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语言开发的,并作为Apache许可条款下的开放源码发布,是一种流行的企业级搜索引擎。Elasticsearch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。官方客户端在Java、.NET(C#)、PHP、Python、Apache Groovy、Ruby和许多其他语言中都是可用的。根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr,也是基于Lucene
演示:京东,淘宝
重要特性:
分布式的实时文件存储,每个字段都被索引并可被搜索实时分析的分布式搜索引擎可以扩展到上百台服务器,处理PB级结构化或非结构化数据
倒排索引
倒排索引的概念是基于MySQL这样的正向索引而言的。
什么是正向索引
如果用id索引一个表,如果是根据id查询,那么直接走索引,查询速度非常快。
但如果是基于表做模糊查询,只能是逐行扫描数据,流程如下:
先扫描id为一的,要一个一个获取数据,要进行全表查询,随着数据量增加,其查询效率也会越来越低。当数据量达到数百万时,就是一场灾难。
什么是倒排索引
倒排索引中有两个非常重要的概念:
文档( Document ):用来搜索的数据,其中的每一条数据就是一个文档。例如一个网页、一个商品信息词条( Term ):对文档数据或用户搜索数据,利用某种算法分词,得到的具备含义的词语就是词条。例如:我是中国人,就可以分为:我、是、中国人、中国、国人这样的几个词条
创建倒排索引是对正向索引的一种特殊处理,流程如下:
将每一个文档的数据利用算法分词,得到一个个词条创建表,每行数据包括词条、词条所在文档id、位置等信息因为词条唯一性,可以给词条创建索引,例如hash表结构索引
idtitleprice1小米手机39992华为手机49993华为小米充电器894小米手环299正向索引
词条(term)文档id小米1,3,4手机1,2华为2,3充电器3手环4倒排索引
倒排索引的搜索流程如下(以搜索"华为手机"为例):
用户输入条件 “华为手机” 进行搜索。对用户输入内容分词,得到词条: 华为 、 手机 。拿着词条在倒排索引中查找,可以得到包含词条的文档id:1、2、3。拿着文档id到正向索引中查找具体文档。
正向和倒排
那么为什么一个叫做正向索引,一个叫做倒排索引呢?
正向索引是最传统的,根据id索引的方式。但根据词条查询时,必须先逐条获取每个文档,然后判断文档中是否包含所需要的词条,是根据文档找词条的过程。而倒排索引则相反,是先找到用户要搜索的词条,根据词条得到保护词条的文档的id,然后根据id获取文档。是根据词条找文档的过程。
正向索引:
优点:
可以给多个字段创建索引根据索引字段搜索、排序速度非常快 缺点:
根据非索引字段,或者索引字段中的部分词条查找时,只能全表扫描。
倒排索引:
优点:
根据词条搜索、模糊搜索时,速度非常快 缺点:
只能给词条创建索引,而不是字段无法根据字段做排序
ES的一些概念
elasticsearch中有很多独有的概念,与mysql中略有差别,但也有相似之处。
文档和字段
elasticsearch是面向文档(Document)存储的,可以是数据库中的一条商品数据,一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中:
而Json文档中往往包含很多的字段(Field),类似于数据库中的列。
索引和映射
索引(index),就是相同类型的文档的集合
例如:
所有用户文档,就可以组织在一起,称为用户的索引;所有商品的文档,可以组织在一起,称为商品的索引;所有订单的文档,可以组织在一起,称为订单的索引;
因此,我们可以把索引当做是数据库中的表
数据库的表会有约束信息,用来定义表的结构、字段的名称、类型等信息。因此,索引库中就有映射(mapping),是索引中文档的字段约束信息,类似表的结构约束
mysql与elasticsearch
我们统一的把mysql与elasticsearch的概念做一下对比:
MySQLElasticsearch说明TableIndex索引(index),就是文档的集合,类似数据库的表(table)RowDocument文档(Document),就是一条条的数据,类似数据库中的行(Row),文档都是JSON格式ColumnField字段(Field),就是JSON文档中的字段,类似数据库中的列(Column)SchemaMappingMapping(映射)是索引中文档的约束,例如字段类型约束。类似数据库的表结构(Schema)SQLDSLDSL是elasticsearch提供的JSON风格的请求语句,用来操作elasticsearch,实现CRUD
Mysql:擅长事务类型操作,可以确保数据的安全和一致性Elasticsearch:擅长海量数据的搜索,分析,计算
因此在企业中,往往是两者结合使用:
对安全性要求较高的写操作,使用mysql实现对查询性能要求较高的搜索需求,使用elasticsearch实现两者再基于某种方式,实现数据的同步,保证一致性
IK分词器
分词器的作用是什么?
创建倒排索引时对文档分词用户搜索时,对输入的内容分词
IK分词器有几种模式?
ik_smart:智能切分,粗粒度ik_max_word:最细切分,细粒度
索引库操作
索引库就类似数据库表,mapping映射就类似表的结构。
我们要向es中存储数据,必须先创建“库”和“表”。
mapping映射属性
mapping是对索引库中文档的约束,常见的mapping属性包括:
type:字段数据类型,常见的简单类型有:
字符串:text(可分词的文本)、keyword(精确值,例如:品牌、国家、ip地址)数值:long、integer、short、byte、double、flfloat、布尔:boolean日期:date对象:object index:是否创建索引,默认为trueanalyzer:使用哪种分词器properties:该字段的子字段
例如下面的json文档:
{
"age": 18,
"weight": 70.2,
"isMarried": false,
"info": "apesourceJavaEE王讲师",
"email": "wangls@163.com",
"score": [99.1, 99.5, 98.9],
"name": {
"firstName": "师傅",
"lastName": "王"
}
}
对应的每个字段映射(mapping):
age:类型为 integer;参与搜索,因此需要index为true;无需分词器weight:类型为flfloat;参与搜索,因此需要index为true;无需分词器isMarried:类型为boolean;参与搜索,因此需要index为true;无需分词器info:类型为字符串,需要分词,因此是text;参与搜索,因此需要index为true;分词器可以用ik_smartemail:类型为字符串,但是不需要分词,因此是keyword;不参与搜索,因此需要index为false;无需分词器score:虽然是数组,但是我们只看元素的类型,类型为flfloat;参与搜索,因此需要index为true;无需分词器name:类型为object,需要定义多个子属性
name.fifirstName;类型为字符串,但是不需要分词,因此是keyword;参与搜索,因此需要index为true;无需分词器name.lastName;类型为字符串,但是不需要分词,因此是keyword;参与搜索,因此需要index为true;无需分词器
创建索引库和映射
基本语法:
请求方式:PUT请求路径:/索引库名,可以自定义请求参数:mapping映射
示例:
{
"mappings": {
"properties":{
"age": {
"type":"integer"
},
"weight": {
"type":"float"
},
"isMarried": {
"type":"boolean"
},
"info": {
"type":"text",
"analyzer":"ik_smart"
},
"email": {
"type":"keyword",
"index":"false"
},
"name": {
"properties": {
"firstName": {
"type":"keyword"
}
}
}
}
}
}
查询数据库
基本语法:
请求方式:GET请求路径:/索引库名请求参数:无
格式:
GET /索引库名
修改索引库
倒排索引结构虽然不复杂,但是一旦数据结构改变(比如改变了分词器),就需要重新创建倒排索引,这简直是灾难。因此索引库一旦创建,无法修改mapping。
虽然无法修改mapping中已有的字段,但是却允许添加新的字段到mapping中,因为不会对倒排索引产生影响。
语法说明:
PUT /索引库名/_mapping
{
"properties": {
"新字段名":{
"type": "integer"
}
}
}
删除索引库
语法:
请求方式:DELETE请求路径:/索引库名请求参数:无
格式:
DELETE /索引库名
总结:
创建索引库:PUT /索引库名查询索引库:GET /索引库名删除索引库:DELETE /索引库名添加字段:PUT /索引库名/_mapping
文档操作
新增文档:
语法:
POST /索引库名/_doc/文档id
{
"字段1": "值1",
"字段2": "值2",
"字段3": {
"子属性1": "值3",
"子属性2": "值4"
},
// ...
}
示例:
POST /apesource/_doc/1
{
"info": "apesource程序员Java讲师",
"email": "wangls@163.com",
"name": {
"firstName": "师傅",
"lastName": "王"
}
}
查询文档:
根据rest风格,新增是post,查询应该是get,不过查询一般都需要条件,这里我们把文档id带上。
语法:
GET /{索引库名称}/_doc/{id}
删除文档:
删除使用DELETE请求,同样,需要根据id进行删除:
语法:
DELETE /{索引库名}/_doc/id值
修改文档:
修改有两种方式:
全量修改:直接覆盖原来的文档增量修改:修改文档中的部分字段
注意:如果根据id删除时,id不存在,第二步的新增也会执行,也就从修改变成了新增操作了。
语法:
PUT /{索引库名}/_doc/文档id
{
"字段1": "值1",
"字段2": "值2",
// ... 略
}
示例:
PUT /apesource/_doc/1
{
"info": "java程序员高级Java讲师",
"email": "wangls@163.com",
"name": {
"firstName": "师傅",
"lastName": "王"
}
}
增量修改:
增量修改是只修改指定id匹配的文档中的部分字段。
语法:
POST /{索引库名}/_update/文档id
{
"doc": {
"字段名": "新的值",
}
}
示例:
POST /apesource/_update/1
{
"doc": {
"email": "wangls@qq.com"
}
}
总结:
创建文档:POST /{索引库名}/_doc/文档id { json文档 }查询文档:GET /{索引库名}/_doc/文档id删除文档:DELETE /{索引库名}/_doc/文档id修改文档:
全量修改:PUT /{索引库名}/_doc/文档id { json文档 }
**增量修改:**
增量修改是只修改指定id匹配的文档中的部分字段。
**语法:**
```json
POST /{索引库名}/_update/文档id
{
"doc": {
"字段名": "新的值",
}
}
示例:
POST /apesource/_update/1
{
"doc": {
"email": "wangls@qq.com"
}
}
总结:
创建文档:POST /{索引库名}/_doc/文档id { json文档 }查询文档:GET /{索引库名}/_doc/文档id删除文档:DELETE /{索引库名}/_doc/文档id修改文档:
全量修改:PUT /{索引库名}/_doc/文档id { json文档 }增量修改:POST /{索引库名}/_update/文档id { “doc”: {字段}}
相关链接
发表评论