MXC肖某某

MXC肖某某

关注
发信
关注(28)粉丝(399)

ElasticSearch基本简介（一）

一、ES简介

1，什么是ES

　　ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式的全文搜索引擎，其对外服务是基于RESTful web接口发布的。Elasticsearch是用Java开发的应用，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，能够达到近实时搜索，稳定，可靠，快速，安装使用方便。

2，ES的相关概念

a）cluster

　　cluster集群。ElasticSearch集群由一或多个节点组成，其中有一个主节点，这个主节点是可以通过选举产生的，主从节点是对于集群内部来说的。ElasticSearch的一个概念就是去中心化，字面上理解就是无中心节点，这是对于集群外部来说的，因为从外部看ElasticSearch集群，在逻辑上是个整体，你与集群中的任何一个节点通信和与整个ElasticSearch集群通信是等价的。也就是说，主节点的存在不会产生单点安全隐患、并发访问瓶颈等问题。

b）shards

　　primary shard：代表索引的主分片，ElasticSearch可以把一个完整的索引分成多个primary shard，这样的好处是可以把一个大的索引拆分成多个分片，分布存储在不同的ElasticSearch节点上，从而形成分布式存储，并为搜索访问提供分布式服务，提高并发处理能力。primary shard的数量只能在索引创建时指定，并且索引创建后不能再更改primary shard数量(重新分片需要重新定义分片规则)。es5.x之后默认为5，es7.x默认为1。

c）replicas

　　replica shard：代表索引主分片的副本，ElasticSearch可以设置多个replica shard。replica shard的作用：一是提高系统的容错性，当某个节点某个primary shard损坏或丢失时可以从副本中恢复。二是提高ElasticSearch的查询效率，ElasticSearch会自动对搜索请求进行负载均衡，将并发的搜索请求发送给合适的节点，增强并发处理能力。可取值为0~n，默认为1。

d）Index

　　索引。相当于关系型数据库中的表。其中存储若干相似结构的Document数据。如：客户索引，订单索引，商品索引等。ElasticSearch中的索引不像数据库表格一样有强制的数据结构约束，在理论上，可以存储任意结构的数据。但了为更好的为业务提供搜索数据支撑，还是要设计合适的索引体系来存储不同的数据。

e）Type

　　类型。每个索引中都必须有唯一的一个Type，Type是Index中的一个逻辑分类。ElasticSearch中的数据Document是存储在索引下的Type中的。

　　注意：ElasticSearch5.x及更低版本中，一个Index中可以有多个Type。ElasticSearch6.x版本之后，type概念被弱化，一个index中只能有唯一的一个type。且在7.x版本之后，删除type定义。

f）Document

　　文档。ElasticSearch中的最小数据单元。一个Document就是一条数据，一般使用JSON数据结构表示。每个Index下的Type中都可以存储多个Document。一个Document中可定义多个field，field就是数据字段。如：学生数据（{"name":"张三", "age":20, "gender":"男"}）。

g）反向索引(倒排索引)

　　对数据进行分析，抽取出数据中的词条，以词条作为key，对应数据的存储位置作为value，实现索引的存储。这种索引称为倒排索引。倒排索引是Document写入ElasticSearch时分析维护的。

　　ElasticSearch基本简介（一）-LMLPHP

 3，比数据库做搜索的优势

  • 数据库查询复杂度高。比如：like '%关键字%'不能命中索引，搜索复杂度高
  • 数据库关键字的搜索不全面，搜索结果不符合要求。比如：搜索商品为'笔记本电脑'，不能搜索到只有'笔记本'或者只有'电脑'的数据
  • 数据库搜索的效率问题。数据量越大，查询效率越低。

二、ElasticSearch索引操作

1，查询健康状态

　　GET _cat/health?v

　　ElasticSearch基本简介（一）-LMLPHP

　　其中status的状态分为三种：green、yellow和red

  • green：每个索引的primary shard和replica shard都是active的
  • yellow：每个索引的primary shard都是active的，但部分的replica shard不是active的。比如：当前只有两个node结点，需要创建大于等于两个repica shard副分片，由于主分片和副分片均不能在同一个结点上，所有必定有副分片不能正常的active。
  • red：不是所有的索引的primary shard都是active状态的。
#查看健康状态
GET _cat/health?v
#查看节点信息
GET _cat/nodes?v
#查看索引信息
GET _cat/indices?v
#查看分片信息
GET _cat/shards?v

2，创建索引

#创建my_index索引(settings可以省略)，创建后shards分片数不能修改，只能修改shards副本数
PUT my_index
{
  "settings": {
    "number_of_shards": 5,
    "number_of_replicas": 1
  }
}

　　在ElasticSearch中，默认的创建索引的时候，会分配5个primary shard，并为每个primary shard分配一个replica shard（在ES7版本后，默认创建1个primary shard）。在ElasticSearch中，默认的限制是：如果磁盘空间不足15%的时候，不分配replica shard。如果磁盘空间不足5%的时候，不再分配任何的primary shard。ElasticSearch中对shard的分布是有要求的。ElasticSearch尽可能保证primary shard平均分布在多个节点上。Replica shard会保证不和他备份的那个primary shard分配在同一个节点上。

3，修改索引(副分片数)

#修改索引
PUT my_index/_settings
{
  "number_of_replicas": 2
}

　　注意：索引一旦创建，primary shard数量不可变化，可以改变replica shard数量。

4，删除索引

DELETE my_index

5，查看索引信息

　　GET _cat/indices?v

　　ElasticSearch基本简介（一）-LMLPHP

三、ElasticSearch中Document相关操作

1，新增Document

　　在索引中增加文档。在index中增加document。

　　ElasticSearch有自动识别机制。如果增加的document对应的index不存在，自动创建index；如果index存在，type不存在，则自动创建type。如果index和type都存在，则使用现有的index和type。

a）PUT

　　PUT  索引名/类型名/唯一ID{字段名:字段值}

#如果当前id已经存在，那么就是修改，如果不存在就是新增
PUT my_index/_doc/1
{
   "name":"test_doc_01",
   "remark":"first test elastic search",
   "order_no":1
}

　　ElasticSearch基本简介（一）-LMLPHP

　　如果当前索引中的document的id已经存在，那么就是修改，如果不存在就是新增。但是如果此时id已经存在，想要强制新增会报错，强制新增的语法为：

　　PUT 索引名/类型名/唯一ID/_create{字段名:字段值}   或者是  PUT 索引名/类型名/唯一ID?op_type=create{字段名:字段值}

b）POST

　　此操作为ElasticSearch自动生成id的新增Document方式。此语法格式和PUT请求的数据新增，只有唯一的区别，就是可以自动生成主键id，其他的和PUT请求新增数据完全一致。

　　POST 索引名/类型名[/唯一ID]{字段名:字段值}

#此时,如果新增时唯一id(2)不存在就是新增，如果唯一id(2)存在就是修改。这个与PUT相同
#可以直接变为没有id，会随机生成一个GUID作为id
POST my_index/_doc
{
   "name":"test_doc_02",
   "remark":"second test elastic search",
   "order_no":2
}

2，查询Document

a）GET 通过ID查询

　　GET 索引名/类型名/唯一ID

GET my_index/_doc/1

b）GET _mget批量查询

　　批量查询可以提高查询效率。推荐使用（相对于单数据查询来说）。

#语法
GET 索引名/类型名/_mget
{
  "docs" : [
    {
     "_id" : "唯一ID值"
    },
{
     "_id" : "唯一ID值"
    }
  ]
}

3，修改Document

a）全量替换(同新增)

　　PUT|POST 索引名/类型名/唯一ID{字段名:字段值}

　　本操作相当于覆盖操作。全量替换的过程中，ElasticSearch不会真的修改Document中的数据，而是标记ElasticSearch中原有的Document为deleted状态，再创建一个新的Document来存储数据，当ElasticSearch中的数据量过大时，ElasticSearch后台回收deleted状态的Document。

PUT my_index/_doc/1
{
   "name":"test_doc_01111",
   "remark":"first 111",
   "order_no":1111
}

b）更新Document

　　POST 索引名/类型名/唯一ID/_update{doc:{字段名:字段值}}

　　只更新某Document中的部分字段。这种更新方式也是标记原有数据为deleted状态，创建一个新的Document数据，将新的字段和未更新的原有字段组成这个新的Document，并创建。对比全量替换而言，只是操作上的方便，在底层执行上几乎没有区别。

POST my_index/_doc/1/_update
{
   "doc":{
      "name":" test_doc_01_for_update"
   }
}

4，删除Document

　　DELETE 索引名/类型名/唯一ID

　　ElasticSearch中执行删除操作时，ElasticSearch先标记Document为deleted状态，而不是直接物理删除。当ElasticSearch存储空间不足或工作空闲时，才会执行物理删除操作。标记为deleted状态的数据不会被查询搜索到。

DELETE my_index/_doc/2

5，bulk批量增删改

定义：

POST _bulk
{ "action_type" : { "metadata_name" : "metadata_value" } }
{ document datas | action datas }
action_type：
    create: 强制创建，相当于PUT 索引名/类型名/唯一ID/_create
    index : 普通的PUT操作，相当于创建Document或全量替换
    update: 更新操作（partial update）,相当于 POST 索引名/类型名/唯一ID/_update
    delete: 删除操作

案例：

#如果index和type为同一个可以提出来，此时创建ID为111，覆盖ID为1，修改ID为2，删除ID为3
POST my_index/_doc/_bulk
{"create":{"_id":111}}
{"name":"zs","age":15}
{"index":{"_id":1}}
{"name":"first","sort":1}
{"update":{"_id":2}}
{"doc":{"sort":2}}
{"delete":{"_id":3}}

　　注意：bulk语法中要求一个完整的json串不能有换行。不同的json串必须使用换行分隔。多个操作中，如果有错误情况，不会影响到其他的操作，只会在批量操作返回结果中标记失败。bulk语法批量操作时，bulk request会一次性加载到内存中，如果请求数据量太大，性能反而下降（内存压力过高），需要反复尝试一个最佳的bulk request size。一般从1000~5000条数据开始尝试，逐渐增加。如果查看bulk request size的话，一般是5~15MB之间为好。

　　bulk语法要求json格式是为了对内存的方便管理，和尽可能降低内存的压力。如果json格式没有特殊的限制，ElasticSearch在解释bulk请求时，需要对任意格式的json进行解释处理，需要对bulk请求数据做json对象会json array对象的转化，那么内存的占用量至少翻倍，当请求量过大的时候，对内存的压力会直线上升，且需要jvm gc进程对垃圾数据做频繁回收，影响ElasticSearch效率。

　　生成环境中，bulk api常用。都是使用java代码实现循环操作。一般一次bulk请求，执行一种操作。如：批量新增10000条数据等。

四、ElasticSearch中的mapping

　　Mapping在ElasticSearch中是非常重要的一个概念。决定了一个index中的field使用什么数据格式存储，使用什么分词器解析，是否有子字段等。

1，mapping的核心数据类型 

  • 文本（字符串）：text
  • 整数：byte、short、integer、long
  • 浮点型：float、double
  • 布尔类型：boolean
  • 日期类型：date
  • 数组类型：array  {a:[]}
  • 对象类型：object  {a:{}}
  • 不分词的字符串（关键字）： keyword

2，dynamic mapping自动分配字段类型

  • true or false -> boolean
  • 123 -> long
  • 123.123 -> double
  • 2018-01-01 -> date
  • hello world -> text
  • [] -> array
  • {} -> object

　　在上述的自动mapping字段类型分配的时候，只有text类型的字段需要分词器。默认分词器是standard分词器。

3，查看索引mapping

　　GET 索引名/_mapping 

{
  "my_index": { # 索引名
    "mappings": { # 映射列表
      "my_type": { # 类型名
        "properties": { # 字段列表
          "age": { # 字段名
            "type": "long" # 字段类型
          },
          "gender": { #字段名
            "type": "text", #字段类型
            "fields": { # 子字段列表
              "keyword": { # 子字段名
                "type": "keyword", # 子字段类型，keyword不进行分词处理的文本类型。gender.keyword可以进行排序
                "ignore_above": 256 # 子字段存储数据长度
              }
            }
          }
        }
      }
    }
  }
}

4，custom mapping

　　可以通过命令，在创建index和type的时候来定制mapping映射，也就是指定字段的类型和字段数据使用的分词器。

　　手工定制mapping时，只能新增mapping设置，不能对已有的mapping进行修改。

　　如：有索引a，其中有类型b，增加字段f1的mapping定义。后续可以增加字段f2的mapping定义，但是不能修改f1字段的mapping定义。

a）创建索引时指定mapping

PUT 索引名称
{
  "mappings":{
    "类型名称":{
      "properties":{
        "字段名":{
          "type":类型,
          ["analyer":字段的分词器,]
          ["fields":{
            "子字段名称":{
              "type":类型,
              "ignore_above":长度限制
             }
           }]
         }
       }
     }
   }
}

例如：

PUT test_index
{
  "settings": {
    "number_of_shards": 2,
    "number_of_replicas": 1
  },
  "mappings": {
    "test_type":{
      "properties": {
        "author_id" : {
          "type": "byte",
          "index": false
        },
        "title" : {
          "type": "text",
          "analyzer": "ik_max_word",
          "fields": {
            "keyword" : {
              "type": "keyword",
              "ignore_above": 256
            }
          }
        },
        "content" : {
          "type": "text",
          "analyzer": "ik_max_word"
        },
        "post_date" : {
          "type": "date"
        }
      }
    }
  }
}
"index" - 是否可以作为搜索索引。可选值：true | false
"analyzer" - 指定分词器。
"type" - 指定字段类型

b）为已有索引添加新的字段mapping

PUT 索引名/_mapping/类型名
{
  "properties":{
    "新字段名":{
      "type":类型,
      "analyer":字段的分词器,
      "fields":{
        "子字段名":{
          "type":类型,
          "ignore_above":长度
        }
     }
   }
}

例如：

PUT /test_index/_mapping/test_type
{
  "properties" : {
    "new_field" : { "type" : "text" , "analyzer" : "standard" }
  }
}

c）测试不同的字段分词器

GET 索引名称/_analyze
{
  "field":"索引中的text类型的字段名",
  "text":"要分词处理的文本数据"
}

例如：

#测试content字段的分词效果
GET test_index/_analyze
{
  "field": "content",
  "text": "我是一个程序员"
}
01-30 12:18
Powered by LMLPHP ©2024 MXC肖某某 0.059833