ElasticSearch

ES

elasticsearch博客:https://www.cnblogs.com/Neeo/p/10864123.html#elk

 

　　E: elastic

　　S: search

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。

基于Lucene的搜索引擎，Java开发，包括：

• Lucene
• Solr
• elasticsearch
• katta
• compass

ElasticSearch

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开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。

elasticsearch中，是以文档的形式存储数据。

文档要比数据表的行更加灵活。因为文档可以是多层次的，它（文档）鼓励你将属于一个逻辑实体的数据保存在同一个文档中，而不是散落在各个表的不同行中。这样查询效率很高，因为我们无需连接其他的表

优点：

• 分布式：节点对外表现对等，加入节点自动均衡
• elasticsearch完全支持Apache Lucene的接近实时的搜索
• 各节点组成对等的网络结构，当某个节点出现故障时会自动分配其他节点代替期进行工作
• 横向可扩展性，如果你需要增加一台服务器，只需要做点配置，然后启动就完事了
• 高可用：提供复制（replica）机制，一个分片可以设置多个复制，使得某台服务器宕机的情况下，集群仍旧可以照常运行，并会把由于服务器宕机丢失的复制恢复到其它可用节点上；这点也类似于HDFS的复制机制（HDFS中默认是3份复制）

缺点：

• 不支持事物
• 相对吃内存

前言

• 逻辑设计，我们可以把elasticsearch与关系型数据做个客观对比：

数据库（database）	索引（indices）
表（tables）	types
行（rows）	documents
字段（columns）	fields

　　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

　　注意：当然，这里需要补充的是，从elasticsearch的第一个版本开始，每个文档都存储在一个索引中，并分配多个映射类型，映射类型用于表示被索引的文档或者实体的类型，但这也带来了一些问题（详情参见Removal of mapping types），导致后来在elasticsearch6.0.0版本中一个文档只能包含一个映射类型，而在7.0.0中，映射类型则将被弃用，到了8.0.0中则将完全被删除。

逻辑设计:文档、类型、索引

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

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
• 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。
• 文档是无模式的，也就是说，字段对应值的类型可以是不限类型的。

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型。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（因此带来的问题），这也是为什么在elasticsearch中，类型有时候也称为映射类型。

类型

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会认为它是整型。
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。后面在讨论更多关于映射的东西。

索引

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、分片

一个集群包含至少一个节点，而一个节点就是一个elasticsearch进程。节点内可以有多个索引。
默认的，如果你创建一个索引，那么这个索引将会有5个分片（primary shard，又称主分片）构成，而每个分片又有一个副本（replica shard，又称复制分片），这样，就有了10个分片。

那么这个索引是如何存储在集群中的呢？

 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，数据也不至于丢失。
实际上，一个分片是一个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

elasticsearch使用的是一种称为倒排索引的结构，采用Lucene倒排索作为底层。这种结构适用于快速的全文搜索，一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。
倒排列表（Posting List）记录了词条对应的文档集合，由倒排索引项（Posting）组成。

倒排索引项主要包含如下信息：

• 文档id，用于获取原始信息。
• 词条频率（TF，Term Frequency），记录该词条在文档中出现的次数，用于后续相关性算分。
• 位置（Position），记录词条在文档中的分词位置（多个），用于做短语搜索（Phrase Query）。
• 偏移（Offset），记录词条在文档的开始和结束位置，用于做高亮显示。

以搜索引擎为例：

1	elasticsearch是最流行的搜索引擎
2	Python是世界上最好的语言
3	搜索引擎是如何诞生的

上述文档的倒排索引列表是这样的：

1	1	2	<18,22>
3	1	0	<0,4>

关于文档1，DocID是1无需多说，TF是1表示搜索引擎在文档内容中出现一次，Position指的是分词后的位置，首先要说文档内容会被分为elasticsearch、最流行、搜索引擎3部分，从0开始计算，搜索引擎的Position是2；Offset是搜索引擎这个字符在文档中的位置。

文档3中搜索引擎在文档中出现一次（TF:1），并且出现在文档的开始位置（Position：0），那么Offset的位置就是<0,4>无疑了。

再比如说，现在有两个文档， 每个文档包含如下内容：

Study every day, good good up to forever        # 文档1包含的内容
To forever, study every day, good good up   # 文档2包含的内容

为了创建倒排索引，我们首先要将每个文档拆分成独立的词（或称为词条或者tokens），然后创建一个包含所有不重复的词条的排序列表，然后列出每个词条出现在哪个文档：

Study	√	×
To	×	√
every	√	√
forever	√	√
day	√	√
study	×	√
good	√	√
every	√	√
to	√	×
up	√	√

现在，我们试图搜索to forever，只需要查看包含每个词条的文档：

to	√	×
forever	√	√
total	2	1

两个文档都匹配，但是第一个文档比第二个匹配程度更高。如果没有别的条件，现在，这两个包含关键字的文档都将返回。

再来看一个示例，比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构：

如果要搜索含有python标签的文章，那相对于查找所有原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这一栏，然后获取相关的文章ID即可。

elasticsearch的索引和Lucene的索引对比

在elasticsearch中，索引这个词被频繁使用，这就是术语的使用。
并且elasticsearch将索引被分为多个分片，每份分片是一个Lucene的索引。所以一个elasticsearch索引是由多个Lucene索引组成的。

环境配置

elasticsearch for windows：Java环境配置

java

jdk安装一路下一步
配置JAVA_HOME 在系统变量里面新建一个变量名:JAVA_HOME,变量值:C:\Program Files\Java\jdk1.8.0_201
配置Path : 在系统变量的Path中,追加 %JAVA_HOME%\bin;

elasticsearch

 elasticsearch下载安装

解压到合适的目录中,合适:路径不要有中文 空格 特殊字符
启动安装目录中的bin目录下的 elasticsearch.bat
浏览器访问: http://127.0.0.1:9200/ --> json字符串 说明安装成功

kibana

 kibana for windows

解压到合适的目录中,合适:路径不要有中文 空格 特殊字符
启动安装目录中的bin目录下的 kibana.bat
浏览器访问: http://127.0.0.1:5601/ --> web页面
dev tools -->　console

增删改查

创建文档

PUT zrq/doc/1
{
  "name":"nihao"
}

返回

{
  "_index" : "zrq",
  "_type" : "doc",
  "_id" : "1",
  "_version" : 3,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 2,
  "_primary_term" : 1
}

结果中的result则是操作类型，现在是created，表示第一次创建。如果我们再次点击执行该命令，那么result则会是updated。我们细心则会发现_version开始是1，现在你每点击一次就会增加一次。表示第几次更改。

查询所有索引

GET _cat/indices?v

展示当前集群中索引情况，包括，索引的健康状况、UUID、主副分片个数、大小等信息。

查询指定的索引信息

GET zrq/doc/_search

返回

{
  "took" : 5,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 2,
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "zrq",
        "_type" : "doc",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
          "name" : "shuai"
        }
      },
      {
        "_index" : "zrq",
        "_type" : "doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "name" : "nihao"
        }
      }
    ]
  }
}

查询文档信息

GET zrq/doc/1

删除所有

后追加文件

DELETE zrq

删除指定索引

DELETE zrq/doc/1

指定替换

POST zrq/doc/2/_update
{
  "doc": {
    "age":[19]
  }
}

全部替换

PUT全部替换

PUT zrq/doc/2
{
  pass
}

查询的两种方式

字符串查询

GET zhifou/doc/_search?q=from:gu

还是使用GET命令，通过_serarch查询，查询条件是什么呢？条件是from属性是gu家的人都有哪些。最后，别忘了_search和from属性中间的英文分隔符?。

结构化查询

使用DSL方式

GET zhifou/doc/_search
{
  "query": {
    "match": {
      "from": "gu"
    }
  }
}

query条件
match 和 match_all

上例，查询条件是一步步构建出来的，将查询条件添加到match中即可，而match则是查询所有from字段的值中含有gu的结果就会返回。

sort

升降序 desc和asc

GET zrq/doc/_search
{
  "query":{
    "match_all": {}
  },
  "sort": [
    {
      "age": {
        "order": "asc"
      }
    }
  ]
}

from

from   索引位置

size   拿取数量

GET zrq/doc/_search
{
  "query":{
    "match_all": {}
  },
  "from":0,
  "size":2
}

_source选择字段
可以为下面两种方式

"_source": "{name}"
或 "_source": ["name","age"] 

GET zrq/doc/_search
{
  "query":{
    "match_all": {}
  },
  "from":0,
  "size":2,"_source": "{name}"
}