1、ElasticSearch相关概念
1.1、什么是ES
ES是一个分布式的全文搜索引擎,为了解决原生Lucene使用的不足,优化Lucene的调用方式,并实现了高可用的分布式集群的搜索方案,ES的索引库管理支持依然是基于Apache Lucene™的开源搜索引擎。
ES也使用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Lucene的复杂性,从而让全文搜索变得简单。
1.2、特点
- 基于lucene
- 使用简单
- 分布式的
- 基于Restful API(http)
- 支持各种客户端(java,php。。)
- PB级别数据
- 性能好,速度高(近实时)
- 支持集群
- 处理json格式的数据
1.3、ES和lucene的区别
Lucene:
- 只支持Java
- 非分布式的,索引目录只能在本地
- 使用非常复杂
- 小项目使用
1.4、ES的相关概念
1.4.1.Near Realtime(NRT)
近实时,两个意思,从写入数据到数据可以被搜索到有一个小延迟(大概1秒);基于es执行搜索和分析可以达到秒级
1.4.2.Index:索引库
包含一堆有相似结构的文档数据,比如可以有一个客户索引,商品分类索引,订单索引,索引有一个名称。一个index包含很多document,一个index就代表了一类类似的或者相同的document。比如说建立一个product index,商品索引,里面可能就存放了所有的商品数据,所有的商品document。
1.4.3.Type:类型
每个索引里都可以有一个或多个type,type是index中的一个逻辑数据分类,一个type下的document,都有相同的field,比如博客系统,有一个索引,可以定义用户数据type,博客数据type,评论数据type。
1.4.4.Document&field
文档,es中的最小数据单元,一个document可以是一条客户数据,一条商品分类数据,一条订单数据,通常用JSON数据结构表示,每个index下的type中,都可以去存储多个document。一个document里面有多个field,每个field就是一个数据字段。
1.4.5.Cluster:集群
包含多个节点,每个节点属于哪个集群是通过一个配置(集群名称,默认是elasticsearch)来决定的,对于中小型应用来说,刚开始一个集群就一个节点很正常
1.4.6.Node:节点
集群中的一个节点,节点也有一个名称(默认是随机分配的),节点名称很重要(在执行运维管理操作的时候),默认节点会去加入一个名称为"elasticsearch"的集群,如果直接启动一堆节点,那么它们会自动组成一个elasticsearch集群,当然一个节点也可以组成一个elasticsearch集群
1.4.7.shard(分片)
单台机器无法存储大量数据,es可以将一个索引中的数据切分为多个shard,分布在多台服务器上存储。有了shard就可以横向扩展,存储更多数据,让搜索和分析等操作分布到多台服务器上去执行,提升吞吐量和性能。每个shard都是一个lucene index。
1.4.8.replica(复制品)
任何一个服务器随时可能故障或宕机,此时shard可能就会丢失,因此可以为每个shard创建多个replica副本。replica可以在shard故障时提供备用服务,保证数据不丢失,多个replica还可以提升搜索操作的吞吐量和性能。primary shard(建立索引时一次设置,不能修改,默认5个),replica shard(随时修改数量,默认1个),默认每个索引10个shard,5个primary shard,5个replica shard,最小的高可用配置,是2台服务器。
1.4.9.集群原理图
2、ElasticSearch的安装
2.1.ElasticSearch安装
2.1.1.下载
官网:
https://www.elastic.co/downloads/elasticsearch
2.1.2.安装
解压即可
2.1.3.测试
2.2.可视化工具安装
2.2.1.Kibana5安装(下面使用这个用来演示,header的界面比较丑)
1.下载
https://www.elastic.co/downloads/kibana
2.配置
解压并编辑config/kibana.yml,设置elasticsearch.url的值为已启动的ES
3.启动Kibana5
bin\kibana.bat
4.默认访问地址
2.2.2.elasticsearch-header
1.下载
https://github.com/mobz/elasticsearch-head/releases
2.安装
npm install
3.运行
npm run start
4.配置跨域
修改 elasticsearch/config/elasticsearch.yml
- http.cors.enabled: true
- http.cors.allow-origin: “*”
2.3.分词器安装
ES默认对英文文本的分词器支持较好,但和lucene一样,如果需要对中文进行全文检索,那么需要使用中文分词器,同lucene一样,在使用中文全文检索前,需要集成IK分词器。
-
下载IK分词器
ES的IK分词器插件源码地址:https://github.com/medcl/elasticsearch-analysis-ik
-
解压elasticsearch-analysis-ik-5.2.2.zip文件
并将其内容放置于ES根目录/plugins/ik
-
IK分词器配置
-
IK分词测试
POST _analyze { "analyzer":"ik_smart", "text":"中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首" }
IK分词器指定:ik_smart ; ik_max_word。
ik_smart: 会做最粗粒度的拆分,比如会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”。
ik_max_word: 会将文本做最细粒度的拆分,比如会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”,会穷尽各种可能的组合;
3.RestFull风格
3.1.基本定义
3.1.1.什么是Restfull
Restful是一种面向资源的架构风格,可以简单理解为:使用URL定位资源,用HTTP动(GET,POST,DELETE,PUT)描述操作。
3.1.2.Restful的好处
- 透明性,暴露资源存在。
- 充分利用 HTTP 协议本身语义。(GET POST DELETE POST PUT)
- 无状态,这点非常重要。在调用一个接口(访问、操作资源)的时候,可以不用考虑上下文,不用考虑当前状态,极大的降低了复杂度。
3.1.3.Restfull的特点
- 资源(URL)使用名词表示
- 使用http动词来描述操作
3.2.案例
3.2.1.获取资源
- GET /user/1 => 获取id为1的用户
- GET /users => 获取用户列表
3.2.2.添加数据
-
PUT /user => 添加用户
{“id”:“1”,“username”:“zs”}
3.2.4.修改
-
POST /user
{“id”:“1”,“username”:“zs”}
3.2.3.删除资源
- DELELE /user/1 => 删除id为1的用户
4.ElasticSearch文档的CRUD
4.1、文档的概念
ES | Mysql |
---|---|
_index(索引库) | 数据库 |
_type(文档类型) | 表 |
_document(文档对象) | 一行数据 |
_id(文档ID) | 主键ID |
field(字段) | 列 |
其他
_source | (文档原始数据-就是保存在ES中的真实数据) |
---|---|
_all | (所有字段的连接字符串) |
metadata | (文档元数据-除去文档真实数据意外的其他数据) |
4.2、添加文档
语法
PUT 索引库/文档类型/文档id
{
文档原始数据
}
例如:
注意,如果文档ID不填写,会默认生成一个ID,并且需要用post关键字
4.3、查询文档
4.3.1、获取指定文档
GET 索引库/类型/文档ID
4.3.2、指定返回的列
GET /ssm/employee/1?_source=username
GET /ssm/employee/1/_source
4.3.3、查询所有
GET _search
4.3.4、查询指定索引库
GET ssm/_search
4.3.5、查询指定类型
GET ssm/employee/_search
4.3.6、分页查询
GET ssm/employee/_search?size=2&from=2
4.3.7、字符串查询
条件查询+分页+排序
GET ssm/employee/_search?q=age:17&size=2&from=2&sort=id:desc&_source=id,username
字符串查询(query string)其实就是在url后面以字符串的方式拼接各种查询条件,这种方式不推荐,因为条件过多,拼接起来比较麻烦
4.3.8、批量查询
批量查询很重要,对相比单个查询来说,批量查询性能更高。
不同索引库查询
同索引库同类型 - 推荐
4.4、修改文档
4.4.1、整体修改
PUT {index}/{type}/{id}
{
修改后的内容
}
注意:整体修改的语法跟添加文档语法一样,如果文档已经存在就是添加,否则就是修改,
文档修改过程:1.标记删除旧文档,2.添加新文档
4.4.2、局部修改
POST /ssm/employee/1/_update
{
"doc":{
"username":"xg2"
}
}
4.3、删除文档
DELETE {index}/{type}/{id}
5、DSL查询与DSL过滤
5.1、基本概念
5.1.1、定义
DSL过滤语句和DSL查询语句非常相似,但是它们的使用目的却不同:DSL过滤查询文档的方式更像是对于我的条件"有"或者"没有"(等于 ;不等于),而DSL查询语句则像是"有多像"(模糊查询)。
5.1.1、查询与过滤的区别
DSL过滤和DSL查询在性能上的区别:
- 过滤结果可以缓存并应用到后续请求。-> 精确过滤后的结果拿去模糊查询性能高
- 查询语句同时匹配文档,计算相关性,所以更耗时,且不缓存。
- 过滤语句可有效地配合查询语句完成文档过滤。
总结:需要模糊查询的使用DSL查询 ,需要精确查询的使用DSL过滤,在开发中组合使用(组合查询) -> 关键字查询使用DSL查询,其他的都是用DSL过滤。
5.2.练习
5.2.1、练习1
GET ssm/employee/_search
{
"query": {
"bool": {
"must": [
{"match": {"description": "search" }}
],
"filter": {
"term": {"tags": "lucene"}
}
}
},
"from": 20,
"size": 10,
"_source": ["fullName", "age", "email"],
"sort": [{"join_date": "desc"},{"age": "asc"}]
}
query : 查询
bool : 组合查询 , 包含了 DSL查询和DSL过滤
must : 必须匹配 :与(must) 或(should) 非(must_not)
match:分词匹配查询,会对查询条件分词 , multi_match :多字段匹配
filter: 过滤条件
term:词元查询,不会对查询条件分词
from,size :分页
_source :查询结果中需要哪些列
sort:排序
6、文档映射
6.1.基本概念
6.1.1.什么是文档映射
ES的文档映射(mapping)机制用于进行字段类型确认,将每个字段匹配为一种确定的数据类型。
- Mysql建表过程:创建数据库 -> 创建表(指定字段类型) -> crud数据
- ES创建索引过程:创建索引库 -> 文档类型映射 -> crud文档
- 映射与分词 : 为了方便字段的检索,我么会对某些存储在ES中的字段进行分词,但是有些字段类型可以分词,有些字段类型不可以分词,所以对于字段的类型需要我们自己去指定。
6.1.2.默认的字段类型
查看索引类型的映射配置:GET {indexName}/_mapping/{typeName}
基本字段类型
-
字符串
text(分词), keyword(不分词) ,StringField(不分词文本),TextFiled(要分词文本) ,text默认为全文文本,keyword默认为非全文文本
-
数字(long,integer,short,double,float)
-
日期date
-
逻辑boolean
复杂字段类型
- 对象类型:object
- 数组类型:array
- 地理位置:geo_point,geo_shape
默认映射
ES在没有配置Mapping的情况下新增文档,ES会尝试对字段类型进行猜测,并动态生成字段和类型的映射关系。
JSON type | Field type |
---|---|
Boolean: true or false | “boolean” |
Whole number: 123 | “long” |
Floating point: 123.45 | “double” |
String, valid date:“2014-09-15” | “date” |
String: “foo bar” | “string” |
6.1.3.映射规则
字段映射的常用属性配置列表 - 即给某个字段执行类的时候可以指定以下属性
属性名 | 解释 |
---|---|
type | 字段的类型:基本数据类型,integer,long,date,boolean,keyword,text… |
enable | 是否启用:默认为true。 false:不能索引、不能搜索过滤。 |
boost | 权重提升倍数:用于查询时加权计算最终的得分,比如标题中搜索到的内容比简介中搜索到的内容跟重要,那么可以提升 |
index | 索引模式:analyzed (索引并分词,text默认模式), not_analyzed (索引不分词,keyword默认模式),no(不索引) |
analyzer | 索引分词器:索引创建时使用的分词器,如ik_smart,ik_max_word,standard |
search_analyzer | 搜索分词器:搜索该字段的值时,传入的查询内容的分词器。 |
fields | 多字段索引:当对该字段需要使用多种索引模式时使用。如:城市搜索New York"city": |
"city":{
"type": "text",
"analyzer": "ik_smart",
"fields": {
"raw": {
"type": "keyword"
}
}
}
解释:相当于给 city取了一个别名 city.raw,city的类型为text , city.raw的类型为 keyword
搜索 city分词 ; 搜索city.raw 不分词那么以后搜索过滤和排序就可以使用city.raw字段名
6.2.添加映射
注意:如果索引库已经有数据了,就不能再添加映射了
6.2.1.创建新的索引库
put xl
6.2.2.单类型创建映射
PUT /xl/menu/_mapping
{
"menu":{
"properties":{
"id":{
"type":"long"
},
"name":{
"type":"text",
"analyzer":"ik_smart",
"search_analyzer": "ik_smart"
}
}
}
}
解释:给xl索引库中的是menu类型创建映射 ,id指定为long类型 , name指定为text类型(要分词),analyzer分词使用ik,查询分词器也使用ik
6.2.3.多类型创建映射
PUT aigou
{
"mappings": {
"user": {
"properties": {
"id": {
"type": "integer"
},
"info": {
"type": "text",
"analyzer": "ik_smart",
"search_analyzer": "ik_smart"
}
}
},
"dept": {
"properties": {
"id": {
"type": "integer"
},
....更多字段映射配置
}
}
}
}
解释:同时给user和dept创建文档映射
6.3.数组/对象映射
基本类型字段映射非常简单,直接配置对应的类型即可,但是数组和对象如何指定类型呢?
6.3.1.对象映射
{
"id" : 1,
"girl" : {
"name" : "huahua",
"age" : 22
}
}
文档映射
{
"properties": {
"id": {"type": "long"},
"girl": {
"properties":{
"name": {"type": "keyword"},
"age": {"type": "integer"}
}
}
}
}
6.3.2.数组映射
{
"id" : 1,
"hobby" : ["huahua","caocao"]
}
文档映射
{
"properties": {
"id": {"type": "long"},
"hobby": {"type": "keyword"}
}
}
解释:数组的映射只需要映射一个元素即可,因为数组中的元素类型是一样的。
6.3.3.对象数组
{
"id" : 1,
"girl":[{"name":"huahua","age":22},{"name":"caocoa","age":22}]
}
文档映射
"properties": {
"id": {
"type": "long"
},
"girl": {
"properties": {
"age": { "type": "long" },
"name": { "type": "text" }
}
}
}
6.4.全局映射
索引库中多个类型(表)的字段是有相同的映射,如所有的ID都可以指定为integer类型,基于这种思想,我们可以做全局映射,让所有的文档都使用全局文档映射。全局映射可以通过动态模板和默认设置两种方式实现。
6.4.1.默认方式:default
索引下所有的类型映射配置会继承_default_的配置,如:
PUT {indexName}
{
"mappings": {
"_default_": {
"_all": {
"enabled": false
}
},
"user": {},
"dept": {
"_all": {
"enabled": true
}
}
}
关闭默认的 _all ,dept自定义开启 all
6.4.2.动态模板
dynamic_templates
PUT _template/global_template //创建名为global_template的模板
{
"template": "*", //匹配所有索引库
"settings": { "number_of_shards": 1 }, //匹配到的索引库只创建1个主分片
"mappings": {
"_default_": {
"_all": {
"enabled": false //关闭所有类型的_all字段
},
"dynamic_templates": [
{
"string_as_text": {
"match_mapping_type": "string",//匹配类型string
"match": "*_text", //匹配字段名字以_text结尾
"mapping": {
"type": "text",//将类型为string的字段映射为text类型
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word",
"fields": {
"raw": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
},
{
"string_as_keyword": {
"match_mapping_type": "string",//匹配类型string
"mapping": {
"type": "keyword"//将类型为string的字段映射为keyword类型
}
}
}
]
}
}}
PS : 映射方式优先级 (低 -> 高):默认 -> 全局 -> 自定义