Elasticsearch

1. 聊一个人。Doug Cutting的美国工程师
2. 货比三家
3. 安装
4. 生态圈
5. 分词器ik
6. RestFul操作ES
7. CRUD
8. SpringBoot集成ElasticSearch（从原理分析！）
9. 爬虫爬取数据！
10. 实战，模拟全文检索！

一、聊聊Doug Cutting

一位名叫Doug Cutting的美国工程师，做了一个用于文本搜索的函数库（姑且理解为软件的功能组件），命名为Lucene。
Lucene是用JAVA写成的，目的是为各种中小型应用软件加入全文检索功能。因为好用而且开源（代码公开），非常受程序员们的欢迎！

回到主题

Lucene是一套信息检索工具包！jar包！不包含搜索引擎系统！
包含的：索引结构！读写索引的工具！排序、搜索规则等功能（工具类！）
Lucene和Elasticsearch关系：ElasticSearch是基于Lucene做了一些封装和增强（我们上手是十分简单！）

二、ElasticSearch概述

ElasticSearch(简称为es)是一个开源的高扩展的分布式全文检索引擎，它可以近乎 实时存储、检索数据；
本身扩展性很好，可以扩展到上百台服务器，处理PB级别（大数据时代）的数据。
es是使用java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的REST-ful的API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

三、Solr和ElasticSearch的区别

 

ElasticSearch和Solr区别总结

1. es基本是开箱即用（解压就可以用），非常简单。Solr安装略微复杂一丢丢。
2. Solr利用Zookeeper进行分布式管理，而Elasticsearch自身带有分布式协调管理功能。
3. Solr支持更多格式的数据，比JSON、XML、CSV，而Elasticsearch仅支持json文件格式。
4. Solr官方提供的功能更多，而Elasticsearch本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑。
5. Solr查询快，但更新索引时慢（即插入删除慢），用于电商等查询多的应用；
   • ES建立索引快（即查询慢），即实时性查询快，用于facebook新浪等搜索。
   • Solr是传统搜索应用的有力解决方案，但Elasticsearch更适用于新兴的实时搜索应用。
6. Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而Elasticsearch相对开发维护者较少，更新太快，学习使用成本较高。

四、ElasticSearch安装

最低要求jdk1.8

最新版本下载地址：Download Elastic Enterprise Search | Elastic

其他版本下载地址：https://www.elastic.co/cn/downloads/past-releases#elasticsearch

windows下安装

解决问题：Elasticsearch Windows上安装 - Java小强技术博客

1. 解压就可以使用了

   

2. 熟悉目录

   1. bin：启动文件
   2. config：配置文件
   3. log4j2：日志配置文件
   4. jvm.options：java虚拟机相关的配置
   5. elasticsearch.yml：elasticsearch的配置文件！默认9200端口！跨域！
   6. lib：相关jar包
   7. logs：日志
   8. modules：功能模块
   9. plugins：插件！

3. 启动（点击bin文件夹下的elasticsearch.bat），访问9200端口
   访问可能会报错或需要输入密码，启动前需要配置elasticsearch.yml：

   

   1. # 启动时会去更新地图的一些数据库，这里直接禁掉即可，用到时再说.
   2. ingest.geoip.downloader.enabled: false

   

4. 访问测试（localhost:9200）

   

安装es可视化界面：head的插件

没有前端基础的，先去看狂神的Vue教程，把基本的环境安装完毕！
狂神Vue教程地址：【狂神说Java】Vue最新快速上手教程通俗易懂_哔哩哔哩_bilibili

1. head插件下载地址：GitHub - mobz/elasticsearch-head: A web front end for an elastic search cluster

2. 启动head插件，访问9100端口

   1. # 安装cnpm的命令
   2. npm install -g cnpm -registry=https://registry.npm.taobao.org
   3. # cnpm下载资源更快
   4. cnpm install
   5. npm run start

   如果cnpm不能使用，需要设置：

   1. windows系统搜索Windows PowerShell，以管理员的权限打开。
   2. 输入set-ExecutionPolicy RemoteSigned，点击回车。
   3. 输入A（选择A），回车。
   4. 重新回到项目就可以使用cnpm密令。

3. 连接测试发现跨域问题

   

4. 配置es的elasticsearch.yml文件解决跨域问题
   1. http.cors.enabled: true
   2. http.cors.allow-origin: "*"

   

5. 重启es服务，再次连接（访问9100端口）成功

   

   
   初学，就把es当做一个数据库！（可以建立索引（库），文档（库中的数据！））

这个head我们就把它当做数据展示工具！(我们后面所有的查询，可以使用Kibana做)。

五、Kibana安装

了解ELK

ELK是Elasticsearch、Logstash、Kibana三大开源框架首字母大写简称。市面上也被成为Elastic Stack。其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大，市面上很多时候我们简称Elasticsearch为es。
Logstash是ELK的中央数据流引擎，用于从不同目标（文件/数据存储/MQ）收集的不同格式数据，经过过滤后支持输出到不同目的地（文件/MQ/redis/elasticsearch/kafka等）。Kibana可以将elasticsearch的数据通过友好的页面展示出来，提供实时分析的功能。
市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称，但实际上ELK不仅仅适用于日志分析，它还可以支持其它任何数据分析和收集的场景，日志分析和收集只是更具有代表性，并非唯一性。

Kibana

Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana，可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单，基于浏览器的用户界面可以快速创建仪表板（dashboard）实时显示Elasticsearch查询动态。设置Kibana非常简单。无需编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。
官网：Kibana：数据的探索、可视化和分析 | Elastic

Kibana要和ES版本一致！！！

1. 解压目录

   

2. 启动测试（/bin/Kibana.bat）

   

3. 访问测试，端口号5601

   

4. 开发工具

   

   
   我们之后的所有操作都在这里进行编写！
5. 汉化
   自己修改/config/Kibana.yml文件，添加i18n.locale: “zh-CN”，重启Kibana。
   1. i18n.locale: "zh-CN"

   

六、ES的核心概念

1. 索引
2. 字段类型（mapping）
3. 文档(documents)

概述

在前面的学习中，我们已经掌握了es是什么，同时也把es的服务已经安装启动，那么es是如何去存储数据，数据结构是什么，又是如何实现搜索的呢？
我们先来聊聊ElasticSearch的相关概念吧！

集群，节点，索引，类型，文档，分片，映射是什么？

关系行数据库和elasticsearch客观的对比

elasticsearch面向文档

Relational DB	ElasticSearch
数据库(database)	索引(indices)
表(tables)	types
行(rows)	documents
字段(columns)	fields

elasticsearch(集群)中可以包含多个索引(数据库)，每个索引中可以包含多个类型(表)，每个类型下又包含多个文档(行)，每个文档中又包含多个字段(列)。

物理设计

elasticsearch在后台把每个索引划分成多个分片，每个分片可以在集群中的不同服务器间迁移！
一个人就是一个集群！默认的集群名elasticsearch

逻辑设计

一个索引类型中，包含多个文档，比如说文档1、文档2。当我们索引一篇文档时，可以通过这样的一个顺序找到它：索引>类型>文档ID，通过这个组合我们就能索引到某个具体的文档。
注意：ID不必是整数，实际上它是个字符串。

1. 文档
   之前说elasticsearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，elasticsearch中，文档有几个重要属性：

• 自我包含：一篇文档同时包含字段和对应的值，也就是同时包含 key:value！
• 可以是层次型的：一个文档中包含自文档，复杂的逻辑实体就是这么来的！（就是一个json对象，fastjson进行自动转换）
• 灵活的结构：文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对于字段是非常灵活的，有时候，我们可以忽略该字段，或者动态的添加一个新的字段。
  尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在elasticsearch中，类型有时候也称为映射类型。

1. 类型
   类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如name映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么elasticsearch是怎么做的呢？
   elasticsearch会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用，别整什么么蛾子。
2. 索引（就是数据库）
   索引是映射类型的容器，elasticsearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。我们来研究下分片是如何工作的。

物理设计：节点和分片如何工作

一个集群至少有一个节点，而一个节点就是一个elasricsearch进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有个5个分片（primary shard，又称主分片）构成的，每一个主分片会有一个副本（replica shard，又称复制分片）

上图是一个有3个节点的集群，可以看到主分片和对应的复制分片都不会在同一个节点内，这样有利于某个节点挂掉了，数据也不至于丢失。实际上，一个分片是一个Lucene索引，一个包含倒排索引的文件目录，倒排索引的结构使得elasticsearch在不扫描全部文档的情况下，就能告诉你哪些文档包含特定的关键字。不过，等等，倒排索引是什么鬼？

倒排索引（面试题）

elasticsearch使用的是一种称为倒排索引的结构，采用Lucene倒排索作为底层。这种结构适用于快速的全文搜索，一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。例如，现在有两个文档，每个文档包含如下内容：

1. study every day，good good up to forever #文档1包含的内容
2. To forever，study every day，good good up #文档2包含的内容

为了创建倒排索引，我们首先要将每个文档拆分成独立的词（或称为词条或者tokens），然后创建一个包含所有不重复的词条的排序列表，然后列出每个词条出现在哪个文档：

term	doc_1	doc_2
Study	有	无
To	无	无
every	有	有
forever	有	有
day	有	有
study	无	有
good	有	有
every	有	有
to	有	无
up	有	有

现在，我们试图搜索to forever，只需要查看包含每个词条的文档。权重score

term	doc_1	doc_2
to	有	无
forever	有	有
total	2	1

两个文档都匹配，但是第一个文档比第二个匹配程度更高。如果没有别的条件，现在，这两个包含关键字的文档都将返回。
再来看一个示例，比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构：

如果要搜索含有 python标签的文章，那相对于查找所有原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这一栏，然后获取相关的文章ID即可。
elasticsearch的索引和Lucene的索引对比：
在elasticsearch中，索引这个词被频繁使用，这就是术语的使用。在elasticsearch中，索引被分为多个分片，每份分片是一个Lucene的索引。所以一个elasticsearch索引是由多个Lucene索引组成的。别问为什么，谁让elasticsearch使用Lucene作为底层呢！
如无特指，说起索引都是指elasticsearch的索引。
接下来的一切操作都在kibana中Dev Tools下的Console里完成。基础操作！

七、IK分词器插件

概念

分词：即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词，比如“我爱狂神”会被分为“我””爱”，“狂”，”神”，这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。
ik提供了两个分词算法：ik_smart和ik_max_word，其中ik_smart为最少切分，ik_max_word为最细粒度划分！一会我们测试！

如果要使用中文，建议使用IK分词器

安装

1. 下载地址：Releases · medcl/elasticsearch-analysis-ik · GitHub
2. 下载完成之后，解压放在elasticsearch的plugins文件下

   

3. 重启，观察ES

   

4. 可以通过elasticsearch-plugin这个命令来查看加载进来的插件。

   

5. 使用kibana测试。（查看不同分词效果）
   其中ik_smart为最少切分

   

   
   ik_max_word为最细粒度划分（穷尽词库）

当我们输入”超级喜欢狂神说java”，发现问题：狂神说，被拆开了。
这种自己需要的词，需要自己加到我们的分词器的字典中。

ik分词器增加自己的配置

1. 自定义配置。
2. 把自定义配置添加到扩展配置中去。
3. 重启ES（看细节：如下图）。

   

4. 重启kibana。

5. 再次测试下，输入”超级喜欢狂神说java”，看下效果。

   

   以后的话，我们需要自己配置分词就在自己定义的dic文件中进行配置即可！|

八、restful风格说明

一种软件架构风格，而不是标准，只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。

基本rest说明：

method	url地址	描述
PUT	localhost:9200/索引名称/类型名称/文档id	创建文档（指定文档id）
POST	localhost:9200/索引名称/类型名称	创建文档（随机文档id）
POST	localhost:9200/索引名称/类型名称/文档id/_update	修改文档
DELETE	localhost:9200/索引名称/类型名称/文档id	删除文档
GET	localhost:9200/索引名称/类型名称/文档id	查询文档通过文档id
POST	localhost:9200/索引名称/类型名称/_search	查询所有数据

1.关于索引的基本操作

创建一个索引。

1. ```HTML
2. # ElasticSearch的7.x.x版本
3. PUT /索引名/类型名/文档id
4. {
5. 请求体
6. }
7. ```
8. ![](https://kuangstudy.oss-cn-beijing.aliyuncs.com/bbs/2022/07/26/kuangstudy6affdfb4-ac90-4229-b4fb-399bace0b84f.jpg)
9. 完成了自动增加索引，数据也成功的添加了。（初期可以把它当做数据库学习的原因）
10. ![](https://kuangstudy.oss-cn-beijing.aliyuncs.com/bbs/2022/07/26/kuangstudy0e67b547-0376-4b27-8b18-c960ef6c03ef.jpg)
12. ```HTML
13. # ElasticSearch的8.x.x版本，类型已经弃用，默认写_doc。
14. PUT /索引名/_doc/文档id
15. {
16. 请求体
17. }
18. ```

name这个字段需要指定类型吗？需要（毕竟我们关系型数据库是需要指定类型的）

1. 官网类型文档地址：https://www.elastic.co/guide/en/elasticsearch/reference/current/keyword.html
2. - 字符串类型
3. text、keyword
4. - 数值类型
5. long，integer，short，byte，double，float，half float，scaled float
6. - 日期类型
7. date
8. - te布尔值类型
9. boolean·
10. - 二进制类型
11. binary
12. - 等等……

指定字段类型

获得这个规则（可以通过GET请求获取具体的信息）

查看默认信息。

如果自己的文档字段没有指定，那么es就会给我们默认配置字段类型！

扩展：通过命令elasticsearch索引情况！（通过get_cat/可以获得es的当前的很多信息！）

1. GET _cat/health # 查看健康值
2. GET _cat/indices?v #查看所有东西的版本信息

修改

提交，使用PUT，覆盖（弊端：如果漏掉一个字段，那么字段的值就没了）

新的修改方法：使用post提交（7.x.x版本和8.x.x版本提交方式不一样）

7.x.x版本（7.6.1）

8.x.x版本（8.2.3）

删除

通过DELETE命令实现删除、根据你的请求来判断是删除索引还是删除文档记录！
使用RESTFUL风格是我们ES推荐大家使用的！

2.关于文档的基本操作（重点）

2.1 基本操作（增删改查回顾）

添加数据

1. PUT /kuangshen/_doc/1
2. {
3. "name": "狂神说",
4. "age": 3,
5. "desc": "工资2500",
6. "tags": ["直男","温暖","技术宅"]
7. }
8. PUT /kuangshen/_doc/2
9. {
10. "name": "张三",
11. "age": 30,
12. "desc": "没有工资",
13. "tags": ["渣男","旅游","交友"]
14. }

查询数据

1. GET /kuangshen/_doc/1
2. GET /kuangshen/_doc/2

更新 PUT

1. PUT /kuangshen/_doc/1
2. {
3. "name": "狂神说123",
4. "age": 3,
5. "desc": "工资2500",
6. "tags": ["直男","温暖","技术宅"]
7. }

更新 POST

1. POST /kuangshen/_doc/1
2. {
3. "doc": {
4. "name": "狂神说123"
5. }
6. }

2.2 简单操作（条件查询）

1. // 支持模糊查询
2. GET /kuangshen/_search?q=name:狂神说

2.3 复杂操作（查询select：排序，分页，高亮，模糊查询，精准查询）

过滤字段查询（输出结果，不需要很多）：(我们之后使用java操作es，所有的方法和对象就是这里面的key！)

排序查询：

分页查询：（数据索引下标还是从0开始）

GET /kuangshen/_search/{currentPage}/{pageSize}

布尔值查询：

must （and），所有的条件都要符合 where id=1 and name=xxx

should（or），所有的条件都要符合 where id=1 or name=xxx

must_not (not)

filter查询过滤：

匹配多个条件：

精确查询：

（term 查询是直接通过倒排索引指定的词条进程精确的查找的！）
关于分词：

• term：直接查询精确的。（两种情况：text、keyword）
• match：会使用分词器解析！（先分析文档，然后在通过分析的文档进行查询！）

1. 创建数据

   

2. 分析数据，查看结果

   

3. 查询数据（keyword类型的字段不会被分词器解析）

   

多个值匹配精确查询：

高亮查询：