Elasticsearch的使用

不想秃头的小杨

已于 2022-08-15 17:58:44 修改

阅读量263

点赞数

分类专栏： ES 文章标签：搜索引擎 ES elasticsearch

于 2022-08-15 17:51:01 首次发布

本文链接：https://blog.csdn.net/ysuhang/article/details/126349543

版权

ES 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

1.Elasticsearch的概述

1.1搜索是什么

概念：

用户输入想要的关键词，返回含有该关键词的所有信息。

场景：

1互联网搜索：谷歌、百度、各种新闻首页

2 站内搜索（垂直搜索）：企业OA查询订单、人员、部门，电商网站内部搜索商品（淘宝、京东）场景。

1.2.数据库做搜索的弊端

1.2.1站内搜索（垂直搜索）：数据量小，简单搜索，可以使用数据库。

问题出现：

l 存储问题。电商网站商品上亿条时，涉及到单表数据过大必须拆分表，数据库磁盘占用过大必须分库（mycat）。

l 性能问题：解决上面问题后，查询“笔记本电脑”等关键词时，上亿条数据的商品名字段逐行扫描，性能跟不上。

l 不能分词。如搜索“笔记本电脑”，只能搜索完全和关键词一样的数据，那么数据量小时，搜索“笔记电脑”，“电脑”数据要不要给用户。

1.2.2互联网搜索，肯定不会使用数据库搜索。数据量太大。PB级。

我们可以使用搜索引擎来解决数据库搜索的问题:

搜索也是一款数据库，搜索可以进行分词搜索---搜索速度非常快

1.3.常见的搜索引擎

1.3.1ElasticSearch与Solr比较

1.当单纯的对已有数据进行搜索时，Solr更快

2. 当实时建立索引时，Solr会产生io阻塞，查询性能较差， ElasticSearch具有明显的优势

3. 随着数据量的增加，Solr的搜索效率会变得更低，而ElasticSearch 却没有明显的变化

1.3.2.总结

1、es基本是开箱即用(解压就可以用!)【南京】 ,非常简单。Solr 安装略微复杂一丢丢!

2、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。

3、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。

4、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

5.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。

6、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。

2.Elasticsearch 是什么

The Elastic Stack, 包括 Elasticsearch【搜索，分析】、 Kibana【可视化】、 Beats 和 Logstash【数据的搜集】（也称为 ELK Stack）。能够安全可靠地获取任何来源、任何格式的数据，然后实时地对数据进行搜索、分析和可视化。 Elaticsearch，简称为 ES， ES 是一个开源的高扩展的分布式全文搜索引擎，是整个 ElasticStack 技术栈的核心。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 级别的数据。

3.Elasticsearch的使用场景

3.1国外

维基百科，类似百度百科，“网络七层协议”的维基百科，全文检索，高亮，搜索推荐

Stack Overflow（国外的程序讨论论坛），相当于程序员的贴吧。遇到 it问题去上面发帖，热心网友下面回帖解答。

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《java编程思想》的监控，如果价格低于27块钱，就通知我，我就去买。

BI系统，商业智能（Business Intelligence）。大型连锁超市，分析全国网点传回的数据，分析各个商品在什么季节的销售量最好、利润最高。成本管理，店面租金、员工工资、负债等信息进行分析。从而部署下一个阶段的战略目标。

3.2国内

百度搜索，第一次查询，使用es。

OA、ERP系统站内搜索。

es:搜索的一款数据库，支持的数据格式json.----

4 .ES的安装

4.1、安装JDK，至少1.8.0_73以上版本，验证： java -version。

4.2、下载和解压缩Elasticsearch安装包，查看目录结构。

https://www.elastic.co/cn/downloads/elasticsearchhttps://www.elastic.co/cn/downloads/elasticsearch

下载地址：

https://www.elastic.co/cn/downloads/https://www.elastic.co/cn/downloads/

历史版本下载:

https://www.elastic.co/cn/downloads/past-releases/https://www.elastic.co/cn/downloads/past-releases/

解压后，进入 bin 文件目录，点击 elasticsearch.bat 文件启动 ES 服务。注意： 9300 端口为 Elasticsearch 集群间组件的通信端口， 9200 端口为浏览器访问的 http协议 RESTful 端口。打开浏览器，输入地址： http://localhost:9200，测试返回结果，返回结果如下：

{
"name" : "DESKTOP-LNJQ0VF",
"cluster_name" : "elasticsearch",
"cluster_uuid" : "nCZqBhfdT1-pw8Yas4QU9w",
"version" : {
"number" : "7.8.0",
"build_flavor" : "default",
"build_type" : "zip",
"build_hash" :
"757314695644ea9a1dc2fecd26d1a43856725e65",
"build_date" : "2020-06-14T19:35:50.234439Z",
"build_snapshot" : false,
"lucene_version" : "8.5.1",
"minimum_wire_compatibility_version" : "6.8.0",
"minimum_index_compatibility_version" : "6.0.0-
beta1"
},
"tagline" : "You Know, for Search"
}

5.Windows安装Kibana

1、kibana是es数据的前端展现，数据分析时，可以方便地看到数据。作为开发人员，可以方便访问es。

https://www.elastic.co/cn/downloads/https://www.elastic.co/cn/downloads/

历史版本下载：

https://www.elastic.co/cn/downloads/past-releases/https://www.elastic.co/cn/downloads/past-releases/

2、下载，解压kibana。

3、启动Kibana：bin\kibana.bat

4、浏览器访问 http://localhost:5601/http://localhost:5601/ 进入Dev Tools界面。像plsql一样支持代码提示。

5、发送get请求，查看集群状态GET _cluster/health。相当于浏览器访问。

6.ES中常见的概念

Elasticsearch 是面向文档型数据库，一条数据在这里就是一个文档。为了方便大家理解，我们将 Elasticsearch 里存储文档数据和关系型数据库 MySQL 存储数据的概念进行一个类比

ES 里的 Index 可以看做一个库，而 Types 相当于表， Documents 则相当于表的行。这里 Types 的概念已经被逐渐弱化， Elasticsearch 6.X 中，一个 index 下已经只能包含一个type， Elasticsearch 7.X 中, Type 的概念已经被删除了。

7.ES常用API接口

7.1基本操作

7.1.1创建一个索引，添加

PUT /索引名称/类型名称/1
{
数据
}
创建索引并往索引中添加一条文档

（1）创建索引---但是不添加数据。
PUT /索引名/类型

PUT /qy151/_doc/1
{
  "name":"小源源",
  "age":22
}

7.1.2删除索引

DELETE /索引名

DELETE /qy150

7.1.3查询有哪些索引

GET /_cat/indices?v

GET /_cat/indices?v

7.1.4查询索引的结构

GET /qy151

7.1.5添加文档---记录

#必须指定id的值

PUT /qy151/_doc/2
{
"name":"小懒懒",
"age":21
}

## 不指定id

POST /qy151/_doc
{
"name":"小灰灰",
"age":20
}

7.1.6查询文档---id查询

查询的提交方式必须为GET

GET /qy151/_doc/2

7.1.7删除文档

DELETE /qy151/_doc/8Wq7oIIBYQb6To7NZ89D

7.1.8修改文档

# 修改---这种修改必须要求指定所有列，如果只指定部分列，则原来其他列消失

PUT /qy151/_doc/2
{
"name":"小红红",
"age":19
}

PUT /qy151/_doc/2
{
"age":20
}

# 只修改部分列

POST /qy151/_doc/1/_update
{
"doc":{
"age":20
}
}

8.根据其他条件查询

8.1查询所有文档

GET /qy151/_search

8.2根据条件搜索

GET /qy151/_search?q=name=源

8.3 查询的条件封装成json数据

8.3.1根据名称查询

GET /user/_search
{
"query": {
    "match": {
      "name": "高"
    }
}
}

8.3.2只想查询部分列

GET /user/_search
{
"query": {
    "match": {
      "name": "高"
    }
},
"_source": ["name"]
}

8.3.3分页查询

GET /user/_search
{
"query": {
    "match": {
      "name": "高"
    }
},
"_source": ["name"],
"from": 0,
"size": 1
}

按年龄查询:

GET /user/_search
{
"query": {
    "range": {
      "age":{
        "gt": 18
      }
    }
},
"_source": ["name","age","desc"],
"from": 0,
"size": 1
}

8.3.4按年龄排序

GET /user/_search
{
"query": {
    "match": {
      "name": "高"
    }
},
"_source": ["name"],
"from": 0,
"size": 5,
"sort": [
    {
      "age": {
        "order": "desc"
      }
    }
]
}

9.多条件查询

9.1must

must====等价于and

GET /user/_search
{
"query":{
    "bool": {
      "must": [
        {
          "match": {
            "name": "高"
          }
        },
        {
          "match": {
            "age": "18"
          }
        }
      ]
    }
}
}

9.2should

GET /user/_search
{
"query":{
    "bool": {
      "should": [
        {
          "match": {
            "name": "高"
          }
        },
        {
          "match": {
            "age": "18"
          }
        }
      ]
    }
}
}

9.3must_not

GET /user/_search
{
"query":{
    "bool": {
      "must_not": [
        {
          "match": {
            "name": "高"
          }
        },
        {
          "match": {
            "age": "18"
          }
        }
      ]
    }
}
}

10高亮显示

GET /user/_search
{
"query": {
    "match": {
      "name": "高"
    }
},
"highlight": {
    "pre_tags": "<font color='red'>",
    "post_tags": "</font>",
    "fields": {
      "name": {}
    }
}
}