ElasticSearch概述
Elaticsearch,简称为es, es是一个开源的高扩展的分布式全文检索引擎,它可以近乎实时的存储、检索数据;本身扩展性很好,可以扩展到上百台服务器,处理PB级别(大数据时代)的数据。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来隐藏Lucene的复杂性,从而让全文搜索变得简单。
ElasticSearch的使用场景
- 维基百科,类似百度百科,全文检索,高亮,搜索推荐/2 (权重,百度!)
- The Guardian(国外新闻网站),类似搜狐新闻,用户行为日志(点击,浏览,收藏,评论)+社交网络数据(对某某新闻的相关看法),数据分析,给到每篇新闻文章的作者,让他知道他的文章的公众反馈(好,坏,热门,垃圾,鄙视,崇拜)
- Stack Overflow(国外的程序异常讨论论坛),IT问题,程序的报错,提交上去,有人会跟你讨论和回答,全文检索,搜索相关问题和答案,程序报错了,就会将报错信息粘贴到里面去,搜索有没有对应的答案
- GitHub(开源代码管理),搜索上千亿行代码
- 电商网站,检索商品
- 日志数据分析,logstash采集日志,ES进行复杂的数据分析,ELK技术,elasticsearch+logstash+kibana
- 商品价格监控网站,用户设定某商品的价格阈值,当低于该阈值的时候,发送通知消息给用户,比如说订阅牙膏的监控,如果高露洁牙膏的家庭套装低于50块钱,就通知我,我就去买。
- BI系统,商业智能,Business Intelligence。比如说有个大型商场集团,BI,分析一下某某区域最近3年的用户消费金额的趋势以及用户群体的组成构成,产出相关的数张报表,**区,最近3年,每年消费金额呈现100%的增长,而且用户群体85%是高级白领,开一个新商场。ES执行数据分析和挖掘,Kibana进行数据可视化
- 国内:站内搜索(电商,招聘,门户,等等),IT系统搜索(OA,CRM,ERP,等等),数据分析(ES热门的一个使用场景)
ES和solr的差别
- es基本是开箱即用(解压就可以用 ! )非常简单。Solr安装略微复杂一点点!
- 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,比如JSON、XML、CSV,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,例如图形化界面需要kibana友好支撑~!
- Solr 查询快,但更新索引时慢(即插入删除慢),用于电商等查询多的应用;
- ES建立索引快(即查询慢),即实时性查询快,用于facebook新浪等搜索。
- 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。
- Solr比较成熟,有一个更大,更成熟的用户、开发和贡献者社区,而 Elasticsearch相对开发维护者较少,更新太快,学习使用成本较高。(趋势!)
ElasticSearch安装
官网下载慢,可以从华为云的镜像去下载
ElasticSearch: https://mirrors.huaweicloud.com/elasticsearch/?C=N&O=D
logstash: https://mirrors.huaweicloud.com/logstash/?C=N&O=D
kibana: https://mirrors.huaweicloud.com/kibana/?C=N&O=D
ElasticSearch的安装
启动bin
目录下的elasticsearch.bat
,浏览器访问localhost:9200
效果如下
可视化界面 es head的插件的安装
- 首先配置es可跨域
在config
目录中的elasticsearch.yml
文件中配置
http.cors.enabled: true
http.cors.allow-origin: "*"
-
使用git拉取https://github.com/mobz/elasticsearch-head/
-
启动
npm install
npm run start
- 访问http://localhost:9100
也可直接安装chrome插件,免去以上拉取启动步骤
了解 ELK
ELK是Elasticsearch、Logstash、Kibana三大开源框架首字母大写简称。市面上也被成为Elastic Stack。其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架,可见Elasticsearch提供的搜索能力确实强大,市面上很多时候我们简称Elasticsearch为es。Logstash是ELK的中央数据流引擎,用于从不同目标(文件/数据存储/MQ)收集的不同格式数据,经过过滤后支持输出 到不同目的地(文件/MQ/redis/elasticsearch/kafka等)。Kibana可以将elasticsearch的数据通过友好的页面展示出来,提供实时分析的功能。
市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称,但实际上ELK不仅仅适用于日志分析,它还可以支持其它任何数据分析和收集的场景,日志分析和收集只是更具有代表性。并非唯一性。
安装Kibana
Kibana是一个针对Elasticsearch的开源分析及可视化平台,用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana,可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单,基于浏览器的用户界面可以快速创建仪表板(dashboard)实时显示Elasticsearch查询动态。设置Kibana非常简单。无需编码或者额外的基础架构,几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。
Kibana 版本要和 es 一致!
汉化设置: 修改config
目录下的kibana.yml
文件,在文件末尾添加i18n.locale: "zh-CN"
启动: 打开bin
目录下的kibana.bat
访问http://localhost:5601
ES核心概念
elasticsearch是面向文档,关系行数据库 和 elasticsearch 客观的对比!一切都是JSON!
Relational DB | Elasticsearch |
---|---|
数据库(database) | 索引(indices) |
表(tables) | types |
行(rows) | documents |
字段(columns) | fields |
elasticsearch(集群)中可以包含多个索引(数据库),每个索引中可以包含多个类型(表),每个类型下又包含多个文档(行),每个文档中又包含多个字段(列)。
物理设计:
elasticsearch 在后台把每个索引划分成多个分片,每分分片可以在集群中的不同服务器间迁移一个人就是一个集群!默认的集群名称就是 elaticsearh
逻辑设计:
一个索引类型中,包含多个文档,比如说文档1,文档2。 当我们索引一篇文档时,可以通过这样的一各顺序找到 它: 索引==> 类型 ==> 文档ID ,通过这个组合我们就能索引到某个具体的文档。 注意:ID不必是整数,实际上它是个字符串。
文档
就是我们的一条条数据
user
zhangsan 18
lisi 19
之前说elasticsearch是面向文档的,那么就意味着索引和搜索数据的最小单位是文档,elasticsearch 中,文档有几个重要属性 :
- 自我包含: 一篇文档同时包含字段和对应的值,也就是同时包含 key:value
- 可以是层次型的,一个文档中包含自文档,复杂的逻辑实体就是这么来的! {就是一个json对象!fastjson进行自动转换!}
- 灵活的结构,文档不依赖预先定义的模式,我们知道关系型数据库中,要提前定义字段才能使用,在elasticsearch中,对于字段是非常灵活的,有时候,我们可以忽略该字段,或者动态的添加一个新的字段。
尽管我们可以随意的新增或者忽略某个字段,但是,每个字段的类型非常重要,比如一个年龄字段类型,可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型,这也是为什么在elasticsearch中,类型有时候也称为映射类型。
类型
类型是文档的逻辑容器,就像关系型数据库一样,表格是行的容器。 类型中对于字段的定义称为映射, 比如 name 映射为字符串类型。 我们说文档是无模式的,它们不需要拥有映射中所定义的所有字段, 比如新增一个字段,elasticsearch会自动的将新字段加入映射,但是这个字段的不确定它是什么类型,elasticsearch就开始猜,如果这个值是18,那么elasticsearch会认为它是整形。 但是elasticsearch也可能猜不对, 所以最安全的方式就是提前定义好所需要的映射,这点跟关系型数据库殊途同归了,先定义好字段,然后再使用。
索引
就是数据库!
索引是映射类型的容器,elasticsearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。 然后它们被存储到了各个分片上了。
物理设计 :节点和分片 如何工作
一个集群至少有一个节点,而一个节点就是一个elasricsearch进程,节点可以有多个索引默认的,如果你创建索引,那么索引将会有个5个分片 ( primary shard ,又称主分片 ) 构成的,每一个主分片会有一个副本 ( replica shard ,又称复制分片 )
上图是一个有3个节点的集群,可以看到主分片和对应的复制分片都不会在同一个节点内,这样有利于某个节点挂掉了,数据也不至于丢失。 实际上,一个分片是一个Lucene索引,一个包含倒排索引的文件目录,倒排索引的结构使得elasticsearch在不扫描全部文档的情况下,就能告诉你哪些文档包含特定的关键字。
倒排索引
elasticsearch使用的是一种称为倒排索引的结构,采用Lucene倒排索作为底层。这种结构适用于快速的全文搜索, 一个索引由文档中所有不重复的列表构成,对于每一个词,都有一个包含它的文档列表。 例如,现在有两个文档, 每个文档包含如下内容:
Study every day, good good up to forever # 文档1包含的内容
To forever, study every day, good good up # 文档2包含的内容
为了创建倒排索引,我们首先要将每个文档拆分成独立的词(或称为词条或者tokens),然后创建一个包含所有不重 复的词条的排序列表,然后列出每个词条出现在哪个文档 :
term | doc_1 | doc_2 |
---|---|---|
Study | √ | × |
To | x | × |
every | √ | √ |
forever | √ | √ |
day | √ | √ |
study | × | √ |
good | √ | √ |
every | √ | √ |
to | √ | × |
up | √ | √ |
现在,我们试图搜索 to forever,只需要查看包含每个词条的文档 score
term | doc_1 | doc_2 |
---|---|---|
to | √ | × |
forever | √ | √ |
total | 2 | 1 |
两个文档都匹配,但是第一个文档比第二个匹配程度更高。如果没有别的条件,现在,这两个包含关键字的文档都将返回。
再来看一个示例,比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构 :
如果要搜索含有 python 标签的文章,那相对于查找所有原始数据而言,查找倒排索引后的数据将会快的多。只需要查看标签这一栏,然后获取相关的文章ID即可。完全过滤掉无关的所有数据,提高效率!
IK分词器插件
-
下载 github地址:https://github.com/medcl/elasticsearch-analysis-ik/releases
由于github下载较慢, 这里提供 蓝奏云地址:https://manaphy.lanzous.com/igd0qe2ssgd
-
下载完毕之后,放入到我们的elasticsearch 插件即可
-
重启es
- 通过
elasticsearch-plugin list
这个命令来查看加载进来的插件
- 使用kibana测试
查看不同的分词效果
ik_smart为最少切分
ik_max_word为最细粒度划分!穷尽词库的可能字典!
添加自己需要的词到分词器的字典中
问题如下: 时拉比被拆分了
在分词器config
文件夹下创建my.dic
文件 文件里添加我们需要的词 在IKAnalyzer.cfg.xml
中配置
重启es
Rest风格说明
一种软件架构风格,而不是标准,只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁,更有层次,更易于实现缓存等机制。
基本Rest命令说明:
method | URL地址 | 描述 |
---|---|---|
PUT | localhost:9200/索引名称/类型名称/文档id | 创建文档(指定文档id) |
POST | localhost:9200/索引名称/类型名称 | 创建文档(随机文档id) |
POST | localhost:9200/索引名称/类型名称/文档id/_update | 修改文档 |
DELETE | localhost:9200/索引名称/类型名称/文档id | 删除文档 |
GET | localhost:9200/索引名称/类型名称/文档id | 查询文档通过文档id |
POST | localhost:9200/索引名称/类型名称/_search | 查询所有数据 |
关于索引的基本操作
创建一个索引
PUT /索引名/~类型名~/文档id
{请求体}
在 es head 中查看
字段的类型
-
字符串类型
-
数值类型
long, integer, short, byte, double, float, half_float, scaled_float
-
日期类型
-
te布尔值类型
-
二进制类型
指定字段的类型
创建规则完后 可以通过 GET
请求获取具体的信息
查看默认的信息
如果自己的文档字段没有指定,那么es 就会给我们默认配置字段类型!
扩展: 通过GET _cat/ 可以获得es的当前的很多信息!
修改索引内容
以前的方法: 还是使用PUT
命令
现在推荐使用以下方法 POST
删除索引
通过DELETE 命令实现删除、 根据你的请求来判断是删除索引还是删除文档记录!
关于文档的基本操作
添加数据
获取数据
修改数据
简单搜索
复杂操作搜索
过滤结果
排序
分页
与数据库的分页查询类似
布尔值查询
must (and),类似 where id = 1 and name = xxx
should (or), 类似 where id = 1 or name = xxx
must_not (not)
过滤器 filter
匹配多个条件
多个条件使用空格隔开 只要满足其中一个结果就可以被查出
高亮查询
Spring boot 集成 ElasticSearch
引入依赖
<properties>
<!--自定义 es 版本依赖 保证和本地一致-->
<elasticsearch.version>7.8.0</elasticsearch.version>
</properties>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
<dependency>
<groupId>com.alibaba</groupId>
<artifactId>fastjson</artifactId>
<version>${fastjson.version}</version>
</dependency>
配置ElasticSearch
@Configuration
public class ElasticSearchClientConfig {
@Bean
public RestHighLevelClient restHighLevelClient() {
return new RestHighLevelClient(
RestClient.builder(new HttpHost("localhost", 9200, "http"))
);
}
}
测试索引的创建和删除
@Resource
private RestHighLevelClient client;
/**
* 创建索引的测试
*/
@Test
void createIndexTest() throws IOException {
//1.创建索引请求
CreateIndexRequest request = new CreateIndexRequest("chen_index");
//2.客户端执行请求 IndicesClient,请求后获得响应
CreateIndexResponse createIndexResponse = client.indices().create(request, RequestOptions.DEFAULT);
System.out.println(createIndexResponse);
}
/**
* 索引存在测试,判断索引是否存在
*/
@Test
void existIndexTest() throws IOException {
GetIndexRequest request = new GetIndexRequest("chen_index");
boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
System.out.println(exists);
}
/**
* 删除索引测试
*/
@Test
void deleteIndexTest() throws IOException {
DeleteIndexRequest request = new DeleteIndexRequest("chen_index");
AcknowledgedResponse response = client.indices().delete(request, RequestOptions.DEFAULT);
System.out.println(response.isAcknowledged());
}
测试文档的CRUD
/**
* 添加文档测试
*/
@Test
void addDocument() throws IOException {
//创建对象和索引(执行创建索引Test)
User user = new User("Manaphy", 3);
//创建请求
IndexRequest request = new IndexRequest("chen_index");
//规则 put /chen_index/_doc/1
request.id("1");
//设置超时时间
request.timeout(TimeValue.timeValueSeconds(1));
// request.timeout("1s");//同上
//将数据放入请求 json
request.source(JSON.toJSONString(user), XContentType.JSON);
//客户端发送请求
IndexResponse indexResponse = client.index(request, RequestOptions.DEFAULT);
System.out.println(indexResponse.toString());//IndexResponse[index=chen_index,type=_doc,id=1,version=1,result=created,seqNo=0,primaryTerm=1,shards={"total":2,"successful":1,"failed":0}]
System.out.println(indexResponse.status());//对应我们命令返回的状态 CREATED
}
/**
* 获取文档 get /chen_index/_doc/1
*/
@Test
void isExist() throws IOException {
GetRequest getRequest = new GetRequest("chen_index", "1");
//不获取返回的 _source 的上下文
getRequest.fetchSourceContext(new FetchSourceContext(false));
getRequest.storedFields("_none_");
boolean exists = client.exists(getRequest, RequestOptions.DEFAULT);
System.out.println(exists);
}
/**
* 获得文档的信息
*/
@Test
void getDocument() throws IOException {
GetRequest getRequest = new GetRequest("chen_index", "1");
GetResponse getResponse = client.get(getRequest, RequestOptions.DEFAULT);
//打印文档内容
System.out.println(getResponse.getSourceAsString());//{"age":3,"name":"Manaphy"}
System.out.println(getResponse);//{"_index":"chen_index","_type":"_doc","_id":"1","_version":1,"_seq_no":0,"_primary_term":1,"found":true,"_source":{"age":3,"name":"Manaphy"}}
}
/**
* 更新文档的信息
*/
@Test
void updateDocument() throws IOException {
UpdateRequest updateRequest = new UpdateRequest("chen_index", "1");
updateRequest.timeout("1s");
User user = new User("Manaphy Chen", 3);
updateRequest.doc(JSON.toJSONString(user), XContentType.JSON);
UpdateResponse response = client.update(updateRequest, RequestOptions.DEFAULT);
System.out.println(response);//UpdateResponse[index=chen_index,type=_doc,id=1,version=2,seqNo=1,primaryTerm=1,result=updated,shards=ShardInfo{total=2, successful=1, failures=[]}]
System.out.println(response.status());//OK
}
/**
* 删除文档记录
*/
@Test
void deleteDocument() throws IOException {
DeleteRequest request = new DeleteRequest("chen_index", "1");
request.timeout("1s");
DeleteResponse response = client.delete(request, RequestOptions.DEFAULT);
System.out.println(response.status());//OK
}
/**
* 批量插入数据
*/
@Test
void bulkRequest() throws IOException {
BulkRequest bulkRequest = new BulkRequest();
bulkRequest.timeout(TimeValue.timeValueMinutes(1));
ArrayList<User> userList = new ArrayList<User>() {{
add(new User("chen1", 3));
add(new User("chen2", 3));
add(new User("chen3", 2));
add(new User("chen4", 3));
add(new User("chen5", 4));
}};
//批处理请求
for (int i = 0; i < userList.size(); i++) {
//批量更新和批量删除 就在这里修改对应的请求即可
// bulkRequest.add(DeleteRequest deleteRequest)
// bulkRequest.add(UpdateRequest updateRequest)
bulkRequest.add(
new IndexRequest("chen_index")
.id("" + (i + 1))//如果这里不指定id 就会生成一个随机的id 如 5fZb9XIBR6G61hgle73t
.source(JSON.toJSONString(userList.get(i)), XContentType.JSON));
}
BulkResponse response = client.bulk(bulkRequest, RequestOptions.DEFAULT);
System.out.println(response.hasFailures());//是否失败,返回 false 代表成功
}
搜索
/**
* 查询
* SearchRequest 搜索请求
* SearchSourceBuilder 条件构造
* HighlightBuilder 构建高亮
* TermQueryBuilder 精确查询
* QueryBuilders 构建查询条件
*/
@Test
void search() throws IOException {
SearchRequest searchRequest = new SearchRequest("chen_index");
//构建搜索条件
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
//查询条件, 使用 QueryBuilders 工具来实现
TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "chen1");
sourceBuilder.query(termQueryBuilder);
sourceBuilder.timeout(TimeValue.timeValueMinutes(1));
//高亮
HighlightBuilder highlightBuilder = new HighlightBuilder();
highlightBuilder.field("name");
highlightBuilder.preTags("<span style='color:red'>");
highlightBuilder.postTags("</span>");
sourceBuilder.highlighter(highlightBuilder);
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
SearchHits hits = searchResponse.getHits();
System.out.println(JSON.toJSONString(hits));
System.out.println("------------------------------------------");
for (SearchHit hit : hits.getHits()) {
//解析高亮字段
Map<String, HighlightField> highlightFields = hit.getHighlightFields();
HighlightField name = highlightFields.get("name");
Map<String, Object> sourceAsMap = hit.getSourceAsMap();//原来的结果
//解析高亮的字段 将原来的字段替换为我们高亮的字段即可
if (name != null) {
Text[] fragments = name.fragments();
StringBuilder newName = new StringBuilder();
for (Text fragment : fragments) {
newName.append(fragment);
}
sourceAsMap.put("name", newName);
}
System.out.println(sourceAsMap);//{name=<span style='color:red'>chen1</span>, age=3}
}
}