全文检索-Elasticsearch安装、集群和使用超全解读

最新推荐文章于 2024-06-02 14:31:57 发布

qqxhb

最新推荐文章于 2024-06-02 14:31:57 发布

阅读量1.2k

点赞数 1

分类专栏：数据库文章标签：全文检索 Elasticsearch

本文链接：https://blog.csdn.net/qq_43792385/article/details/92070603

版权

文章目录

1 ElasticSearch 介绍

1.1 介绍

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。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。[来源于百度百科]
官方网址：https://www.elastic.co/cn/products/elasticsearch
文档地址：https://www.elastic.co/guide/en/elasticsearch/reference/index.html
Github ：https://github.com/elastic/elasticsearch
归结为两点：elasticsearch是一个基于Lucene的高扩展的分布式搜索服务器，支持开箱即用；elasticsearch隐藏了Lucene的复杂性，对外提供Restful 接口来操作索引、搜索。
突出优点：扩展性好，可部署上百台服务器集群，处理PB级数据；近实时的去索引数据、搜索数据。各种全文索引工具对比

1.2 原理与应用

1.2.1索引结构

在这里插入图片描述
ES的索引采用的是倒排索引的方式，除了存文档之外还存储了分词数据集，每个词都会记录与之关联的文档。在检索的时候就很方便的通过词来找到对应的文档。

1.2.3 RESTful应用方法

Elasticsearch 使用的是标准的 RESTful 风格的 API 和 JSON。此外，还构建和维护了很多其他语言的客户端，例如 Java、Python、.NET、SQL 和 PHP以及其他社区客户端。这些客户端使用起来简单自然，而且就像 Elasticsearch 一样，不会对您的使用方式进行限制。
在这里插入图片描述

2 ElasticaSearch 安装

2.1 安装

安装配置：
1、新版本要求至少jdk1.8以上。
2、支持tar、zip、rpm等多种安装方式。
在windows下开发建议使用ZIP安装方式。
3、支持docker方式安装
详细参见：https://www.elastic.co/guide/en/elasticsearch/reference/current/install-elasticsearch.html
下载并解压 ES: Elasticsearch 6.2.4
在这里插入图片描述

2.2 配置文件

2.2.1 三个配置文件

ES的配置文件的地址根据安装形式的不同而不同：使用zip、tar安装，配置文件的地址在安装目录的config下；使用RPM安装，配置文件在/etc/elasticsearch下；使用MSI安装，配置文件的地址在安装目录的config下，并且会自动将config目录地址写入环境变量ES_PATH_CONF。
配置文件如下：

elasticsearch.yml ：用于配置Elasticsearch运行参数
jvm.options ：用于配置Elasticsearch JVM设置
log4j2.properties：用于配置Elasticsearch日志

2.2.2 elasticsearch.yml

配置格式是YAML，可以采用如下两种方式：

方式1：层次方式
path: data: /var/lib/elasticsearch logs: /var/log/elasticsearch
方式2：属性方式
path.data: /var/lib/elasticsearch path.logs: /var/log/elasticsearch

#设置为true可以锁住ES使用的内存，避免内存与swap分区交换数据。
bootstrap.memory_lock: false
#配置elasticsearch的集群名称，默认是elasticsearch。建议修改成一个有意义的名称。
cluster.name: es-learning
#设置对外服务的http端口，默认为9200。
http.port: 9200
#设置绑定主机的ip地址，设置为0.0.0.0表示绑定任何ip，允许外网访问，生产环境建议设置为具体的ip。
network.host: 0.0.0.0
# 指定该节点是否存储索引数据，默认为true。
node.data: true
#ingest node主要是通过使用ingest pipeline来对文档在索引之前进行转换或者增强。
node.ingest: true
#指定该节点是否有资格被选举成为master结点，默认是true，如果原来的master宕机会重新选举新的master。
node.master: true
#单机允许的最大存储结点数，通常单机启动一个结点建议设置为1，开发环境如果单机启动多个节点可设置大于1.
node.max_local_storage_nodes: 1
#节点名，通常一台物理服务器就是一个节点，es会默认随机指定一个名字，建议指定一个有意义的名称，
#方便管理一个或多个节点组成一个cluster集群，集群是一个逻辑的概念，节点是物理概念。
node.name: learning-node1
#path.conf: 设置配置文件的存储路径，tar或zip包安装默认在es根目录下的config文件夹，rpm安装默认在/etc/elasticsearch 
#path.plugins: 设置插件的存放路径，默认是es根目录下的plugins文件夹
#设置索引数据的存储路径，默认是es根目录下的data文件夹，可以设置多个存储路径，用逗号隔开。
path.data: D:\Elastic\6.2.4\data
#设置日志文件的存储路径，默认是es根目录下的logs文件夹
path.logs: D:\Elastic\6.2.4\logs
#集群结点之间通信端口
transport.tcp.port: 9300
#设置集群中master节点的初始列表。
#discovery.zen.ping.unicast.hosts: ["0.0.0.0:9300", "0.0.0.0:9301"]
#设置ES自动发现节点连接超时的时间，默认为3秒，如果网络延迟高可设置大些。
#discovery.zen.ping.timeout: 3s
#主结点数量的最少值 ,此值的公式为：(master_eligible_nodes / 2) + 1 ，比如：有3个符合要求的主结点，那么这里要设置为2。
#discovery.zen.minimum_master_nodes: 1
#如果启用了 HTTP 端口，那么此属性会指定是否允许跨源 REST 请求。
http.cors.enabled: true
#跨域访问允许的域名地址
http.cors.allow-origin: /.*/

2.2.3 jvm.options

在jvm.options中设置最小及最大的JVM堆内存大小：-Xms、-Xmx 建议两个值设置为相等且不超过物理内存的一半。

2.2.4 log4j2.properties

日志文件设置，ES使用log4j，采用默认配置即可，可以更具不同环境需要修改日志级别的配置。

2.2.5 系统配置（linux）

在linux上根据系统资源情况，可将每个进程最多允许打开的文件数设置大些。

#查询当前文件数
su limit -n 
#设置limit的值
sudo ulimit ‐n 65536

也可以通过修改 /etc/security/limits.conf 添加elasticsearch ‐ nofile 65536 进行持久设置.

2.3 启动ES

进入bin目录，在cmd下运行：elasticsearch.bat
浏览器输入：http://localhost:9200
显示结果如下（配置不同内容则不同）说明 ES启动成功：

{
  "name" : "learning-node1",
  "cluster_name" : "es-learning",
  "cluster_uuid" : "bOyFIKYdT1Cya41fqsW0VQ",
  "version" : {
    "number" : "6.2.4",
    "build_hash" : "ccec39f",
    "build_date" : "2019-06-12T20:37:28.497551Z",
    "build_snapshot" : false,
    "lucene_version" : "7.2.1",
    "minimum_wire_compatibility_version" : "5.6.0",
    "minimum_index_compatibility_version" : "5.0.0"
  },
  "tagline" : "You Know, for Search"
}

2.4 head 插件安装

head插件是ES的一个可视化管理插件，用来监视ES的状态，并通过head客户端和ES服务进行交互，比如创建映射、创建索引等，head的项目地址在https://github.com/mobz/elasticsearch-head 。从ES6.0开始，head插件支持使用node.js运行。安装node.js
2、下载head并运行

git clone git://github.com/mobz/elasticsearch-head.git
cd elasticsearch-head
npm install
npm run start
open http://localhost:9100/

在这里插入图片描述
就是一个简单的图形操作界面，使用方式就不介绍了。

3 ES 快速入门

ES作为一个索引及搜索服务，对外提供丰富的REST接口，新使用几个快速入门的实例对ES的使用方法及流程有个初步的认识。

3.1 创建索引库

ES的索引库是一个逻辑概念，它包括了分词列表及文档列表，同一个索引库中存储了相同类型的文档。它就相当于MySQL中的表，或相当于Mongodb中的集合。关于索引这个语：

索引（名词）：ES是基于Lucene构建的一个搜索服务，它要从索引库搜索符合条件索引数据。
索引（动词）：索引库刚创建起来是空的，将数据添加到索引库的过程称为索引。

下边介绍两种创建索引库的方法，它们的工作原理是相同的，都是客户端向ES服务发送命令。
put http://localhost:9200/索引库名称

{
  "settings":{
  "index":{
      "number_of_shards":1,
      "number_of_replicas":0
   }    
  }
}

number_of_shards：设置分片的数量，在集群中通常设置多个分片，表示一个索引库将拆分成多片分别存储不同的结点，提高了ES的处理能力和高可用性，入门程序使用单机环境，这里设置为1。
number_of_replicas：设置副本的数量，设置副本是为了提高ES的高可靠性，单机环境设置为0.
如下是创建的例子，创建es_index索引库，共1个分片，0个副本：

3.2 创建映射

3.2.1 概念说明

在索引中每个文档都包括了一个或多个field，创建映射就是向索引库中创建field的过程，下边是document和field与关系数据库的概念的类比：
文档（Document） —— Row记录
字段（Field） —— Columns 列
注意：6.0之前的版本有type（类型）概念，type相当于关系数据库的表，ES官方将在ES9.0版本中彻底删除type。
上边讲的创建索引库相当于关系数据库中的数据库还是表？

如果相当于数据库就表示一个索引库可以创建很多不同类型的文档，这在ES中也是允许的。
如果相当于表就表示一个索引库只能存储相同类型的文档，ES官方建议在一个索引库中只存储相同类型的文档。

3.2.2 创建映射

请求命令如下：
post http://localhost:9200/索引库名称 /类型名称/_mapping
创建类型为es_index的映射，共包括两个字段：name、description
由于ES6.0版本还没有将type彻底删除，所以暂时把type起一个没有特殊意义的名字。
post 请求：http://localhost:9200/es_index/doc_type/_mapping
表示：在 es_index索引库下的doc_type类型下创建映射。doc_type是类型名，可以自定义，在ES6.0中要弱化类型的概念，给它起一个没有具体业务意义的名称。

{
  "properties": {   
           "name": {
              "type": "text"
           },
           "description": {
              "type": "text"
           }
        }
}

在这里插入图片描述

3.3 创建文档

ES中的文档相当于MySQL数据库表中的记录。
请求方式：POST或PUT （如果不指定id值ES会自动生成ID） http://localhost:9200/es_index/doc_type/id
http://localhost:9200/es_index/doc_type/6666

{
  "name":"全文检索-Elasticearch",
  "description":"Elasticsearch是一个实时的分布式搜索和分析引擎。它可以帮助你用前所未有的速度去处理大规模数据。它可以用于全文搜索，结构化搜索以及分析，当然你也可以将这三者进行组合。"
}

在这里插入图片描述

3.4 搜索文档

1、根据id查询文档
请求方式：GET http://localhost:9200/es_index/doc_type/6666
在这里插入图片描述
2、查询所有记录
请求方式：GET http://localhost:9200/es_index/doc_type/_search

2、查询名称中包括 “全文” 的的记录
请求方式：GET http://localhost:9200/es_index/doc_type/_search?q=name:全文

3.4.1查询结果分析

分析以下查询结果：

{
    "took": 77,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": 1,
        "max_score": 1.179499,
        "hits": [
            {
                "_index": "es_index",
                "_type": "doc_type",
                "_id": "6666",
                "_score": 1.179499,
                "_source": {
                    "name": "全文检索-Elasticearch",
                    "description": "Elasticsearch是一个实时的分布式搜索和分析引擎。它可以帮助你用前所未有的速度去处理大规模数据。它可以用于全文搜索，结构化搜索以及分析，当然你也可以将这三者进行组合。"
                }
            }
        ]
    }
}

took：本次操作花费的时间，单位为毫秒。
timed_out：请求是否超时
_shards：说明本次操作共搜索了哪些分片
hits：搜索命中的记录
hits.total ：符合条件的文档总数 hits.hits ：匹配度较高的前N个文档
hits.max_score：文档匹配得分，这里为最高分
_score：每个文档都有一个匹配度得分，按照降序排列。
_source：显示了文档的原始内容。

4 IK 分词器

4.1 测试分词器

在添加文档时会进行分词，索引中存放的就是一个一个的词（term），当你去搜索时就是拿关键字去匹配词，最终找到词关联的文档。
测试当前索引库使用的默认分词器：
请求方式POST ： http://localhost:9200/_analyze

{"text":"测试分词器"}

在这里插入图片描述
当前索引库使用的默认分词器对中文就是单字分词。

4.2 安装IK分词器

使用IK分词器可以实现对中文分词的效果。
下载IK分词器：（Github地址：https://github.com/medcl/elasticsearch-analysis-ik）
解压，并将解压的文件拷贝到ES安装目录的plugins下的ik目录下
在这里插入图片描述
指定IK分词，再次测试分词效果

{"text":"测试分词器","analyzer":"ik_max_word" }

在这里插入图片描述

4.3 两种分词模式

ik分词器有两种分词模式：ik_max_word和ik_smart模式。

ik_max_word 会将文本做最细粒度的拆分

{
    "tokens": [
        {
            "token": "中华人民共和国",
            "start_offset": 0,
            "end_offset": 7,
            "type": "CN_WORD",
            "position": 0
        },
        {
            "token": "中华人民",
            "start_offset": 0,
            "end_offset": 4,
            "type": "CN_WORD",
            "position": 1
        },
        {
            "token": "中华",
            "start_offset": 0,
            "end_offset": 2,
            "type": "CN_WORD",
            "position": 2
        },
        {
            "token": "华人",
            "start_offset": 1,
            "end_offset": 3,
            "type": "CN_WORD",
            "position": 3
        },
        {
            "token": "人民共和国",
            "start_offset": 2,
            "end_offset": 7,
            "type": "CN_WORD",
            "position": 4
        },
        {
            "token": "人民",
            "start_offset": 2,
            "end_offset": 4,
            "type": "CN_WORD",
            "position": 5
        },
        {
            "token": "共和国",
            "start_offset": 4,
            "end_offset": 7,
            "type": "CN_WORD",
            "position": 6
        },
        {
            "token": "共和",
            "start_offset": 4,
            "end_offset": 6,
            "type": "CN_WORD",
            "position": 7
        },
        {
            "token": "国",
            "start_offset": 6,
            "end_offset": 7,
            "type": "CN_CHAR",
            "position": 8
        }
    ]
}

ik_smart 会做最粗粒度的拆分

4.4 自定义词库

如果要让分词器支持一些专有词语，可以自定义词库。iK分词器自带一个main.dic的文件，在插件的config目录中。我们可以在上边的目录中新建一个自定义的词库文件（注意文件格式为utf-8（不要选择utf-8 BOM）），然后可以在
IKAnalyzer.cfg.xml中配置。

<?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"></entry>
	 <!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords"></entry>
	<!--用户可以在这里配置远程扩展字典 -->
	<!-- <entry key="remote_ext_dict">words_location</entry> -->
	<!--用户可以在这里配置远程扩展停止词字典-->
	<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

5 映射

上边章节安装了ik分词器，如果在索引和搜索时去使用ik分词器呢？如何指定其它类型的field，比如日期类型、数值类型等。
本章节学习各种映射类型及映射维护方法。

5.1 映射维护方法

1、查询所有索引的映射：
GET： http://localhost:9200/_mapping
在这里插入图片描述
2、创建映射
post 请求：http://localhost:9200/es_index/doc_type/_mapping

{
  "properties": {   
           "name": {
              "type": "text"
           },
           "description": {
              "type": "text"
           },
           "type": {
              "type": "keyword"
           }
        }
}

在这里插入图片描述
3、更新映射
映射创建成功可以添加新字段，已有字段不允许更新。
4、删除映射
通过删除索引来删除映射。

5.2 常用映射类型

5.2.1 text文本字段

ES6.2核心的字段类型如下：
在这里插入图片描述
字符串包括 text和keyword两种类型。text类型的可以设置的属性如下：

1）analyzer属性指定分词器。
如指定name的字段类型为text，使用ik分词器的ik_max_word分词模式。对于ik分词器建议是索引时使用ik_max_word将搜索内容进行细粒度分词，搜索时使用ik_smart提高搜索精确性。

    "name":{
        "type":"text",
        "analyzer":"ik_max_word",
        "search_analyzer":"ik_smart"
    }

2）index 属性指定是否索引。
默认为index=true，即要进行索引，只有进行索引才可以从索引库搜索到。
但是也有一些内容不需要索引，比如：商品图片地址只被用来展示图片，不进行搜索图片，此时可以将index设置为false。

"logo":{
        "type":"text",
        "index":false
    }

3）store
是否在source之外存储，每个文档索引后会在 ES中保存一份原始文档，存放在"_source"中，一般情况下不需要设置store为true，因为在_source中已经有一份原始文档了。

5.2.2 keyword关键字字段

上边介绍的 text文本字段在映射时要设置分词器，keyword字段为关键字字段，通常搜索keyword是按照整体搜索，所以创建keyword字段的索引时是不进行分词的，比如：邮政编码、手机号码、身份证等。keyword字段通常用于过虑、排序、聚合等。

    "mobile":{
        "type":"keyword"
    }

5.2.3 date日期类型

日期类型不用设置分词器，通常用于排序。

1)format 设置日期格式
设置允许date字段存储年月日时分秒、年月日及毫秒三种格式。

{
    "timestamp":{
        "type":"date",
        "format":"yyyy‐MM‐dd HH:mm:ss || yyyy‐MM‐dd"
    }
}

5.2.4 数值类型

ES6.2数值类型官方文档
在这里插入图片描述
原则：尽量选择范围小的类型，提高搜索效率；对于浮点数尽量用比例因子，比如一个价格字段，单位为元，我们将比例因子设置为100这在ES中会将你传入的数值乘100后存储，映射如下：

{
    "price":{
        "type":"scaled_float",
        "scaling_factor":100
    }
}

如果输入的价格是23.456，ES会将23.456乘以100再取一个接近原始值的数，得出2346。使用比例因子的好处是整型比浮点型更易压缩，节省磁盘空间。如果比例因子不适合，则从下表选择范围小的去用：
在这里插入图片描述

6 索引管理

6.1 搭建工程

6.1.1 ES客户端

ES提供多种不同的客户端：
1、TransportClient ES提供的传统客户端，官方计划8.0版本删除此客户端。
2、RestClient 是官方推荐使用的，它包括两种：Java Low Level REST Client和 Java High Level REST Client。ES在6.0之后提供 Java High Level REST Client，两种客户端官方更推荐使用 Java High Level REST Client，不过当
前它还处于完善中，有些功能还没有。本文准备采用 Java High Level REST Client，如果它有不支持的功能，则使用Java Low Level REST Client。

6.1.2 创建搜索（Springboot）工程

添加依赖：

<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch‐rest‐high‐level‐client</artifactId>
    <version>6.2.4</version>
</dependency>
<dependency>
    <groupId>org.elasticsearch</groupId>
    <artifactId>elasticsearch</artifactId>
    <version>6.2.4</version>
</dependency>

配置文件 application.yml

server:
  port: ${port:9090}
spring:
  application:
    name: es‐search‐service
 elasticsearch:
    hostlist: ${eshostlist:127.0.0.1:9200} #多个结点中间用逗号分隔

配置类ElasticsearchConfig

package com.qqxhb.search.config;
import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class ElasticsearchConfig {
    @Value("${elasticsearch.hostlist}")
    private String hostlist;
    @Bean
    public RestHighLevelClient restHighLevelClient(){
       //解析hostlist配置信息
        String[] split = hostlist.split(",");
        //创建HttpHost数组，其中存放es主机和端口的配置信息
        HttpHost[] httpHostArray = new HttpHost[split.length];
        for(int i=0;i<split.length;i++){
            String item = split[i];
            httpHostArray[i] = new HttpHost(item.split(":")[0], Integer.parseInt(item.split(":")[1]), "http");
        }
        //创建RestHighLevelClient客户端
        return new RestHighLevelClient(RestClient.builder(httpHostArray));
    }
	//项目主要使用RestHighLevelClient，对于低级的客户端暂时不用    
    @Bean
    public RestClient restClient(){
        //解析hostlist配置信息
        String[] split = hostlist.split(",");
        //创建HttpHost数组，其中存放es主机和端口的配置信息
        HttpHost[] httpHostArray = new HttpHost[split.length];
        for(int i=0;i<split.length;i++){
            String item = split[i];
            httpHostArray[i] = new HttpHost(item.split(":")[0], Integer.parseInt(item.split(":")[1]), "http");
        }
        return RestClient.builder(httpHostArray).build();
    }
}

6.2 创建索引库

6.2.1 API

创建索引： put http://localhost:9200/索引名称

{
   
  "settings":{
   
  "index":{
   
      "number_of_shards":1,
      "number_of_replicas":0
   }    
  }
}

创建映射： put http://localhost:9200/索引库名称 /类型名称/_mapping

{
   
  "properties": {
      
           "name": {
   
              "type": "text",
              "analyzer":"ik_max_word",
              "search_analyzer":"ik_smart"
           },
           "description": {
   
              "type": "text",
              "analyzer":"ik_max_word",
              "search_analyzer":"ik_smart"
           },
           "studymodel": {
   
              "type": "keyword"
           },
           "price": {
   
              "type": "float"
           },
           "timestamp": {
   
           "type":   "date",      
           "format": "yyyy‐MM‐dd HH:mm:ss||yyyy‐MM‐dd||epoch_millis"      
         }    
        }
}

6.2.2 Java Client

@SpringBootTest
@RunWith(SpringRunner.class)
public class TestIndex {
   
    @Autowired
    RestHighLevelClient client;
    @Autowired
    RestClient restClient;
   //创建索引库
    @Test
    public void testCreateIndex() throws IOException {
   
        //创建索引请求对象，并设置索引名称
        CreateIndexRequest createIndexRequest = new CreateIndexRequest("es_learning");
        //设置索引参数
        createIndexRequest.settings(Settings.builder().put("number_of_shards",1)
                                            .put("number_of_replicas",0));
        //设置映射
        createIndexRequest.mapping("doc_type"," {\n" +
                " \t\"properties\": {\n" +
                "           \"name\": {\n" +
                "              \"type\": \"text\",\n" +
                "              \"analyzer\":\"ik_max_word\",\n" +
                "              \"search_analyzer\":\"ik_smart\"\n" +
                "           },\n" +
                "           \"description\": {\n" +
                "              \"type\": \"text\",\n" +
                "              \"analyzer\":\"ik_max_word\",\n" +
                "              \"search_analyzer\":\"ik_smart\"\n" +
                "           },\n" +
                "           \"studymodel\": {\n" +
                "              \"type\": \"keyword\"\n" +
                "           },\n" +
                "           \"price\": {\n" +
                "              \"type\": \"float\"\n" +
                "           }\n" +
                "        }\n" +
                "}", XContentType.JSON);
        //创建索引操作客户端
        IndicesClient indices = client.indices();
        //创建响应对象
        CreateIndexResponse createIndexResponse = indices.create(createIndexRequest);
        //得到响应结果
        boolean acknowledged = createIndexResponse.isAcknowledg

最低0.47元/天解锁文章

qqxhb

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
全文检索-Elasticsearch安装、集群和使用超全解读

1 ElasticSearch 介绍1.1 介绍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。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。[来源于百度百科]官...
复制链接

扫一扫