搭建elasticsearch-7.6.1集群，es-header安装，解决启动问题，es启停脚本
ITsuperChild的博客
06-22 1631
使用自身的java搭建elasticsearch-7.6.1集群 启停es集群，脚本 es启动问题 使用es-header连接es集群本人安装elasticsearch7.x版本时候一直jdk1.8，搭建了好多次都说不支持jdk1.8。需要更高的jdk11版本。看了网上好多资料还是解决不了。最后选择使用elasticsearch自身带的jdk。 2.配置elasticsearch的jdk 修改内容 3.编辑三个节点的配置信息 (1)node-1配置信息如下 (2)node-2配置信息如下 (3)node
ES-03-CentOS下ElasticSearch集群搭建
csdn_yasin的博客
02-24 5764
说明 CentOS下ElasticSearch集群搭建 集群搭建的一些准备工作是基于单节点安装，具体参照我的上一篇文章“CentOS下安装ElasticSearch” 本案例以单服务器多端口模拟集群环境（由node-9201、node-9202、node-9203三个节点共同组成） ES集群正常工作至少需要3台服务节点。如果只有两台节点，当主节点挂掉后会导致另一台是无法被选举为主节点，最终导致整个集群停止服务。如果3台中两台宕机也会导致集群停止服务。 具体影响因素参考本文“其他配置”中的discover
elasticsearch-8.1.0安装记录
crazy_rays的专栏
04-23 492
CTRL+C停止node1的es服务，使用-d参数启动后台服务，集群子节点在。节点配置方法一样，需要修改。后，使用相同命令加入集群。
elasticsearch-7.17.9
docsz的博客
04-13 858
elasticsearch-7.17.9
ElasticSearch-03安装Head插件
放牛娃的博客
11-17 100
文章目录一、head插件二、安装步骤1.es5.0以下的版本安装方式2.es5.0以上的版本安装方式 一、head插件 为了便于管理ES，本文使用head插件，这是最初级的管理工具，在浏览器中显示ES集群，索引等信息，十分好用。 二、安装步骤 1.es5.0以下的版本安装方式 按住Windows+R，输入cmd，打开命令行工具，进入到ElasticSearch的bin目录，使用ES命令安装插件 cd 切换到es安装目录下的bin目录下，并执行以下命令 plugin install mobz/elasti
Linux搭建elasticsearch-7.8.0集群
热门推荐
一恍过去
08-03 1万+
Linux搭建elasticsearch-7.8.0集群
elasticsearch-status-monitor:Elasticsearch Status Monitor是一个开源工具，用于生成包含ES群集概述并列出潜在问题的报告
04-19
Elasticsearch状态监控器目录 介绍Elasticsearch Status Monitor是用于监视Elasticsearch集群的开源工具。 它生成一份报告，其中包含群集概述以及通过其数据分析发现的潜在问题。 该工具不会操纵或更改群集或其数据...
elasticsearch-7.6.1安装-Linux
05-18
"build_date" : "2020-03-12T13:32:46.161459Z", "build_snapshot" : false, "lucene_version" : "8.4.1", "minimum_wire_compatibility_version" : "6.8.0", "minimum_index_compatibility_version" : "6.0.0-...
day07-Elasticsearch03
12-13
Elasticsearch（ES）是基于Lucene构建的，它以其高效、可扩展性和实时分析能力而备受青睐。在这个阶段的学习中，我们将重点关注Elasticsearch的核心概念、安装与配置、数据索引与查询以及集群管理等方面的知识。 ...
git submodule
duke_ding2的博客
08-23 809
git submodule
ElasticSearch Date 类型
BLOCKGOLD.E的博客
08-23 232
多种时间格式。
es相关概念、索引操作（相当于mysql中的数据库操作）
最新发布
小丁的博客
08-26 112
【代码】es相关概念、索引操作（相当于mysql中的数据库操作）
【C#】【EXCEL】Bumblebee/Classes/ExShape.cs
hmywillstronger的博客
08-25 653
这些方法和属性共同构成了一个强大的接口,用于在C#中操作Excel形状,特别是SmartArt对象。它们展示了如何与Excel的COM对象交互,修改形状的各种属性,如颜色、线条粗细和布局。这个类的设计考虑到了易用性和灵活性,允许开发者精确控制Excel中的图形元素。这个方法重写了Object类的ToString方法,提供了ExShape对象的自定义字符串表示。当然,我会为这段代码添加详细的中文注释,以便于您的学习和博客发表。这个方法设置形状轮廓的颜色。它同时设置线条的前景色和背景色,以确保一致的颜色效果。
linux安装Elasticsearch-7.12
04-11
安装Elasticsearch-7.12可以按照以下步骤进行： 1. 首先，确保你的Linux系统已经安装了Java运行环境（JRE/JDK）。你可以通过在终端中输入以下命令来检查Java是否已安装： ``` java -version ``` 2. 下载Elasticsearch-7.12的压缩包。你可以在Elasticsearch官方网站的下载页面找到相应的版本。选择适合你系统的版本并下载。 3. 解压缩下载的压缩包。在终端中进入到下载目录，并执行以下命令解压缩： ``` tar -xzf elasticsearch-7.12.0-linux-x86_64.tar.gz ``` 4. 进入解压缩后的Elasticsearch目录： ``` cd elasticsearch-7.12.0 ``` 5. 打开`config/elasticsearch.yml`文件，编辑以下配置项： ``` cluster.name: my-elasticsearch-cluster node.name: my-elasticsearch-node ``` 6. 启动Elasticsearch节点。在终端中执行以下命令： ``` ./bin/elasticsearch ``` 7. 等待一段时间，直到Elasticsearch成功启动。你可以通过访问`http://localhost:9200`来验证是否成功启动。如果看到类似以下输出，则表示Elasticsearch已经成功运行： ``` { "name" : "my-elasticsearch-node", "cluster_name" : "my-elasticsearch-cluster", "cluster_uuid" : "xxxxxxxxxxxx", "version" : { "number" : "7.12.0", "build_flavor" : "default", "build_type" : "tar", "build_hash" : "xxxxxxxxxxxx", "build_date" : "2021-03-18T06:17:15.410153305Z", "build_snapshot" : false, "lucene_version" : "8.8.0", "minimum_wire_compatibility_version" : "6.8.0", "minimum_index_compatibility_version" : "6.0.0-beta1" }, "tagline" : "You Know, for Search" } ``` 以上是安装Elasticsearch-7.12的基本步骤。如果你需要更详细的配置和使用说明，请参考Elasticsearch官方文档。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值