Elasticsearch

Elasticsearch—高性能分布式搜索引擎

1、初识Elasticsearch

1.1、认识和安装

Elasticsearch结合kibana、logstash、Beats，是一整套技术栈，被叫做ELK。被广泛应用在日志数据分析、实时监控等领域

1.1.1、安装elasticsearch

通过下面的Docker命令安装单机版本的elasticsearch

docker run -d \
  --name es \
  -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
  -e "discovery.type=single-node" \
  -v es-data:/usr/share/elasticsearch/data \
  -v es-plugins:/usr/share/elasticsearch/plugins \
  --privileged \
  --network hm-net \
  -p 9200:9200 \
  -p 9300:9300 \
  elasticsearch:7.12.1

1.1.2、安装Kibana

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=hm-net \
-p 5601:5601  \
kibana:7.12.1

安装完成后，直接访问5601端口，即可看到控制台页面

选择Explore进入主页面：

然后选中Dev tools，进入开发工具页面：

1.2、倒排索引

传统数据库（如MySql）采用正向索引，例如下表中id创建索引：

elasticsearch采用倒排索引：

• 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

1.3、IK分词器

中文分词往往需要根据语义分析，比较复杂，这就需要用到中文分词器，例如IK分词器。IK分词器是林良益在2006年开源发布的，其采用的正向迭代最细粒度切分算法一直沿用至今

其安装方式也比较简单，只要将资料提供好的分词器放入elasticsearch的插件目录中即可

在Kibana的Dev tools中可以使用下面的语法来测试IK分词器:

POST /_analyze
{
    "analyze": "standard",
    "text": "Java"
}

语法说明：

• Post：请求方式
• /_analyze：请求路径，这里省略了地址，有Kibana帮我们补充
• 请求参数，json风格：
  • analyze：分词器类型，这里是默认的standard分词器
  • text：要分词的内容

Ik分词器允许我们配置扩展词典来增加自定义的词库：

1.4、基础概念

elasticsearch中的文档数据会被序列化为json格式后存储在elasticsearch中

索引（index）：相同类型的文档的集合

映射（mapping）：索引中文档的字段约束信息，类似表的结构约束

2、索引库操作

2.1、Mapping映射属性

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
• index：是否创建索引，默认为true
• analyze：使用哪种分词器
• properties：该字段的子字段

Elasticsearch提供的所有API都是RestFul的接口，遵循RestFul的基本规范：

2.2、索引库操作

创建索引库和mapping的请求语法如下：

查看索引库语法：

GET /索引库名

删除索引库：

DELETE /索引库名

修改索引库：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"
		}
	}
}

3、文档操作

3.1、文档CRUD

新增文档的请求格式如下：{json文档}

查看文档请求格式：

GET /索引库名/_doc/文档id

删除索引库的请求格式：

DELETE /索引库名/_doc/文档id

修改文档：

3.2、批量处理

Elasticsearch中允许通过一次请求中携带多次文档操作，也就是批量处理，语法格式如下：

4、JavaRestClient

4.1、客户端初始化

1、引入es的RestHighLevelClient依赖：

<dependency>
	<groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>

2、因为SpringBoot默认的ES版本是7.17.0，所以我们需要覆盖默认的ES版本

  <properties>
      <maven.compiler.source>11</maven.compiler.source>
      <maven.compiler.target>11</maven.compiler.target>
      <elasticsearch.version>7.12.1</elasticsearch.version>
  </properties>

3、初始化RestHighLevelClient：

初始化的代码如下：

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

4.2、商品表Mapping映射

PUT /items
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "ik_max_word"
      },
      "price":{
        "type": "integer"
      },
      "stock":{
        "type": "integer"
      },
      "image":{
        "type": "keyword",
        "index": false
      },
      "category":{
        "type": "keyword"
      },
      "brand":{
        "type": "keyword"
      },
      "sold":{
        "type": "integer"
      },
      "commentCount":{
        "type": "integer",
        "index": false
      },
      "isAD":{
        "type": "boolean"
      },
      "updateTime":{
        "type": "date"
      }
    }
  }
}

4.3、索引库操作

创建索引库的JavaAPI与RestFul接口API对比：

索引库操作的基本步骤：

1、创建XxxIndexRequest。XXX是Create、Get、Delete

2、准备请求参数（Create时需要）

3、发送请求。调用RestHighLevelClient#indices)

4.4、文档操作

新增文档：

POST /{索引库名}/_doc/1
{
    "name": "Jack",
    "age": 21
}

查询文档：

GET /{索引库名}/_doc/{id}

删除文档：

DELETE /hotel/_doc/{id}

修改文档：

在RestClient的API中，全局修改和新增的API完全一致，判断依据是ID：

• 如果是新增时，ID已经存在，则修改
• 如果新增时，ID不存在，则新增

4.5、批处理

在之前的案例中，我们都是操作单个文档。而数据库中的商品数据实际会达到数十万条，某些项目中可能达到数百万条。

我们如果要将这些数据导入索引库，肯定不能逐条导入，而是采用批处理方案。常见的方案有：

• 利用Logstash批量导入
  • 需要安装Logstash
  • 对数据的再加工能力较弱
  • 无需编码，但要学习编写Logstash导入配置
• 利用JavaAPI批量导入
  • 需要编码，但基于JavaAPI，学习成本低
  • 更加灵活，可以任意对数据做再加工处理后写入索引库

批处理代码流程与之前类似，只不过构建请求会用到一个名为BulkRequest来封装普通的CRUD请求

5、DSL查询

Elasticsearch提供DSL（Domain Specific Language）查询，就是以JSON格式来定义查询条件。类似：

DSL查询可以分为两大类：

• 叶子查询：一般是在特定的字段里查询特定值，属于简单查询，很少单独使用
• 复合查询：以逻辑方式组合多个叶子查询或者更改叶子查询的行为模式

在查询以后，还可以对查询的结果做处理，包括：

• 排序：按照1个或多个字段值做排序
• 分页：根据form和size做分页，类似MySQL
• 高亮：对搜索结果中的关键字添加特殊样式，使其更醒目
• 聚合：对搜索结果做数据统计以形成报表

5.1、快速入门

基于DSL的查询语法如下：

!

5.2、叶子查询

叶子查询还可以进一步细分，常见的有：

• **全文检索（full text）**查询：利用分词器对用户输入内容分词，然后去词条列表中匹配。例如：
  • match_query
  • multi_match_query

• 精确查询：不对用户输入内容分词，直接精确匹配，一般是查找keyword、数值、日期、布尔类型等。例如：
  • ids
  • range：根据数值范围查询，可以是日期的范围
  • term：根据词条精确匹配，一般搜索keyword类型、数值类型、布尔类型、日期类型字段

• 地理（geo）查询：用于搜索地理位置，搜索方式很多。例如：
  • geo_distance
  • geo_bounding_box

5.3、复合查询

复合查询大致可以分为两类：

• 第一类：基于逻辑运算组合叶子查询，实现组合条件，例如：
  • bool（布尔查询）
• 第二类：基于某种算法修改查询时达到文档相关性算分，从而改变文档排名。例如：
  • function_score
  • dis_max

布尔查询是一个或多个查询子句的组合。子查询的组合方式有：

• must：必须匹配每一个子查询，类似“与”
• should：选择性匹配子查询，类似“或”
• must_not：必须不匹配，不参与算分，类似“非”
• filter：必须匹配，不参与算分

5.4、排序和分页

Elasticsearch支持对搜索结果排序，默认是根据相关度算分(_score)来排序，可以排序字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。

深度分页问题

Elasticsearch的数据一般会采用分片存储，也就是把一个索引中的数据分为N份，存储到不同节点上。查询数据时需要汇总各个分片的数据

针对深度分页，ES提供了两种解决方案：

• search after：分页时需要排序，原理是上一次的排序值开始，查询下一页数据。官方推荐使用的方式
  • 优点：没有查询上限，支持深度分页
  • 缺点：只能向后逐页查询，不能随机翻页
  • 场景：数据迁移、手机滚动查询
• scorll：原理将数据形成快照，保存在内存。官方已经不推荐使用。

5.5、高亮显示

高亮显示：就是在搜索结果中把搜索关键字突出显示。

6、JavaRestClient查询

6.1、快速入门

数据搜索的Java代码我们分为两部分：

• 构建并发起请求
• 解析查询结果

解析查询结果的API：

6.2、构建查询条件

在JavaRestAPI中，所有类型的query查询条件都是由QueryBuilders来构建的：

全文检索的查询条件构造APi如下：

精确查询的查询条件构造API如下：

布尔查询的查询条件构造API如下：

6.3、排序和分页

与query类似，排序和分页参数都是基于request.source()来设置：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

6.4、高亮显示

高亮显示的条件构造API如下：

高亮显示的结果解析API如下：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

7、数据聚合

聚合
（aggregations）可以实现对文档数据的统计、分析、运算。聚合常见的有三类：

• 桶（Bucket）聚合：用来对文档做分组
  • TermAggregation：按照文档字段值分组
  • Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组
• 度量（Metric）聚合：用以计算一些值，比如：最大值、最小值、平均值等
  • Avg
  • Max
  • Min
  • Stats：同时求max、min、avg、sum等
• 管道（pipeline）聚合：其它聚合的结果为基础做聚合

注意：参与聚合的字段必须是keyword、数值、日期、布尔类型的字段

7.1、DSL聚合

我们要统计所有商品中共有哪些商品分类，其实就是以分类（category）字段对数据分组。category值一样的放在同一组，属于Bucket聚合中的Term聚合。

默认情况下，Bucket聚合是对索引库的所有文档做聚合，我们可以限定要聚合的文档范围，只要添加query条件即可。

例如，我想知道价格高于3000元的手机品牌有哪些：

除了对数据分组（Bucket以外），我们还可以对每一个Bucket内的数据进一步做数据计算和统计。

例如：我想知道手机有哪些品牌，每个品牌的价格最大值、最小值、平均值

7.2、RestClient聚合