分布式搜索引擎(elasticsearch) 1/3章

已于 2023-06-08 23:06:57 修改
阅读量212 收藏
点赞数 1
文章标签： elasticsearch 搜索引擎 全文检索 分布式 java
于 2023-05-27 01:05:54 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/qq_41915280/article/details/130894559
版权

目录

初识elasticsearch：

1.了解ES

2.正向索引与倒排索引

3.es的一些概念

4.安装es(部署单点es)、kibana(可视化客户端)、IK(分词器)、部署es集群

3 扩展插件 IK(分词器)

索引库操作（index）

1 mapping属性

2 创建索引库

2.1 _all 字段

2.2 copy_to属性定制合并字段

3 索引库其它语法：

文档操作：

1 新增文档

2 查询文档

3 删除文档

4 修改文档

RestAPI操作索引库：

1初始化JavaRestClient

1.1 引入es的RestHighLevelClient依赖：

1.2 因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本：

1.3 初始化RestHighLevelClient：

2 利用JavaRestClient操作索引库：

2.1创建索引库

2.3删除索引库

2.4判断索引库是否存在

3 利用JavaRestClient实现文档的CRUD

3.1 新增文档

​编辑

3.2 查询文档

​编辑3.3修改文档

​编辑

3.4 删除文档

3.5 利用JavaRestClient批量导入酒店数据到ES

初识elasticsearch：

1.了解ES

1 elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域。

2 elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。

2.正向索引与倒排索引

1 传统数据库（如MySQL）采用正向索引

        是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。

  • 优点：
    • 可以给多个字段创建索引
    • 根据索引字段搜索、排序速度非常快
  • 缺点：
    • 根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。
idtitleprice
1小米手机3999
2华为手机4999
3华为，小米充电器109
4小米手环299

搜索手机(select * from tb_goods where title like '%手机%')--->逐条扫描判断是否包含‘手机’ ---->是(存入结果集)  否(舍弃)

2 elasticsearch采用倒排索引:(先找文档id再准确的找文档)

        文档（document）：每条数据就是一个文档

        词条（term）：文档按照语义分成的词语

是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档。是根据词条找文档的过程。

  • 优点：
    • 根据词条搜索、模糊搜索时，速度非常快
  • 缺点：
    • 只能给词条创建索引，而不是字段
    • 无法根据字段做排序
idtitleprice
1小米手机3999
2华为手机4999
3华为，小米充电器109
4小米手环299
词条(stem)文档id
小米1,3,4
手机1,2
华为2,3
充电器3
手环4

搜索“华为手机” ---->分词(得到 华为  手机  两个词条)---->去词条列表查询文档id(得到每个词条所在文档id 华为:2,3  手机:1,2)----->根据文档id查询文档(得到id为1,,2,3的文档)----->存入结果集

3.es的一些概念

mysql与elasticsearch概念对比

MySQL

Elasticsearch

说明

Table

Index

索引(index)，就是文档的集合，类似数据库的表(table)

Row

Document

文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式

Column

Field

字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）

Schema

Mapping

Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）

SQL

DSL

DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

Mysql：擅长事务类型操作，可以确保数据的安全和一致性

Elasticsearch：擅长海量数据的搜索、分析、计算

4.安装es(部署单点es)、kibana(可视化客户端)、IK(分词器)、部署es集群

1.1.创建网络

因为我们还需要部署kibana容器，因此需要让es和kibana容器互联。这里先创建一个网络：

docker network create es-net

1.2.加载镜像

这里我们采用elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G。不建议大家自己pull。

可以去官网提前下载 

 将其上传到虚拟机中，然后运行命令加载即可：

 # 导入数据
docker load -i es.tar

1.3.运行

运行docker命令，部署单点es：

docker run -d \                                                                后台运行
        --name es \                                                                容器名字
    -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \    环境变量 堆内存大小 默认1G 最低512M
    -e "discovery.type=single-node" \                                运行模式:单点运行（非集群模式）
    -v es-data:/usr/share/elasticsearch/data \                 加载数据卷 es运行时数据保存的目录
 -v es-logs:/usr/share/elasticsearch/logs \   挂载逻辑卷，绑定es的日志目录   

 -v es-plugins:/usr/share/elasticsearch/plugins \        es插件目录 做扩展用的
    --privileged \                                        授予逻辑卷访问权
    --network es-net \                     加入一个名为es-net的网络中 刚刚创建的网络名字 
    -p 9200:9200 \                        暴露的http协议端口 用户访问的端口
    -p 9300:9300 \                        es各个容器各个节点相连的端口(单点用不到 可以不用暴露)
elasticsearch:7.12.1                镜像名称

访问: 服务ip:9200

 启动成功

2.部署kibana

2.1.部署

运行docker命令，部署kibana

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \   
--network=es-net \                加入一个名为es-net的网络中，与elasticsearch在同一个网络中
-p 5601:5601  \    端口映射配置
kibana:7.12.1

-e ELASTICSEARCH_HOSTS=http://es:9200 \   设置elasticsearch的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问elasticsearch

kibana启动一般比较慢，需要多等待一会，可以通过命令：

docker logs -f kibana

查看运行日志，当查看到下面的日志，说明成功：

 此时，在浏览器输入地址访问：http://ip:5601，即可看到结果

2.2.DevTools

kibana中提供了一个DevTools界面：

 这个界面中可以编写DSL来操作elasticsearch。并且对DSL语句有自动补全功能。

3 扩展插件 IK(分词器)

3.1.在线安装ik插件（较慢)

# 进入容器内部
docker exec -it elasticsearch /bin/bash

# 在线下载并安装
./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip

#退出
exit
#重启容器
docker restart elasticsearch

3.2.离线安装ik插件（推荐)

3.2.1 查看数据卷目录

安装插件需要知道elasticsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看elasticsearch的数据卷目录，通过下面命令查看:

docker volume inspect es-plugins

显示结果：

[
    {
        "CreatedAt": "2022-05-06T10:06:34+08:00",
        "Driver": "local",
        "Labels": null,
        "Mountpoint": "/var/lib/docker/volumes/es-plugins/_data",
        "Name": "es-plugins",
        "Options": null,
        "Scope": "local"
    }
]

说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data 这个目录中。

3.2.2 解压缩分词器安装包

 3.2.3 上传到es容器的插件数据卷中

 也就是/var/lib/docker/volumes/es-plugins/_data 中

3.2.4 重启容器

 docker restart es

# 查看es日志
docker logs -f es

3.2.5 测试

IK分词器包含两种模式:

  • ik_smart：最少切分 (切分到词语后就不会在此词语的基础上再切分了)

  • ik_max_word：最细切分

POST /_analyze
{
  "analyzer": "ik_max_word",
  "text": "小明"
}

结果:

{
  "tokens" : [

{
      "token" : "小",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "明",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "太棒了",
      "start_offset" : 11,
      "end_offset" : 14,
      "type" : "CN_WORD",
      "position" : 6
    },
    {
      "token" : "太棒",
      "start_offset" : 11,
      "end_offset" : 13,
      "type" : "CN_WORD",
      "position" : 7
    },
    {
      "token" : "了",
      "start_offset" : 13,
      "end_offset" : 14,
      "type" : "CN_CHAR",
      "position" : 8
    }
  ]
}

3.3 扩展词词典

3.3.1 打开IK分词器config目录：

3.3.2 在IKAnalyzer.cfg.xml配置文件内容添加：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典 *** 添加扩展词典-->
        <entry key="ext_dict">ext.dic</entry>
</properties>
 

3.3.3 新建一个 ext.dic，可以参考config目录下复制一个配置文件进行修改

然后在名为ext.dic的文件中，添加想要拓展的词语即可 例如添加:小明 （小明就会被当成一个词）

小明

注意当前文件(ext.dic)的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑

3.3.4 重启elasticsearch

docker restart es

# 查看 日志
docker logs -f elasticsearch

 日志中已经成功加载ext.dic配置文件

3.4 停用词词典

3.4.1 IKAnalyzer.cfg.xml配置文件内容添加：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典-->
        <entry key="ext_dict">ext.dic</entry>
         <!--用户可以在这里配置自己的扩展停止词字典  *** 添加停用词词典-->
        <entry key="ext_stopwords">stopword.dic</entry>
</properties>

3.4.2 在 stopword.dic 添加停用词  

了

了 就会被忽略

注意当前文件的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑

3.4.4 重启elasticsearch

# 重启服务
docker restart elasticsearch
docker restart kibana

# 查看 日志
docker logs -f elasticsearch

日志中已经成功加载stopword.dic配置文件

4 部署es集群(详解见3/3章)

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

首先编写一个docker-compose文件，内容如下：

version: '2.2'
services:
  es01:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.12.1
    container_name: es01
    environment:
      - node.name=es01
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es02,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  es02:
    image: docker.elastic.co/elasticsearch/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
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - data02:/usr/share/elasticsearch/data
    networks:
      - elastic
  es03:
    image: docker.elastic.co/elasticsearch/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
      - bootstrap.memory_lock=true
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    ulimits:
      memlock:
        soft: -1
        hard: -1
    volumes:
      - data03:/usr/share/elasticsearch/data
    networks:
      - elastic

volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local

networks:
  elastic:
    driver: bridge

运行docker compose以启动集群：

docker-compose up

索引库操作（index）

1 mapping属性

mapping是对索引库中文档的约束，常见的mapping属性包括：

        type：字段数据类型，常见的简单类型有：

                字符串：text（可分词的文本）、

                keyword（精确值，例如：品牌、国家、ip地址）

                数值：long、integer、short、byte、double、float、

                布尔：boolean

                日期：date

                对象：object

                geo_point  (地理坐标数据类型 由纬度和经度确定的一个点)

                geo_shape  (地理坐标数据类型 有多个geo_point组成的复杂几何图形)

        index：是否创建索引，默认为true

        analyzer：使用哪种分词器

        properties：该字段的子字段

2 创建索引库

{
    "age": 21,        
    "weight": 52.1,
    "isMarried": false,
    "info": "测试字符串test类型",
    "email": "zy@itcast.cn",
    "score": [99.1, 99.5, 98.9],
    "name": {
        "firstName": "云",
        "lastName": "赵"
    }
}

按照上面json数据创建索引库

PUT /testIndexName
{
  "mappings": {
    "properties": {
      "info":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email":{
        "type": "keyword",
        "index": "false"
      },
      "name":{
        "properties": {
          "firstName": {
            "type": "keyword"
          }
        }
      },
      // ... 略
    }
  }
}

2.1 _all 字段

_all字段是把所有其它字段中的值，以空格为分隔符组成一个大字符串，然后被分析和索引，但是不存储，也就是说它能被查询，但不能被取回显示。

_all能让你在不知道要查找的内容是属于哪个具体字段的情况下进行搜索，例如：

PUT my_index/user/1 
{
  "first_name":    "John",
  "last_name":     "Smith",
  "date_of_birth": "1970-10-24"
}

GET my_index/_search
{
  "query": {         //查询 章节2详讲
    "match": {
      "_all": "john smith 1970"
    }
  }
}

_all字段的内容为：”john smith 1970 10 24”

使用_all字段查询

query_string 和 simple_query_string 查询默认都是查询 _all 字段，除非指定了其它默认字段。

_all字段在查询时占用更多的CPU和占用更多的磁盘空间，如果确实不需要它可以完全的关闭它或者基于每字段定制。

2.2 copy_to属性定制合并字段

字段拷贝可以使用copy_to属性将当前字段拷贝到指定字段

实例:

    "name":{
        "type": "keyword",

       “copy_to”:“full_name”    
      },

        "email":{
        "type": "keyword",

       “copy_to”:“full_name”    
      },

     "info":{
        "type": "text",

       “copy_to”:“full_name”    
      },

      "full_name":{
        "type": "text",
        "analyzer": "ik_max_word"
      }

copy_to 设置对multi-field无效。如果尝试这样配置映射，Elasticsearch 会抛异常

例:

PUT /my_index
{
    "mappings": {
        "person": {
            "properties": {
                "first_name": {
                    "type":     "string",
                    "copy_to":  "full_name", 
                    "fields": {
                        "raw": {
                            "type": "string",
                            "index": "not_analyzed"
                        }
                    }
                },
                "full_name": {
                    "type": "string"
                }
            }
        }
    }
}copy_to是针对“主”字段，而不是多字段的

3 索引库其它语法：

查看索引库语法：

GET /索引库名

删除索引库的语法：

DELETE /索引库名

修改索引库(只能添加新字段)

索引库和mapping一旦创建无法修改，但是可以添加新的字段，语法如下：

PUT /索引库名/_mapping
{
  "properties": {
    "新字段名":{
      "type": "integer"
    }
  }
}

文档操作：

1 新增文档

POST /索引库名/_doc/文档id
{
    "字段1": "值1",
    "字段2": "值2",
    "字段3": {
        "子属性1": "值3",
        "子属性2": "值4"
    },
    // 略...
}

2 查询文档

GET /索引库名/_doc/文档id

3 删除文档

DELETE /索引库名/_doc/文档id

4 修改文档

4.1 全量修改，会删除旧文档，添加新文档

PUT /索引库名/_doc/文档id
{
    "字段1": "值1",
    "字段2": "值2",
    // ... 略
}

4.2 增量修改，修改指定字段值

POST /索引库名/_update/文档id
{
    "doc": {
         "字段名": "新的值",
    }
}

5 动态映射

当我们向ES中插入文档时，如果文档中字段没有对应的mapping，ES会帮助我们字段设置mapping，规则如下：

JSON类型

Elasticsearch类型

字符串

日期格式字符串：mapping为date类型

普通字符串：mapping为text类型，并添加keyword类型子字段

布尔值

boolean

浮点数

float

整数

long

对象嵌套

object，并添加properties

数组

由数组中的第一个非空类型决定

空值

忽略

插入文档时，es会检查文档中的字段是否有mapping，如果没有则按照默认mapping规则来创建索引。
如果默认mapping规则不符合你的需求，一定要自己设置字段mapping

RestAPI操作索引库：

ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发送给ES。官方文档地址

1初始化JavaRestClient

1.1 引入es的RestHighLevelClient依赖：

<dependency>    

<groupId>org.elasticsearch.client</groupId>    

<artifactId>elasticsearch-rest-high-level-client</artifactId>

</dependency>

1.2 因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本：

<properties>    

<java.version>1.8</java.version>    

<elasticsearch.version>7.12.1</elasticsearch.version>

</properties>

1.3 初始化RestHighLevelClient：

RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(  
        HttpHost.create("http://192.168.150.101:9200") 
));

2 利用JavaRestClient操作索引库：

索引库操作的基本步骤：

        初始化RestHighLevelClient

        创建XxxIndexRequest。XXX是Create、Get、Delete

        准备DSL（ Create时需要）

        发送请求。调用RestHighLevelClient#indices().xxx()方法，xxx是create、exists、delete

2.1创建索引库

@Test
void testCreateHotelIndex() throws IOException {    
    // 1.创建Request对象    
    CreateIndexRequest request = new CreateIndexRequest("hotel");    
    // 2.请求参数，MAPPING_TEMPLATE是静态常量字符串，内容是创建索引库的DSL语句            
    request.source(MAPPING_TEMPLATE, XContentType.JSON);    
    // 3.发起请求    
    client.indices().create(request, RequestOptions.DEFAULT);
}

2.3删除索引库

@Test
void testDeleteHotelIndex() throws IOException {    
    // 1.创建Request对象     
    DeleteIndexRequest request = new DeleteIndexRequest("hotel");    
    // 2.发起请求    
    client.indices().delete(request, RequestOptions.DEFAULT);
}

2.4判断索引库是否存在

@Test
void testExistsHotelIndex() throws IOException {    
    // 1.创建Request对象    
    GetIndexRequest request = new GetIndexRequest("hotel");    
    // 2.发起请求     
    boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);    
    // 3.输出    
    System.out.println(exists);
}

3 利用JavaRestClient实现文档的CRUD

文档操作的基本步骤：
初始化RestHighLevelClient
创建XxxRequest。XXX是Index、Get、Update、Delete
准备参数（Index和Update时需要）
发送请求。调用RestHighLevelClient#.xxx()方法，xxx是index、get、update、delete
解析结果（Get时需要）

步骤1：初始化JavaRestClient

新建一个测试类，实现文档相关操作，并且完成JavaRestClient的初始化

public class ElasticsearchDocumentTest {   
    // 客户端    
    private RestHighLevelClient client;    
    @BeforeEach    
    void setUp() {        
        client = new RestHighLevelClient(RestClient.builder(                
        HttpHost.create("http://192.168.150.101:9200")        
        ));    
    }    
    @AfterEach    
    void tearDown() throws IOException {        
        client.close();    
    }
}

3.1 新增文档

@Test
void testIndexDocument() throws IOException {    
    // 1.创建request对象     
    IndexRequest request = new IndexRequest("indexName").id("1");    
    // 2.准备JSON文档    
    request.source("{\"name\": \"Jack\", \"age\": 21}", XContentType.JSON);    
    // 3.发送请求    
    client.index(request, RequestOptions.DEFAULT);
}

3.2 查询文档

@Test
void testGetDocumentById() throws IOException {    
    // 1.创建request对象    
    GetRequest request = new GetRequest("indexName", "1");    
    // 2.发送请求，得到结果    
    GetResponse response = client.get(request, RequestOptions.DEFAULT);    
    // 3.解析结果    
    String json = response.getSourceAsString();    
    System.out.println(json);
}

根据id查询到的文档数据是json，可以用JSON工具栏反序列化为java对象


3.3修改文档

方式一：全量更新。再次新增id一样的文档，就会删除旧文档，添加新文档

方式二：局部更新。只更新部分字段，演示方式二

@Test
void testUpdateDocumentById() throws IOException {    
    // 1.创建request对象   
    UpdateRequest request = new UpdateRequest("indexName", "1");    
    // 2.准备参数，每2个参数为一对 key value    
    request.doc(            
        "age", 18,            
        "name", "Rose"    
    );    
    // 3.更新文档    
    client.update(request, RequestOptions.DEFAULT);
}

3.4 删除文档

@Test
void testDeleteDocumentById() throws IOException {    
    // 1.创建request对象    
    DeleteRequest request = new DeleteRequest("indexName", "1");    
    // 2.删除文档    
    client.delete(request, RequestOptions.DEFAULT);
}

3.5 利用JavaRestClient批量导入酒店数据到ES

利用JavaRestClient中的Bulk批处理，实现批量新增文档，示例代码如下

@Test
void testBulk() throws IOException {    
    // 1.创建Bulk请求    
    BulkRequest request = new BulkRequest();     
    // 2.添加要批量提交的请求：这里添加了两个新增文档的请求    
    request.add(new IndexRequest("hotel")            
        .id("101").source("json source", XContentType.JSON));    
    request.add(new IndexRequest("hotel")            
        .id("102").source("json source2", XContentType.JSON));    
    // 3.发起bulk请求    
    client.bulk(request, RequestOptions.DEFAULT);
}
高老庄小呆子
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
docker 运行 elasticsearch + kibana + head 集群
01-07
概述 安装环境以及版本 Elasticsearch:6.6.0 kibana:6.5.3 logstash:6.2.4 elasticsearch-head:5 巨坑提醒：ES和kibana的版本尽可能的保证一致，否则要去修改很多配置信息，而且不一定能安装成功，现象：ES安装成功了但是kibana链接到ES报错：Elasticsearch plugin is red ElasticSearch安装 Elasticsearch 是个开源分布式搜索引擎，它的特点有：分布式，零配置，自动发现，索引自动分片，索引副本机制，restful风格接口，多数据源，自动搜索负载等。 1.拉取镜像 docker
分布式搜索引擎ElasticSearch思维导图
11-17
分布式搜索引擎ElasticSearch思维导图，ES思维带图。分布式搜索引擎ElasticSearch思维导图，ES思维带图。分布式搜索引擎ElasticSearch思维导图，ES思维带图。分布式搜索引擎ElasticSearch思维导图，ES思维带图。...
Java 操作RestHighLevelClient查询详解
热门推荐
ch98000的博客
09-02 1万+
top_hits应用场景：当获取分桶后，桶内最匹配的顶部文档列表。@Test//1.创建 SearchRequest搜索请求,并指定要查询的索引//2.创建 SearchSourceBuilder条件构造。// top_hits示例：指定size，不同工种中，年纪最大的3个员工的具体信息.size(3)//嵌套聚合//3.将 SearchSourceBuilder 添加到 SearchRequest中//4.执行查询//5.解析查询结果。
docker安装elasticsearch7.12.1，并配置ik分词（详细步骤说明==手把手帮你敲）
qq_36252295的博客
05-30 1641
docker安装elasticsearch7.12.1，并配置ik分词（详细步骤说明==手把手帮你敲）
【微服务】Elasticsearch概述&环境搭建(一)
观止study
02-02 1943
本篇介绍了什么是Es及一些相关概念,比较了MySQL和ES有什么不一样的地方。讲述了如何部署Es相关环境以及介绍了分词器的作用与安装
初识ES-安装kibana
Leon_Jinhai_Sun的博客
11-14 1018
部署kibana kibana可以给我们提供一个elasticsearch的可视化界面，便于我们学习。 部署 运行docker命令，部署kibana docker run -d \ --name kibana \ -e ELASTICSEARCH_HOSTS=http://es:9200 \ --network=es-net \ -p 5601:5601 \ kibana:7.12.1 --network es-net ：加入一个名为es-net的网络中，与elasticsearch在同一
分布式搜索引擎Elasticsearch开发实战基础篇
06-09
**分布式搜索引擎Elasticsearch开发实战基础篇** 在信息化飞速发展的时代，数据量激增，传统的数据库查询方式已经无法满足高效、实时的数据检索需求。此时，分布式搜索引擎如Elasticsearch应运而生，它以其强大的...
微服务 SpringCloud ：分布式搜索引擎-Elasticsearch
07-13
elasticsearch是一款非常强大的开源搜索引擎，支持的功能非常多 【项目介绍】 1、该项目是个人高分项目源码（文档+源码），已获导师指导认可通过，答辩评审分达到96分。 2、该资源内项目代码都经过测试运行成功，...
ElasticSearch分布式搜索引擎 v6.0.0 beta1
11-29
ElasticSearch 是一个基于Lucene构建的开源，分布式，RESTful搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。支持通过HTTP使用JSON进行数据索引。
ElasticSearch分布式搜索引擎 v7.9.0
11-04
为您提供ElasticSearch分布式搜索引擎下载，Elasticsearch是一个分布式的RESTful风格的搜索和数据分析引擎，能够解决越来越多的用例。作为Elastic Stack的核心，它集中存储您的数据，帮助您发现意料之中以及意料之外...
elasticSearch7版本文档中文属性模糊查询不准确
qq_45087487的博客
02-06 2469
通过java模糊查询的api（QueryBuilders.fuzzyQuery）查询name为“已”的时候可以查询，查询为“已发布”的时候查询不出来。name":"catalog=Catalog(value=699015935012372480, displayName=/默认分组),3.1 给索引添加分词器（删除索引后，然后重新建立索引并设置分词器，如2中图所示）14:33:17)status:已发布”ps:索引中没设置分词器。ps：索引中设置分词器后。
Es7.x使用RestHighLevelClient进行查询操作
杜海的博客
01-27 8964
数据准备 查询操作 2.1 match查询 2.2 bool查询 2.3 constant_score查询 2.4 matchPhraseQuery搜索 2.5 range范围查询 1. 数据准备 数据准备：接入方式详见Es7.x使用RestHighLevelClient进行增删改和批量操作 PUT test_demo PUT test_demo/_mapping { "properties":{ "id":{ "type":"long" },
docker安装elasticsearch集群--verison:7.12.1
wen328的博客
05-10 409
docker 安装ES集群 docker下载ES镜像 官方dockerhub中最新的ES镜像为7.12.1版本，下载： docker pull elasticsearch:7.12.1 创建ES目录 mkdir -p /mydata/elasticsearch/config mkdir -p /mydata/elasticsearch/data chmod -R 777 /mydata/elasticsearch/data 修改 /etc/sysctl.conf vim /etc/sysctl.conf
Elasticsearch学习
bananan10的博客
02-14 553
Elasticsearch的倒排索引,安装,分词器的安装,分词器的测试,分词器拓展
Elasticsearch 各版本下载镜像站
一名清官
08-04 2625
Elasticsearch 各版本下载镜像站 1 华为云提供好用的国内镜像Elasticsearch进去滚动到最下面,选择自己喜欢的版本 https://mirrors.huaweicloud.com/elasticsearchh 2 kibana下载镜像站 https://mirrors.huaweicloud.com/kibana 3 logstash下载镜像站 https://repo.huaweicloud.com/logstash/ 4 filebeat下载镜像站 https://repo.hu
安装elasticsearch,部署kibana,# 安装IK分词器
weixin_51472505的博客
04-23 577
1:安装elasticsearch （1）:创建网络。 因为我们还需要部署kibana容器，因此需要让es和kibana容器互联。这里先创建一个网络 （es-net）： docker network create es-net （2）加载镜像。 这里我们采用elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G。不建议大家自己pull。 #将镜像包上传到虚拟机中。 # 导入数据 docker load -i es.tar （3）运行docker命令 d
Elasticsearch核心
weixin_41992498的博客
08-20 481
索引类型type：在es7.0及以前有这个概念，相当于索引分类，一个索引可以 由多个type组成，相当于数据的逻辑分类，es8.0后删除了该概念，过渡期默认的索引类型是_doc;master：候选节点，当主节点宕机了，master有可能成为主节点，一个集群节点可能有多个候选节点，五角星节点才是主节点；1、节点：一个节点（Node）就是一个es进程，一个服务器可以部署多个节点。lngest：预处理节点，比如日志，可以先处理，过滤，再查询。data：数据节点，所有的数据都存放在数据节点上。
Git入门
weixin_54279427的博客
08-20 961
自诞生于2005年以来，Git日渐完善，它的速度很快，极其适合管理大型项目，它还有着令人难以置信的非线性分支管理系统，可以应付各种复杂的项目开发需求。Git是一个版本控制软件，具有以下几点优点本地建立版本库本地版本控制多主机异地协同工作重写提交说明可以进行版本回退更好的提交列表更好的差异比较更完善的分支系统速度极快Github与GitLab都是用于管理版本的服务端软件GitLab用于在企业内部管理Git版本库，功能上类似于GitHub。
git submodule
最新发布
duke_ding2的博客
08-23 585
git submodule
"深入浅出：分布式搜索引擎elasticsearch基础解析
分布式搜索引擎是一种能够从...总的来说，elasticsearch作为一款强大的分布式搜索引擎，具有快速、可扩展和易用等特点。它在日志分析、实时监控和数据搜索等场景中发挥着重要作用，为用户提供了强大的搜索和分析能力。
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