ElasticSearch
一、聊聊Doug Cutting二、ElasticSearch概述三、Solr和ElasticSearch的区别四、ElasticSearch安装五、Kibana安装六、ES的核心概念概述关系行数据库和elasticsearch客观的对比物理设计逻辑设计物理设计：节点和分片如何工作倒排索引（面试题）
七、IK分词器插件概念安装ik分词器增加自己的配置
八、restful风格说明1.关于索引的基本操作创建一个索引。name这个字段需要指定类型吗？需要（毕竟我们关系型数据库是需要指定类型的）指定字段类型查看默认信息。修改删除2.关于文档的基本操作（重点）2.1 基本操作（增删改查回顾）添加数据
查询数据更新 PUT更新 POST2.2 简单操作（条件查询）2.3 复杂操作（查询select：排序，分页，高亮，模糊查询，精准查询）
过滤字段查询（输出结果，不需要很多）：(我们之后使用java操作es，所有的方法和对象就是这里面的key！)排序查询：分页查询：（数据索引下标还是从0开始）布尔值查询：filter查询过滤：匹配多个条件：精确查询：多个值匹配精确查询：高亮查询：
九、springboot 整合1.1导入依赖1.2创建并编写配置类—>连上ES1.3测试索引的操作
一、聊聊Doug Cutting
一位名叫Doug Cutting的美国工程师，做了一个用于文本搜索的函数库（姑且理解为软件的功能组件），命名为Lucene。 Lucene是用JAVA写成的，目的是为各种中小型应用软件加入全文检索功能。因为好用而且开源（代码公开），非常受程序员们的欢迎！
回到主题
Lucene是一套信息检索工具包！jar包！不包含搜索引擎系统！ 包含的：索引结构！读写索引的工具！排序、搜索规则等功能（工具类！） Lucene和Elasticsearch关系：ElasticSearch是基于Lucene做了一些封装和增强（我们上手是十分简单！）
二、ElasticSearch概述
ElasticSearch(简称为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是使用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REST-ful的API来隐藏Lucene的复杂性，从而让全文搜索变得简单。
三、Solr和ElasticSearch的区别
ElasticSearch和Solr区别总结
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。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。Solr支持更多格式的数据，比JSON、XML、CSV，而Elasticsearch仅支持json文件格式。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。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。 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。
四、ElasticSearch安装
最低要求jdk1.8 最新版本下载地址：https://www.elastic.co/cn/downloads/enterprise-search 其他版本下载地址：https://www.elastic.co/cn/downloads/past-releases#elasticsearch windows下安装 解决问题：http://www.javacui.com/tool/669.html 1、解压就可以使用了 2、熟悉目录
bin：启动文件
config：配置文件
log4j2：日志配置文件
jvm.options：java虚拟机相关的配置
elasticsearch.yml：elasticsearch的配置文件！默认9200端口！跨域！
lib：相关jar包
logs：日志
modules：功能模块
plugins：插件！
3、启动（点击bin文件夹下的elasticsearch.bat），访问9200端口 访问可能会报错或需要输入密码，启动前需要配置elasticsearch.yml：
# 启动时会去更新地图的一些数据库，这里直接禁掉即可，用到时再说.
ingest.geoip.downloader.enabled: false
4、访问测试（localhost:9200） 安装es可视化界面：head的插件
1、 head插件下载地址：https://github.com/mobz/elasticsearch-head/ 2、 启动head插件，访问9100端口
# 安装cnpm的命令
npm install -g cnpm -registry=https://registry.npm.taobao.org
# cnpm下载资源更快
cnpm install
npm run start
如果cnpm不能使用，需要设置：
windows系统搜索Windows PowerShell，以管理员的权限打开。输入set-ExecutionPolicy RemoteSigned，点击回车。输入A（选择A），回车。重新回到项目就可以使用cnpm密令。 3、连接测试发现跨域问题 4、配置es的elasticsearch.yml文件解决跨域问题
http.cors.enabled: true
http.cors.allow-origin: "*"
5、重启es服务，再次连接（访问9100端口）成功 初学，就把es当做一个数据库！（可以建立索引（库），文档（库中的数据！））
这个head我们就把它当做数据展示工具！(我们后面所有的查询，可以使用Kibana做)。
五、Kibana安装
了解ELK ELK是Elasticsearch、Logstash、Kibana三大开源框架首字母大写简称。市面上也被成为Elastic Stack。其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大，市面上很多时候我们简称Elasticsearch为es。 Logstash是ELK的中央数据流引擎，用于从不同目标（文件/数据存储/MQ）收集的不同格式数据，经过过滤后支持输出到不同目的地（文件/MQ/redis/elasticsearch/kafka等）。Kibana可以将elasticsearch的数据通过友好的页面展示出来，提供实时分析的功能。 市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称，但实际上ELK不仅仅适用于日志分析，它还可以支持其它任何数据分析和收集的场景，日志分析和收集只是更具有代表性，并非唯一性。 Kibana Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana，可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单，基于浏览器的用户界面可以快速创建仪表板（dashboard）实时显示Elasticsearch查询动态。设置Kibana非常简单。无需编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。 官网：https://www.elastic.co/cn/kibana/
Kibana要和ES版本一致！！！ 1、解压目录 2、启动测试（/bin/Kibana.bat） 3、访问测试，端口号5601 4、开发工具 我们之后的所有操作都在这里进行编写！ 5、汉化 自己修改/config/Kibana.yml文件，添加i18n.locale: “zh-CN”，重启Kibana。
i18n.locale: "zh-CN"
六、ES的核心概念
1、索引 2、字段类型（mapping） 3、文档(documents)
概述
在前面的学习中，我们已经掌握了es是什么，同时也把es的服务已经安装启动，那么es是如何去存储数据，数据结构是什么，又是如何实现搜索的呢？ 我们先来聊聊ElasticSearch的相关概念吧！ 集群，节点，索引，类型，文档，分片，映射是什么？
关系行数据库和elasticsearch客观的对比
elasticsearch面向文档 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，每个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！默认的集群名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，可以通过这样的一个顺序找到它：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。 1、文档 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。
1、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，别整什么么蛾子。 2、索引（就是数据库） 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
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。不过，等等，倒排索引是什么鬼？
倒排索引（面试题）
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。例如，现在有两个文档，每个文档包含如下内容： 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：
现在，我们试图搜索to forever，只需要查看包含每个词条的文档。权重score
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。在elasticsearch中，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。别问为什么，谁让elasticsearch使用Lucene作为底层呢！ 如无特指，说起索引都是指elasticsearch的索引。 接下来的一切操作都在kibana中Dev Tools下的Console里完成。基础操作！
七、IK分词器插件
概念
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，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词，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！一会我们测试！
如果要使用中文，建议使用IK分词器
安装
1、下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases 2、下载完成之后，解压放在elasticsearch的plugins文件下 3、重启，观察ES 4、可以通过elasticsearch-plugin这个命令来查看加载进来的插件。 5、使用kibana测试。（查看不同分词效果） 其中ik_smart为最少切分 ik_max_word为最细粒度划分（穷尽词库） 当我们输入”超级喜欢狂神说java”，发现问题：狂神说，被拆开了。 这种自己需要的词，需要自己加到我们的分词器的字典中。
ik分词器增加自己的配置
1、自定义配置。 2、把自定义配置添加到扩展配置中去。 3、重启ES（看细节：如下图）。 4、重启kibana。 5、再次测试下，输入”超级喜欢狂神说java”，看下效果。 以后的话，我们需要自己配置分词就在自己定义的dic文件中进行配置即可！|
八、restful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。 基本rest说明：
1.关于索引的基本操作
创建一个索引。
name这个字段需要指定类型吗？需要（毕竟我们关系型数据库是需要指定类型的）
指定字段类型
获得这个规则（可以通过GET请求获取具体的信息）
查看默认信息。
如果自己的文档字段没有指定，那么es就会给我们默认配置字段类型！
扩展：通过命令elasticsearch索引情况！（通过get_cat/可以获得es的当前的很多信息！）
修改
提交，使用PUT，覆盖（弊端：如果漏掉一个字段，那么字段的值就没了）
新的修改方法：使用post提交（7.x.x版本和8.x.x版本提交方式不一样）
7.x.x版本（7.6.1） 8.x.x版本（8.2.3）
删除
通过DELETE命令实现删除、根据你的请求来判断是删除索引还是删除文档记录！ 使用RESTFUL风格是我们ES推荐大家使用的！
2.关于文档的基本操作（重点）
2.1 基本操作（增删改查回顾）
添加数据
查询数据
更新 PUT
更新 POST
2.2 简单操作（条件查询）
2.3 复杂操作（查询select：排序，分页，高亮，模糊查询，精准查询）
过滤字段查询（输出结果，不需要很多）：(我们之后使用java操作es，所有的方法和对象就是这里面的key！)
排序查询：
分页查询：（数据索引下标还是从0开始）
布尔值查询：
must （and），所有的条件都要符合 where id=1 and name=xxx should（or），所有的条件都要符合 where id=1 or name=xxx must_not (not)
filter查询过滤：
匹配多个条件：
精确查询：
（term 查询是直接通过倒排索引指定的词条进程精确的查找的！） 关于分词：
term：直接查询精确的。（两种情况：text、keyword）match：会使用分词器解析！（先分析文档，然后在通过分析的文档进行查询！） 1、创建数据 2、分析数据，查看结果 3、查询数据（keyword类型的字段不会被分词器解析）
多个值匹配精确查询：
高亮查询：
九、springboot 整合
1.1导入依赖
导入elasticsearch
1.2创建并编写配置类—>连上ES
@Configuration
public class ElasticSearchConfig {
// 注册 rest高级客户端
@Bean
public RestHighLevelClient restHighLevelClient(){
RestHighLevelClient client = new RestHighLevelClient(
RestClient.builder(
new HttpHost("127.0.0.1",9200,"http")
)
);
return client;
}
}
1.3测试索引的操作
1、索引的创建
@Test
void testCreateIndex() throws IOException {
//1、创建索引请求
CreateIndexRequest request = new CreateIndexRequest("jd_goods");
//2、执行创建请求
CreateIndexResponse createIndexResponse =
restHighLevelClient.indices().create(request, RequestOptions.DEFAULT);
System.out.println("执行创建请求===>"+createIndexResponse);
}
2、测试获取索引
@Test
void testExistIndex() throws IOException {
GetIndexRequest request = new GetIndexRequest("kuang_index");
boolean exists = restHighLevelClient.indices().exists(request, RequestOptions.DEFAULT);
System.out.println("测试获取索引===>"+exists);
}
3、测试删除索引
@Test
void testDeleteIndex() throws IOException {
DeleteIndexRequest request = new DeleteIndexRequest("kuang_index");
AcknowledgedResponse delete = restHighLevelClient.indices().delete(request, RequestOptions.DEFAULT);
System.out.println("是否删除成功===>"+delete);
}
4、测试添加文档
@Test
void testAddDocument() throws IOException {
//创建对象
User user = new User("狂神说",3);
//创建请求
IndexRequest request = new IndexRequest("kuang_index");
//规则
request.id("1");
request.timeout(TimeValue.timeValueSeconds(1));
request.timeout("1s");
//将我们的数据放入请求 json
request.source(JSON.toJSONString(user), XContentType.JSON);
//客户端发送请求 获取响应的结果
IndexResponse indexResponse = restHighLevelClient.index(request, RequestOptions.DEFAULT);
System.out.println(indexResponse.toString());
System.out.println(indexResponse.status());//对应我们命令返回的状态 CREATED
}
5、获取文档 判断是否存在
@Test
void testIsExists() throws IOException {
GetRequest getRequest = new GetRequest("kuang_index","1");
//不获取返回的 _source的上下文
getRequest.fetchSourceContext(new FetchSourceContext(false));
getRequest.storedFields("_none_");
boolean exists = restHighLevelClient.exists(getRequest, RequestOptions.DEFAULT);
System.out.println(exists);
}
6、获取文档的信息
@Test
void testGetDocument() throws IOException {
GetRequest getRequest = new GetRequest("kuang_index","1");
GetResponse documentFields = restHighLevelClient.get(getRequest, RequestOptions.DEFAULT);
System.out.println(getRequest);
System.out.println(documentFields);
}
7、更新文档的信息
@Test
void testUpdateRequest() throws IOException {
UpdateRequest updateRequest = new UpdateRequest("test","1");
updateRequest.timeout("1s");
User user = new User("狂神说java",18);
updateRequest.doc(JSON.toJSONString(user),XContentType.JSON);
UpdateResponse updateResponse = restHighLevelClient.update(updateRequest, RequestOptions.DEFAULT);
System.out.println(updateResponse.status());
}
8、删除文档记录
@Test
void testDeleteRequest() throws IOException {
DeleteRequest request = new DeleteRequest("kuang_index","2");
request.timeout("1s");
DeleteResponse delete = restHighLevelClient.delete(request, RequestOptions.DEFAULT);
System.out.println(delete.status());
}
9、批量插入数据
@Test
void testBulkRequest() throws IOException {
BulkRequest bulkRequest = new BulkRequest();
bulkRequest.timeout("10s");
ArrayList
userList.add(new User("kuangshen1",3));
userList.add(new User("kuangshen2",4));
userList.add(new User("kuangshen3",5));
userList.add(new User("kuangshen4",6));
userList.add(new User("kuangshen5",13));
userList.add(new User("kuangshen6",23));
userList.add(new User("kuangshen7",33));
// 批处理请求
for (int i = 0; i < userList.size(); i++) {
bulkRequest.add(new IndexRequest("kuang_index")
.id(""+(i+1))
.source(JSON.toJSONString(userList.get(i)),XContentType.JSON));
}
BulkResponse bulkResponse = restHighLevelClient.bulk(bulkRequest,RequestOptions.DEFAULT);
System.out.println(bulkResponse.hasFailures());//是否失败 返回false 代表成功
}
10、查询
@Test
void testSearch() throws IOException {
SearchRequest searchRequest = new SearchRequest(ESconst.ES_INDEX);
//构建搜索条件
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
//高亮
sourceBuilder.highlighter();
//查询条件 我们可以使用 QueryBuilders 工具来实现
//QueryBuilders.termQuery() 精确
//QueryBuilders.matchAllQuery() 匹配所有
TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "qinjiang1");
MatchAllQueryBuilder allQueryBuilder = QueryBuilders.matchAllQuery();
System.out.println("allQueryBuilder===>>"+allQueryBuilder);
sourceBuilder.query(termQueryBuilder);
sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
//放入请求
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(JSON.toJSONString(searchResponse.getHits()));
System.out.println("=====================================");
for (SearchHit documentFields : searchResponse.getHits().getHits()) {
System.out.println(documentFields.getSourceAsMap());
}
}
文章链接
您阅读本篇文章共花了： 大家都在找：
elasticsearch：elasticsearch怎么读
大数据：大数据技术的就业前景和就业方向
搜索引擎：搜索引擎其实也是一个____。
发表评论