分布式搜索——Elasticsearch

一、初始ES

什么是elasticsearch

elasticsearch是一款非常强大的开源分布式搜索引擎，可以帮助我们从海量数据中快速找到需要的内容。elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK：以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch）。被广泛应用在日志数据分析、实时监控等领域

elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。而elasticsearch底层的实现是Lucene技术（Lucene中核心技术为倒排索引）；Lucene是一个Java语言的搜索引擎类库（jar 包），是Apache公司的顶级项目 。elasticsearch则是基于lucene的多次开发，相比与lucene，elasticsearch更具备优势
● 支持分布式，可水平扩展

● 提供Restful接口，可被任何语言调用

官网地址：https://www.elastic.co/cn/

倒排索引

传统数据库（如MySQL）采用正向索引，例如给下表（tb_goods）中的id创建索引：

elasticsearch采用倒排索引：
● 文档（document）：每条数据就是一个文档
● 词条（term）：文档按照语义分成的词语

什么是文档和词条？
       ●  每一条数据就是一个文档
       ●  对文档中的内容分词，得到的词语就是词条
什么是正向索引？
       ●  基于文档id创建索引。查询词条时必须先找到文档，而后判断是否包含词条
什么是倒排索引？
       ●  对文档内容分词，对词条创建索引，并记录词条所在文档的信息。查询时先根据词条查询到文
          档id，而后获取到文档

elasticsearch是面向文档存储的，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。

索引（Index）：相同类型的文档集合
映射（mapping）：索引中文档的字段约束信息，类似表的结构约束

es与mysql的概念对比

MySQL	Elasticsearch	说明
Table	Index	索引(index)，就是文档的集合，类似数据库的表(table)
Row	Document	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
Colume	Field	字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
Schema	Mapping	Mapping（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）
SQL	DSL	DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

架构
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

安装es

部署单点es

资源链接 ：
es镜像：链接：https://pan.baidu.com/s/1xGIoyxoolLF8l3W_pp8jLw
提取码：GY66
kibana镜像：https://pan.baidu.com/s/1ADzZHA2V5HhuypBNi2KX9g
提取码：GY66

1、创建网络

因为需要部署kibana容器，因此需要让es和kibana容器互联。这里先创建一个网络：

docker network create es-net

2、加载镜像

这里采用elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G。镜像的tar包：

将其上传到虚拟机中，然后运行命令加载即可：

# 导入数据
docker load -i es.tar

同理还有kibana的tar包也需要这样做。

3、运行

运行docker命令，部署单点es（es底层是基于Java实现的）：

docker run -d \
	--name es \
    -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \        #配置JVM的堆内存大小
    -e "discovery.type=single-node" \
    -v es-data:/usr/share/elasticsearch/data \
    -v es-plugins:/usr/share/elasticsearch/plugins \
    --privileged \
    --network es-net \
    -p 9200:9200 \          # http协议端口，供用户访问
    -p 9300:9300 \          # es容器各个节点互连的端口
elasticsearch:7.12.1        # 镜像名称

命令解释：

• -e "cluster.name=es-docker-cluster"： 设置集群名称 【-e：设置环境变量】
• -e "http.host=0.0.0.0"： 监听的地址，可以外网访问
• -e "ES_JAVA_OPTS=-Xms512m -Xmx512m"： 内存大小（es运行时的堆内存大小，默认1G）
• -e "discovery.type=single-node"： 非集群模式（单点运行）
• -v es-data:/usr/share/elasticsearch/data： 挂载逻辑卷，绑定es的数据目录
• -v es-logs:/usr/share/elasticsearch/logs： 挂载逻辑卷，绑定es的日志目录
• -v es-plugins:/usr/share/elasticsearch/plugins： 挂载逻辑卷，绑定es的插件目录
• --privileged： 授予逻辑卷访问权
• --network es-net ： 加入一个名为es-net的网络中
• -p 9200:9200： 端口映射配置

在浏览器中输入：http://192.168.197.140:9200 即可看到elasticsearch的响应结果：

es启动成功！！！

安装kibana

部署kibana
kibana可以给我们提供一个elasticsearch的可视化界面，便于我们学习。

1.部署
运行docker命令，部署kibana

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601  \
kibana:7.12.1        # 版本必须与es的版本保持一致

命令解释：

• --network es-net ： 加入一个名为es-net的网络中，与elasticsearch在同一个网络中
• -e ELASTICSEARCH_HOSTS=http://es:9200"： 设置elasticsearch的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问elasticsearch
• -p 5601:5601： 端口映射配置

kibana启动一般比较慢，需要多等待一会，可以通过命令：

docker logs -f kibana

查看运行日志，当查看到下面的日志，说明成功：

此时，在浏览器输入地址访问：http://192.168.150.101:5601，即可看到结果

kibana中提供了一个DevTools界面：这个界面中可以编写DSL来操作elasticsearch。并且对DSL语句有自动补全功能。

分词器

es在创建倒排索引时需要对文档分词；在搜索时，需要对用户输入内容分词（分词器的作用）。但默认的分词规则对中文处理并不友好。
我们在kibana的DevTools中测试：

# 测试分词器 （/_analyze：做分词分析；  analyzer：分词器，此处按英文进行分词 
#"analyzer": "standard"——————>默认的标准分词器 ）
POST /_analyze
{
  "analyzer": "english",
  "text": "错过了落日afterglow，还可以期待漫天繁星！"
}

IK分词器

处理中文分词，一般会使用IK分词器。官方网站：https://github.com/medcl/elasticsearch-analysis-ik
ik分词器包含两种模式：
● ik_smart：最少切分，粗粒度
● ik_max_word：最细切分，细粒度

资源链接
IK分词器：https://pan.baidu.com/s/1H4ww8mKeYTKiz4knsGJcpw
提取码：GY66

安装IK分词器

一、在线安装ik插件（较慢）

# 进入容器内部
docker exec -it elasticsearch /bin/bash

# 在线下载并安装
./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip

#退出
exit
#重启容器
docker restart elasticsearch

二、离线安装ik插件（推荐）

1、查看数据卷目录

安装插件需要知道elasticsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看elasticsearch的数据卷目录，通过下面命令查看:

docker volume inspect es-plugins

显示结果：

[
    {
        "CreatedAt": "2022-05-06T10:06:34+08:00",
        "Driver": "local",
        "Labels": null,
        "Mountpoint": "/var/lib/docker/volumes/es-plugins/_data",
        "Name": "es-plugins",
        "Options": null,
        "Scope": "local"
    }
]

说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data 这个目录中。

2、解压缩分词器安装包
将提供的ik分词器解压缩，命名为ik

3、上传到es容器的插件数据卷中
也就是/var/lib/docker/volumes/es-plugins/_data ：

4、重启容器

# 4、重启容器
docker restart es

# 查看es日志
docker logs -f es

中文分词成功！！！

ik_smart——【最少切分，粗粒度】

{
  "tokens" : [
    {
      "token" : "错",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "过了",
      "start_offset" : 1,
      "end_offset" : 3,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "落日",
      "start_offset" : 3,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "afterglow",
      "start_offset" : 5,
      "end_offset" : 14,
      "type" : "ENGLISH",
      "position" : 3
    },
    {
      "token" : "还可",
      "start_offset" : 15,
      "end_offset" : 17,
      "type" : "CN_WORD",
      "position" : 4
    },
    {
      "token" : "以",
      "start_offset" : 17,
      "end_offset" : 18,
      "type" : "CN_CHAR",
      "position" : 5
    },
    {
      "token" : "期待",
      "start_offset" : 18,
      "end_offset" : 20,
      "type" : "CN_WORD",
      "position" : 6
    },
    {
      "token" : "满天",
      "start_offset" : 20,
      "end_offset" : 22,
      "type" : "CN_WORD",
      "position" : 7
    },
    {
      "token" : "繁星",
      "start_offset" : 22,
      "end_offset" : 24,
      "type" : "CN_WORD",
      "position" : 8
    }
  ]
}

ik_max_word——【最细切分，细粒度】

{
  "tokens" : [
    {
      "token" : "错过",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "过了",
      "start_offset" : 1,
      "end_offset" : 3,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "落日",
      "start_offset" : 3,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "afterglow",
      "start_offset" : 5,
      "end_offset" : 14,
      "type" : "ENGLISH",
      "position" : 3
    },
    {
      "token" : "还可",
      "start_offset" : 15,
      "end_offset" : 17,
      "type" : "CN_WORD",
      "position" : 4
    },
    {
      "token" : "可以",
      "start_offset" : 16,
      "end_offset" : 18,
      "type" : "CN_WORD",
      "position" : 5
    },
    {
      "token" : "以期",
      "start_offset" : 17,
      "end_offset" : 19,
      "type" : "CN_WORD",
      "position" : 6
    },
    {
      "token" : "期待",
      "start_offset" : 18,
      "end_offset" : 20,
      "type" : "CN_WORD",
      "position" : 7
    },
    {
      "token" : "满天",
      "start_offset" : 20,
      "end_offset" : 22,
      "type" : "CN_WORD",
      "position" : 8
    },
    {
      "token" : "繁星",
      "start_offset" : 22,
      "end_offset" : 24,
      "type" : "CN_WORD",
      "position" : 9
    }
  ]
}

IK分词器的扩展和停用字典

ik分词器-拓展词库（个性化设置）
要拓展ik分词器的词库，只需要修改一个ik分词器目录中的config目录中的IkAnalyzer.cfg.xml文件：

DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置comment>
        
        <entry key="ext_dict">ext.dicentry>
properties>

然后在名为ext.dic的文件中，添加想要拓展的词语即可，例如：

白嫖
奥力给

ik分词器-停用词库
要禁用某些敏感词条，只需要修改一个ik分词器目录中的config目录中的IkAnalyzer.cfg.xml文件：

DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置comment>
        
        <entry key="ext_dict">ext.dicentry>
         
        <entry key="ext_stopwords">stopword.dicentry>
properties>

然后在名为stopword.dic的文件中，添加想要停用的词语即可，例如：

国际

拓展词库、停用词库为独立的文件，文件在当前配置文件所在目录。stopword.dic存在，可以直接添加；而ext.dic可以手动创建！

stopword.dic中默认已经添加了很多停止词（如英文中的冠词、介词等无意义的词…）

二、操作索引库

索引库操作：

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

mapping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、float、
      ●   布尔：boolean
      ●   日期：date
      ●   对象：object
index：是否创建索引                 # 倒排索引————>可以被搜索），默认为true
analyzer：使用哪种分词器            # 结合text类型使用，其他所有类型都无需分词
properties：该字段的子字段

创建索引库

ES中通过Restful请求操作索引库、文档。请求内容用DSL语句来表示。创建索引库和mapping的DSL语法如下：

成功创建索引库

查看、删除、修改索引库

查看索引库语法

GET  /索引库名

示例：

GET /xx

删除索引库的语法

DELETE /索引库名

示例：

DELETE /xx

修改索引库

索引库和mapping一旦创建无法修改，但是可以添加新的字段，语法如下：
索引库创建完后，数据结构（mapping映射）已定义好，es会基于mapping创建倒排索引，若要修改某个字段就会导致原有的整个倒排索引彻底失效，带来的影响较大，因此es禁止修改索引库

PUT   /索引库名/_mapping
{
  "properties": {
    "新字段名":{
      "type": "integer"
    }
  }
}

示例：（给xx索引库添加age的属性）

PUT   /xx/_mapping
{
  "properties": {
    "age":{
      "type": "integer"
    }
  }
}

三、文档操作

新增文档

新增文档的DSL语法如下：

查询文档

查看文档语法：

GET /索引库名/_doc/文档id

示例：

GET /GY/_doc/1

删除文档

删除索引库的语法:

DELETE /索引库名/_doc/文档id

示例：

DELETE /GY/_doc/1

修改文档

方式一：全量修改，会删除旧文档，添加新文档

方式二：增量修改，修改指定字段值