ElasticSearch-快速入门（一）

ES简介

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。

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；

倒排索引

docker 安装 ElasticSearch

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 将配置文件挂载到服务器文件夹

mkdir -p /mydata/elasticsearch/data 将data数据文件挂载到服务器文件夹

echo “http.host: 0.0.0.0” >> /mydata/elasticsearch/config/elasticsearch.yml 允许任何主机访问(注意空格)

chmod -R 777 /mydata/elasticsearch/ 保证权限

docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \ docker启动es 并开放两个端口
-e “discovery.type=single-node” \ 单节点模式运行
-e ES_JAVA_OPTS="-Xms64m -Xmx512m" \ 设置内存否则ES启动会占满内存（开发环境下）
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \ 将容器内的配置文件挂在到外部服务器
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \ 挂载data
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \ 将插件的目录也挂载在往外面
-d elasticsearch:7.4.2

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

设置ES自启动

[root@VM-12-8-centos ~]# docker ps -a
CONTAINER ID   IMAGE                 COMMAND                  CREATED        STATUS        PORTS                                                                                  NAMES
91feae48c91f   elasticsearch:7.4.2   "/usr/local/bin/dock…"   2 days ago     Up 2 days     0.0.0.0:9200->9200/tcp, :::9200->9200/tcp, 0.0.0.0:9300->9300/tcp, :::9300->9300/tcp   elasticsearch
601c96dd7aab   redis                 "docker-entrypoint.s…"   2 months ago   Up 2 months   0.0.0.0:6379->6379/tcp, :::6379->6379/tcp                                              redis
289f329cd8ff   mysql:5.7             "docker-entrypoint.s…"   2 months ago   Up 2 months   0.0.0.0:3306->3306/tcp, :::3306->3306/tcp, 33060/tcp                                   mysql
[root@VM-12-8-centos ~]# docker update 91f --restart=always

安装 Kibana

ES可视化

ip要对应自己的ip

docker run --name kibana -e
ELASTICSEARCH_HOSTS=http://101.43.122.84:9200 -p 5601:5601
-d kibana:7.4.2

可以安装在本机 然后连接服务器

\config\kibana.xml

 server.port: 5601
# 注意，由于kibana是在本地Windows下安装的，在本地服务器访问，因此不要更改
 server.host: "localhost"
 # 将elasticsearch中服务器的地址指向远程服务器
 elasticsearch.hosts: ["http://10.64.2.27:9200"]

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", //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"
}
}

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

ES 中不可直接删除类型->external

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": "My first blog post" }
{ "index": { "_index": "website", "_type": "blog" }}
{ "title": "My second blog post" }
{ "update": { "_index": "website", "_type": "blog", "_id": "123"} }
{ "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

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）:

{
"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://github.com/elastic/elasticsearch/blob/master/docs/src/test/resources/accounts.json?raw
=true 导入测试数据
POST bank/account/_bulk

ES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）

1）、检索信息

一切检索从_search 开始
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）
uri+请求体进行检索
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，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）

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

{
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, 分页起始
"size": 5, 分页结束
"sort": [  排序哪个字段 
{
"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

会对检索条件进行匹配，会对查询参数进行分词，显示得分从高往低排列

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

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

5）、multi_match【多字段匹配】

也会分词

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

state 或者address 包含mill

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": {
    "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
应该匹配 能匹配最好没匹配上也没关系

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。
文本字段使用match 其他飞text使用term

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "age": {
              "value": "28"
            }
          }
        },
        {
          "match": {
            "address": "990 Mill Road"  ##查询会进行分词查询，如果要精确匹配的话可以加.keyword
          }
        }
      ]
    }
  }
}

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
!!! text进行聚合的时候需要使用精确匹配 xxx.keyword

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
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html
自动猜测的映射类型

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

1、创建索引并指定映射

##创建映射并指定新的映射
PUT /my_index
{
  "mappings": {
    "properties": {
      "age":{ "type": "integer"},
      "email":{"type": "keyword"},
      "name":{"type": "text"}
    }
  }
}

2、添加新的字段映射

##修改映射 已经添加的映射只能新增 不能修改
PUT /my_index/_mapping
{
  "properties": {
    "employee-id": {
      "type": "keyword",
      "index": false     //是否可用于检索
    }
  }
}

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 6.0以后不用类型进行保存

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 带有类型的进行迁移

POST _reindex
{
"source": {
"index": "twitter",
"type": "tweet"
},
"dest": {
"index": "tweets"
}
}

新版本将不使用type，老数据可以迁移过来

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 -d 解压到的文件
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

POST _analyze
{
"text": "我是中国人"
}

请观察结果
使用分词器

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

另外一个分词器

ik_max_word 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

<?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自己的扩展字典-->
<entry key="ext_dict"></entry>
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords"></entry>
<!--用户可以在这里配置远程扩展字典-->
<entry key="remote_ext_dict">http://192.168.128.130/fenci/myword.txt</entry>
<!--用户可以在这里配置远程扩展停止词字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

原来的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>

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

<!--用户可以在这里配置自己的扩展字典-->
<entry key="ext_dict"></entry>
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords"></entry>
<!--用户可以在这里配置远程扩展字典-->
<!-- <entry key="remote_ext_dict">words_location</entry> -->
<!--用户可以在这里配置远程扩展停止词字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

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

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 .
• 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 容器id
• 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

nginx 的html 下面放的所有资源可以直接访问；