Elasticsearch全文搜索引擎浅析

简介:

         Elastic 的底层是开源库Luence。但是，你没法直接用 Lucene，必须自己写代码去调用它的接口。Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。Elastic 本质上是一个分布式数据库，允许多台服务器协同工作，每台服务器可以运行多个 Elastic 实例。搜索引擎在对数据构建索引时，需要进行分词处理。分词是指将一句话拆解成多个单字或词，这些字或词便是这句话的关键词。如

设置远程访问:

        默认情况下，Elastic 只允许本机访问，如果需要远程访问，可以修改 Elastic 安装目录的config/elasticsearch.yml文件，去掉network.host的注释，将它的值改成0.0.0.0，然后重新启动 Elastic。线上服务不要这样设置，要设成具体的 IP。

安装中文分词插件:

      Elasticsearch 不支持对中文进行分词建立索引，需要配合扩展elasticsearch-analysis-ik来实现中文分词处理。，也可以考虑其他插件（比如 smartcn）。

基本概念:

1.Node 与 Cluster:

    单个 Elastic 实例称为一个节点（node）。一组节点构成一个集群（cluster）。

2.Index:

curl -X GET 'http://localhost:9200/_cat/indices?v'    #当前节点的所有 Index

    Elastic 会索引所有字段，经过处理后写入一个反向索引（Inverted Index）。查找数据的时候，直接查找该索引。

所以，Elastic 数据管理的顶层单位就叫做 Index（索引）。它是单个数据库的同义词。每个 Index （即数据库）的名字必须是小写。

3.Document:

Index 里面单条的记录称为 Document（文档）。许多条 Document 构成了一个 Index。

4.Type:

$ curl 'localhost:9200/_mapping?pretty=true'   #列出每个 Index 所包含的 Type。

  Document 可以分组，比如weather这个 Index 里面，可以按城市分组（北京和上海），也可以按气候分组（晴天和雨天）。这种分组就叫做 Type，它是虚拟的逻辑分组，用来过滤 Document。不同的 Type 应该有相似的结构（schema），举例来说，id字段不能在这个组是字符串，在另一个组是数值。这是与关系型数据库的表的一个区别。性质完全不同的数据（比如products和logs）应该存成两个 Index，而不是一个 Index 里面的两个 Type（虽然可以做到）。

注意:根据规划，Elastic 6.x 版只允许每个 Index 包含一个 Type，7.x 版将会彻底移除 Type。

数据的操作:

1.新增数据:

向指定的 /Index/Type 发送 PUT 请求，就可以在 Index 里面新增一条记录。比如，向/accounts/perople/发送请求，就可以新增一条人员记录。

$ curl -X PUT 'localhost:9200/accounts/perople/1' -d '
{
  "user": "李四",
  "title": "建筑师",
  "desc": "数据库管理"
}'

2.删除数据:

删除记录就是发出 DELETE 请求。

$ curl -X DELETE 'localhost:9200/accounts/people/1'

3.更新数据:

更新记录就是使用 PUT 请求，重新发送一次数据。

$ curl -X PUT 'localhost:9200/accounts/people/1' -d '
{
    "user" : "李四",
    "title" : "建筑师",
    "desc" : "数据库管理，软件开发"
}' 

{
  "_index":"accounts",
  "_type":"person",
  "_id":"1",
  "_version":2,
  "result":"updated",
  "_shards":{"total":2,"successful":1,"failed":0},
  "created":false
}

4.查询数据:

使用 GET 方法，直接请求/accounts/people/search，就会返回所有记录。

$ curl 'localhost:9200/accounts/people/search'

{
  "took":2,
  "timed_out":false,
  "_shards":{"total":5,"successful":5,"failed":0},
  "hits":{
    "total":2,
    "max_score":1.0,
    "hits":[
      {
        "_index":"accounts",
        "_type":"person",
        "_id":"AV3qGfrC6jMbsbXb6k1p",
        "_score":1.0,
        "_source": {
          "user": "李四",
          "title": "工程师",
          "desc": "系统管理"
        }
      },
      {
        "_index":"accounts",
        "_type":"person",
        "_id":"1",
        "_score":1.0,
        "_source": {
          "user" : "张三",
          "title" : "工程师",
          "desc" : "数据库管理，软件开发"
        }
      }
    ]
  }
}

5.全文搜索:

    Elastic 的查询非常特别，使用自己的查询语法，要求 GET 请求带有数据体。

$ curl 'localhost:9200/accounts/person/_search'  -d '
{
  "query" : { "match" : { "desc" : "匹配条件" }}
}'

 Elastic 默认一次返回10条结果，可以通过size字段改变这个设置。

$ curl 'localhost:9200/accounts/person/_search'  -d '
{
  "query" : { "match" : { "desc" : "匹配条件" }},
  "size": 1
}'

还可以通过from字段，指定位移。

$ curl 'localhost:9200/accounts/person/_search'  -d '
{
  "query" : { "match" : { "desc" : "匹配条件" }},
  "from": 1,
  "size": 1
}'

上面代码指定，从位置1开始（默认是从位置0开始），只返回一条结果。

6.逻辑运算:

如果有多个搜索关键字， Elastic 认为它们是or关系。

$ curl 'localhost:9200/accounts/person/_search'  -d '
{
  "query" : { "match" : { "desc" : "匹配条件一 匹配条件二" }}
}'

上面代码搜索的是 匹配条件一 or 匹配条件二。

如果要执行多个关键词的and搜索，必须使用布尔查询。

$ curl 'localhost:9200/accounts/people/search'  -d '
{
  "query": {
    "bool": {
      "must": [
        { "match": { "desc": "匹配条件一" } },
        { "match": { "desc": "匹配条件二" } }
      ]
    }
  }
}'

参考链接:

• ElasticSearch 官方手册