一.ElasticSearch教程-全文检索&ES概述&ES安装&Kibana安装

ChenYuxin745

已于 2023-06-15 20:01:03 修改

阅读量415

点赞数

分类专栏：《ElasticSearch教程》文章标签：全文检索 elasticsearch 搜索引擎

于 2023-06-15 19:59:22 首次发布

本文链接：https://blog.csdn.net/weixin_44378507/article/details/131234879

版权

《ElasticSearch教程》专栏收录该内容

1 篇文章 0 订阅

订阅专栏

1 全文检索

1.1 为什么需要全文检索

大型分布式的商城项目，例如京东，淘宝的关键字搜索框如何高效地检索数据？

如果使用数据库的模糊查询，像是like，缺点如下：
速度非常慢，因为LIKE是将数据从头到尾匹配，在大数据的情况下，匹配速度会非常久
需要匹配的数据库表、数据库数据众多

使用全文检索引擎：可以通过提前将数据库中要检索的数据，放入到全文搜索工具中，将所有数据按照一定的规则进行排序，再进搜索
优点：
速度快：按照一定的规则排序之后，无论用户搜索什么，我们都可以快速找到对应数据
可以实现搜索相似度高的数据排在前面
关键字的高亮，仔细观察我们的百度搜索、商城搜索，可以发现我们搜索的关键字是会有颜色标注的
只处理文本不处理语义：意思就是把相关搜索结果文章告诉你，而不是直接得到答案

全文检索引擎的优点：搜索速度快，可根据需求进行定制化配置

1.2 什么是全文搜索引擎

数据的分类
- 结构化数据：类似于MySql存储的数据，就是结构化数据，结构化数据搜索可以按照一定的规则去找，所以结构化数据搜索是最快的
- 半结构化数据：类似于XML、JSON格式的数据，有一定结构的数据，搜索效率没有结构化数据高
- 非结构化数据：类似于Word、PDF格式的数据，就是纯粹的文本数据，完全没有结构
全文检索引擎：其实就是将无结构的数据，通过全文检索引擎变成有结构的数据，从而实现高效率搜索
- 全文：针对所有文本，也就是我们存储到搜索服务器中的文本内容
- 检索：就是搜索的意思
- 引擎：可以认为是一个服务器，一个工具，我们可以使用这个工具达到我们想要的效果

1.3 常见的全文搜索引擎

Lucene：是搜索引擎的底层，常用的搜索引擎都是封装了Lucene，它是一个工具包
ElasticSearch：全文搜索服务器，封装了lucene并扩展，适用于中大型项目
Solr：全文检索服务器，仅次于ElasticSearch，封装了lucene并扩展，使用于中型项目（社区活跃度不及ElasticSearch，不推荐）

2 ES概述

2.1 为什么使用ElasticSearch(ES)

全文搜索领域，Lucene被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库

但是Lucene只是一个库，想要使用它，你必须使用Java来作为开发语言并将其直接集成到你的应用中，而且Lucene的配置及使用非常复杂，你需要深入了解检索的相关知识来理解它是如何工作的，所以我们需要使用Lucene的包装技术ElasticSearch

2.2 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使用Java开发，并使用Lucene作为其核心来实现索引创建和索引搜索的功能，但是它的目的是通过简单的 RESTful API来替换掉Lucene的复杂性，从而让全文搜索变得简单
总的来说ElasticSearch简化了全文检索lucene的使用，同时增加了分布式的特性，使得构建大规模分布式全文检索变得非常容易，底层基于Luence，上手快。

添加一个文档：
PUT /shop/user/1
{
  "id":1,
  "name":"张三"
}

根据索引获取文档：
GET /shop/user/1

2.3 ES特点

分布式的近实时文件存储：存入ES的数据，可以很快被搜索到，所以叫近实时，mysql就是实时文件存储，存入立马可以被查询到
能在分布式项目/集群中使用，是分布式全文搜索引擎，每个字段都被索引并可被搜索，ES的数据在集群中的每个服务器上都可被搜索到
处理PB级结构化或非结构化数据：可以处理的数据量非常大，因为1024TB=1PB
简单的 RESTful API通信方式：可以通过API进行调用使用
支持各种语言的客户端：只要是支持发送HTTP请求的语言ES都支持
基于Lucene封装，操作简单

2.4 ES和Lucene的区别

Lucene只支持Java，ES支持多种语言
Lucene非分布式，ES支持分布式
Lucene非分布式的，索引目录只能在项目本地， ES的索引库可以跨多个服务分片存储
Lucene使用非常复杂， ES屏蔽了Lucene的使用细节，操作更方便
单体/小项目使用Lucene/solr，大项目，分布式项目使用ES

2.5 ES使用案例

Github使用Elasticsearch搜索20TB的数据，包括13亿的文件和1300亿行的代码
Foursquare实时搜索5千万地点信息，Foursquare每天都用Elasticsearch做这样的事
Sony公司使用Elasticsearch 作为信息搜索引擎

2.6 其他搜索引擎

Solr-重量级对手
- Apache Lucene项目的开源企业搜索平台。其主要功能包括全文检索、命中标示、分面搜索、动态聚类、数据库集成，以及富文本（如Word、PDF）的处理。Solr是高度可扩展的，并提供了分布式搜索和索引复制。Solr是最流行的企业级搜索引擎，Solr4 还增加了NoSQL支持
- Solr和ES比较
  - Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能
  - Solr 支持更多格式的数据，而 Elasticsearch 仅支持json文件格式
  - Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提供
  - Solr 在传统的搜索应用中表现好于 Elasticsearch，但在处理实时搜索应用时效率明显低于 Elasticsearch
  - Solr 是传统搜索应用的有力解决方案，但Elasticsearch更适用于新兴的实时搜索应用
Katta
- 基于 Lucene 的，支持分布式，可扩展，具有容错功能，准实时的搜索方案
- 优点：开箱即用，可以与 Hadoop (大数据)配合实现分布式。具备扩展和容错机制
- 缺点：只是搜索方案，建索引部分还是需要自己实现。在搜索功能上，只实现了最基本的需求。成功案例较少，项目的成熟度稍微差一些
HadoopContrib
- 大数据相关的东西
- Map/Reduce 模式(云计算)的，分布式建索引方案，可以跟 Katta 配合使用
- 优点：分布式建索引，具备可扩展性
- 缺点：只是建索引方案，不包括搜索实现。工作在批处理模式，对实时搜索的支持不佳

2.7 ES的优点

分布式架构：ES是一种基于Lucene的分布式全文搜索引擎，在数据存储和查询方面具有较强的并发处理能力和水平扩展能力。例如，在日志分析领域，使用ELK Stack（Elasticsearch、Logstash和Kibana）将日志收集、过滤、存储和可视化展现的整个流程，其中的Elasticsearch作为强大的搜索引擎支持海量日志的快速检索和分析。
实时搜索：ES支持实时查询，并且可以在毫秒级别内返回搜索结果，有效地支持监控应用程序、搜索引擎、电商应用、金融交易等需要快速反馈的场景。例如，在电商应用领域，使用ES来搜索商品可以实现实时展示用户感兴趣的商品信息，提高用户购物体验。
强大的搜索功能：ES拥有先进的搜索能力，可以支持全文检索、多字段匹配、模糊匹配、拼音转换、近似搜索、词项匹配等多种搜索方式，同时还支持聚合、分组、分页、排序等高级特性。例如，在社交网络应用中，可以使用ES来搜索用户、话题和帖子，实现高效的匹配和聚合。
易于使用：ES提供了简单易用的API和UI界面，支持多种编程语言的客户端，方便开发人员进行搜索和管理。同时ES还有许多插件和第三方工具，如Kibana、Beats等，能够进一步扩展ES的功能。例如，在安全分析领域，使用Elasticsearch Security插件可以扩展ES的用户认证和授权功能，提高系统的安全性。
大数据处理能力：ES支持海量数据的存储和处理，并且能够与Hadoop、Spark等大数据技术结合使用，处理大规模数据。例如，在广告推荐系统中，使用ES作为数据存储和查询的引擎，可以处理千万级别的用户和广告数据，从而实现更准确的推荐服务。
开源免费：ES是一款开源软件，采用Apache 2.0许可证，可以免费使用和修改，对于独立开发者和小型企业来说成本较低。例如，国内知名的拼音搜索引擎Pinyinjoe就采用了Elasticsearch，提供了开放的搜索接口。

综上所述，ES具有分布式、实时、强大的搜索功能、易于使用、大数据处理能力和开源免费等多种优点，成为了企业级全文搜索引擎的首选方案，被广泛应用于多个领域。

3 ES下载安装

ES的安装比较简单，只需要官方下载ES的运行包，然后启动ES服务即可。ES的使用主要是通过能够发起HTTP请求的终端来接入，比如Poster插件、CURL、kibana5等
ES服务只依赖于JDK，推荐使用JDK1.8+，本课程在window环境下，以ES6.8.6版本为例，下载对应的ZIP文件
官网：https://www.elastic.co/downloads/elasticsearch，最新版本是8.X，不推荐下载使用
安装：ES是绿色安装，解压即安装

3.1 启动

3.2 ES内存配置

ES默认占用内存是1G，我们可以调小一点，防止ES占用内存过大

4 Kibana：ES的可视化平台

Kibana：是为ES设计的开源分析和可视化平台，你可以使用 Kibana 来搜索、查看存储在ES索引中的数据并与之交互，你可以很容易实现高级的数据分析和可视化，以图表的形式展现出来
总的来说就是帮助我们更加便捷的操作ES、展示ES的数据

4.1 Kibana安装

官网：https://www.elastic.co/downloads/kibana
Kibana也是绿色安装，本次我们使用的是和ES一样的版本6.X，一般情况下都和使用的ES版本一致即可
默认情况下双击Kibana.bat会连接本地ES：http://localhost:9200，进行使用，但是我们可以通过配置文件进行修改

4.2 Kibana测试

浏览器访问：http://localhost:5601，Kibana的默认访问地址

4.3修改Kibana为中文界面

Kibana默认是英文界面，我们可以在配置中进行修改，修改后重启即可

4.4 ES基本概念

查询上下文
- 在ES查询后会返回一些信息，比如分页信息、结果信息、相关度分数等，这些都是通过查询上下文进行返回
相关度分数
- 默认情况下，ES根据相关性分数对结果进行排序，相关性分数是一个浮点型数字，通过过滤元数据字段_score返回，分数越高，代表搜索结果的相关性越大
元数据
- 从索引中查询出的结果可以称之为元数据，也就是我们搜索ES后得到的结果称为元数据

# 创建索引，可以先删除索引，再重新添加文档类型映射
DELETE shop

PUT /shop



PUT /shop/_doc/_mapping
{
  "_doc":{
    "properties": {
      "id":{
        "type": "long"
      },
      "name":{
        "type": "text",
        "analyzer": "ik_smart",
        "search_analyzer": "ik_smart"
      },
      "age":{
        "type": "integer"
      },
      "sex":{
        "type": "integer"
      }
    }
  }
}




GET /shop/_doc/_search


GET /shop/_doc/_search
{
  "query":{
    "bool":{
      "must": [{ 
        "match": {
         "name":"我在成都"
        }
      }
        
      ],
      "filter": [{
          "term": {
            "sex": {
              "value": "1"
            }
          }
        },{
          "range": {
            "age": {
              "gte": 1,
              "lte": 12
            }
          }
        }
      ]
      
    }
        
      
  }, 
  "from": 2,
  "size":2,
  "sort": [
      {
        "age": "desc"
      }
  ],
  "_source": ["name","age","sex"]
}

package com.alibaba.es;

import com.alibaba.utils.ESClientUtil;
import org.elasticsearch.action.delete.DeleteResponse;
import org.elasticsearch.action.get.GetResponse;
import org.elasticsearch.action.index.IndexRequestBuilder;
import org.elasticsearch.action.index.IndexResponse;
import org.elasticsearch.action.search.SearchRequestBuilder;
import org.elasticsearch.client.transport.TransportClient;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.sort.SortOrder;
import org.junit.Test;

import java.util.Arrays;
import java.util.HashMap;
import java.util.Map;
import java.util.stream.Stream;

public class EsTest {
    /*
     * ES的crud
     * */
    @Test
    public void testAdd() {
        TransportClient client = ESClientUtil.getClient();// 获取连接,这里的client就是java连接ES的客户端
        // 添加数据
        // client.prepareIndex("索引名","类型名","id").setSource("json格式的数据").get();
        IndexRequestBuilder indexRequestBuilder = client.prepareIndex("shop", "_doc");
        Map<String, Object> map = new HashMap<>();
        map.put("id", 2);
        map.put("name", "李思思");
        map.put("age", 16);
        map.put("sex", 0);
        IndexResponse indexResponse = indexRequestBuilder.setSource(map).get();
        System.out.println(indexResponse);

    }

    @Test
    public void testGet() {
        TransportClient client = ESClientUtil.getClient();// 获取连接,这里的client就是java连接ES的客户端
        // 查询数据
        // client.prepareGet("索引名","类型名","id").get();
        // client.prepareGet("索引名","类型名","id").setOperationThreaded(false).get();
        GetResponse documentFields = client.prepareGet("shop", "_doc", "9g4_vogBBfk9FP3Z9OLv").get();
        System.out.println(documentFields.getSourceAsString());


    }

    @Test
    public void testUpdate() {
        TransportClient client = ESClientUtil.getClient();// 获取连接,这里的client就是java连接ES的客户端
        // 修改数据
        // client.prepareUpdate("索引名","类型名","id").setDoc("json格式的数据").get();
        IndexRequestBuilder indexRequestBuilder = client.prepareIndex("shop", "_doc", "9g4_vogBBfk9FP3Z9OLv");
        Map<String, Object> map = new HashMap<>();
        map.put("name", "李二麻子");
        IndexResponse indexResponse = indexRequestBuilder.setSource(map).get();
        System.out.println(indexResponse);


    }

    @Test
    public void testDelete() {
        TransportClient client = ESClientUtil.getClient();// 获取连接,这里的client就是java连接ES的客户端
        // 删除数据
        // client.prepareDelete("索引名","类型名","id").get();
        DeleteResponse deleteResponse = client.prepareDelete("shop", "_doc", "9g4_vogBBfk9FP3Z9OLv").get();
        System.out.println(deleteResponse);


    }

    /*
    复杂查询
    条件
    - 查询_doc表
    - name包含：我在成都
    - age在1~12之间
    - sex=1
    - 每页大小2
    - 从2页开始查
    - 按照age倒序
     */
    @Test
    public void testQuery() {
        TransportClient client = ESClientUtil.getClient();// 获取连接,这里的client就是java连接ES的客户端
        // 复杂查询
        // client.prepareSearch("索引名").setTypes("类型名").setQuery(QueryBuilders.boolQuery().must(QueryBuilders.matchQuery("字段名","字段值"))).get();
        SearchRequestBuilder searchRequestBuilder = client.prepareSearch("shop").setTypes("_doc"); // 查询_doc表
        // 查询条件
        //  查询_doc表
        //     - name包含：我在成都
        //     - age在1~12之间
        //     - sex=1
        //     - 每页大小2
        //     - 从2页开始查
        // 按照age倒序
        BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
        // 分页查询
        searchRequestBuilder.setFrom(2).setSize(2);
        // 排序， 按照age倒序
        searchRequestBuilder.addSort("age", SortOrder.DESC);
        // name包含：我在成都
        boolQueryBuilder.must(QueryBuilders.matchQuery("name", "我在成都"));

        // sex = 1, age在1~12之间
        boolQueryBuilder.filter(QueryBuilders.termQuery("sex", 1)).filter(QueryBuilders.rangeQuery("age").gte(1).lte(12));

        // 查询
        SearchRequestBuilder searchRequestBuilder1 = searchRequestBuilder.setQuery(boolQueryBuilder);
        // 将结果转换为map输出
        Stream<SearchHit> stream = Arrays.stream(searchRequestBuilder1.get().getHits().getHits());
        // 流转换为数组
        SearchHit[] searchHits = stream.toArray(SearchHit[]::new);
        System.out.println(Arrays.toString(searchHits));
       // System.out.println(searchRequestBuilder1.get().getHits().getHits());

    }
    @Test
    public void testGenData(){
        TransportClient client = ESClientUtil.getClient();
        // for循环生成数据
        IndexRequestBuilder indexRequestBuilder = client.prepareIndex("shop", "_doc");
        Map<String, Object> map = new HashMap<>();
        for (int i = 0; i < 100; i++) {
            map.put("id", i);
            map.put("name", i%2==0?"李思思"+i:"我在成都");
            map.put("age", i);
            map.put("sex", i%2==0?0:1);
            indexRequestBuilder.setSource(map).get();
            // 清空map数据
            map.clear();
        }
    }

}

{
  "took" : 20,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 6,
    "max_score" : null,
    "hits" : [
      {
        "_index" : "shop",
        "_type" : "_doc",
        "_id" : "_g5KvogBBfk9FP3Zo-JB",
        "_score" : null,
        "_source" : {
          "sex" : 1,
          "name" : "我在成都",
          "age" : 7
        },
        "sort" : [
          7
        ]
      },
      {
        "_index" : "shop",
        "_type" : "_doc",
        "_id" : "_A5KvogBBfk9FP3Zo-I2",
        "_score" : null,
        "_source" : {
          "sex" : 1,
          "name" : "我在成都",
          "age" : 5
        },
        "sort" : [
          5
        ]
      }
    ]
  }
}

这个信息是Elasticsearch查询操作的返回结果，主要包括以下几个部分：

took：该查询操作耗时，单位为毫秒。

timed_out：查询操作是否超时。

_shards：查询操作在集群中涉及到的分片信息，包括：

a) total：涉及到的总分片数。

b) successful：查询成功的分片数。

c) skipped：跳过的分片数。

d) failed：查询失败的分片数。

hits：查询结果，包括：

a) total：符合查询条件的文档数量。

b) max_score：最高得分。

c) hits：命中的文档详细信息，包括该文档所在的索引、类型、ID等信息。

 - _index：文档所在的索引名称。
 
 - _type：文档类型。
 
 - _id：文档ID。
 
 - _score：文档得分。 
 
 - _source：文档内容。
 
 - sort：排序方式和依据。

 例如，上述结果中返回的6个命中文档，其中两个文档的相关信息包含有 “sex”、“name”、“age”三个字段。同时使用对“age”字段进行排序，第一个文档的“age”字段值为7，第二个文档的“age”字段值为5。

DSL：数据查询规范
- 在MySql中查询语句叫做查询SQL，例如我们的SELECT，在Elasticsearch中查询语句叫做DSL，Elasticsearch基于JSON提供完整的查询DSL来定义查询
NearRealtime【NRT】
- 近实时：表示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
Index：索引
- 在ES中索引就相当于是一个数据库，我们可以类比一下MySql，我们使用MySql第一步就是要创建数据库，那么在ES中第一步就是要创建索引
- 创建一个索引：PUT http://localhost:9200/索引名称
- 删除一个索引：DELETE http://localhost:9200/索引名称
- 查询一个索引：GET http://localhost:9200/索引名称
Type：类型
- 在ES中类型就相当于是一张数据库表，我们可以类比一下MySql，我们在MySql中创建好了数据库，那么必定要创建数据库表，在ES中叫做类型，但是在ES7之后会慢慢弃用类型，也就是不需要创建类型，我们目前在ES6.X中还是需要的
Document：文档，ES其实就是面向文档的
- 在ES中文档就是最小的存储数据单位了，我们可以类比一下MySql，以前是在数据库/表/下存储一条数据，那么在ES中我们存储一条数据，叫做存储一个文档，在Index/Type/下存储一个Document
field：字段
- 表示Document中的某个字段，叫做field
文档ID：代表一个Document数据的唯一ID
- 类似于MySql中一条数据的主键ID

Relational DB	ElasticSearch
数据库	索引-Index
表	类型-Type
行	文档-Document
字段	字段-fieId
SQL语句	DSL语句
主键ID	文档ID

喜欢的话请给我点个赞再走吧，你的鼓励是我最大的动力！

ChenYuxin745

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
一.ElasticSearch教程-全文检索&ES概述&ES安装&Kibana安装

数据的分类结构化数据：类似于MySql存储的数据，就是结构化数据，结构化数据搜索可以按照一定的规则去找，所以结构化数据搜索是最快的半结构化数据：类似于XML、JSON格式的数据，有一定结构的数据，搜索效率没有结构化数据高非结构化数据：类似于Word、PDF格式的数据，就是纯粹的文本数据，完全没有结构全文检索引擎：其实就是将无结构的数据，通过全文检索引擎变成有结构的数据，从而实现高效率搜索全文：针对所有文本，也就是我们存储到搜索服务器中的文本内容检索：就是搜索的意思。
复制链接

扫一扫