微服务框架springcloud（实用篇）【5】Elasticsearch 01

一、初识elasticsearch

1.了解ES

1）elasticsearch的作用

elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容

eg：在GitHub搜索代码

2）ELK技术栈

elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域

而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。

3）elasticsearch和lucene

elasticsearch底层是基于lucene来实现的。

Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。官网地址：https://lucene.apache.org/

Lucene的优势：易扩展、高性能（基于倒排索引）

Lucene的缺点：只限于Java语言开发、学习曲线陡峭、不支持水平扩展

elasticsearch的发展历史：

        2004年Shay Banon基于Lucene开发了Compass

        2010年Shay Banon 重写了Compass，取名为Elasticsearch。

官网地址:http:// https://www.elastic.co/cn/        目前最新的版本是：7.12.1

相比与lucene，elasticsearch具备下列优势：

        支持分布式，可水平扩展

        提供Restful接口，可被任何语言调用

4）目前比较知名的搜索引擎技术排名：

Elasticsearch：开源的分布式搜索引擎        Splunk：商业项目        Solr：Apache的开源搜索引擎

虽然在早期，Apache Solr是最主要的搜索引擎技术，但随着发展elasticsearch已经渐渐超越了Solr，独占鳌头：

5）总结

什么是elasticsearch？

        一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、系统监控等功能

什么是elastic stack（ELK）？

        是以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch

什么是Lucene？

        是Apache的开源搜索引擎类库，提供了搜索引擎的核心API

2.倒排索引

倒排索引的概念是基于MySQL这样的正向索引而言的。

1）正向索引

下表（tb_goods）中的id创建索引就是正向索引 ：

如果是根据id查询，那么直接走索引，查询速度非常快。

但如果是基于title做模糊查询，只能是逐行扫描数据，流程如下：

        1] 用户搜索数据，条件是title符合`"%手机%"`

        2] 逐行获取数据，比如id为1的数据

        3] 判断数据中的title是否符合用户搜索条件

        4] 如果符合则放入结果集，不符合则丢弃。回到步骤1

逐行扫描，也就是全表扫描，随着数据量增加，其查询效率也会越来越低。当数据量达到数百万时，就是一场灾难。

2）倒排索引

倒排索引中有两个非常重要的概念：

        文档（Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息

        词条（Term）：文档按照语义分成的词语.。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条

创建倒排索引是对正向索引的一种特殊处理，流程如下：

        将每一个文档的数据利用算法分词，得到一个个词条

        创建表，每行数据包括词条、词条所在文档id、位置等信息

        因为词条唯一性，可以给词条创建索引，例如hash表结构索引

倒排索引的搜索流程如下（以搜索"华为手机"为例）：

        1] 用户输入条件`"华为手机"`进行搜索。

        2] 对用户输入内容**分词**，得到词条：`华为`、`手机`。

        3] 拿着词条在倒排索引中查找，可以得到包含词条的文档id：1、2、3。

        4] 拿着文档id到正向索引中查找具体文档。

虽然要先查询倒排索引，再查询倒排索引，但是无论是词条、还是文档id都建立了索引，查询速度非常快！无需全表扫描。

3）正向和倒排

        正向索引是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。

        而倒排索引则相反，是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档。是根据词条找文档的过程。

正向索引：

优点：可以给多个字段创建索引、根据索引字段搜索、排序速度非常快

缺点：根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。

倒排索引：

优点：根据词条搜索、模糊搜索时，速度非常快

缺点：只能给词条创建索引，而不是字段、无法根据字段做排序

什么是文档和词条？

        每一条数据就是一个文档

        对文档中的内容分词，得到的词语就是词条

什么是正向索引？

        基于文档id创建索引。查询词条时必须先找到文档，而后判断是否包含词条

什么是倒排索引？

        对文档内容分词，对词条创建索引，并记录词条所在文档的信息。查询时先根据词条查询到文档id，而后获取到文档

3.es的一些概念

elasticsearch中有很多独有的概念，与mysql中略有差别，但也有相似之处。

1）文档和字段

elasticsearch是面向文档（Document）存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中：

而Json文档中往往包含很多的字段（Field），类似于数据库中的列。

2）索引和映射

索引（Index），就是相同类型的文档的集合。

例如： 所有用户文档，就可以组织在一起，称为用户的索引；

因此，我们可以把索引当做是数据库中的表。

数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有*映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。

3）mysql与elasticsearch

我们统一的把mysql与elasticsearch的概念做一下对比：

两者各自有自己的擅长支出：

        Mysql：擅长事务类型操作ACID，可以确保数据的安全和一致性

        Elasticsearch：擅长海量数据的搜索、分析、计算

在企业中，往往是两者结合使用：

        对安全性要求较高的写操作，使用mysql实现

        对查询性能要求较高的搜索需求，使用elasticsearch实现

        两者再基于某种方式，实现数据的同步，保证一致性

4.安装es、kibana

1）安装

（参考最下方的elasticsearch安装指南）

2）分词器

（参考最下方的elasticsearch安装指南）

es在创建倒排索引时需要对文档分词；在搜索时，需要对用户输入内容分词。但默认的分词规则对中文处理并不友好。

我们在kibana的DevTools中测试：

POST /_analyze

{

        "analyzer": "standard",

        "text": "黑马程序员学习java太棒了！"

}

语法说明：

POST：请求方式

/_analyze：请求路径，这里省略了http://192.168.150.101:9200，有kibana帮我们补充

请求参数，json风格：

        analyzer：分词器类型，这里是默认的standard分词器

        text：文本，要分词的内容

处理中文分词，一般会使用IK分词器。https://github.com/medcl/elasticsearch-analysis-ik

安装IK分词器，（参考最下方的elasticsearch安装指南）

ik分词器-拓展词库

要拓展ik分词器的词库，只需要修改一个ik分词器目录中的config目录中的IkAnalyzer.cfg.xml文件

<?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 *** 添加扩展词典-->
        <entry key="ext_dict">ext.dic</entry>
</properties>

然后在名为ext.dic的文件中，添加想要拓展的词语即可

ik分词器-停用词库

要禁用某些敏感词条，只需要修改一个ik分词器目录中的config目录中的IkAnalyzer.cfg.xml文件

<?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">ext.dic</entry>
         <!--用户可以在这里配置自己的扩展停止词字典  *** 添加停用词词典-->
        <entry key="ext_stopwords">stopword.dic</entry>
</properties>

然后在名为stopword.dic的文件中，添加想要拓展的词语即可

3）总结

IK分词器有几种模式？

        ik_smart：智能切分，最少切分，粗粒度

        ik_max_word：最细切分，细粒度

IK分词器如何拓展词条？如何停用词条？

        利用config目录的IkAnalyzer.cfg.xml文件添加拓展词典和停用词典

        在词典中添加拓展词条或者停用词条

二、索引库操作

索引库就类似数据库表，mapping映射就类似表的结构。

我们要向es中存储数据，必须先创建“库”和“表”。

1.mapping映射属性

mapping是对索引库中文档的约束，常见的mapping属性包括：

type：字段数据类型，常见的简单类型有：

        字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）

        数值：long、integer、short、byte、double、float、

        布尔：boolean

        日期：date

        对象：object

index：是否创建索引，默认为true

analyzer：使用哪种分词器

properties：该字段的子字段

例如下面的json文档：

{
    "age": 21,
    "weight": 52.1,
    "isMarried": false,
    "info": "黑马程序员Java讲师",
    "email": "zy@itcast.cn",
    "score": [99.1, 99.5, 98.9],
    "name": {
        "firstName": "云",
        "lastName": "赵"
    }
}

对应的每个字段映射（mapping）：

age：类型为 integer；参与搜索，因此需要index为true；无需分词器

weight：类型为float；参与搜索，因此需要index为true；无需分词器

isMarried：类型为boolean；参与搜索，因此需要index为true；无需分词器

info：类型为字符串，需要分词，因此是text；参与搜索，因此需要index为true；分词器可以用ik_smart

email：类型为字符串，但是不需要分词，因此是keyword；不参与搜索，因此需要index为false；无需分词器

score：虽然是数组，但是我们只看元素的类型，类型为float；参与搜索，因此需要index为true；无需分词器

name：类型为object，需要定义多个子属性

        name.firstName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器

        name.lastName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器

2.索引库的CRUD

统一使用Kibana编写DSL的方式

1）创建索引库和映射

基本语法：

        请求方式：PUT

        请求路径：/索引库名，可以自定义

        请求参数：mapping映射

格式：

       PUT /索引库名称
        {
                "mappings": {
                        "properties": {
                        "字段名":{
                                "type": "text",
                                "analyzer": "ik_smart"
                        },
                        "字段名2":{
                                "type": "keyword",
                                "index": "false" 这个字段不参与搜索
                        },
                        "字段名3":{
                                "properties": {
                                        "子字段": {
                                                "type": "keyword"
                                        }
                                }
                        },
                      // ...略
                }        
        }
}

示例：

PUT /heima
{
  "mappings": {
    "properties": {
      "info":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email":{
        "type": "keyword",
        "index": "falsae"
      },
      "name":{
        "properties": {
          "firstName": {
            "type": "keyword"
          }
        }
      },
      // ... 略
    }
  }
}

2）查询索引库

基本语法：

        请求方式：GET

        请求路径：/索引库名

        请求参数：无

格式：

        GET /索引库名

示例：

3）修改索引库

倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。因此索引库一旦创建，无法修改mapping。

虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响。

语法说明：

PUT /索引库名/_mapping
{
  "properties": {
        "新字段名":{
                "type": "integer"
        }
   }

}

示例：

4）删除索引库

语法：

        请求方式：DELETE

        请求路径：/索引库名

        请求参数：无

格式：

        DELETE /索引库名

在kibana中测试：

5）总结

索引库操作有哪些？

        创建索引库：PUT /索引库名

        查询索引库：GET /索引库名

        删除索引库：DELETE /索引库名

        添加字段：PUT /索引库名/_mapping

3.文档操作

1）新增文档

语法：

POST /索引库名/_doc/文档id

{

    "字段1": "值1",

    "字段2": "值2",

    "字段3": {

        "子属性1": "值3",

        "子属性2": "值4"

    },

    // ...

}

示例：

POST /heima/_doc/1

{

        "info": "黑马程序员Java讲师",

        "email": "zy@itcast.cn",

        "name": {

                "firstName": "云",

                "lastName": "赵"

        }

}

响应：

2）查询文档

根据rest风格，新增是post，查询应该是get，不过查询一般都需要条件，这里我们把文档id带上。

语法：GET /{索引库名称}/_doc/{id}

通过kibana查看数据：GET /heima/_doc/1

查看结果：

3）删除文档

删除使用DELETE请求，同样，需要根据id进行删除：

语法：DELETE /{索引库名}/_doc/id值

示例：# 根据id删除数据DELETE /heima/_doc/1

结果：

4）修改文档

修改有两种方式：

        全量修改：直接覆盖原来的文档

        增量修改：修改文档中的部分字段

1] 全量修改

全量修改是覆盖原来的文档，其本质是：     根据指定的id删除文档、新增一个相同id的文档

注意：如果根据id删除时，id不存在，第二步的新增也会执行，也就从修改变成了新增操作了。

语法：

PUT /{索引库名}/_doc/文档id

{

        "字段1": "值1",

        "字段2": "值2",

        // ... 略

}

示例：

PUT /heima/_doc/1

{

        "info": "黑马程序员高级Java讲师",

        "email": "zy@itcast.cn",

        "name": {

                "firstName": "云",

                "lastName": "赵"

        }

}

2] 增量修改

增量修改是只修改指定id匹配的文档中的部分字段。

语法：

POST /{索引库名}/_update/文档id

{

        "doc": {

                "字段名": "新的值",

        }

}

示例：

POST /heima/_update/1

{

        "doc": {

                "email": "ZhaoYun@itcast.cn"

        }

}

5）总结

文档操作有哪些？

        创建文档：POST /{索引库名}/_doc/文档id   { json文档 }

        查询文档：GET /{索引库名}/_doc/文档id

        删除文档：DELETE /{索引库名}/_doc/文档id

        修改文档：

                全量修改：PUT /{索引库名}/_doc/文档id { json文档 }

                增量修改：POST /{索引库名}/_update/文档id { "doc": {字段}}

四、RestAPI（RestClient操作索引库）

ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发送给ES   官方文档地址：https://www.elastic.co/guide/en/elasticsearch/client/index.html

其中的Java Rest Client又包括两种：Java Low Level Rest Client        Java High Level Rest Client