五阶段--使用 Kibana 操作 ES/ 搜索

最新推荐文章于 2024-05-19 21:14:17 发布

心猿意码~~

最新推荐文章于 2024-05-19 21:14:17 发布

阅读量1.1k

点赞数

文章标签： elasticsearch html5 javascript

本文链接：https://blog.csdn.net/weixin_58580280/article/details/120530286

版权

一使用 Kibana 操作 ES

1 下载 Kibana 镜像

docker pull kibana:7.9.3

2 启动 Kibana 容器

docker run \
-d \
--name kibana \
--net es-net \
-p 5601:5601 \
-e ELASTICSEARCH_HOSTS='["http://node1:9200","http://node2:9200","http://node3:9200"]' \
--restart=always \
kibana:7.9.3

启动后，浏览器访问 Kibana，进入 Dev Tools：多访问几次就能进入

http://192.168.64.181:5601/

3 索引、分片和副本

3.1 索引

Elasticsearch索引用来存储我们要搜索的数据，以倒排索引结构进行存储。mysql数据库使用的是B+Tree索引.

例如，要搜索商品数据，可以创建一个商品数据的索引，其中存储着所有商品的数据，供我们进行搜索：

当索引中存储了大量数据时，大量的磁盘io操作会降低整体搜索新能，这时需要对数据进行分片存储。

3.2 索引分片

在一个索引中存储大量数据会造成性能下降，这时可以对数据进行分片存储。

每个节点上都创建一个索引分片，把数据分散存放到多个节点的索引分片上，减少每个分片的数据量来提高io性能：

每个分片都是一个独立的索引，数据分散存放在多个分片中，也就是说，每个分片中存储的都是不同的数据。搜索时会同时搜索多个分片，并将搜索结果进行汇总。

如果一个节点宕机分片不可用，则会造成部分数据无法搜索：

为了解决这一问题(分片宕机)，可以对分片创建多个副本来解决。

3.3 索引副本

对分片创建多个副本，那么即使一个节点宕机，其他节点中的副本分片还可以继续工作，不会造成数据不可用：

分片的工作机制：

分片的工作机制:

主分片的数据会复制到副本分片
搜索时，以负载均衡的方式工作，提高处理能力
主分片宕机时，其中一个副本分片会自动提升为主分片

下面我们就以上图的结构来创建 products 索引

3.4 创建索引

创建一个名为 products 的索引，用来存储商品数据。

分片和副本参数说明：

number_of_shards：分片数量，默认值是 5
number_of_replicas：副本数量，默认值是 1

我们有三个节点，在每个节点上都创建一个分片。每个分片在另两个节点上各创建一个副本。

# 创建索引，命名为 products
PUT /products
{
  "settings": {
    "number_of_shards": 3, 
    "number_of_replicas": 2
  }
}

提交相当于访问http://181:9200/products 创建索引

用索引名称过滤，查看 products 索引：粗框为主分片，细框为副本分片

注意:

4 映射（数据结构）

类似于数据库表结构，索引数据也被分为多个数据字段，并且需要设置数据类型和其他属性。

映射，是对索引中字段结构的定义和描述。

4.1 字段的数据类型

常用类型：

1)数字类型：

byte、short、integer、long
float、double
unsigned_long

2)字符串类型：

text ：会进行分词
keyword ：不会进行分词，适用于email、主机地址、邮编等

3)日期和时间类型：

date

类型参考：

Field data types | Elasticsearch Guide [7.15] | Elastic

4.2 创建映射

在 products 索引中创建映射。

分词器设置：

analyzer：在索引中添加文档时，text类型通过指定的分词器分词后，再插入倒排索引
search_analyzer：使用关键词检索时，使用指定的分词器对关键词进行分词

查询时，关键词优先使用 search_analyzer 设置的分词器，如果 search_analyzer 不存在则使用 analyzer 分词器。

# 定义mapping，数据结构
PUT /products/_mapping
{
  "properties": {
    "id": {
      "type": "long"
    },
    "title": {
      "type": "text",
      "analyzer": "ik_max_word",
      "search_analyzer": "ik_smart"
    },
    "category": {
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart"
    },
    "price": {
      "type": "float"
    },
    "city": {
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart"
    },
    "barcode": {
      "type": "keyword"
    }
  }
}

映射参考：

Mapping | Elasticsearch Guide [7.15] | Elastic

4.3 查看映射

GET /products/_mapping

5 添加文档

添加的文档会有一个名为_id的文档id，这个文档id可以自动生成，也可以手动指定，通常可以使用数据的id作为文档id。

# 添加文档
PUT /products/_doc/10033
{
  "id":"10033",
  "title":"SONOS PLAY:5(gen2) 新一代PLAY:5无线智能音响系统 WiFi音箱家庭,潮酷数码会场",
  "category":"潮酷数码会场",
  "price":"3980.01",
  "city":"上海",
  "barcode":"527848718459"
}


PUT /products/_doc/10034
{
  "id":"10034",
  "title":"天猫魔盒 M13网络电视机顶盒 高清电视盒子wifi 64位硬盘播放器",
  "category":"潮酷数码会场",
  "price":"398.00",
  "city":"浙江杭州",
  "barcode":"522994634119"
}



PUT /products/_doc/10035
{
  "id":"10035",
  "title":"BOSE SoundSport耳塞式运动耳机 重低音入耳式防脱降噪音乐耳机",
  "category":"潮酷数码会场",
  "price":"860.00",
  "city":"浙江杭州",
  "barcode":"526558749068"
}



PUT /products/_doc/10036
{
  "id":"10036",
  "title":"【送支架】Beats studio Wireless 2.0无线蓝牙录音师头戴式耳机",
  "category":"潮酷数码会场",
  "price":"2889.00",
  "city":"上海",
  "barcode":"37147009748"
}


PUT /products/_doc/10037
{
  "id":"10037",
  "title":"SONOS PLAY:1无线智能音响系统 美国原创WiFi连接 家庭桌面音箱",
  "category":"潮酷数码会场",
  "price":"1580.01",
  "city":"上海",
  "barcode":"527783392239"
}

注意:五条一条条执行,会在Elasticsearch-head中查看到信息:

也可以自动生成 _id 值：

POST /products/_doc
{
  "id":"10027",
  "title":"vivo X9前置双摄全网通4G美颜自拍超薄智能手机大屏vivox9",
  "category":"手机会场",
  "price":"2798.00",
  "city":"广东东莞",
  "barcode":"541396973568"
}

查看文档：

GET /products/_doc/10037

查看指定文档title字段的分词结果：

GET /products/_doc/10037/_termvectors?fields=title

6 修改文档

底层索引数据无法修改，修改数据实际上是先删除再重新添加。

两种修改方式：

PUT：对文档进行完整的替换
POST：可以修改一部分字段

修改价格字段的值：PUT方式只改价格时也要把完整的文档都添加进去

# 修改文档 - 替换
PUT /products/_doc/10037
{
  "id":"10037",
  "title":"SONOS PLAY:1无线智能音响系统 美国原创WiFi连接 家庭桌面音箱",
  "category":"潮酷数码会场",
  "price":"9999.99",
  "city":"上海",
  "barcode":"527783392239"
}

查看文档：

GET /products/_doc/10037

修改价格和城市字段的值：POST方式修改文档时,可以只给出要修改的字段值

# 修改文档 - 更新部分字段
POST /products/_update/10037
{
  "doc": {
    "price":"8888.88",
    "city":"深圳"
  }
}

查看文档：

GET /products/_doc/10037

7 删除文档

# 删除文档
DELETE /products/_doc/10037

#

清空: 所有文档都清空删除

POST /products/_delete_by_query
{
  "query": {
    "match_all": {}
  }
}

8 删除索引

# 删除 products 索引  ,重新刷新页面,products索引就消失了
DELETE /products

可以尝试用不同的分片和副本值来重新创建 products 索引.

二搜索

1 导入测试数据

为了测试搜索功能，我们首先导入测试数据，3160条商品数据，数据样例如下

{ "index": {"_index": "pditems", "_id": "536563"}}
{ "id":"536563","brand":"联想","title":"联想(Lenovo)小新Air13 Pro 13.3英寸14.8mm超轻薄笔记本电脑","sell_point":"清仓！仅北京，武汉仓有货！","price":"6688.0","barcode":"","image":"/images/server/images/portal/air13/little4.jpg","cid":"163","status":"1","created":"2015-03-08 21:33:18","updated":"2015-04-11 20:38:38"}

1.1 下载测试数据

Elasticsearch测试数据，3160条商品数据_es测试数据-Java文档类资源-CSDN下载

将压缩文件中的 pditems.json 上传到服务器

1.2 创建索引和映射

PUT /pditems
{
  "settings": {
    "number_of_shards": 3, 
    "number_of_replicas": 2
  },
  "mappings": {
    "properties": {
      "id": {
        "type": "long"
      },
      "brand": {
        "type": "text",
        "analyzer": "ik_smart"
      },
      "title": {
        "type": "text",
        "analyzer": "ik_max_word"
      },
      "sell_point": {
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_smart"
      },
      "price": {
        "type": "float"
      },
      "image": {
        "type": "keyword"
      },
      "cid": {
        "type": "long"
      },
      "status": {
        "type": "byte"
      },
      "created": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss"
      },
      "updated": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss"
      }
    } 
  }
}

用 head 查看索引：

1.3 导入数据

在服务器上，进入 pditems.json 所在的文件夹，执行批量数据导入：

curl -XPOST 'localhost:9200/pditems/_bulk' \
    -H 'Content-Type:application/json' \
    --data-binary @pditems.json

1.4 查看数据

搜索 pditems 索引中全部 3160 条数据：

GET /pditems/_search
{
  "query": {
    "match_all": {}
  },
  "size": 3160
}

2 搜索文档

2.1 搜索所有数据

# 搜索 pditems 索引中全部数据  没有size指定搜索数量,默认只搜索10条数据
POST /pditems/_search
{
  "query": {
    "match_all": {}
  }
}

2.2 关键词搜索

# 查询 pditems 索引中title中包含"电脑"的商品
POST /pditems/_search
{
  "query": {
    "match": {
      "title": "电脑"
    }
  }
}

2.3 搜索结果过滤器

# 价格大于2000，并且title中包含"电脑"的商品  gte:大于等于    lte:小于等于
POST /pditems/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "title": "电脑"
          }
        }
      ],

      "filter": [
        {
          "range": {
            "price": {
              "gte": "2000"
            }
          }
        }
      ]
    }
  }
}

2.4 搜索结果高亮显示

POST /pditems/_search
{
	"query": {
		"multi_match":{
			"query": "手机",
			"fields": ["title", "sell_point"]
		}
	},
	"highlight" : {
        "pre_tags" : ["<i class=\"highlight\">"],
        "post_tags" : ["</i>"],
        "fields" : {
            "title" : {},
            "sell_point" : {
              "pre_tags": "<em>",
              "post_tags": "</em>"
            }
        }
    }
}

心猿意码~~

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
五阶段--使用 Kibana 操作 ES/ 搜索

一使用 Kibana 操作 ES1下载 Kibana 镜像docker pull kibana:7.9.32启动 Kibana 容器docker run \-d \--name kibana \--net es-net \-p 5601:5601 \-e ELASTICSEARCH_HOSTS='["http://node1:9200","http://node2:9200","http://node3:9200"]' \--restart=always \k...
复制链接

扫一扫