100-分布式日志收集-ELK

1. Elasticsearch版本控制

索引(Index) ⇒ 类型(type) ⇒ 文档(Docments) ⇒ 字段(Fields)
1.为什么要进行版本控制
为了保证数据再多线程操作下的准确性

2.悲观锁和乐观锁
悲观锁：假设会发生并发冲突，屏蔽一切可能违反数据准确性的操作
悲观锁：假设不会发生并发冲突，只在提交操作是检查是否违反数据完整性。

3.内部版本控制和外部版本控制
内部版本控制：_version自增长，修改数据后，_version会自动的加1

外部版本控制：为了保持_version与外部版本控制的数值一致
使用version_type=external检查数据当前的version值是否小于请求中的version值

###创建索引

PUT /mymayikt


####查询索引
GET /mymayikt

####添加文档 /索引名称/类型/id
PUT /mymayikt/user/1
{
  "name":"yushengjun",
  "sex":0,
  "age":22
}


###查询文档
GET /mymayikt/user/1

###删除索引
DELETE /mymayikt

2. 9200与9300的区别

9300与9200区别
9300端口： ES节点之间通讯使用
9200端口： ES节点 和 外部 通讯使用

9300是TCP协议端口号，ES集群之间通讯端口号
9200端口号，暴露ES RESTful接口端口号

3. 倒排索引

倒排表以字或词为关键字进行索引，表中关键字所对应的记录表项记录了出现这个字或词的所有文档，一个表项就是一个字表段，它记录该文档的ID和字符在该文档中出现的位置情况。

4. 高级查询

根据id进行查询
GET /mymayikt/user/12
查询当前所有类型的文档
GET /mymayikt/user/_search

根据多个ID批量查询
查询多个id分别为1、2
GET /mymayikt/user/_mget
{
“ids”:[“1”,“2”]

}
复杂条件查询
查询年龄为年龄21岁
GET /mymayikt/user/_search?q=age:21

查询年龄30岁-60岁之间

GET /mymayikt/user/_search?q=age[30 TO 60]
注意:TO 一定要大写

查询年龄30岁-60岁之间 并且年龄降序、从0条数据到第1条数据
GET /mymayikt/user/_search?q=age[30 TO 60]&sort=age:desc&from=0&size=1

查询年龄30岁-60岁之间 并且年龄降序、从0条数据到第1条数据,展示name和age字段

GET /mymayikt/user/_search?q=age[30 TO 60]&sort=age:desc&from=0&size=1
&_source=name,age

5. Dsl语言查询与过滤

GET mymayikt/user/_search
{
  "query": {
    "term": {
      "name": "xiaoming"
    }
    
  }
  
}

GET /mymayikt/user/_search
{
  "from": 0,
  "size": 2, 
  "query": {
    "match": {
      
        "car": "奥迪"
      }
  }
}

GET /mymayikt/user/_search
{
	"query": {
		"bool": {
			"must": [{
				"match_all": {}
			}],
			"filter": {
				"range": {
					"age": {
						"gt": 21,
						"lte": 51
					}
				}

			}

		}

	},
	"from": 0,
	"size": 10,
	"_source": ["name", "age"]

}

Term查询不会对字段进行分词查询，会采用精确匹配。
Match会根据该字段的分词器，进行分词查询。

6. 自定义扩展字典

在/usr/local/elasticsearch-6.4.3/plugins/ik/config目录下
vi custom/new_word.dic

vi IKAnalyzer.cfg.xml

<properties>
    <comment>IK Analyzer 扩展配置comment>
    
    <entry key="ext_dict">custom/new_word.dicentry>
     
    <entry key="ext_stopwords">entry>
    
    
    
    
properties>

7. ES类型支持

基本类型
符串：string，string类型包含 text 和 keyword。

text：该类型被用来索引长文本，在创建索引前会将这些文本进行分词，转化为词的组合，建立索引；允许es来检索这些词，text类型不能用来排序和聚合。
keyword：该类型不需要进行分词，可以被用来检索过滤、排序和聚合，keyword类型自读那只能用本身来进行检索（不可用text分词后的模糊检索）。
注意: keyword类型不能分词，Text类型可以分词查询
数指型：long、integer、short、byte、double、float
日期型：date
布尔型：boolean
二进制型：binary
数组类型（Array datatype）
复杂类型
地理位置类型（Geo datatypes）
地理坐标类型（Geo-point datatype）：geo_point 用于经纬度坐标
地理形状类型（Geo-Shape datatype）：geo_shape 用于类似于多边形的复杂形状

特定类型（Specialised datatypes）
Pv4 类型（IPv4 datatype）：ip 用于IPv4 地址
Completion 类型（Completion datatype）：completion 提供自动补全建议
Token count 类型（Token count datatype）：token_count 用于统计做子标记的字段的index数目，该值会一直增加，不会因为过滤条件而减少
mapper-murmur3 类型：通过插件，可以通过_murmur3_来计算index的哈希值
附加类型（Attachment datatype）：采用mapper-attachments插件，可支持_attachments_索引，例如 Microsoft office 格式，Open Documnet 格式， ePub，HTML等

POST /mymayikt/_mapping/user
{
  "user":{
    "properties":{
       "age":{
         "type":"integer"
       },
        "sex":{
         "type":"integer"
       },
       "name":{
         "type":"text",
         "analyzer":"ik_smart",
         "search_analyzer":"ik_smart"
       },
       "car":{
         "type":"keyword"
      
       }
    }
  }
  
}

7. ELK工作原理