Elasticsearch，head插件，kibana以及ik分词器的安装与简单使用

Elasticsearch

• 是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；
• 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Restful API来隐藏Lucence的复杂性，从而让全文搜索变得简单。

SQL：like %查询内容%，如果是大数据，就算有索引也十分慢

1.安装

• 开发工具：Postman、Curl、head、Google浏览器插件
  (安装包可以自行下载，找不到可留言领取安装软件）

1、安装ElasticSearch

https://mirrors.huaweicloud.com/elasticsearch/?C=N&O=D

下载解压即可

bin：启动文件
config：配置文件
	log4j2：日志配置文件
	jvm.options java虚拟机相关配置
	elesticsearch.yml  配置文件！默认9200端口
plugins：插件

启动：点击bin/elasticsearch.bat，然后再浏览器访问http://127.0.0.1:9200/，出现以下

{
  "name" : "DESKTOP-0U1AJ4S",
  "cluster_name" : "elasticsearch",
  "cluster_uuid" : "AzTUTxy6Sbq1-j-jU1A2rw",
  "version" : {
    "number" : "7.2.0",
    "build_flavor" : "default",
    "build_type" : "zip",
    "build_hash" : "508c38a",
    "build_date" : "2019-06-20T15:54:18.811730Z",
    "build_snapshot" : false,
    "lucene_version" : "8.0.0",
    "minimum_wire_compatibility_version" : "6.8.0",
    "minimum_index_compatibility_version" : "6.0.0-beta1"
  },
  "tagline" : "You Know, for Search"
}

2、安装可视化界面（head插件）

下载地址：https://github.com/mobz/elasticsearch-head/ （需要先安装npm）

• 解压后，在该目录下打开cmd，

#使用cnpm安装依赖
cnpm install
或者npm install

#启动
npm run start

• 解决跨域问题

#打开C:\tools\ES\elasticsearch-7.2.0\config\elasticsearch.yml,在最后追加
http.cors.enabled: true
http.cors.allow-origin: "*"

#保存，重启ES服务，访问http://localhost:9100/
点击连接，显示：集群健康值: green (0 of 0)

• 也可以使用Google插件

3、安装Kibana

版本要一致https://mirrors.huaweicloud.com/kibana/7.2.0/?C=N&O=D

• 解压后打开bin/kibana.bat，访问 http://localhost:5601

• 汉化

C:\tools\ES\kibana-7.2.0-windows-x86_64\config\kibana.yml中追加
i18n.locale: "zh-CN"

4、安装ik分词器

与ES版本一致https://github.com/medcl/elasticsearch-analysis-ik/tree/v7.2.0

• 解压：如果IK与ES版本不对应，运行ES时会报错说两者版本不对，导致无法启动。下载了IK分词器表面是7.2.0版本的，得到的处理过后的zip解压开是7.0.0版本的，只需要修改路径下的pom.xml里面的版本改成7.2.0即可。
• 在此目录下打开dos窗口，执行命令mvn clean package进行打包。然后进入\target\releases下看到zip包
• 在你安装es的所在目录下的的plugins下创建analysis-ik文件夹， 然后将上面打的zip包拷贝到analysis-ik文件夹下并将zip压缩包解压到此
• 然后重新启动ES，可以看到ik分词器安装成功

2.ES核心概念

• elasticsearch是面向文档，其和关系型数据库对比：（一切都是JSON）

Relational DB	Elasticsearch
数据库（database)	索引（indices) （就和数据库一样）
表（tables)	types （逐渐会被弃用）
行（rows）	documents （文档）
字段（columns）	fields

• 索引

索引是映射类型的容器，es中的索引是一个非常大的集合。索引存储了映射类型的字段和其他设置，然后它们被存储到各个分片上

• 一个集群至少有一个节点，而一个节点就是一个es进程，节点可以有多个默认索引，如果创建索引，那么索引将会有5个分片（primary shard，又称主分片）构成的，每一个主分片都会有一个副本（replica shard,又称复制分片
• 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ES在不扫描全部文档的情况下，就能告诉我们哪些文档包含特定的关键字

• 倒排索引
  • ES使用的是一种称为倒排索引的结构，采用Lucene倒排索引作为底层，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

如通过博客标签来搜索博客文章，那么倒排索引就是这样一个结构

博客文章（原始数据）		索引列表（倒排索引）
博客文章ID	标签	标签	博客文章ID
1	python	python	1,2,3
2	python	linux	3,4
3	linux,python
4	linux

如果要搜索含有puthon标签的文章,那相对于查找所有的原始数据而言,查找倒排索引后的数据会快得多,只需要查看标签这一栏,然后获取相关的文章ID即可,完全过滤掉无关的所有数据,提高效率

倒排索引级文档分词成关键字与文档id之间的映射

3.IK分词器

分词：即把一段中文或者别的划分成一个个关键字，我么在搜素时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一个分词看成一个词，比如"好好学习"会被分为"好"，“好”，“学”，“习”，这显然是不符合要求得，所以我们需要安装中文分词器IK来解决问题。

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

使用kibana测试，查看不同的分词效果

ik_smart

ik_max_word

自己需要的词，需要手动加入到分词器的字典中

IK分词器增加自己的配置

• 添加my.dic配置

<!-- C:\tools\ES\elasticsearch-7.2.0\plugins\analysis-ik\config\IKAnalyzer.cfg.xml -->
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTE