ElasticSearch学习

谷粒商城 ElasticSearch-全文检索

简介
https://www.elastic.co/cn/what-is/elasticsearch
全文搜索属于最常见的需求，开源的 Elasticsearch 是目前全文搜索引擎的首选。 它可以快速地储存、搜索和分析海量数据。维基百科、Stack Overflow、Github 都采用它
Elastic 的底层是开源库 Lucene。但是，你没法直接用 Lucene，必须自己写代码去调用它的 接口。Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。
REST API:天然的跨平台。 官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html 官方中文:https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html 社区中文:
https://es.xiaoleilu.com/index.html http://doc.codingdict.com/elasticsearch/0/
一、基本概念
1、Index(索引) 动词，相当于 MySQL 中的 insert;
名词，相当于 MySQL 中的 Database 2、Type(类型)
在 Index(索引)中，可以定义一个或多个类型。 类似于 MySQL 中的 Table;每一种类型的数据放在一起;

3、Document(文档) 保存在某个索引(Index)下，某种类型(Type)的一个数据(Document)，文档是 JSON 格
式的，Document 就像是 MySQL 中的某个 Table 里面的内容; 4、倒排索引机制
二、Docker 安装 Es 1、下载镜像文件
docker pull elasticsearch:7.4.2 存储和检索数据 docker pull kibana:7.4.2 可视化检索数据
2、创建实例 1、ElasticSearch
mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data
echo “http.host: 0.0.0.0” >> /mydata/elasticsearch/config/elasticsearch.yml
chmod -R 777 /mydata/elasticsearch/ 保证权限
docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \ -e “discovery.type=single-node” \

-e ES_JAVA_OPTS=“-Xms64m -Xmx512m”
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \ -v /mydata/elasticsearch/data:/usr/share/elasticsearch/data
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins
-d elasticsearch:7.4.2
以后再外面装好插件重启即可;
特别注意:
-e ES_JAVA_OPTS=“-Xms64m -Xmx256m” \ 测试环境下，设置 ES 的初始内存和最大内存，否则导 致过大启动不了 ES
2、Kibana
docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.56.10:9200 -p 5601:5601
-d kibana:7.4.2
http://192.168.56.10:9200 一定改为自己虚拟机的地址
三、初步检索
1、_cat
GET /_cat/nodes:查看所有节点 GET /_cat/health:查看 es 健康状况 GET /_cat/master:查看主节点
GET /_cat/indices:查看所有索引
show databases;
2、索引一个文档(保存) 保存一个数据，保存在哪个索引的哪个类型下，指定用哪个唯一标识
PUT customer/external/1;在 customer 索引下的 external 类型下保存 1 号数据为 PUT customer/external/1

{
“name”: “John Doe”
}
PUT 和 POST 都可以，
POST 新增。如果不指定 id，会自动生成 id。指定 id 就会修改这个数据，并新增版本号
PUT 可以新增可以修改。PUT 必须指定 id;由于 PUT 需要指定 id，我们一般都用来做修改 操作，不指定 id 会报错。
3、查询文档
GET customer/external/1
结果:
{
}
“_index”: “customer”, “_type”: “external”, “_id”: “1”,
“_version”: 2, “_seq_no”: 1, “_primary_term”: 1, “found”: true, “_source”: {
“name”: “John Doe” }
//在哪个索引 //在哪个类型
//记录 id
//版本号 //并发控制字段，每次更新就会+1，用来做乐观锁
//同上，主分片重新分配，如重启，就会变化 //真正的内容
更新携带 ?if_seq_no=0&if_primary_term=1
4、更新文档
POST customer/external/1/_update {
“doc”:{
“name”: “John Doew”
} }
或者
POST customer/external/1 {
“name”: “John Doe2” }
或者

PUT customer/external/1 {
“name”: “John Doe” }
 不同:POST操作会对比源文档数据，如果相同不会有什么操作，文档version不增加 PUT 操作总会将数据重新保存并增加 version 版本;
带_update 对比元数据如果一样就不进行任何操作。 看场景;
对于大并发更新，不带 update;
对于大并发查询偶尔更新，带 update;对比更新，重新计算分配规则。
 更新同时增加属性
POST customer/external/1/_update {
“doc”: { “name”: “Jane Doe”, “age”: 20 } }
PUT 和 POST 不带_update 也可以
5、删除文档&索引 DELETE customer/external/1
DELETE customer
6、bulk 批量 API
POST customer/external/_bulk {“index”:{“_id”:“1”}}
{“name”: “John Doe” } {“index”:{“_id”:“2”}}
{“name”: “Jane Doe” }
语法格式:
{ action: { metadata }}\n
{ request body }\n
{ action: { metadata }}\n
{ request body }\n
复杂实例:
POST /_bulk
{ “delete”: { “_index”: “website”, “_type”: “blog”, “_id”: “123” }} { “create”: { “_index”: “website”, “_type”: “blog”, “_id”: “123” }}

{ "title":

{ “index”:
{ “title”:
{ “update”: { “_index”: “website”, “_type”: “blog”, “_id”: “123”, “_retry_on_conflict” : 3} } { “doc” : {“title” : “My updated blog post”} }
“My first blog post” }
{ “_index”: “website”, “_type”: “blog” }}
“My second blog post” }
bulk API 以此按顺序执行所有的 action(动作)。如果一个单个的动作因任何原因而失败， 它将继续处理它后面剩余的动作。当 bulk API 返回时，它将提供每个动作的状态(与发送 的顺序相同)，所以您可以检查是否一个指定的动作是不是失败了。
7、样本测试数据
我准备了一份顾客银行账户信息的虚构的 JSON 文档样本。每个文档都有下列的 schema
(模式):
https://github.com/elastic/elasticsearch/blob/master/docs/src/test/resources/accounts.json?raw =true 导入测试数据
POST bank/account/_bulk
测试数据
四、进阶检索
1、SearchAPI
ES 支持两种基本方式检索 :
 一个是通过使用 REST request URI 发送搜索参数(uri+检索参数)  另一个是通过使用 REST request body 来发送它们(uri+请求体)
{
“account_number”: 0,
“balance”: 16623,
“firstname”: “Bradshaw”,
“lastname”: “Mckenzie”,
“age”: 29,
“gender”: “F”,
“address”: “244 Columbus Place”, “employer”: “Euron”,
“email”: “bradshawmckenzie@euron.com”, “city”: “Hobucken”,
“state”: “CO”
}

1)、检索信息
 一切检索从_search开始
 uri+请求体进行检索
2、Query DSL 1)、基本语法格式
Elasticsearch 提供了一个可以执行查询的 Json 风格的 DSL(domain-specific language 领域特 定语言)。这个被称为 Query DSL。该查询语言非常全面，并且刚开始的时候感觉有点复杂， 真正学好它的方法是从一些基础的示例开始的。
 一个查询语句 的典型结构
GET bank/_search 检索 bank 下所有信息，包括 type 和 docs
GET bank/_search?q=*&sort=account_number:asc 请求参数方式检索
响应结果解释:
took - Elasticsearch 执行搜索的时间(毫秒)
time_out - 告诉我们搜索是否超时
_shards - 告诉我们多少个分片被搜索了，以及统计了成功/失败的搜索分片 hits - 搜索结果
hits.total - 搜索结果
hits.hits - 实际的搜索结果数组(默认为前 10 的文档)
sort - 结果的排序 key(键)(没有则按 score 排序)
score 和 max_score –相关性得分和最高得分(全文检索用)
GET bank/_search {
“query”: { “match_all”: {}
}, “sort”: [
{
“account_number”: {
“order”: “desc” }
} ]
}
HTTP 客户端工具(POSTMAN)，get 请求不能携带请求体，我们变为 post 也是一样的 我们 POST 一个 JSON 风格的查询请求体到 _search API。 需要了解，一旦搜索的结果被返回，Elasticsearch 就完成了这次请求，并且不会维护任何 服务端的资源或者结果的 cursor(游标)

{
QUERY_NAME: {
ARGUMENT: VALUE,
ARGUMENT: VALUE,… }
}
 如果是针对某个字段，那么它的结构如下: {
QUERY_NAME: { FIELD_NAME: {
ARGUMENT: VALUE,
ARGUMENT: VALUE,… }
} }
GET bank/_search {
“query”: { “match_all”: {}
},
“from”: 0, “size”: 5, “sort”: [
{
“account_number”: {
“order”: “desc” }
} ]
}
 query 定义如何查询，
 match_all 查询类型【代表查询所有的所有】，es 中可以在 query 中组合非常多的查
询类型完成复杂查询
 除了 query 参数之外，我们也可以传递其它的参数以改变查询结果。如 sort，size
 from+size限定，完成分页功能
 sort排序，多字段排序，会在前序字段相等时后续字段内部排序，否则以前序为准
2)、返回部分字段
GET bank/_search {
“query”: {

"match_all": {} },

“from”: 0,
“size”: 5,
“_source”: [“age”,“balance”]
}
3)、match【匹配查询】  基本类型(非字符串)，精确匹配
GET bank/_search {
“query”: { “match”: {
“account_number”: “20” }
} }
match 返回 account_number=20 的
 字符串，全文检索
GET bank/_search {
“query”: { “match”: {
“address”: “mill” }
} }
最终查询出 address 中包含 mill 单词的所有记录
match 当搜索字符串类型的时候，会进行全文检索，并且每条记录有相关性得分。
 字符串，多个单词(分词+全文检索)
GET bank/_search {
“query”: { “match”: {
“address”: “mill road” }
} }
最终查询出 address 中包含 mill 或者 road 或者 mill road 的所有记录，并给出相关性得分

4)、match_phrase【短语匹配】 将需要匹配的值当成一个整体单词(不分词)进行检索
5)、multi_match【多字段匹配】
6)、bool【复合查询】
bool 用来做复合查询:
复合语句可以合并 任何 其它查询语句，包括复合语句，了解这一点是很重要的。这就意味 着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。
 must:必须达到must列举的所有条件
GET bank/_search {
“query”: { “match_phrase”: {
“address”: “mill road” }
} }
查出 address 中包含 mill road 的所有记录，并给出相关性得分
GET bank/_search {
“query”: { “multi_match”: {
“query”: “mill”,
“fields”: [“state”,“address”] }
} }
state 或者 address 包含 mill
GET bank/_search {
“query”: { “bool”: {
“must”: [
{ “match”: { “address”: “mill” } },

{ "match": { "gender": "M" } } ]

} }
}
 should:应该达到should列举的条件，如果达到会增加相关文档的评分，并不会改变 查询的结果。如果 query 中只有 should 且只有一种匹配规则，那么 should 的条件就会 被作为默认匹配条件而去改变查询结果
GET bank/_search {
“query”: { “bool”: {
“must”: [
{ “match”: { “address”: “mill” } }, { “match”: { “gender”: “M” } }
], “should”: [
{“match”: { “address”: “lane” }} ]
} }
}
 must_not必须不是指定的情况
GET bank/_search {
“query”: { “bool”: {
“must”: [
{ “match”: { “address”: “mill” } }, { “match”: { “gender”: “M” } }
], “should”: [
{“match”: { “address”: “lane” }} ],
“must_not”: [
{“match”: { “email”: “baluba.com” }}
] }
}

}
address 包含 mill，并且 gender 是 M，如果 address 里面有 lane 最好不过，但是 email 必 须不包含 baluba.com
7)、filter【结果过滤】 并不是所有的查询都需要产生分数，特别是那些仅用于 “filtering”(过滤)的文档。为了不
计算分数 Elasticsearch 会自动检查场景并且优化查询的执行。
GET bank/_search {
“query”: { “bool”: {
“must”: [
{“match”: { “address”: “mill”}}
], “filter”: {
“range”: { “balance”: {
“gte”: 10000,
“lte”: 20000 }
} }
} }
}
8)、term
和 match 一样。匹配某个属性的值。全文检索字段用 match，其他非 text 字段匹配用 term。

 GET bank/_search {

“query”: { “bool”: {
“must”: [ {“term”: {
“age”: { “value”: “28”
} }},
{“match”: {
“address”: “990 Mill Road”
}} ]
} }
}
9)、aggregations(执行聚合)
聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于 SQL GROUP BY 和 SQL 聚合函数。在 Elasticsearch 中，您有执行搜索返回 hits(命中结果)，并且同时返 回聚合结果，把一个响应中的所有 hits(命中结果)分隔开的能力。这是非常强大且有效的， 您可以执行查询和多个聚合，并且在一次使用中得到各自的(任何一个的)返回结果，使用 一次简洁和简化的 API 来避免网络往返。
 搜索address中包含mill的所有人的年龄分布以及平均年龄，但不显示这些人的详情。
GET bank/_search {
“query”: { “match”: {
“address”: “mill” }
}, “aggs”: {
“group_by_state”: { “terms”: {
“field”: “age” }
}, “avg_age”: {
“avg”: {

“field”: “age” }
} },
“size”: 0 }
size:0 不显示搜索数据 aggs:执行聚合。聚合语法如下 “aggs”: {
“aggs_name 这次聚合的名字，方便展示在结果集中”: { “AGG_TYPE 聚合的类型(avg,term,terms)”: {}
} },
复杂:
按照年龄聚合，并且请求这些年龄段的这些人的平均薪资
GET bank/account/_search {
“query”: { “match_all”: {}
}, “aggs”: {
“age_avg”: { “terms”: {
“field”: “age”,
“size”: 1000 },
“aggs”: { “banlances_avg”: {
“avg”: {
“field”: “balance”
} }
} }
}
,
“size”: 1000
}
复杂:查出所有年龄分布，并且这些年龄段中 M 的平均薪资和 F 的平均薪资以及这个年龄 段的总体平均薪资
GET bank/account/_search

{

“query”: {
“match_all”: {} },
“aggs”: { “age_agg”: {
“terms”: { “field”: “age”, “size”: 100
}, “aggs”: {
“gender_agg”: { “terms”: {
“field”: “gender.keyword”,
“size”: 100 },
“aggs”: { “balance_avg”: {
“avg”: {
“field”: “balance”
} }
} },
“balance_avg”:{ “avg”: {
“field”: “balance” }
} }
} }
,
“size”: 1000 }

3、Mapping 1)、字段类型
2)、映射
Mapping(映射)
Mapping 是用来定义一个文档(document)，以及它所包含的属性(field)是如何存储和 索引的。比如，使用 mapping 来定义:
 哪些字符串属性应该被看做全文本属性(full text fields)。  哪些属性包含数字，日期或者地理位置。
 文档中的所有属性是否都能被索引(_all 配置)。
 日期的格式。
 自定义映射规则来执行动态添加属性。

 查看mapping信息: GET bank/_mapping
 修改mapping信息
3)、新版本改变
Es7 及以上移除了 type 的概念。
 关系型数据库中两个数据表示是独立的，即使他们里面有相同名称的列也不影响使用，
但 ES 中不是这样的。elasticsearch 是基于 Lucene 开发的搜索引擎，而 ES 中不同 type 下名称相同的 filed 最终在 Lucene 中的处理方式是一样的。
 两个不同type下的两个user_name，在ES同一个索引下其实被认为是同一个filed，
你必须在两个不同的 type 中定义相同的 filed 映射。否则，不同 type 中的相同字段
名称就会在处理中出现冲突的情况，导致 Lucene 处理效率下降。  去掉type就是为了提高ES处理数据的效率。
Elasticsearch 7.x
 URL中的type参数为可选。比如，索引一个文档不再要求提供文档类型。 Elasticsearch 8.x
 不再支持URL中的type参数。
解决:
1)、将索引从多类型迁移到单类型，每种类型文档一个独立索引 2)、将已存在的索引下的类型数据，全部迁移到指定位置即可。详见数据迁移
1、创建映射
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html
自动猜测的映射类型
1、创建索引并指定映射 PUT /my-index
{
“mappings”: { “properties”: {

 } }

}
“age”: “email”: “name”:
{ “type”: “integer” },
{ “type”: “keyword” },
{ “type”: “text” }
2、添加新的字段映射
PUT /my-index/_mapping {
“properties”: { “employee-id”: {
“type”: “keyword”,
“index”: false }
} }
3、更新映射 对于已经存在的映射字段，我们不能更新。更新必须创建新的索引进行数据迁移
4、数据迁移
先创建出 new_twitter 的正确映射。然后使用如下方式进行数据迁移
POST _reindex [固定写法] {
“source”: {
“index”: “twitter”
}, “dest”: {
“index”: “new_twitter” }
}
将旧索引的 type 下的数据进行迁移 POST _reindex
{
“source”: {

 "index": "twitter",

“type”: “tweet” },
“dest”: {
“index”: “tweets”
} }
4、分词
一个 tokenizer(分词器)接收一个字符流，将之分割为独立的 tokens(词元，通常是独立 的单词)，然后输出 tokens 流。
例如，whitespace tokenizer 遇到空白字符时分割文本。它会将文本 “Quick brown fox!” 分割 为 [Quick, brown, fox!]。
该 tokenizer(分词器)还负责记录各个 term(词条)的顺序或 position 位置(用于 phrase 短 语和 word proximity 词近邻查询)，以及 term(词条)所代表的原始 word(单词)的 start (起始)和 end(结束)的 character offsets(字符偏移量)(用于高亮显示搜索的内容)。 Elasticsearch 提供了很多内置的分词器，可以用来构建 custom analyzers(自定义分词器)。
1)、安装 ik 分词器
注意:不能用默认 elasticsearch-plugin install xxx.zip 进行自动安装 https://github.com/medcl/elasticsearch-analysis-ik/releases?after=v6.4.2 对应 es 版本安装
进入 es 容器内部 plugins 目录
docker exec -it 容器 id /bin/bash
wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-anal ysis-ik-7.4.2.zip
unzip 下载的文件
rm –rf *.zip
mv elasticsearch/ ik
可以确认是否安装好了分词器
cd …/bin
elasticsearch plugin list:即可列出系统的分词器

2)、测试分词器 使用默认
请观察结果 使用分词器
请观察结果
另外一个分词器
ik_max_word
请观察结果
能够看出不同的分词器，分词有明显的区别，所以以后定义一个索引不能再使用默 认的 mapping 了，要手工建立 mapping, 因为要选择分词器。
3)、自定义词库
修改/usr/share/elasticsearch/plugins/ik/config/中的 IKAnalyzer.cfg.xml /usr/share/elasticsearch/plugins/ik/config
POST _analyze
{
“text”: “我是中国人”
}
POST _analyze
{ “analyzer”: “ik_smart”,
“text”: “我是中国人” }
POST _analyze
{ “analyzer”: “ik_max_word”,
“text”: “我是中国人” }
<?xml version="1.0" encoding="UTF-8"?>

IK Analyzer 扩展配置

http://192.168.128.130/fenci/myword.txt

原来的 xml <?xml version="1.0" encoding="UTF-8"?> IK Analyzer 扩展配置

  按照标红的路径利用 nginx 发布静态资源,按照请求路径，创建对应的文件夹以及文件，放在 nginx 的 html 下

然后重启 es 服务器，重启 nginx。 在 kibana 中测试分词效果
更新完成后，es 只会对新增的数据用新词分词。历史数据是不会重新分词的。如果想要历 史数据重新分词。需要执行:
POST my_index/_update_by_query?conflicts=proceed
五、Elasticsearch-Rest-Client
1)、9300:TCP
 spring-data-elasticsearch:transport-api.jar;
 springboot版本不同，transport-api.jar不同，不能适配es版本

 7.x已经不建议使用，8以后就要废弃 2)、9200:HTTP
 JestClient:非官方，更新慢
 RestTemplate:模拟发HTTP请求，ES很多操作需要自己封装，麻烦
 HttpClient:同上
 Elasticsearch-Rest-Client:官方RestClient，封装了ES操作，API层次分明，上手简单
最终选择 Elasticsearch-Rest-Client(elasticsearch-rest-high-level-client) https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html
1、SpringBoot 整合
2、配置

org.elasticsearch.client elasticsearch-rest-high-level-client 7.4.2

@Bean
RestHighLevelClient client() {
RestClientBuilder builder = RestClient.builder(new HttpHost(“192.168.56.10”, 9200, “http”));
return new RestHighLevelClient(builder); }
3、使用 参照官方文档:
@Test
void test1() throws IOException {
Product product = new Product(); product.setSpuName(“华为”); product.setId(10L);
IndexRequest request = new IndexRequest(“product”).id(“20”) .source(“spuName”,“华为”,“id”,20L);
try {
IndexResponse response = client.index(request, RequestOptions.DEFAULT); System.out.println(request.toString());

IndexResponse response2 = client.index(request, RequestOptions.DEFAULT); } catch (ElasticsearchException e) {

if (e.status() == RestStatus.CONFLICT) {
} }
}
六、附录-安装 nginx
 随便启动一个nginx实例，只是为了复制出配置  docker run -p 80:80 --name nginx -d nginx:1.10
 将容器内的配置文件拷贝到当前目录:docker container cp nginx:/etc/nginx .  别忘了后面的点
 修改文件名称:mv nginx conf 把这个 conf 移动到/mydata/nginx 下
 终止原容器:docker stop nginx
 执行命令删除原容器:docker rm $ContainerId
 创建新的nginx;执行以下命令
docker run -p 80:80 --name nginx
-v /mydata/nginx/html:/usr/share/nginx/html \ -v /mydata/nginx/logs:/var/log/nginx
-v /mydata/nginx/conf:/etc/nginx
-d nginx:1.10
 给nginx的html下面放的所有资源可以直接访问;