Elasticsearch的安装与入门

Elasticsearch的安装与入门

一、名词解释：

节点（Node）：节点是一个ES的实例，一般一台主机上部署一个节点-
集群（Cluster）：集群由若干节点组成，和任意节点的通信等价于和集群的通信
分片（Shard）：一个索引会分成多个分片存储，分片数量在索引建立后不可更改
副本（Replica）：副本是分片的一个拷贝，目的在于提高系统的容错性和搜索的效率
索引（Index）：类似数据库的库
类型（Type）：类似数据库的表
文档（Document）：类似数据库的行，包含一个或多个Field
字段（Field）：搜索的最小单元，可通过Mapping定义不同的属性（比如可否被搜索）

Transport：支持的交互协议
discovery.zen：自动发现集群节点的p2p系统
river：数据库
gateway：存储方式


二、安装：
1.首先安装JDK，设置好JAVA_HOME环境变量（export JAVA_HOME=.../java8），

查看Java环境
java -version

2.然后下载Elasticsearch。
下载地址:https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-5.0.1.zip

安装方法一：
解压并运行bin\elasticsearch.bat 开始安装
通过浏览器打开http://localhost:9200/查看安装是否成功

安装方法二：
解压,cmd进入bin目录：
service install
service start
通过浏览器打开http://localhost:9200/查看安装是否成功


关闭elasticsearch：
service stop

3.安装head插件
head插件用于在网页上管理、监视集群的状态。
拉取 https://github.com/mobz/elasticsearch-head 代码，将其放到./plugins/head 目录下。


cmd进入\bin目录，
然后执行：
plugin install mobz/elasticsearch-head


浏览器打开 http://localhost:9200/_plugin/head/ 查看


三、配置：

1）一台机器一个节点
打开/home/zkpk/elasticsearch-node1/config目录下的elasticsearch.yml 文件

配置文件中的一些配置点：
#设置集群名字
cluster.name: cswuyg_qa_pair_test

#设置node名字
node.name: xxx-node


#指定集群中的节点中有几个有master资格的节点。对于大集群可以写3个以上。
covery.zen.minimum_master_nodes: 2


#设置节点域名
network.host: 192.168.137.100

#设置是否打开多播发现节点，默认是true。
discovery.zen.ping.multicast.enabled: false


#发现其它节点时ping连接超时时间
discovery.zen.ping.timeout: 40s

#设置绑定的ip地址
network.bind_host: 192.168.137.100

#设置其它节点和该节点交互的ip地址。
network.publish_host: 192.168.137.100

#同时设置bind_host和publish_host上面两个参数。
network.host: 192.168.137.100

#设置内部传输端口和外部HTTP访问端口
 transport.tcp.port: 9302
 http.port: 8302


#discovery.zen.ping.unicast.hosts:["节点1的 ip","节点2 的ip","节点3的ip"]
#指明集群中其它可能为master的节点ip,以防es启动后发现不了集群中的其他节点。
discovery.zen.ping.unicast.hosts: ["192.168.137.100",  "192.168.137.101","192.168.137.100：9301"]


#设置中文切词插件
index.analysis.analyzer.ik.type: "ik"


2）一台机器多个节点

拷贝 elasticsearch-node1 整个文件夹，命名为elasticsearch-node2
对于单机多节点的es集群，一定要注意修改 transport.tcp.port 和http.port 的默认值保证节点间不冲突。
修改elasticsearch.yml中的节点名称和端口号：
node.name: "es-node3"
transport.tcp.port: 9301
http.port: 9201



启动：

启动之前设置ES使用的内存：export ES_HEAP_SIZE=10g。

elasticsearch -d 以守护进程方式启动，启动之后，就可以在浏览器里使用head插件看到集群信息，如：

http://host_name_xxx:port_yyy/_plugin/head/


四、使用：
1.创建一个index：
POST http://192.168.137.100:9200/test_index

查看创建的index:
GET  http://192.168.137.100:9200/_cat/indices?v


删除一个索引
DELETE  http://192.168.137.100:9200/customer?pretty


2.写入数据：
POST http://xxxhost:8201/qa_xx2/qa_xx3/1234

{
    "title":"cswuyg test",
    "content":"this is test by cswuyg。。。"
}

{
    "_index":"qa_xx2",
    "_type":"qa_xx3",
    "_id":"1234",
    "_version":1,
    "_shards":{
    "total":2,
    "successful":2,
    "failed":0
    },
    "created":true

}


3.查询数据：

（1）使用id直接查：
GET http://xxxhost:8201/qa_xx2/qa_xx3/1235

（2）DSL查询：
往查询url POST数据即可：
URL格式：http://xxxhost:8201/qa_xx2/qa_xx3/_search


a. 查询title中包含有cswuyg字段的文档。Highlight设置高亮命中的词。POST方法的body：
{
    "query": {
        "match": {
            "title": {
                "query": "cswuyg "
            }
        }
    },
    "highlight": {
        "fields": {
            "title": {

            }
        }
    }
}

b. bool组合查询，命中的文档的title字段必须能命中“餐厅”、“好吃”、“深圳”，可以是完全命中，也可以是名字其中的个别字。“便宜”则是可选命中。
POST方法的body：


如果要求每一个字都命中，可以把match修改为match_phrase。


例子：要求必须完全命中“酒后”和“标准"，“驾驶”可以部分命中


c. 给查询词设置权重（boost）。POST方法的body：


d. filter查询，也就是kv查询，不涉及检索的相关性打分，title必须是完全命中，如果建库时是有对这个字段切词的，则查询时，需要是切词后的某个词去查询，如“今天天气”，建库切词为“今天”和“天气”，那么filter查询的时候需要使用“今天”或者“天气”才能命中。POST方法的body：


e. 完全匹配某个短语,这就要求“好厉害”三个字组成的词必须在文档中出现，不能是只出现其中的个别字（match就是这样）。POST方法的body：


 （3）运维
a. 去掉副本，调研的时候希望不要副本，这样子写入会快点

PUT http://192.168.137.100:8202/qa_pair2/_settings
{
   "number_of_replicas" : 0
}



4.切词：使用ik中文切词插件

Elasticsearch默认的中文切词插件是单字切词，这不能满足我们要求，需要安装中文切词插件。

插件github地址：https://github.com/medcl/elasticsearch-analysis-ik
源码安装：编译时需要联网，可以在windows下编译完之后，把elasticsearch-analysis-ik-1.9.3.zip拷贝到linux机器的./plugin/head目录下解压。
配置：在配置文件./config/elasticsearch.yml末尾添加配置： index.analysis.analyzer.ik.type: "ik"

测试ik切词：http://host_name_xx:port_yyy/qa_pair/_analyze?analyzer=ik&pretty=true&text=我是中国人"



5.使用python读写Elasticsearch
使用pip安装elasticsearch


1)读取文件批量插入数据示例：
#!/home/work/bin/python
#-*-coding:utf8-*-
"""
读取文件，入库到es
使用：python insert_demo.py xxx_file_name

Authors: cswuyg 
Date: 2016.06.18
"""

from elasticsearch import Elasticsearch
from elasticsearch.helpers import bulk
from elasticsearch import exceptions
import traceback
import datetime
import sys

reload(sys)
sys.setdefaultencoding('utf-8')

#设置mappings
def _create_index(es, index_name="cswuyg", doc_type_name="cswuyg"):
    my_settingss = {
            'number_of_shards': 18,
            'number_of_replicas': 0
            }
    my_mappings = {
            "cswuyg": {
                '_all': {
                    'enabled': 'false'
                    },
                "properties": {
                    "title": {
                        'type': 'string',
                        'store': 'no',
                        'term_vector': 'with_positions_offsets',
                        'analyzer': 'ik_max_word',
                        'boost': 8
                        },
                    "url": {
                        "type": "string",
                        'index': 'not_analyzed'
                        },
                    'content': {
                        'type': 'string',
                        'store': 'no',
                        'term_vector': 'with_positions_offsets',
                        'analyzer': 'ik_max_word',
                        'boost': 8
                        }
                    }
                }
            }
    settings = {
            'settings': my_settingss, 
            'mappings': my_mappings
            }

    create_index = es.indices.create(index=index_name, body=settings)

#将文件中的数据存储到es中
def _save_data(es, input_file):
    #读入数据
    all_data = list()
    count = 0
    with open(input_file) as f_r:
        for line in f_r:
        count += 1
            all_data.append({
                '_index': 'cswuyg',
                '_type': 'cswuyg',
                '_source': {
                    'title': line
                    }
                })
            if len(all_data) == 100:
                success, _ = bulk(es, all_data, index='cswuyg', raise_on_error=True)
                all_data = list()
                print('{1}: finish {0}'.format(count, input_file))
    if len(all_data) != 0:
        success, _ = bulk(es, all_data, index='cswuyg', raise_on_error=True)
        all_data = list()
        print('{1}: finish {0}'.format(count, input_file))
    print('{0}: finish all'.format(input_file))

def _insert_data(es, file_name):
    start_time = datetime.datetime.now()
    _save_data(es, file_name)
    cost_time = datetime.datetime.now() - start_time
    print('all cost time{0}'.format(cost_time))

def _main():
    if len(sys.argv) != 2:
        print('need file argument')
        return 
    es = Elasticsearch(hosts=["10.200.100.80:8301"], timeout=500)
    try:
        _create_index(es)
    except exceptions.RequestError:
        print(traceback.format_exc())
    _insert_data(es, sys.argv[1]);

if __name__ == '__main__':
    _main()

测试文件数据格式：
我是中国人
我爱中国


2)检索示例（从文件中获取检索条件：切好词且打好分的Term）：

#!/home/work/bin/python
#-*-coding:utf8-*-
"""
检索 es
策略：
从文件中读取已经切好词，且给好权重的term，且选好必选term的一行文本，处理成match_phrase + bool查询
默认策略2

使用方法：python search_demo.py test_file
output:
es_query
query\ttitle\tsall_score

output demo:
{'query': {'bool': {'should': [{'match': {'title': {'query': '\xe6\x88\x91', 'boost': 0.2}}}], 'must': [{'match_phrase': {'title': {'query': '\xe4\xb8\xad\xe5\x9b\xbd', 'boost': 0.69}}}, {'match_phrase': {'title': {'query': '\xe7\x88\xb1', 'boost': 0.11}}}]}}}
我爱中国        我爱中国        {"should": ["我"], "score": {"我": 0.2, "中国": 0.69, "爱": 0.11}, "must": ["中国", "爱"]}
我爱中国        我爱中国        {"should": ["我"], "score": {"我": 0.2, "中国": 0.69, "爱": 0.11}, "must": ["中国", "爱"]}
Authors: cswuyg
Date: 2016.06.18
"""
from elasticsearch import Elasticsearch
from elasticsearch.helpers import bulk
from elasticsearch import exceptions
import sys
import json
from log import logger
import traceback

reload(sys)
sys.setdefaultencoding('utf-8')

def _release_es_query_by_file_info(file_info):
    #输入格式： raw_query\tmust_term\tshould_term\tall_score
    logger.debug('file_info:{0}'.format(file_info))
    file_info_list = file_info.split('\t')
    print file_info_list
    raw_query = file_info_list[0]
    must_term = file_info_list[3]
    should_term= file_info_list[4]
    all_score = file_info_list[5]
    json_score = json.loads(all_score, encoding='utf-8')

    ret_obj = {}
    ret_obj['must'] = must_term.split()
    ret_obj['should'] = should_term.split()
    ret_obj['score'] = json_score 

    bool_query = dict()
    must_query = list()
    should_query = list()
    for item in must_term.split(' '):
        must_query.append({'match_phrase': {'title': {'query': item, 'boost': json_score[unicode(item)]}}})
    bool_query['must'] = must_query

    for item in should_term.split(' '):
        should_query.append({'match': {'title': {'query': item, 'boost': json_score[unicode(item)]}}})
    bool_query['should'] = should_query

    es_query = {'query': {'bool': bool_query}}
    print es_query
    return raw_query, es_query, json.dumps(ret_obj, ensure_ascii=False) 

def _do_query_use_file_info(es, file_info):
    raw_query, query, all_score = _release_es_query_by_file_info(file_info.strip('\r\n'))
    res = es.search(index='cswuyg', doc_type='cswuyg', body=query, size=100)
    if (len(res['hits']['hits']) == 0):
        logger.debug('len(res["hits"]["hits"]) == 0')
        print("{0}\t{1}\t{2}".format(raw_query, "", all_score))
        return 

    for item in res['hits']['hits']:
        try:
            print("{0}\t{1}\t{2}".format(raw_query, item['_source']['title'].strip('\r\n'), all_score))
        except:
            logger.debug(traceback.format_exc())
            logger.debug(item['_source']['title'])
    print('\r\n')

def _main():
    if len(sys.argv) != 2:
        print('argv error')
        return
    else:
        print('argv[1] = {0}'.format(sys.argv[1]))
    es = Elasticsearch(hosts=["10.200.100.80:8301"], timeout=5000)
    with open(sys.argv[1]) as f_r:
        for item in f_r:
            try:
                _do_query_use_file_info(es, item)
            except:
                logger.debug(traceback.format_exc())

if __name__ == '__main__':
    _main()


测试文件数据格式：
我爱中国            中国 爱    我    {"我": 0.20, "中国": 0.69, "爱": 0.11} 



参考：
安装配置
http://blog.csdn.net/sinat_28224453/article/details/51134978
http://www.cnblogs.com/cswuyg/p/5651620.html
http://blog.csdn.net/ebw123/article/details/46707559
用户权限管理
http://blog.csdn.net/napoay/article/details/52201558
http://rockelixir.iteye.com/blog/1890879