ElasticSearch学习笔记（狂神说）

ElasticSearch学习笔记（狂神说）

视频地址： .bilibili /video/BV17a4y1x7zq

在学习ElasticSearch之前，先简单了解一下Lucene：

Doug Cutting开发是apache软件基金会 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）当前以及最近几年最受欢迎的免费Java信息检索程序库。

Lucene和ElasticSearch的关系：

ElasticSearch是基于Lucene 做了一下封装和增强

---

1、ElasticSearch概述

官网： .elastic.co/cn/downloads/elasticsearch

Elaticsearch，简称为es，es是一个开源的==高扩展的分布式全文检索引擎，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(大数据时代）的数据。es也使用java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

据国际权威的数据库产品评测机构DB Engines的统计，在2016年1月，ElasticSearch已超过Solr等，成为==排名第一的搜索引擎类应用==。

历史

多年前，一个叫做Shay Banon的刚结婚不久的失业开发者，由于妻子要去伦敦学习厨师，他便跟着也去了。在他找工作的过程中，为了给妻子构建一个食谱的搜索引擎，他开始构建一个早期版本的Lucene。

直接基于Lucene工作会比较困难，所以Shay开始抽象Lucene代码以便lava程序员可以在应用中添加搜索功能。他发布了他的第一个开源项目，叫做“Compass”。

后来Shay找到一份工作，这份工作处在高性能和内存数据网格的分布式环境中，因此高性能的、实时的、分布式的搜索引擎也是理所当然需要的。然后他决定重写Compass库使其成为一个独立的服务叫做Elasticsearch。

第一个公开版本出现在2010年2月，在那之后Elasticsearch已经成为Github上最受欢迎的项目之一，代码贡献者超过300人。一家主营Elasticsearch的公司就此成立，他们一边提供商业支持一边开发新功能，不过Elasticsearch将永远开源且对所有人可用。

Shay的妻子依旧等待着她的食谱搜索……

谁在使用

1、维基百科,类似百度百科，全文检索,高亮,搜索推荐/2（权重！）

2、The Guardian (国外新闻网站) ,类似搜狐新闻,用户行为日志(点击,浏览,收藏,评论) +社交网络数据(对某某新闻的相关看法) ,数据分析,给到每篇新闻文章的作者,让他知道他的文章的公众反馈(好,坏,热门，垃圾,鄙视，崇拜)

3、Stack Overflow (国外的程序异常讨论论坛) , IT问题,程序的报错,提交上去,有人会跟你讨论和回答,全文检索,搜索相关问题和答案,程序报错了,就会将报错信息粘贴到里面去,搜索有没有对应的答案

4、GitHub (开源代码管理),搜索 上千亿行代码

5、电商网站,检索商品

6、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

7、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,比如说订阅牙膏的监控,如果高露洁牙膏的家庭套装低于50块钱,就通知我,我就去买

8、BI系统,商业智能, Business Intelligence。比如说有个大型商场集团，BI ,分析一下某某区域最近3年的用户消费 金额的趋势以及用户群体的组成构成,产出相关的数张报表, **区,最近3年,每年消费金额呈现100%的增长,而且用户群体85%是高级白领，开一个新商场。ES执行数据分析和挖掘, Kibana进行数据可视化

9、国内:站内搜索(电商,招聘,门户,等等),IT系统搜索(OA,CRM,ERP,等等),数据分析(ES热门的一一个使用场景)

2、ES和Sola 2.1、ElasticSearch简介 Elasticsearch是一个实时分布式搜索和分析引擎。 它让你以前所未有的速度处理大数据成为可能。它用于全文搜索、结构化搜索、分析以及将这三者混合使用:维基百科使用Elasticsearch提供全文搜索并高亮关键字,以及输入实时搜索(search-asyou-type)和搜索纠错(did-you-mean)等搜索建议功能。英国卫报使用Elasticsearch结合用户日志和社交网络数据提供给他们的编辑以实时的反馈,以便及时了解公众对新发表的文章的回应。StackOverflow结合全文搜索与地理位置查询,以及more-like-this功能来找到相关的问题和答案。Github使用Elasticsearch检索1300亿行的代码。但是Elasticsearch不仅用于大型企业，它还让像DataDog以及Klout这样的创业公司将最初的想法变成可扩展的解决方案。Elasticsearch可以在你的笔记本上运行,也可以在数以百计的服务器上处理PB级别的数据。Elasticsearch是一个基于Apache Lucene™的开源搜索引擎。无论在开源还是专有领域, Lucene可被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。 但是, Lucene只是一个库。 想要使用它,你必须使用Java来作为开发语言并将其直接集成到你的应用中,更糟糕的是, Lucene非常复杂,你需要深入了解检索的相关知识来理解它是如何工作的。 Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能,但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性,从而让全文搜索变得简单。 2.2、Sola简介 Solr是Apache下的一个顶级开源项目,采用Java开发,它是基于Lucene的全文搜索服务器。Solr提供了比Lucene更为丰富的查询语言,同时实现了可配置、可扩展，并对索引、搜索性能进行了优化Solr可以独立运行在letty. Tomcat等这些Selrvlet容器中 , Solr 索引的实现方法很简单,用POST方法向Solr服务器发送一个描述Field及其内容的XML文档, Solr根据xml文档添加、删除、更新索引。Solr 搜索只需要发送HTTP GET请求,然后对Solr返回xml、json等格式的查询结果进行解析,组织页面布局。Solr不提供构建UI的功能, Solr提供了一个管理界面,通过管理界面可以查询Solr的配置和运行情况。Solr是基于lucene开发企业级搜索服务器,实际上就是封装了lucene.Solr是一个独立的企业级搜索应用服务器,它对外提供类似于Web-service的API接口。用户可以通过http请求,向搜索引擎服务器提交-定格式的文件,生成索引;也可以通过提出查找请求,并得到返回结果。 2.3、ElasticSearch与Solr比较 当单纯的对已有数据进行搜索时，Solr更快

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

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

转变我们的搜索基础设施后从Solr ElasticSearch，我们看见一个即时~ 50x提高搜索性能！

总结

1、es基本是开箱即用(解压就可以用!) ,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。

3、ElasticSearch安装 jdk8 最低要求

使用Java开发，必须保证ElasticSearch的版本与Java的核心jar包版本对应！（Java环境保证没错）

3.1、安装

下载地址： .elastic.co/cn/downloads/

历史版本下载： .elastic.co/cn/downloads/past-releases/

解压即可（尽量将ElasticSearch相关工具放在统一目录下）

bin 启动文件目录 config 配置文件目录 1og4j2 日志配置文件 jvm.options java 虚拟机相关的配置(默认启动占1g内存，内容不够需要自己调整) elasticsearch.ym1 elasticsearch 的配置文件! 默认9200端口!跨域! 1ib 相关jar包 modules 功能模块目录 plugins 插件目录 ik分词器

启动测试

3.2、安装可视化界面

elasticsearch-head

使用前提：需要安装nodejs

下载的版本需要与ElasticSearch版本对应

1、下载地址

github /mobz/elasticsearch-head

2、安装

解压即可（尽量将ElasticSearch相关工具放在统一目录下）

3、启动

cd elasticsearch-head # 安装依赖 npm install # 如果安装了淘宝镜像可以用 cnpm install # 启动 npm run start # 访问 http://localhost:9100/

安装依赖

启动

访问

由于ES在9200端口，而可视化界面在9100端口，故出现跨域问题无法访问

什么是跨域： blog.csdn.net/qq_38128179/article/details/84956552

解决跨域

开启跨域（在elasticsearch解压目录config下elasticsearch.yml中添加）

# 开启跨域 http.cors.enabled: true # 所有人访问 http.cors.allow-origin: "*"

重启elasticsearch

重新访问

如何理解上图：

如果你是初学者 索引 可以看做 “数据库”类型 可以看做 “表”文档 可以看做 “库中的数据（表中的行）”

这个head，我们只是把它当做可视化数据展示工具，之后所有的查询都在kibana中进行，因为不支持json格式化，不方便

3.3、安装Kibana

了解ELK

下载地址

.elastic.co/cn/downloads/

历史版本下载： .elastic.co/cn/downloads/past-releases/

下载的版本需要与ElasticSearch版本对应

安装

解压即可

启动

访问

怎么测试

我们之后的所有操作都在这里编写！

汉化

很多人对英文不太熟悉，可以进行汉化

编辑器打开kibana解压目录/config/kibana.yml，添加

i18n.locale: "zh-CN"

保存完毕重启即可

4、ElasticSearch核心概念 概述

1、索引（ElasticSearch）

包含多个分片

2、字段类型（映射）

字段类型映射（字段是整型，还是字符型…）

3、文档

4、分片（Lucene索引，倒排索引）

ElasticSearch是面向文档，关系行数据库和ElasticSearch客观对比！一切都是JSON！

elasticsearch（集群）中可以包含多个索引（数据库） ,每个索引中可以包含多个类型（表） ,每个类型下又包含多个文档（行） ,每个文档中又包含多个字段（列）。

物理设计

elasticsearch在后台把每个索引划分成多个分片，每分分片可以在集群中的不同服务器间迁移

一个人就是一个集群! ，即启动的ElasticSearch服务，默认就是一个集群，且默认集群名为elasticsearch

逻辑设计

一个索引类型中，包含多个文档，比如说文档1，文档2。当我们索引一篇文档时，可以通过这样的顺序找到它：索引 => 类型 => 文档ID ，通过这个组合我们就能索引到某个具体的文档。 注意：ID不必是整数，实际上它是个字符串。

文档（”行“）

之前说elasticsearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，elasticsearch中，文档有几个重要属性:

自我包含，一篇文档同时包含字段和对应的值，也就是同时包含key:value !

可以是层次型的，一个文档中包含自文档，复杂的逻辑实体就是这么来的! {就是一个json对象 ! fastjson进行自动转换 !}

灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对于字段是非常灵活的，有时候,我们可以忽略该字段，或者动态的添加一个新的字段。

尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在elasticsearch中，类型有时候也称为映射类型。

类型（“表”）

类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如name映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么elasticsearch是怎么做的呢?

elasticsearch会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用，别整什么幺蛾子。

索引（“库”）

索引是映射类型的容器， elasticsearch中的索引是一个非常大的文档集合。 索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。我们来研究下分片是如何工作的。

物理设计：节点和分片 如何工作

创建新索引

一个集群至少有一个节点，而一个节点就是一个elasricsearch进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有个5个分片(primary shard ,又称主分片)构成的，每一个主分片会有一个副本(replica shard，又称复制分片)

上图是一个有3个节点的集群，可以看到主分片和对应的复制分片都不会在同一个节点内，这样有利于某个节点挂掉了，数据也不至于失。实际上，一个分片是一个Lucene索引（一个ElasticSearch索引包含多个Lucene索引） ，一个包含倒排索引的文件目录，倒排索引的结构使得elasticsearch在不扫描全部文档的情况下，就能告诉你哪些文档包含特定的关键字。

倒排索引（Lucene索引底层）

简单说就是 按（文章关键字，对应的文档<0个或多个>）形式建立索引，根据关键字就可直接查询对应的文档（含关键字的），无需查询每一个文档

blog.csdn.net/qq_43403025/article/details/114779166

5、IK分词器(elasticsearch插件)

IK分词器：中文分词器

分词：即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一一个匹配操作，默认的中文分词是将每个字看成一个词（不使用用IK分词器的情况下），比如“我爱狂神”会被分为”我”，”爱”，”狂”，”神” ，这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。

IK提供了两个分词算法: ik_smart和ik_max_word ,其中ik_smart为最少切分, ik_max_word为最细粒度划分!

下载地址（注意与ES版本一致）

下载地址： github /medcl/elasticsearch-analysis-ik/releases

安装

在ElasticSearch的plugins目录下新建一个ik目录，把下载的zip解压放入ik目录

重启ES

发现我们的IK分词器已经被成功加载！

查看所有插件

在ES的bin目录下输入

elasticsearch-plugin list

测试

ik_smart

ik_max_word

从上面看，感觉分词都比较正常，但是大多数，分词都满足不了我们的想法，如下例

如果我们某个词并不希望它被拆分，那么，我们需要手动将该词添加到分词器的词典当中

手动添加字典

...\elasticsearch-7.6.1\plugins\ik\config

在此目录新建my.dic文件用来放我们自己的字典

把我们的dic文件配置到xml中

重启ES

发现狂神说已经不会被拆分了！

6、Rest风格说明

一种软件架构风格,而不是标准,只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。

methodurl地址描述PUT（创建,修改）localhost:9200/索引名称/类型名称/文档id创建文档（指定文档id）POST（创建）localhost:9200/索引名称/类型名称创建文档（随机文档id）POST（修改）localhost:9200/索引名称/类型名称/文档id/_update修改文档DELETE（删除）localhost:9200/索引名称/类型名称/文档id删除文档GET（查询）localhost:9200/索引名称/类型名称/文档id查询文档通过文档IDPOST（查询）localhost:9200/索引名称/类型名称/文档id/_search查询所有数据 数据类型说明

字符串类型

text、keyword text：支持分词，全文检索,支持模糊、精确查询,不支持聚合,排序操作;text类型的最大支持的字符长度无限制,适合大字段存储；keyword：不进行分词，直接索引、支持模糊、支持精确匹配，支持聚合、排序操作。keyword类型的最大支持的长度为——32766个UTF-8类型的字符,可以通过设置ignore_above指定自持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。

数值型

long、Integer、short、byte、double、float、half float、scaled float

日期类型

date

布尔类型

boolean

二进制类型

binary 索引测试 1、创建一个索引 # 格式 PUT /索引名/~类型名~/文档id { 请求体 } PUT /test1/type1/1 { "name": "狂神说", "age" : 3 }

索引创建成功

数据也增加成功

2、指定索引字段规则

创建索引test2并限制内部规则

3、获取规则 GET /test2

4、查看默认信息 GET /test3

如果自己的文档没有指定类型，那么es会给我们默认配置字段类型

扩展：通过get _cat/ 可以获取ElasticSearch的当前的很多信息！

GET _cat/indices GET _cat/aliases GET _cat/allocation GET _cat/count GET _cat/fielddata GET _cat/health GET _cat/indices GET _cat/master GET _cat/nodeattrs GET _cat/nodes GET _cat/pending_tasks GET _cat/plugins GET _cat/recovery GET _cat/repositories GET _cat/segments GET _cat/shards GET _cat/snapshots GET _cat/tasks GET _cat/templates GET _cat/thread_pool 5、修改

①旧的（使用put覆盖原来的值）

版本+1（_version）但是如果漏掉某个字段没有写，那么更新时没有写的字段 ，会消失 PUT test1/type1/1 { "name": "狂神说JAVA", "age": 13 }

②新的（使用post的update）

version不会改变需要注意doc不会丢失字段 POST /test3/_doc/1/_update { "doc":{ "name" : "post修改，version不会加一", "age" : 2 } } 6、删除 DELETE test1/type1/1 DELETE test1 文档查询 Get zwj/user/_search { "query": { // 查询参数 "match": { "name": "狂神" } }, "_source": ["name","age"], // 查询指定字段 "sort": [{ // 按某个字段排序 "age": { "order": "asc" } }], "from": 0, // 从第几个数据开始分页！！！不是页码 "size": 2 // pageSize 每页 数据 }

初始数据：

PUT /zwj/user/4 { "name": "狂神说Python", "age" : 15, "sex": "男" }

1、模糊查询name包含狂神的

Get zwj/user/_search { "query": { "match": { "name": "狂神" } } }

2、查询指定字段+limit

Get zwj/user/_search { "query": { "match": { "name": "狂神" } }, "_source": ["name","age"], "sort": [{ "age": { "order": "desc" } }], "from": 0, "size": 2 }

3、布尔值查询

must(where A and B):所有的条件都要符合

should(where A or B): 任一条件符合即可

must_not: !=

4、筛选

filter:

5、多条件查询

6、精确查询

term查询 是直接通过倒排索引指定的词条进行精确查询的~

关于分词：

term，直接精确查询match，会使用分词器解析（上述查男把直男、渣男都查出来了）

两个类型

text：可以被分词器解析kerwork： 不可以被分词器解析

新建testdb库：

put testdb { "mappings": { "properties": { "name": { "type": "text" }, "desc": { "type": "keyword" } } } }

插入数据：

put testdb/_doc/1 { "name": "狂神说Java", "desc": "狂神说Java desc" } put testdb/_doc/2 { "name": "狂神说Java", "desc": "狂神说Java desc2" }

查询数据

keyword: (简单字符串，不会被分析)standard:

精确查询多个值：

put testdb/_doc/3 { "t1": "22", "t2": "2020-4-6" } put testdb/_doc/4 { "t1": "33", "t2": "2020-4-7" }

高亮查询：

GET zwj/user/_search { "query": { "match": { "name": "狂神说" } }, "highlight": { "fields": { "name": {} } } }

支持自定义搜索高亮：

GET zwj/user/_search { "highlight": { "pre_tags": {}, "post_tags": {}, "fields": { "name": {} } } }

7、集成SpringBoot

实际上集成做的事情很简单

1、新建SpringBoot项目（目前默认的大版本是3，与2有很大改动，推荐用2）

2、导入相关依赖（我习惯用mybatis和mysql，所以一起导入了）

<?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http:// .w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 maven.apache.org/xsd/maven-4.0.0.xsd"> <modelVersion>4.0.0</modelVersion> <parent> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-parent</artifactId> <version>2.7.10</version> <relativePath/> <!-- lookup parent from repository --> </parent> <groupId>com.zwj</groupId> <artifactId>SpringBootES</artifactId> <version>0.0.1-SNAPSHOT</version> <name>SpringBootES</name> <description>SpringBootES</description> <properties> <java.version>8</java.version> </properties> <dependencies> <!--elasticsearch 相关--> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-elasticsearch</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <dependency> <groupId>org.mybatis.spring.boot</groupId> <artifactId>mybatis-spring-boot-starter</artifactId> <version>3.0.3</version> </dependency> <dependency> <groupId>com.mysql</groupId> <artifactId>mysql-connector-j</artifactId> <scope>runtime</scope> </dependency> <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <optional>true</optional> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-test</artifactId> <scope>test</scope> </dependency> <dependency> <groupId>org.mybatis.spring.boot</groupId> <artifactId>mybatis-spring-boot-starter-test</artifactId> <version>3.0.3</version> <scope>test</scope> </dependency> </dependencies> <build> <plugins> <plugin> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-maven-plugin</artifactId> <configuration> <excludes> <exclude> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> </exclude> </excludes> </configuration> </plugin> </plugins> </build> </project>

3、注册bean

package com.zwj.config; import org.apache.http.HttpHost; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; @Configuration public class ESClientConfig { @Bean public RestHighLevelClient restHighLevelClient(){ return new RestHighLevelClient( RestClient.builder( new HttpHost("127.0.0.1",9200,"http"))); } }

由于一些原因后续的实战我没有跟，公司这个用的不多，一些东西用到的时候还是要去查文档~~