https://www.elastic.co/guide/cn/elasticsearch/guide/current/distributed-cluster.html
官方API文档
https://www.elastic.co/guide/en/elasticsearch/reference/current/docs.html
Lucene
- Lucene是apache软件基金会4 jakarta项目组的一个子项目,是一个开放源代码的全文检索引擎工具包,但它不是一个完整的全文检索引擎,而是一个全文检索引擎的架构,提供了完整的查询引擎和索引引擎,部分文本分析引擎(英文与德文两种西方语言)。
- Lucene的目的是为软件开发人员提供一个简单易用的工具包,以方便的在目标系统中实现全文检索的功能,或者是以此为基础建立起完整的全文检索引擎。
- Lucene是一套用于全文检索和搜寻的开源程式库,由Apache软件基金会支持和提供。Lucene提供了一个简单却强大的应用程式接口,能够做全文索引和搜寻。在Java开发环境里Lucene是一个成熟的免费开源工具。就其本身而言,Lucene是当前以及最近几年最受欢迎的免费Java信息检索程序库
Elasticsearch
一个采用Restful API标准的高扩展性和高可用性的实时数据分析的全文搜索工具
-
Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎,基于RESTful web接口。
-
Elasticsearch是用Java语言开发的,并作为Apache许可条款下的开放源码发布,是一种流行的企业级搜索引擎。Elasticsearch用于云计算中,能够达到实时搜索,稳定,可靠,快速,安装使用方便。
-
官方客户端在Java、.NET(C#)、PHP、Python、Apache Groovy、Ruby和许多其他语言中都是可用的。
-
根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr,也是基于Lucene
RESTFul
- API : 应用程序接口
- XML: 可扩展标记语言,是一种程序与程序之间传输数据的标记语言
- JSON: javascript object notation , 一种新型的轻量级数据交换格式
RESTFul含义
- Representational State Transfer缩写
- 中文意思 “表现层状态转化”
RESTFUL特点包括:
- 1、每一个URI代表1种资源;
- 2、客户端使用GET、POST、PUT、DELETE4个表示操作方式的动词对服务端资源进行操作:GET用来获取资源,POST用来新建资源(也可以用于更新资源),PUT用来更新资源,DELETE用来删除资源;
- 3、通过操作资源的表现形式来操作资源;
- 4、资源的表现形式是XML或者HTML;
- 5、客户端与服务端之间的交互在请求之间是无状态的,从客户端到服务端的每个请求都必须包含理解请求所必需的信息
搜索引擎数据库排行
- solr 支持数据类型多
- elasticsearch只支持json
Elastic Stack应用场景
- 网站搜索、代码搜索等(例如生产环境的日志收集 ——格式化分析——全文检索——系统预警)
- 日志管理与分析、应用系统性能分析、安全指标监控等
Elasticsearch架构
Elasticsearch 处理查询请求时节点工作流程
- 请求被交给主节点;
- 主节点接收请求,将请求广播到该索引在数据节点上的每个分片(shard);
- 每个分片执行搜索请求,并将结果返回;
- 分片的Result在主节点上进行合并,排序后返回给用户
基本概念
关系型数据库 | 非关系型数据库(Elasticsearch) |
---|---|
库 | 索引 Index |
表 table | 类型 Type |
行 Row | 文档 Document |
列 Column | 字段 Field |
文档(Document)
Elasticsearch面向文档性,文档就是所有可搜索数据的最小单位。比如,一篇PDF中的内容,一部电影的内容等,文档会被序列化成JSON格式,保存在Elasticsearch中,必不可少的是每个文档都会有自己的唯一标识,可以自己指定,也可以由Elasticsearch帮你生成。类似数据库的一行数据
元数据(标注文档信息)
"_index" : "user",
"_type" : "_doc",
"_id" : "l0D6UmwBn8Enzbv1XLz0",
"_score" : 1.6943597,
"_source" : {
"user" : "mj",
"sex" : "男",
"age" : "18"
}
- _index:文档所属的索引名称。
- _type:文档所属的类型名。
- _id:文档的唯一标识。
- _version:文档的版本信息。
- _score:文档的相关性打分。
- _source:文档的原始JSON内容。
索引(index)
索引是文档的容器,是一类文档的集合,类似关系数据库中的表,索引体现的是一种逻辑空间的概念,每个索引都应该有自己的Mapping定义,用于定义包含文档的字段名和字段类型。其中Shard(分片)体现的是物理空间的一种概念,就是索引中的数据存放在Shard上,因为有集群,要保证高可用,当其中一个机器崩溃中,保存在它上的分片数据也能被正常访问,因此,存在分片副本。
索引中有两个重要的概念,Mapping和Setting
- Mapping定义的是文档字段和字段类型
- Setting定义的是数据的不同分布
类型(Type)
在7.0之前,一个index可以创建多个Type。
之后就只能一个index对应一个Type
列(Field)
Field是Elasticsearch的最小单位,相当于数据的某一列
节点(Node)
一个节点就是一个Elaseticsearch实例,本质就是一个JAVA进程。每一个节点启动后,默认就是一个master eligible节点。就是具备成为master资格的节点,你也可以狠心的指定它没有这个资格(node.master:false)
第一个节点启动后,他就选自己成为Master节点类,每一个节点上都保存了集群状态,但是,只有Master才能修改集群状态信息。集群状态信息就比如:
- 所有的节点信息。
- 所有的索引信息,索引对应的mapping信息和setting信息。
- 分片的路由信息。
分片(shard)
将索引(index)分成若干份,每个部分就是一个shard
-
主分片:用于解决数据的水平扩展问题,通过主分片就数据分布在集群内的不同节点上,主分片在创建索引的时候就指定了,后面就不允许修改,除非重新定义Index。
-
副本(Replicas):用于解决高可用的问题,分片是主分片的拷贝。副本分片数可以动态的调整,增加副本数量可以在一定的程度上提高服务的可用性。关于主分片的理解可以如下图,看是怎样实现高可用的
"settings" : {
"index" : {
// 设置主分片数
"number_of_shards" : "1",
"auto_expand_replicas" : "0-1",
"provided_name" : "kibana_sample_data_logs",
"creation_date" : "1564753951554",
// 设置副本分片数
"number_of_replicas" : "1",
"uuid" : "VVMLRyw6TZeSfUvvLNYXEw",
"version" : {
"created" : "7010099"
}
}
}
倒排索引
正排索引:就是文档ID到文档内容的索引,简单讲,就是根据ID找文档。
文档ID | 文档内容 |
---|---|
1101 | Elasticsearch Study |
1102 | Elasticsearch Server |
1103 | master Elasticsearch |
倒排索引:就是根据文档内容找文档。
倒排索引包含如下信息:
- 单词词典:用于记录所有文档的单词,以及单词到倒排列表的关联关系。
- 倒排列表:记录的是单词对应的文档集合,由倒排索引项组成,其中包含
- 文档ID
- 单词出现的次数,用于相关性的评分
- 单词出现的位置
- 偏移量,用于记录单词的开始位置和结束位置,用于单词的高亮显示
文档ID(Doc ID) | 出现次数(TF) | 位置(Position) | 偏移量(Offset) |
---|---|---|---|
1101 | 1 | 0 | <0,13> |
1102 | 1 | 0 | <0,13> |
1103 | 1 | 1 | <7,20> |
Elasticsearch中的每一个字段都有自己的倒排索引,
也可以指定某些字段不做索引,可以节省存储空间,缺点就是不能被搜索到。
Analyzer分词
Analysis:文本分析,就是将文本转换为单词(term或者token)的过程,其中Analyzer就是通过Analysis实现的,Elasticsearch给我们内置很多分词器。
- Standard Analyzer:默认的分词器,按照词切分,并作大写转小写处理
- Simple Analyzer:按照非字母切分(符号被过滤),并作大写转小写处理
- Stop Anayzer:停用词(the、is)切分,并作大写转小写处理
- Whitespace Anayzer:空格切分,不做大写转小写处理
- IK:中文分词器,需要插件安装
- ICU:国际化的分词器,需要插件安装
- jieba:时下流行的一个中文分词器。安装方法见附录
PS:Elasticsearch 安装插件,./bin/elasticsearch-plugin install analysis-icu
查看已经安装的插件:./bin/elasticsearch-plugin list
Search API
在ES中,我们可以使用URL Search和Request Body Search进行相关的查询操作
URL 查询
使用基本的查询
GET /user/_search?q=2012&df=title&sort=year:desc&from=0&size=10
{
"profile": true
}
- 使用q指定查询的字符串
- 使用df指定查询的字段
- 使用sort进行排序,使用from和size指定分页
- 使用profile可以查询查询是如何进行查询的
指定所有字段的泛查询
GET /user/_search?q=2012
{
"profile":"true"
}
指定字段的查询
GET /user/_search?q=title:2012&sort=year:desc&from=0&size=10&timeout=1s
{
"profile":"true"
}
Term查询
GET /user/_search?q=title:Beautiful Mind
{
"profile":"true"
}
- 上例中的Beautiful和Mind就是两个Term,Term是查询中最小的单位。
- Term查询是OR的关系,在上例中就是title字段包含Beautiful或者包含Mind都会被检索到。
Phrase查询
GET /user/_search?q=title:"Beautiful Mind"
{
"profile":"true"
}
- 使用引号表示Phrase查询
- Phrase查询表示的不仅是And的关系,即Title字段中不仅要包含Beautiful Mind,而且。顺序还要一致。
分组查询
GET /user/_search?q=title:(Beautiful Mind)
{
"profile":"true"
}
- 使用中括号表示分组查询,一般使用Term查询的时候都会带上分组查询。
布尔查询
- 使用 AND、OR、NOT或者||、&&、!
- 还可以使用+(表示must),使用-(表示must_not)
- 需要注意的是必须大写
GET /user/_search?q=title:(Beautiful NOT Mind)
{
"profile":"true"
}
GET /user/_search?q=title:(Beautiful %2BMind)
{
"profile":"true"
}
PS:%2B表示的就是+,上例子表示的就是title字段中既要包含Beautiful,也要包含Mind字段
范围查询
GET /user/_search?q=title:beautiful AND age:[2002 TO 2018%7D
{
"profile":"true"
}
- 使用[ ]表示闭区间,使用{ }表示开区间,例如age :[* TO 56]
- 使用算术符表示范围,例如year :>=2019 && <=1970
PS:URL Search还有很多查询方式。例如通配符查询,正则插叙,模糊匹配,相似查询,其中通配符查询不建议使用。
Request Body 查询
将查询的条件参数放在Request Body中,调用查询接口,就是Request Body查询
基本 的查询
POST /movies,404_idx/_search?ignore_unavailable=true
{
"profile": true,
"query": {
"match_all": {}
}
}
- 使用gnore_unavailable=true可以避免索引404_idx不存在导致的报错
- profile和URL Search查询一样,可以看到查询的执行方式
分页查询
POST /movies/_search
{
"from":10,
"size":20,
"query":{
"match_all": {}
}
}
排序查询
POST /movies/_search
{
"sort":[{"order_date":"desc"}],
"query":{
"match_all": {}
}
}
过滤要查询的字段
POST /movies/_search
{
"_source":["order_date"],
"query":{
"match_all": {}
}
}
- 如果一个文档中的字段太多,我们不需全部字段显示,就可以使用_source指定字段。可以使用通配符。
使用脚本查询
- 将ES中的文档字段进行一定的处理后,再根据这个新的字段进行排序,
GET /movies/_search
{
"script_fields": {
"new_field": {
"script": {
"lang": "painless",
"source": "doc['name'].value+'是大佬'"
}
}
},
"query": {
"match_all": {}
}
}
Term查询
POST /movies/_search
{
"query": {
"match": {
"title": "last christmas"
}
}
}
POST movies/_search
{
"query": {
"match": {
"title": {
"query": "last christmas",
"operator": "and"
}
}
}
}
- 使用match,表示的就是OR的关系
- 使用operator,表示查询方式
Math_phrase查询
POST movies/_search
{
"query": {
"match_phrase": {
"title":{
"query": "one love",
"slop": 4
}
}
}
}
Dynamic Mapping
Mapping可以简单的理解为数据库中的Schema定义,用于定义索引中的字段的名称,定义字段的类型,字段的倒排索引,指定字段使用何种分词器等。Dynamic Mapping意思就是在我们创建文档的时候,如果索引不存在,就会自动的创建索引,同时自动的创建Mapping,ElasticSearch会自动的帮我们推算出字段的类型,当然,也会存在推算不准确的时候,就需要我们手动的设置。
常用的字段类型如下:
- 简单类型:Text、Date、Integer、Boolean等
- 复杂类型:对象类型和嵌套类型。
我们可以使用GET /shgx/_mapping查询索引的Mapping的设置,需要注意的是以下几点:
- 当我们对索引中的文档新增字段时候,希望可以更新索引的Mapping就可以可以设置Dynamic:true。
- 对于已经有数据的字段,就不再允许修改其Mapping,因为Lucene生成的倒排索引后就不允许修改。
Dynamic Mapping可以设置三个值,分别是:
- true:文档可被索引,新增字段也可被索引,Mapping也会被更新。
- false:文档可被索引,新增字段不能被索引,Mapping不会被更新。
- strict:新增字段写入,直接报错
如何写Mapping
第一种方式是参考官方API,纯手工写,也可以先创建一个临时的Index让ElasticSearch自动当我们推断出基本的Mapping,然后自己在改吧改吧,最后把临时索引删掉就是啦。
下面列举一些常用的Mapping设置属性:
- index:可以设置改字段是否需要被索引到。设置为false就不会生成倒排索引,节省磁盘开销
- null_value:可以控制NULL是否可以被索引
- cope_to:将字段值放在一个新的字段中,可以使用新的字段- search,但这个字段不会出现在_source中。
- anaylzer:指定字段的分词器
- search_anaylzer:指定索引使用的分词器
- index_options:控制倒排索引的生成结构,有四种情况
- docs:倒排索引只记录文档ID
- freqs:记录文档ID和Term
- positions:记录文档ID、Term和Term Position
- offsets:记录文档ID、Term、Term Position和offsets
PS:Text类型的字段默认的是Position,其它类型默认的是docs,记录的越多,占用的存储空间就越大
Aggregation聚合分析
ElasticSearch不仅仅是搜索强大,他的统计功能也是相当的强大的,聚合分析就是统计整个数据的一个分类数量等,例如武侯区有多少新楼盘。天府新区有多少新楼盘,通过聚合分析我们只需要写一条语句就可以得到。在加上Kibana的可视化分析,简直就是清晰,高效。
常用的集合有以下几种:
- Bucket Aggregation:满足特定条件的一些集合,使用关键字terms
- Metric Aggregation:简单的数学运算,对字段进行统计分析,使用关键字min、max、sum、avg等,使用关键字aggs
- Pipeline Aggregation:二次聚合
- Matrix Aggregation:对多个字段进行操作,提供一个结果矩阵
Bucket分析示例
GET kibana_sample_data_flights/_search
{
"size": 0,
"aggs":{
"flight_dest":{
"terms":{
"field":"DestCountry"
}
}
}
}
Metric分析示例
GET kibana_sample_data_flights/_search
{
"size": 0,
"aggs":{
"flight_dest":{
"terms":{
"field":"DestCountry"
},
"aggs":{
"avg_price":{
"avg":{
"field":"AvgTicketPrice"
}
},
"max_price":{
"max":{
"field":"AvgTicketPrice"
}
},
"min_price":{
"min":{
"field":"AvgTicketPrice"
}
}
}
}
}
}