ElasticSearch简介和快速实战

ElasticSearch简介和快速实战

ElasticSearch与Lucene

Lucene可以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（框架）

但是想要使用Lucene，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，并且Lucene的配置及使用非常复杂，你需要深入了解检索的相关知识来理解它是如何工作的。

Lucene缺点：

1）只能在Java项目中使用,并且要以jar包的方式直接集成项目中.

2）使用非常复杂-创建索引和搜索索引代码繁杂

3）不支持集群环境-索引数据不同步（不支持大型项目）

4）索引数据如果太多就不行，索引库和应用所在同一个服务器,共同占用硬盘.共用空间少.

上述Lucene框架中的缺点,ES全部都能解决.

ES vs 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。二者安装都很简单。

1、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。

2、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。

3、Solr 在传统的搜索应用中表现好于 Elasticsearch，但在处理实时搜索应用时效率明显低于 Elasticsearch。

4、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。

ES vs 关系型数据库

什么是全文检索

全文检索是指：

• 通过一个程序扫描文本中的每一个单词，针对单词建立索引，并保存该单词在文本中的位置、以及出现的次数
• 用户查询时，通过之前建立好的索引来查询，将索引中单词对应的文本位置、出现的次数返回给用户，因为有了具体文本的位置，所以就可以将具体内容读取出来了

分词原理之倒排索引

倒排索引总结：

索引就类似于目录，平时我们使用的都是索引，都是通过主键定位到某条数据，那么倒排索引呢，刚好相反，数据对应到主键．这里以一个博客文章的内容为例:

1.索引

文章ID	文章标题	文章内容
1	浅析JAVA设计模式	JAVA设计模式是每一个JAVA程序员都应该掌握的进阶知识
2	JAVA多线程设计模式	JAVA多线程与设计模式结合

2.倒排索引

假如，我们有一个站内搜索的功能，通过某个关键词来搜索相关的文章，那么这个关键词可能出现在标题中，也可能出现在文章内容中，那我们将会在创建或修改文章的时候，建立一个关键词与文章的对应关系表，这种，我们可以称之为倒排索引,因此倒排索引，也可称之为反向索引．如：

关键词	文章ID
JAVA	1
设计模式	1,2
多线程	2

注：这里涉及中文分词的问题

Elasticsearch中的核心概念

1 索引 index

一个索引就是一个拥有几分相似特征的文档的集合。比如说，可以有一个客户数据的索引，另一个产品目录的索引，还有一个订单数据的索引

一个索引由一个名字来标识（必须全部是小写字母的），并且当我们要对对应于这个索引中的文档进行索引、搜索、更新和删除的时候，都要使用到这个名字

2 映射 mapping

ElasticSearch中的映射（Mapping）用来定义一个文档

mapping是处理数据的方式和规则方面做一些限制，如某个字段的数据类型、默认值、分词器、是否被索引等等，这些都是映射里面可以设置的

3 字段Field

相当于是数据表的字段|列

4 字段类型 Type

每一个字段都应该有一个对应的类型，例如：Text、Keyword、Byte等

5 文档 document

一个文档是一个可被索引的基础信息单元，类似一条记录。文档以JSON（Javascript Object Notation）格式来表示；

6 集群 cluster

一个集群就是由一个或多个节点组织在一起，它们共同持有整个的数据，并一起提供索引和搜索功能

7 节点 node

一个节点是集群中的一个服务器，作为集群的一部分，它存储数据，参与集群的索引和搜索功能

一个节点可以通过配置集群名称的方式来加入一个指定的集群。默认情况下，每个节点都会被安排加入到一个叫做“elasticsearch”的集群中

这意味着，如果在网络中启动了若干个节点，并假定它们能够相互发现彼此，它们将会自动地形成并加入到一个叫做“elasticsearch”的集群中

在一个集群里，可以拥有任意多个节点。而且，如果当前网络中没有运行任何Elasticsearch节点，这时启动一个节点，会默认创建并加入一个叫做“elasticsearch”的集群。

3.8 分片和副本 shards&replicas

3.8.1 分片

• 一个索引可以存储超出单个结点硬件限制的大量数据。比如，一个具有10亿文档的索引占据1TB的磁盘空间，而任一节点都没有这样大的磁盘空间；或者单个节点处理搜索请求，响应太慢

• 为了解决这个问题，Elasticsearch提供了将索引划分成多份的能力，这些份就叫做分片

• 当创建一个索引的时候，可以指定你想要的分片的数量

• 每个分片本身也是一个功能完善并且独立的“索引”，这个“索引”可以被放置到集群中的任何节点上

• 分片很重要，主要有两方面的原因

​ 允许水平分割/扩展你的内容容量

​ 允许在分片之上进行分布式的、并行的操作，进而提高性能/吞吐量

• 至于一个分片怎样分布，它的文档怎样聚合回搜索请求，是完全由Elasticsearch管理的，对于作为用户来说，这些都是透明的

3.8.2 副本

• 在一个网络/云的环境里，失败随时都可能发生，在某个分片/节点不知怎么的就处于离线状态，或者由于任何原因消失了，这种情况下，有一个故障转移机制是非常有用并且是强烈推荐的。为此目的，Elasticsearch允许你创建分片的一份或多份拷贝，这些拷贝叫做副本分片，或者直接叫副本

• 副本之所以重要，有两个主要原因

​ 1) 在分片/节点失败的情况下，提供了高可用性。

​ 注意到复制分片从不与原/主要（original/primary）分片置于同一节点上是非常重要的

​ 2) 扩展搜索量/吞吐量，因为搜索可以在所有的副本上并行运行

​ 每个索引可以被分成多个分片。一个索引有0个或者多个副本

​ 一旦设置了副本，每个索引就有了主分片和副本分片，分片和副本的数量可以在索引

​ 创建的时候指定

​ 在索引创建之后，可以在任何时候动态地改变副本的数量，但是不能改变分片的数量

测试分词效果

单字分词器

POST _analyze
 {
 "analyzer":"standard",
 "text":"我爱你中国"
 }

ik分词器

最粗力度拆分

POST _analyze
{
"analyzer": "ik_smart",
"text": "中华人民共和国人民大会堂"
}

最细力度拆分

POST _analyze
{
"analyzer": "ik_max_word",
"text": "中华人民共和国人民大会堂"
}

指定IK分词器作为默认分词器

修改默认分词方法(这里修改school_index索引的默认分词为：ik_max_word)：

PUT /school_index
{
  "settings" :  {
    "index" : {
    "analysis.analyzer.default.type": "ik_max_word"
    }
  }
}

ES数据管理

ES是面向文档(document oriented)的，这意味着它可以存储整个对象或文档(document)。

然而它不仅仅是存储，还会索引(index)每个文档的内容使之可以被搜索。

在ES中，你可以对文档（而非成行成列的数据）进行索引、搜索、排序、过滤。

ES使用JSON作为文档序列化格式。

JSON现在已经被大多语言所支持，而且已经成为NoSQL领域的标准格式。

ES存储的一个员工文档的格式示例：

{
"email": "584614151@qq.com",
"name": "张三",
 "age": 30,
 "interests": [ "篮球", "健身" ]

}

基本操作

1) 创建索引

格式: PUT /索引名称

PUT /es_db

2) 查询索引

格式: GET /索引名称

GET /es_db

3) 删除索引

格式: DELETE /索引名称

DELETE /es_db

4) 添加文档

格式: PUT /索引名称/类型/id

PUT /es_db/_doc/1{"name": "张三","sex": 1,"age": 25,"address": "广州天河公园","remark": "java developer"}PUT /es_db/_doc/2{"name": "李四","sex": 1,"age": 28,"address": "广州荔湾大厦","remark": "java assistant"}PUT /es_db/_doc/3{"name": "rod","sex": 0,"age": 26,"address": "广州白云山公园","remark": "php developer"}PUT /es_db/_doc/4{"name": "admin","sex": 0,"age": 22,"address": "长沙橘子洲头","remark": "python assistant"}PUT /es_db/_doc/5{"name": "小明","sex": 0,"age": 19,"address": "长沙岳麓山","remark": "java architect assistant"}

5) 修改文档

格式: PUT /索引名称/类型/id

PUT /es_db/_doc/1{"name": "白起老师","sex": 1,"age": 25,"address": "张家界森林公园","remark": "php developer assistant"				}

注意:

POST和PUT都能起到创建/更新的作用

1、需要注意的是PUT需要对一个具体的资源进行操作也就是要确定id才能进行更新/创建，而POST是可以针对整个资源集合进行操作的，如果不写id就由ES生成一个唯一id进行创建新文档，如果填了id那就针对这个id的文档进行创建/更新

2、PUT只会将json数据都进行替换, POST只会更新相同字段的值

3、PUT与DELETE都是幂等性操作, 即不论操作多少次, 结果都一样

6) 查询文档

格式: GET /索引名称/类型/id

GET /es_db/_doc/1

7) 删除文档

格式: DELETE /索引名称/类型/id

DELETE /es_db/_doc/1

Restful风格

Restful是一种面向资源的架构风格，可以简单理解为：使用URL定位资源，用HTTP动词（GET,POST,DELETE,PUT）描述操作。 基于Restful API ES和所有客户端的交互都是使用JSON格式的数据.

其他所有程序语言都可以使用RESTful API，通过9200端口的与ES进行通信

GET查询

PUT添加

POST修改

DELE删除

使用Restful的好处：

透明性，暴露资源存在。

充分利用 HTTP 协议本身语义，不同请求方式进行不同的操作

查询操作

1 查询当前类型中的所有文档

格式: GET /索引名称/类型/_search

GET /es_db/_doc/_search

SQL: select * from student

2 条件查询

如要查询age等于28岁的

格式: GET /索引名称/类型/_search?q=age:28

GET /es_db/_doc/_search?q=age:28

SQL: select * from student where age = 28

3 范围查询

如要查询age在25至26岁之间的

格式: GET /索引名称/类型/_search?q=age[25 TO 26] 注意: TO 必须为大写

GET /es_db/_doc/_search?q=age[25 TO 26]

SQL: select * from student where age between 25 and 26

4 根据多个ID进行批量查询 _mget

格式: GET /索引名称/类型/_mget

GET /es_db/_doc/_mget{  "ids":["2","3"] }

select * from student where id in (2,3)

5 查询年龄小于等于28岁的 :<=

格式: GET /索引名称/类型/_search?q=age:<=28

GET /es_db/_doc/_search?q=age:<=28

SQL: select * from student where age <= 28

6 查询年龄大于28前的 :>

格式: GET /索引名称/类型/_search?q=age:>26

GET /es_db/_doc/_search?q=age:>26

SQL: select * from student where age > 28

7 分页查询

格式: GET /索引名称/类型/_search?q=age[25 TO 26]&from=0&size=1

GET /es_db/_doc/_search?q=age[25 TO 26]&from=0&size=1

SQL: select * from student where age between 25 and 26 limit 0, 1

8 对查询结果只输出某些字段**

格式: GET /索引名称/类型/_search?__source=字段,字段

GET /es_db/_doc/_search?_source=name,age

SQL: select name,age from student

9 对查询结果排序**

格式: GET /索引名称/类型/_search?sort=字段 desc

GET /es_db/_doc/_search?sort=age:desc

SQL: select * from student order by age desc

文档批量操作

1.批量获取文档数据

批量获取文档数据是通过_mget的API来实现的

(1)在URL中不指定index和type

• 请求方式：GET

• 请求地址：_mget

• 功能说明 ： 可以通过ID批量获取不同index和type的数据

• 请求参数：

• • docs : 文档数组参数
• • • _index : 指定index
    • _type : 指定type
    • _id : 指定id
    • _source : 指定要查询的字段

GET _mget{  "docs": [    {      "_index": "es_db",      "_id": 3    },    {      "_index": "es_db",      "_id": 2    }  ]}

(2)在URL中指定index

• 请求方式：GET

• 请求地址：/{{indexName}}/_mget

• 功能说明 ： 可以通过ID批量获取不同index和type的数据

• 请求参数：

• • docs : 文档数组参数
• • • _index : 指定index
    • _type : 指定type
    • _id : 指定id
    • _source : 指定要查询的字段

GET /es_db/_mget{  "docs": [    {      "_type":"_doc",      "_id": 3    },    {      "_type":"_doc",      "_id": 4    }  ]}

(3)在URL中指定index和type

• 请求方式：GET

• 请求地址：/{{indexName}}/{{typeName}}/_mget

• 功能说明 ： 可以通过ID批量获取不同index和type的数据

• 请求参数：

• • docs : 文档数组参数
• • • _index : 指定index
    • _type : 指定type
    • _id : 指定id
    • _source : 指定要查询的字段

GET /es_db/_doc/_mget{  "docs": [    {      "_id": 3    },    {      "_id": 2    }  ]}

2.批量操作文档数据

批量对文档进行写操作是通过_bulk的API来实现的

• 请求方式：POST

• 请求地址：_bulk

• 请求参数：通过_bulk操作文档，一般至少有两行参数(或偶数行参数)

• • 第一行参数为指定操作的类型及操作的对象(index,type和id)
  • 第二行参数才是操作的数据

参数类似于：

{"actionName":{"_index":"indexName", "_type":"typeName","_id":"id"}}{"field1":"value1", "field2":"value2"}

• actionName：表示操作类型，主要有create,index,delete和update

(1)批量创建文档create

POST _bulk{"create":{"_index":"article",  "_id":3}}{"id":3,"title":"白起老师1","content":"白起老师666","tags":["java", "面向对象"],"create_time":1554015482530}{"create":{"_index":"article", "_id":4}}{"id":4,"title":"白起老师2","content":"白起老师NB","tags":["java", "面向对象"],"create_time":1554015482530}

(2)普通创建或全量替换index

POST _bulk{"index":{"_index":"article",  "_id":3}}{"id":3,"title":"图灵徐庶老师(一)","content":"图灵学院徐庶老师666","tags":["java", "面向对象"],"create_time":1554015482530}{"index":{"_index":"article",  "_id":4}}{"id":4,"title":"图灵诸葛老师(二)","content":"图灵学院诸葛老师NB","tags":["java", "面向对象"],"create_time":1554015482530}

(3)批量删除delete

POST _bulk{"delete":{"_index":"article", "_id":3}}{"delete":{"_index":"article", "_id":4}}

(4)批量修改update

POST _bulk{"update":{"_index":"article",  "_id":3}}{"doc":{"title":"ES大法必修内功"}}{"update":{"_index":"article",  "_id":4}}{"doc":{"create_time":1554018421008}}