ElasticSearch学习笔记_elasticsearch external类型-CSDN博客

本文链接：https://blog.csdn.net/weixin_43301424/article/details/128178054

简介

Elasticsearch 是开源的全文搜索引擎，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/

基本概念

1. Index（索引）

动词：保存；名词：相当于 MySQL 中的 Database索引

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；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；

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. 创建容器映射的配置信息

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/

3. 创建实例并启动

运行elasticsearch

docker run -m 1000M --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

测试：http://192.168.4.13:9200

运行kibana

#ELASTICSEARCH_HOSTS需改为自己虚拟机的地址
docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.4.13:9200 -p 5601:5601 \
-d kibana:7.4.2

测试：http://192.168.4.13:5601

初步检索

1. _ cat

# 查看所有节点
GET /_cat/nodes
# 查看 es 健康状况
GET /_cat/health
# 查看主节点
GET /_cat/master
# 查看所有索引 show databases
GET /_cat/indices

2. 索引文档

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

# 在customer索引下的external类型下保存1号数据为
PUT customer/external/1
PUT customer/external/1
{
	"name": "John Doe"
}

PUT 和 POST 都可以用于保存文档。

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 可新增也可修改。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

{
    "_index": "customer", //在哪个索引
    "_type": "external",  //在哪个类型
    "_id": "1",           //记录 id
    "_version": 2,        //版本号
    "_seq_no": 1,         //并发控制字段，每次更新就会+1，用来做乐观锁
    "_primary_term": 1,   //同上，主分片重新分配，如重启，就会变化
    "found": true,
    "_source": {          //真正的内容
    	"name": "John Doe"
    }
}

乐观锁修改，更新携带 ?if_seq_no=0&if_primary_term=1

PUT customer/external/1?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。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 }
}

5. 删除文档&索引

#删除文档
DELETE customer/external/1
#删除索引
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 }}
{ request body }
{ action: { metadata }}
{ request body }

复杂实例：

POST /_bulk
{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "create": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "title": "My first blog post" }
{ "index": { "_index": "website", "_type": "blog" }}
{ "title": "My second blog post" }
{ "update": { "_index": "website", "_type": "blog", "_id": "123", "_retry_on_conflict" : 3}}
{ "doc" : {"title" : "My updated 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

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

{
    "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"
}

https://gitee.com/xlh_blog/common_content/blob/master/es%E6%B5%8B%E8%AF%95%E6%95%B0%E6%8D%AE.json

导入测试数据：POST bank/account/_bulk

进阶检索

1. SearchAPI

ES 支持两种基本方式检索：

通过使用 REST request URI 发送搜索参数（uri+检索参数）
通过使用 REST request body 来发送它们（uri+请求体）

检索信息

一切检索从_search 开始

#检索bank下所有信息，包括type和docs
GET bank/_search
#请求参数方式检索
GET bank/_search?q=*&sort=account_number:asc

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）

uri + 请求体搜索

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，使用 post 也是一样的。POST 一个 JSON 风格的查询请求体到 _search API。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）。

2. Query DSL

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。

一个查询语句的典型结构

{
    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,...
        }
    }
}

例如：

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

返回部分字段

GET bank/_search
{
    "query": {
    	"match_all": {}
    },
    "from": 0,
    "size": 5,
    "_source": ["age","balance"]
}

匹配查询 - match

基本类型（非字符串），精确匹配

GET bank/_search
{
	"query": {
        "match": {
            "account_number": "20"
        }
	}
}

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 在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。

短语匹配 - match_phrase

将需要匹配的值当成一个整体单词（不分词）进行检索。

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。

多字段匹配 - multi_match

GET bank/_search
{
    "query": {
    "multi_match": {
        "query": "mill",
        	"fields": ["state","address"]
        }
    }
}

state 或者 address 包含 mill

复合查询 - bool

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": {
        "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

事件	描述
must	子句（查询）必须出现在匹配文档中，并将有助于评分
filter	子句（查询）必须出现在匹配文档中，查询的分数将被忽略
should	子句（查询）应出现在匹配文档中，在boolean查询中不包含 must 或 filter 子句，一个或多个 should 子句必须有相匹配的文档，匹配 should 的条件的最小数目可通过设置 minimun_should_match 参数
must_not	子句（查询）不能出现在匹配文档中

结果过滤 - filter

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
                    }
                }
            }
        }
    }
}

非text字段匹配 - 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"
                }}
             ]
         }
    }
}

执行聚合 - aggregations

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，可以执行搜索获取 hits（命中结果），并且同时获取聚合结果，把一个响应中的所有 hits（命中结果）分隔。另外还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

字段类型

更多详细内容参考官网文档：Field datatypes | Elasticsearch Guide 7.4

String

text and keyword

Numeric

long`, `integer`, `short`, `byte`, `double`, `float`, `half_float`, `scaled_float

Date

date

Date nanoseconds

date_nanos

Boolean

boolean

Binary

binary

Range

integer_range`, `float_range`, `long_range`, `double_range`, `date_range

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

https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html

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：

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;
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

创建索引并指定映射

PUT /my-index
{
    "mappings": {
        "properties": {
            "age": { "type": "integer" },
            "email": { "type": "keyword" },
            "name": { "type": "text" }
        }
    }
}

添加新的映射字段

PUT /my-index/_mapping
{
    "properties": {
        "employee-id": {
            "type": "keyword",
            "index": false
        }
    }
}

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
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）。

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-analysis-ik-7.4.2.zip
unzip 下载的文件
rm –rf *.zip
mv elasticsearch/ ik
#确认是否安装好了分词器
cd ../bin
#列出系统的分词器
elasticsearch-plugin list

测试分词器

使用默认，观察结果

POST _analyze
{
	"text": "我是中国人"
}

使用分词器 ik_smart，观察结果

POST _analyze
{ "analyzer": "ik_smart",
	"text": "我是中国人"
}

使用分词器 ik_max_word，请观察结果

POST _analyze
{ "analyzer": "ik_max_word",
	"text": "我是中国人"
}

不同的分词器，分词有明显的区别，所以定义一个索引不能使用默认的 mapping，需要手工建立 mapping 来选择分词器。

自定义分词器

安装Nginx

# 任意启动一个 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，别忘了后面的点
docker container cp nginx:/etc/nginx .
# 修改文件名称并把conf移动到/mydata/nginx 下
mv nginx conf
# 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

进入 elasticsearch 容器修改/usr/share/elasticsearch/plugins/ik/config/中的 IKAnalyzer.cfg.xml

<?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远程扩展字典 -->
	<entry key="remote_ext_dict">http://192.168.4.13/fenci/myword.txt</entry>
</properties>

按照 remote_ext_dict 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

Elasticsearch-Rest-Client

Elasticsearch-Rest-Client：官方 RestClient，封装了 ES 操作，API 层次分明，上手简单。

https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html

1. SpringBoot 整合

<dependency>
    <groupId>org.elasticsearch.client</groupId>
    	<artifactId>elasticsearch-rest-high-level-client</artifactId>
    <version>7.4.2</version>
</dependency>

2. 配置

@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) {
        }
    }
}