通俗易懂ElasticSearch7.6学习笔记
通俗易懂ElasticSearch7.6学习笔记
- ElasticSearch
-
- ElasticSearch概述
- ES和solr的差别
-
- Elasticsearch简介
- Solr简介
- Lucene简介
- Elasticsearch和Solr比较
- ElasticSearch vs Solr 总结
- 了解 ELK
- ES核心概念
-
- 文档
- 类型
- 索引
- 倒排索引
- IK分词器
- Rest风格说明
- 关于索引的基本操作
-
- 创建一个索引
- 索引的类型
- 通过PUT创建规则（字段类型）
- 通过GET获取具体的信息
- 查看默认的信息
- 使用Cat命令查看信息
- 使用PUT命令修改文档
- 使用POST命令修改文档
- 关于文档的基本操作
-
- 添加数据
- 获取数据
- 更新数据
- 简单条件查询
- 复杂条件查询
- 排序
- 分页查询
- 布尔值查询
- 过滤器filter
- 多条件匹配查询
- 精确查询
- 多值匹配精确查询
- 高亮查询
ElasticSearch
ElasticSearch概述
Elaticsearch，简称为es，es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、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也使用 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RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。
据国际权威的数据库产品评测机构DB Engines的统计，在2016年1月，ElasticSearch已超过Solr等，成为排名第一的搜索引擎类应用。
历史
多年前，一个叫做Shay Banon的刚结婚不久的失业开发者，由于妻子要去伦敦学习厨师，他便跟着也去 了。在他找工作的过程中，为了给妻子构建一个食谱的搜索引擎，他开始构建一个早期版本的Lucene。
直接基于Lucene工作会比较困难，所以Shay开始抽象Lucene代码以便Java程序员可以在应用中添加搜 索功能。他发布了他的第一个开源项目，叫做“Compass”。
后来Shay找到一份工作，这份工作处在高性能和内存数据网格的分布式环境中，因此高性能的、实时 的、分布式的搜索引擎也是理所当然需要的。然后他决定重写Compass库使其成为一个独立的服务叫做 Elasticsearch。
第一个公开版本出现在2010年2月，在那之后Elasticsearch已经成为Github上最受欢迎的项目之一，代 码贡献者超过300人。一家主营Elasticsearch的公司就此成立，他们一边提供商业支持一边开发新功 能，不过Elasticsearch将永远开源且对所有人可用。
Shay的妻子依旧等待着她的食谱搜索……
谁在使用：
- 维基百科，类似百度百科，全文检索，高亮，搜索推荐/2 （权重，百度！）
- The Guardian（国外新闻网站），类似搜狐新闻，用户行为日志（点击，浏览，收藏，评论）+社交 网络数据（对某某新闻的相关看法），数据分析，给到每篇新闻文章的作者，让他知道他的文章的公众反馈（好，坏，热门，垃圾，鄙视，崇拜）
- Stack Overflow（国外的程序异常讨论论坛），IT问题，程序的报错，提交上去，有人会跟你讨论和 回答，全文检索，搜索相关问题和答案，程序报错了，就会将报错信息粘贴到里面去，搜索有没有对应 的答案
- GitHub（开源代码管理），搜索上千亿行代码
- 电商网站，检索商品
- 日志数据分析，logstash采集日志，ES进行复杂的数据分析，ELK技术， elasticsearch+logstash+kibana
- 商品价格监控网站，用户设定某商品的价格阈值，当低于该阈值的时候，发送通知消息给用户，比如说订阅牙膏的监控，如果高露洁牙膏的家庭套装低于50块钱，就通知我，我就去买。
- BI系统，商业智能，Business Intelligence。比如说有个大型商场集团，BI，分析一下某某区域最近 3年的用户消费金额的趋势以及用户群体的组成构成，产出相关的数张报表，**区，最近3年，每年消费 金额呈现100%的增长，而且用户群体85%是高级白领，开一个新商场。ES执行数据分析和挖掘， Kibana进行数据可视化
- 国内：站内搜索（电商，招聘，门户，等等），IT系统搜索（OA，CRM，ERP，等等），数据分析 （ES热门 的一个使用场景）
ES和solr的差别
Elasticsearch简介
Elasticsearch是一个实时分布式搜索和分析引擎。它让你以前所未有的速度处理大数据成为可能。 它用于全文搜索、结构化搜索、分析以及将这三者混合使用：
- 维基百科使用Elasticsearch提供全文搜索并高亮关键字，以及输入实时搜索(search-asyou-type)和搜索 纠错(did-you-mean)等搜索建议功能。
- 英国卫报使用Elasticsearch结合用户日志和社交网络数据提供给他们的编辑以实时的反馈，以便及时了 解公众对新发表的文章的回应。
- StackOverflow结合全文搜索与地理位置查询，以及more-like-this功能来找到相关的问题和答案。
- Github使用Elasticsearch检索1300亿行的代码。
但是Elasticsearch不仅用于大型企业，它还让像DataDog以及Klout这样的创业公司将最初的想法变成可 扩展的解决方案。
Elasticsearch可以在你的笔记本上运行，也可以在数以百计的服务器上处理PB级别的数据 。 Elasticsearch是一个基于Apache Lucene™的开源搜索引擎。无论在开源还是专有领域，Lucene可以 被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。
但是，Lucene只是一个库。想要使用它，你必须使用Java来作为开发语言并将其直接集成到你的应用 中，更糟糕的是，Lucene非常复杂，你需要深入了解检索的相关知识来理解它是如何工作的。
Elasticsearch也使用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RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。
Solr简介
Solr 是Apache下的一个顶级开源项目，采用Java开发，它是基于Lucene的全文搜索服务器。Solr提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展，并对索引、搜索性能进行了优化 。
Solr可以独立运行，运行在Jetty、Tomcat等这些Servlet容器中，Solr 索引的实现方法很简单，用 POST 方法向 Solr 服务器发送一个描述 Field 及其内容的 XML 文档，Solr根据xml文档添加、删除、更新索引 。Solr 搜索只需要发送 HTTP GET 请求，然后对 Solr 返回Xml、json等格式的查询结果进行解析，组织页面布局。Solr不提供构建UI的功能，Solr提供了一个管理界面，通过管理界面可以查询Solr的配置和运行情况。
solr是基于lucene开发企业级搜索服务器，实际上就是封装了lucene。
Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口。用户可以通过 http请求，向搜索引擎服务器提交一定格式的文件，生成索引；也可以通过提出查找请求，并得到返回 结果。
Lucene简介
Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。Lucene是一套用于全文检索和搜寻的开源程式库，由Apache软件基金会支持和提供。Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在Java开发环境里Lucene是一个成熟的 免费开源工具。就其本身而言，Lucene是当前以及最近几年最受欢迎的免费Java信息检索程序库。人们经常提到信息检索程序库，虽然与搜索引擎有关，但不应该将信息检索程序库与搜索引擎相混淆。
Lucene是一个全文检索引擎的架构。那什么是全文搜索引擎？
全文搜索引擎是名副其实的搜索引擎，国外具代表性的有Google、Fast/AllTheWeb、AltaVista、 Inktomi、Teoma、WiseNut等，国内著名的有百度（Baidu）。它们都是通过从互联网上提取的各个网站的信息（以网页文字为主）而建立的数据库中，检索与用户查询条件匹配的相关记录，然后按一定的排列顺序将结果返回给用户，因此他们是真正的搜索引擎。
从搜索结果来源的角度，全文搜索引擎又可细分为两种，一种是拥有自己的检索程序（Indexer），俗称 “蜘蛛”（Spider）程序或“机器人”（Robot）程序，并自建网页数据库，搜索结果直接从自身的数据库中 调用，如上面提到的7家引擎；另一种则是租用其他引擎的数据库，并按自定的格式排列搜索结果，如 Lycos引擎。
Elasticsearch和Solr比较
ElasticSearch vs Solr 总结
- es基本是开箱即用（解压就可以用 ! ），非常简单。Solr安装略微复杂一点
- 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，比如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。（趋势！）
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 版本要和 Es 一致
ES核心概念
集群，节点，索引，类型，文档，分片，映射
elasticsearch是面向文档，关系行数据库和elasticsearch 客观的对比，一切都是JSON
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，每分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！默认的集群名称就是 elaticsearh
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。
文档
就是一条条数据，比如
user
1 zhangsan 18
2 kuangshen 3
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，Java中使用fastjson进行自动转换}
-
灵活的结构，文档不依赖预先定义的模式，在关系型数据库中，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，可以忽略该字段，或者动态的添加一个新的字段。
尽管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。
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。 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，别出现了错误。
索引
可以理解为数据库。
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。
倒排索引
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：
Study every day, good good up to forever # 文档1包含的内容
To forever, study every day, good good up # 文档2包含的内容
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 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。完全过滤掉无关的所有数据，提高效率！
elasticsearch的索引和Lucene的索引对比 在elasticsearch中， 索引 （库）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！
IK分词器
分词：即把一段中文或者别的划分成一个个的关键字，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 “我是刘德华” 会被分为"我",“是”,“刘”,“德”,“华”，这显然是不符合要求的，所以需要安装中文分词器ik来解决这个问题。
如果要使用中文，建议使用ik分词器
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
安装
- https://github.com/medcl/elasticsearch-analysis-ik
- 下载完毕后，放入到elasticsearch中的插件目录即可
- 重启ES，在控制台可以看到ik分词器被加载
- 使用命令
elasticsearch-plugin list可以查看加载进来的插件
- 使用kibana测试
ik_smart为最少切分
GET _analyze
{
"analyzer": "ik_smart",
"text": "美国政府"
}
ik_max_word为最细粒度划分，穷尽词库的可能
GET _analyze
{
"analyzer": "ik_max_word",
"text": "美国政府"
}
输入超级球星清姐
GET _analyze
{
"analyzer": "ik_smart",
"text": "超级球星清姐"
}
可以发现“清姐”被拆开了，这不是一个词语，需要自己加到分词器的字典中。
在IK分词器目录的config文件夹下新建young.dic文件
重启ES
重启后发现“清姐”被当作一个词语了，以后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。
Rest风格说明
Rest风格是一种软件架构风格，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命令：
| method | url地址 | 描述 |
|---|---|---|
| PUT | localhost:9200/索引名称/类型名称/文档ID | 创建文档（指定文档ID） |
| POST | localhost:9200/索引名称/类型名称 | 创建文档（随机文档ID） |
| POST | localhost:9200/索引名称/类型名称/文档ID/_update | 修改文档 |
| DELETE | localhost:9200/索引名称/类型名称/文档ID | 删除文档 |
| GET | localhost:9200/索引名称/类型名称/文档ID | 通过文档ID查询文档 |
| POST | localhost:9200/索引名称/类型名称_search | 查询所有数据 |
关于索引的基本操作
创建一个索引
PUT /索引名称/~类型名称~/文档id
{
请求体}
索引的类型
- 字符串类型：text、keyword
- 数值类型：long、integer、short、byte、double、float、half_float、scaled_float
- 日期类型：date
- 布尔值类型：boolean
- 二进制类型：binary
- 等等…
通过PUT创建规则（字段类型）
通过GET获取具体的信息
查看默认的信息
如果自己的文档字段没有指定，那么es就会给索引默认配置字段类型
使用Cat命令查看信息
使用PUT命令修改文档
此命令会覆盖掉原来的数据
使用POST命令修改文档
使用_update后缀来修改可以指定修改文档，推荐使用此方法
关于文档的基本操作
添加数据
PUT /document1/user/1
{
"name":"runningyoung",
"age":342,
"desc":"学习elasticsearch",
"tags":["努力","细心","坚持"]
}
获取数据
GET /document1/user/1
更新数据
PUT
PUT /document1/user/1
{
"name":"runningyoung",
"age":342,
"desc":"学习elasticsearch的修改",
"tags":["努力","细心","坚持","修改"]
}
Post _update , 推荐使用这种更新方式
POST /document1/user/1/_update
{
"doc":{
"tags":["努力","细心","坚持","修改","AAA"]
}
}
简单条件查询
GET /document1/user/_search?q=name:runningyoung
复杂条件查询
GET /document1/user/_search
{
"query": {
"match": {
"name": "runningyoung"
}
}
}
GET /document1/user/_search
{
"query": {
"match": {
"name": "runningyoung"
}
}
, "_source": ["name","desc"]
}
排序
GET /yangshukai_index/_doc/_search
{
"query": {
"match": {
"name": "young"
}
},
"sort":[
{
"age":{
"order":"asc"
}
}
]
}
分页查询
数据下标还是从0开始的，和学的所有数据结构是一样的 /search/{current}/{pagesize}
GET /yangshukai_index/_doc/_search
{
"query": {
"match": {
"name": "young"
}
},
"sort":[
{
"age":{
"order":"asc"
}
}
],
"from":0,
"size":1
}
布尔值查询
must相当于SQL语句的and，所有的条件都要符合（where id = 1 and name=XXX）
GET /yangshukai_index/_doc/_search
{
"query": {
"bool": {
"must":[
{
"match":{
"name":"young"
}
},
{
"match":{
"age":17
}
}
]
}
}
}
should相当于SQL语句的or，所有的条件都要符合（where id = 1 or name=XXX）
GET /yangshukai_index/_doc/_search
{
"query": {
"bool": {
"should":[
{
"match":{
"name":"young"
}
},
{
"match":{
"age":17
}
}
]
}
}
}
must_not相当于SQL语句的not
GET /yangshukai_index/_doc/_search
{
"query": {
"bool": {
"must_not":[
{
"match":{
"age":17
}
}
]
}
}
}
过滤器filter
- gt 大于
- gte 大于等于
- lt 小于
- lte 小于等于
GET /yangshukai_index/_doc/_search
{
"query": {
"bool": {
"must":[
{
"match":{
"name":"young"
}
}
],
"filter":{
"range":{
"age":{
"gte":1,
"lte":25
}
}
}
}
}
}
多条件匹配查询
多条件使用空格隔开，只要满足其中一个结果既可以被查出，这个时候可以通过分值基本的判断
GET /yangshukai_index/_doc/_search
{
"query": {
"match":{
"desc": "学习 AAA"
}
}
}
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查找的
关于分词：
- term ，直接查询精确
- 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）
两个类型：text、keyword(keyword字段类型不会被分词器解析)
GET _analyze
{
"analyzer": "keyword",
"text": "特朗普是个傻逼"
}
GET _analyze
{
"analyzer": "standard",
"text": "特朗普是个傻逼"
}
多值匹配精确查询
GET yangshukai_index/_search
{
"query": {
"bool": {
"should": [
{
"term": {
"age":17
}
},
{
"term": {
"age":123
}
}
]
}
}
}
高亮查询
GET /yangshukai_index/_doc/_search
{
"query": {
"match":{
"name":"young"
}
},
"highlight":{
"fields":{
"name":{
}
}
}
}
自定义搜索高亮条件
GET /yangshukai_index/_doc/_search
{
"query": {
"match":{
"name":"young"
}
},
"highlight":{
"pre_tags":"",
"post_tags":"
",
"fields":{
"name":{}
}
}
}
