搜索引擎框架之ElasticSearch基础详解

文章大纲

一、搜索引擎框架基础介绍
二、ElasticSearch的简介
三、ElasticSearch安装（Windows版本）
四、ElasticSearch操作客户端工具--Kibana
五、ES的常用命令
六、Java连接ElasticSearch进行数据操作
七、项目源码与参考资料下载
八、参考文章

 

一、搜索引擎框架基础介绍

相关基础学习可参考：https://www.cnblogs.com/WUXIAOCHANG/p/10855506.html

SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。

二、ElasticSearch的简介

1. ElasticSearch是什么

  ElasticSearch是智能搜索，分布式的搜索引擎。是ELK的一个组成,是一个产品，而且是非常完善的产品，ELK代表的是：E就是ElasticSearch，L就是Logstach，K就是kibana
（1）E：EalsticSearch 搜索和分析的功能
（2）L：Logstach 搜集数据的功能，类似于flume（使用方法几乎跟flume一模一样），是日志收集系统
（3）K：Kibana 数据可视化（分析），可以用图表的方式来去展示，文不如表，表不如图，是数据可视化平台

 

  分析日志的用处：假如一个分布式系统有 1000 台机器，系统出现故障时，我要看下日志，还得一台一台登录上去查看，是不是非常麻烦？
  但是如果日志接入了 ELK 系统就不一样。比如系统运行过程中，突然出现了异常，在日志中就能及时反馈，日志进入 ELK 系统中，我们直接在 Kibana 就能看到日志情况。如果再接入一些实时计算模块，还能做实时报警功能。
  这都依赖ES强大的反向索引功能，这样我们根据关键字就能查询到关键的错误日志了。

2. 全文检索与倒排索引

  全文检索是指计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。
  全文检索的方法主要分为按字检索和按词检索两种。按字检索是指对于文章中的每一个字都建立索引，检索时将词分解为字的组合。对于各种不同的语言而言，字有不同的含义，比如英文中字与词实际上是合一的，而中文中字与词有很大分别。按词检索指对文章中的词，即语义单位建立索引，检索时按词检索，并且可以处理同义项等。英文等西方文字由于按照空白切分词，因此实现上与按字处理类似，添加同义处理也很容易。中文等东方文字则需要切分字词，以达到按词索引的目的，关于这方面的问题，是当前全文检索技术尤其是中文全文检索技术中的难点，在此不做详述。
  以前是根据ID查内容，倒排索引之后是根据内容查ID，然后再拿着ID去查询出来真正需要的东西。

 

3. ElasticSearch的优点

（1）分布式的功能
（2）数据高可用，集群高可用
（3）API更简单
（4）API更高级。
（5）支持的语言很多
（6）支持PB级别的数据
（7）完成搜索的功能和分析功能
（8）基于Lucene，隐藏了Lucene的复杂性，提供简单的API
（9）ES的性能比HBase高，咱们的竞价引擎最后还是要存到ES中的。
（10）Elasticsearch 也是 Master-slave 架构，也实现了数据的分片和备份。
（11）Elasticsearch 中的索引、类型和文档的概念比较重要，类似于 MySQL 中的数据库、表和行
（12）Elasticsearch 一个典型应用就是 ELK 日志分析系统

4. ElasticSearch支持的语言

Curl、java、c#、python、JavaScript、php、perl、ruby

5. ElasticSearch的核心概念

5.1 Node节点
  就是集群中的一台服务器

5.2 index 索引（索引库）
我们为什么使用ES？因为想把数据存进去，然后再查询出来。
我们在使用Mysql或者Oracle的时候，为了区分数据，我们会建立不同的数据库，库下面还有表的。
其实ES功能就像一个关系型数据库，在这个数据库我们可以往里面添加数据，查询数据。
ES中的索引非传统索引的含义，ES中的索引是存放数据的地方，是ES中的一个概念词汇
index类似于我们Mysql里面的一个数据库 create database user; 好比就是一个索引库

5.3 type类型
类型是用来定义数据结构的
在每一个index下面，可以有一个或者多个type，好比数据库里面的一张表。
相当于表结构的描述，描述每个字段的类型。

5.4 document：文档
文档就是最终的数据了，可以认为一个文档就是一条记录。
是ES里面最小的数据单元，就好比表里面的一条数据

5.5 Field 字段
好比关系型数据库中列的概念，一个document有一个或者多个field组成。
例如：
朝阳区：一个Mysql数据库
房子：create database chaoyaninfo
房间：create table people

5.6 shard：分片
一台服务器，无法存储大量的数据，ES把一个index里面的数据，分为多个shard，分布式的存储在各个服务器上面。
kafka：为什么支持分布式的功能，因为里面是有topic，支持分区的概念。所以topic A可以存在不同的节点上面。就可以支持海量数据和高并发，提升性能和吞吐量

5.7 replica：副本
  一个分布式的集群，难免会有一台或者多台服务器宕机，如果我们没有副本这个概念。就会造成我们的shard发生故障，无法提供正常服务。
  我们为了保证数据的安全，我们引入了replica的概念，跟hdfs里面的概念是一个意思。可以保证我们数据的安全。
  在ES集群中，我们一模一样的数据有多份，能正常提供查询和插入的分片我们叫做 primary shard，其余的我们就管他们叫做 replica shard（备份的分片）
  当我们去查询数据的时候，我们数据是有备份的，它会同时发出命令让我们有数据的机器去查询结果，最后谁的查询结果快，我们就要谁的数据（这个不需要我们去控制，它内部就自己控制了）

5.8 总结
  在默认情况下，我们创建一个库的时候，默认会帮我们创建5个主分片（primary shrad）和5个副分片（replica shard），所以说正常情况下是有10个分片的。
  同一个节点上面，副本和主分片是一定不会在一台机器上面的，就是拥有相同数据的分片，是不会在同一个节点上面的。
  所以当你有一个节点的时候，这个分片是不会把副本存在这仅有的一个节点上的，当你新加入了一台节点，ES会自动的给你在新机器上创建一个之前分片的副本。

 

举例：
  比如一首诗，有诗题、作者、朝代、字数、诗内容等字段，那么首先，我们可以建立一个名叫 Poems 的索引，然后创建一个名叫 Poem 的类型，类型是通过 Mapping 来定义每个字段的类型。
  比如诗题、作者、朝代都是 Keyword 类型，诗内容是 Text 类型，而字数是 Integer 类型，最后就是把数据组织成 Json 格式存放进去了。

   

5.9 ElasticSearch配置文件详解
配置文件位于%ES_HOME%/config/elasticsearch.yml文件中，用Editplus打开它，你便可以进行配置。
所有的配置都可以使用环境变量，例如：
node.rack: ${RACK_ENV_VAR}
表示环境变量中有一个RACK_ENV_VAR变量。
下面列举一下elasticsearch的可配置项：

 1. 集群名称，默认为elasticsearch： cluster.name: elasticsearch 2. 节点名称，es启动时会自动创建节点名称，但你也可进行配置： node.name: "Franz Kafka" 3. 是否作为主节点，每个节点都可以被配置成为主节点，默认值为true： node.master: true 4. 是否存储数据，即存储索引片段，默认值为true： node.data: true master和data同时配置会产生一些奇异的效果： 1) 当master为false，而data为true时，会对该节点产生严重负荷； 2) 当master为true，而data为false时，该节点作为一个协调者； 3) 当master为false，data也为false时，该节点就变成了一个负载均衡器。 你可以通过连接http://localhost:9200/_cluster/health或者http://localhost:9200/_cluster/nodes，或者使用插件http://github.com/lukas-vlcek/bigdesk或http://mobz.github.com/elasticsearch-head来查看集群状态。 5. 每个节点都可以定义一些与之关联的通用属性，用于后期集群进行碎片分配时的过滤： node.rack: rack314 6. 默认情况下，多个节点可以在同一个安装路径启动，如果你想让你的es只启动一个节点，可以进行如下设置： node.max_local_storage_nodes: 1 7. 设置一个索引的碎片数量，默认值为5： index.number_of_shards: 5 8. 设置一个索引可被复制的数量，默认值为1： index.number_of_replicas: 1 当你想要禁用公布式时，你可以进行如下设置： index.number_of_shards: 1 index.number_of_replicas: 0 这两个属性的设置直接影响集群中索引和搜索操作的执行。假设你有足够的机器来持有碎片和复制品，那么可以按如下规则设置这两个值： 1) 拥有更多的碎片可以提升索引执行能力，并允许通过机器分发一个大型的索引； 2) 拥有更多的复制器能够提升搜索执行能力以及集群能力。 对于一个索引来说，number_of_shards只能设置一次，而number_of_replicas可以使用索引更新设置API在任何时候被增加或者减少。 ElasticSearch关注加载均衡、迁移、从节点聚集结果等等。可以尝试多种设计来完成这些功能。 可以连接http://localhost:9200/A/_status来检测索引的状态。 9. 配置文件所在的位置，即elasticsearch.yml和logging.yml所在的位置： path.conf: /path/to/conf 10. 分配给当前节点的索引数据所在的位置： path.data: /path/to/data 可以可选择的包含一个以上的位置，使得数据在文件级别跨越位置，这样在创建时就有更多的自由路径，如： path.data: /path/to/data1,/path/to/data2 11. 临时文件位置： path.work: /path/to/work 12. 日志文件所在位置： path.logs: /path/to/logs 13. 插件安装位置： path.plugins: /path/to/plugins 14. 插件托管位置，若列表中的某一个插件未安装，则节点无法启动： plugin.mandatory: mapper-attachments,lang-groovy 15. JVM开始交换时，ElasticSearch表现并不好：你需要保障JVM不进行交换，可以将bootstrap.mlockall设置为true禁止交换： bootstrap.mlockall: true 请确保ES_MIN_MEM和ES_MAX_MEM的值是一样的，并且能够为ElasticSearch分配足够的内在，并为系统操作保留足够的内存。 16. 默认情况下，ElasticSearch使用0.0.0.0地址，并为http传输开启9200-9300端口，为节点到节点的通信开启9300-9400端口，也可以自行设置IP地址： network.bind_host: 192.168.0.1 17. publish_host设置其他节点连接此节点的地址，如果不设置的话，则自动获取，publish_host的地址必须为真实地址： network.publish_host: 192.168.0.1 18. bind_host和publish_host可以一起设置： network.host: 192.168.0.1 19. 可以定制该节点与其他节点交互的端口： transport.tcp.port: 9300 20. 节点间交互时，可以设置是否压缩，转为为不压缩： transport.tcp.compress: true 21. 可以为Http传输监听定制端口： http.port: 9200 22. 设置内容的最大长度： http.max_content_length: 100mb 23. 禁止HTTP http.enabled: false 24. 网关允许在所有集群重启后持有集群状态，集群状态的变更都会被保存下来，当第一次启用集群时，可以从网关中读取到状态，默认网关类型（也是推荐的）是local： gateway.type: local 25. 允许在N个节点启动后恢复过程： gateway.recover_after_nodes: 1 26. 设置初始化恢复过程的超时时间： gateway.recover_after_time: 5m 27. 设置该集群中可存在的节点上限： gateway.expected_nodes: 2 28. 设置一个节点的并发数量，有两种情况，一种是在初始复苏过程中： cluster.routing.allocation.node_initial_primaries_recoveries: 4 另一种是在添加、删除节点及调整时： cluster.routing.allocation.node_concurrent_recoveries: 2 29. 设置复苏时的吞吐量，默认情况下是无限的： indices.recovery.max_size_per_sec: 0 30. 设置从对等节点恢复片段时打开的流的数量上限： indices.recovery.concurrent_streams: 5 31. 设置一个集群中主节点的数量，当多于三个节点时，该值可在2-4之间： discovery.zen.minimum_master_nodes: 1 32. 设置ping其他节点时的超时时间，网络比较慢时可将该值设大： discovery.zen.ping.timeout: 3s http://elasticsearch.org/guide/reference/modules/discovery/zen.html上有更多关于discovery的设置。 33. 禁止当前节点发现多个集群节点，默认值为true： discovery.zen.ping.multicast.enabled: false 34. 设置新节点被启动时能够发现的主节点列表（主要用于不同网段机器连接）： discovery.zen.ping.unicast.hosts: ["host1", "host2:port", "host3[portX-portY]"] 35.设置是否可以通过正则或者_all删除或者关闭索引 action.destructive_requires_name 默认false 允许 可设置true不允许 

三、ElasticSearch安装（Windows版本）

1. 安装前准备

ElasticSearch是一个基于Lucene构建的开源，分布式，RESTful搜索引擎，而Lucene的开发语言是Java，所以电脑上面需要配置好jdk才能运行es数据库。

2. 在官网下载安装包

地址https://www.elastic.co/cn/downloads/elasticsearch

3. 解压到本地，在cmd中运行elasticsearch.bat文件

 

4. 启动测试

在浏览器中输入：http://localhost:9200/

 

如果出现上图所示内容，表示ElasticSearch启动成功。中小型项目直接使用即可，大型项目还是要调一调参数的。

四、ElasticSearch操作客户端工具--Kibana

1. 为什么要使用Kibana

为了方便我们去操作ES，如果不安装去操作ES很麻烦，需要通过shell命令的方式。

2. 下载Kibana

地址：https://www.elastic.co/cn/downloads/kibana

 

3. 安装并启动

直接解压即可，进入bin目录下，本文为G:\myProgram\kibana\kibana-6.3.2-windows-x86_64\bin 的cmd，执行kibana

 

不需要配置任何参数，自动识别localhost，在浏览器中输入 http://localhost:5601

 

点击下面按钮，进行ES命令操作

     

五、ElasticSearch的常用命令

1. CURD操作

1.1 GET _cat/health 查看集群的健康状况

 

温馨提示：green代表是健康的，yellow表示亚健康，red表示异常。

1.2 GET _all 查询所有数据

 

1.3 PUT wxc_index 增加一个wxc_index的index库

 

1.4 GET _cat/indices 查询ES中所有的index

 

1.5 DELETE /wxc_index 删除一个wxc_index的index库

 

1.6 插入一条数据

 

温馨提示：
（1）shop代表库名，product代表表名，1代码数据序号
（2）我们插入数据的时候，如果我们的语句中指明了index和type，如果ES里面不存在，默认帮我们自动创建

1.7 查询数据
使用语法：GET /index/type/id

 

1.8 修改数据

 

1.9 删除数据

 

1.10 现在查看所有数据，类似于全表扫描

 

took：耗费了6毫秒
shards：分片的情况
hits：获取到的数据的情况
total：3 总的数据条数
max_score：1 所有数据里面打分最高的分数
_index:"ecommerce" index名称
_type:"product" type的名称
_id:"2" id号
_score:1 分数，这个分数越大越靠前出来，百度也是这样。除非是花钱。否则匹配度越高越靠前

 

2. DSL语言

ES最主要是用来做搜索和分析的。所以DSL还是对于ES很重要的
案例：我们要进行全表扫描使用DSL语言，查询所有的商品

 

温馨提示：使用match_all 可以查询到所有文档，是没有查询条件下的默认语句。

案例：查询所有名称里面包含chenyi的商品，同时按价格进行降序排序
如上图所示，name为dior chenyi的数据会在ES中进行倒排索引分词的操作，这样的数据也会被查询出来。

 

match查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。
下面我们按照价格进行排序：因为不属于查询的范围了。所以要写一个 逗号

 

这样我们的排序就完成了

案例：实现分页查询
条件：根据查询结果（包含chenyi的商品），再进行每页展示2个商品

 

案例：进行全表扫面，但返回指定字段的数据

 

案例：搜索名称里面包含chenyi的，并且价格大于250元的商品
相当于 select * form product where name like %chenyi% and price >250;
因为有两个查询条件，我们就需要使用下面的查询方式
如果需要多个查询条件拼接在一起就需要使用bool
bool 过滤可以用来合并多个过滤条件查询结果的布尔逻辑，它包含以下操作符：
must :: 多个查询条件的完全匹配,相当于 and。
must_not :: 多个查询条件的相反匹配，相当于 not。
should :: 至少有一个查询条件匹配, 相当于 or。
这些参数可以分别继承一个过滤条件或者一个过滤条件的数组

 

3. 聚合分析

案例：对商品名称里面包含chenyi的，计算每个tag下商品的数量

 

案例：查询商品名称里面包含chenyi的数据，并且按照tag进行分组，计算每个分组下的平均价格

 

案例：查询商品名称里面包含chenyi的数据，并且按照tag进行分组，计算每个分组下的平均价格，按照平均价格进行降序排序

 

六、Java连接ElasticSearch进行数据操作

1. 创建maven项目

       

创建后项目结构如下：

 

2. pom.xml添加maven依赖

<?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"> <modelVersion>4.0.0</modelVersion> <groupId>com.wxc</groupId> <artifactId>com-elasticsearch</artifactId> <version>1.0-SNAPSHOT</version> <dependencies> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>4.12</version> </dependency> <dependency> <groupId>javax.servlet</groupId> <artifactId>javax.servlet-api</artifactId> <version>3.1.0</version> <scope>provided</scope> </dependency> <dependency> <groupId>org.elasticsearch.client</groupId> <artifactId>transport</artifactId> <version>5.6.0</version> </dependency> <dependency> <groupId>org.apache.logging.log4j</groupId> <artifactId>log4j-core</artifactId> <version>2.6.2</version> </dependency> <dependency> <groupId>org.apache.logging.log4j</groupId> <artifactId>log4j-api</artifactId> <version>2.6.2</version> </dependency> <dependency> <groupId>com.google.code.gson</groupId> <artifactId>gson</artifactId> <version>2.8.5</version> </dependency> </dependencies> </project> 

3. 新建包，并创建测试类

新建com.wxc.es包

 

com.wxc.es包下新建测试类EsUtils.java

package com.wxc.es; import com.google.gson.JsonObject; import org.elasticsearch.action.admin.indices.create.CreateIndexResponse; import org.elasticsearch.action.admin.indices.delete.DeleteIndexResponse; import org.elasticsearch.action.admin.indices.mapping.put.PutMappingResponse; import org.elasticsearch.action.delete.DeleteResponse; import org.elasticsearch.action.get.GetResponse; import org.elasticsearch.action.index.IndexResponse; import org.elasticsearch.action.search.SearchResponse; import org.elasticsearch.action.update.UpdateResponse; import org.elasticsearch.client.IndicesAdminClient; import org.elasticsearch.client.transport.TransportClient; import org.elasticsearch.common.settings.Settings; import org.elasticsearch.common.transport.InetSocketTransportAddress; import org.elasticsearch.common.transport.TransportAddress; import org.elasticsearch.common.xcontent.XContentBuilder; import org.elasticsearch.common.xcontent.XContentFactory; import org.elasticsearch.common.xcontent.XContentType; import org.elasticsearch.index.query.QueryBuilders; import org.elasticsearch.index.query.TermQueryBuilder; import org.elasticsearch.search.SearchHit; import org.elasticsearch.search.SearchHits; import org.elasticsearch.transport.client.PreBuiltTransportClient; import org.junit.After; import org.junit.Before; import org.junit.Test; import java.io.IOException; import java.net.InetAddress; import java.net.UnknownHostException; import java.util.Date; import java.util.HashMap; import static org.elasticsearch.common.xcontent.XContentFactory.jsonBuilder; public class EsUtils { public final static String HOST = "127.0.0.1"; public final static int PORT = 9300;//http请求的端口是9200，客户端是9300 private TransportClient client = null; /** * 测试Elasticsearch客户端连接 * @Title: test1 * @author sunt * @date 2017年11月22日 * @return void * @throws UnknownHostException */ @SuppressWarnings("resource") @Test public void test1() throws UnknownHostException { //创建客户端 TransportClient client = new PreBuiltTransportClient(Settings.EMPTY).addTransportAddresses( new InetSocketTransportAddress(InetAddress.getByName(HOST),PORT)); System.out.println("Elasticsearch connect info:" + client.toString()); //关闭客户端 client.close(); } /** * 获取客户端连接信息 * @Title: getConnect * @author sunt * @date 2017年11月23日 * @return void * @throws UnknownHostException */ @SuppressWarnings({ "resource", "unchecked" }) @Before public void getConnect() throws UnknownHostException { client = new PreBuiltTransportClient(Settings.EMPTY).addTransportAddresses( new InetSocketTransportAddress(InetAddress.getByName(HOST),PORT)); System.out.println("连接信息:" + client.toString()); } /** * 关闭连接 * @Title: closeConnect * @author sunt * @date 2017年11月23日 * @return void */ @After public void closeConnect() { if(null != client) { System.out.println("执行关闭连接操作..."); client.close(); } } /** * 创建索引库 * @Title: addIndex1 * @author sunt * @date 2017年11月23日 * @return void * 需求:创建一个索引库为：msg消息队列,类型为：tweet,id为1 * 索引库的名称必须为小写 * @throws IOException */ @Test public void addIndex1() throws IOException { IndexResponse response = client.prepareIndex("msg", "tweet", "1").setSource(XContentFactory.jsonBuilder() .startObject().field("userName", "张三") .field("sendDate", new Date()) .field("msg", "你好李四") .endObject()).get(); System.out.println("索引名称:" + response.getIndex() + "\n类型:" + response.getType() + "\n文档ID:" + response.getId() + "\n当前实例状态:" + response.status()); } /** * 根据索引名称，类别，文档ID 删除索引库的数据 * @Title: deleteData * @author sunt * @date 2017年11月23日 * @return void */ @Test public void deleteData() { DeleteResponse deleteResponse = client.prepareDelete("msg", "tweet", "1").get(); System.out.println("deleteResponse索引名称:" + deleteResponse.getIndex() + "\n deleteResponse类型:" + deleteResponse.getType() + "\n deleteResponse文档ID:" + deleteResponse.getId() + "\n当前实例deleteResponse状态:" + deleteResponse.status()); } /** * 更新索引库数据 * @Title: updateData * @author sunt * @date 2017年11月23日 * @return void */ @Test public void updateData() { JsonObject jsonObject = new JsonObject(); jsonObject.addProperty("userName", "王五"); jsonObject.addProperty("sendDate", "2008-08-08"); jsonObject.addProperty("msg","你好,张三，好久不见"); UpdateResponse updateResponse = client.prepareUpdate("msg", "tweet", "1") .setDoc(jsonObject.toString(),XContentType.JSON).get(); System.out.println("updateResponse索引名称:" + updateResponse.getIndex() + "\n updateResponse类型:" + updateResponse.getType() + "\n updateResponse文档ID:" + updateResponse.getId() + "\n当前实例updateResponse状态:" + updateResponse.status()); } /** * 添加索引:传入json字符串 * @Title: addIndex2 * @author sunt * @date 2017年11月23日 * @return void */ @Test public void addIndex2() { String jsonStr = "{" + "\"userName\":\"张三\"," + "\"sendDate\":\"2017-11-30\"," + "\"msg\":\"你好李四\"" + "}"; IndexResponse response = client.prepareIndex("weixin", "tweet").setSource(jsonStr,XContentType.JSON).get(); System.out.println("json索引名称:" + response.getIndex() + "\njson类型:" + response.getType() + "\njson文档ID:" + response.getId() + "\n当前实例json状态:" + response.status()); } } 

4. 运行项目

运行addIndex1方法

 

运行updateData方法

 

运行deleteData方法

 

运行addIndex2方法

 

七、项目源码与参考资料下载

链接：https://pan.baidu.com/s/1pRyg_1OEQeeS18AF7X17TA
提取码：2pqc

八、参考文章

1. https://blog.csdn.net/wolovexiexiongfei/article/details/83022146
2. https://blog.csdn.net/JENREY/article/details/81290535

扫码关注我们

微信号：SRE实战

拒绝背锅 运筹帷幄