ElasticSearch 认识和深入，安装 es、ik、kibana、以及配置使用(二)

ElasticSearch 安装

声明 JDK1.8，最低要求！ElasticSearch客户端，界面工具，ik分词器版本必须一致！

Java开发，ElasticSearch 的版本和我们之后对应的JAVA的核心Jar包，版本对应！JDK环境是正常！

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

华为镜像下载地址：

ElasticSearch: https://mirrors.huaweicloud.com/elasticsearch/?C=N&O=D
logstash: https://mirrors.huaweicloud.com/logstash/?C=N&O=D
kibana: https://mirrors.huaweicloud.com/kibana/?C=N&O=D

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！ 默认端口：9200! 跨域！
lib 相关jar 
logs   日志！
modules 功能模块
plgins  插件 ik 分词器

下载使用华为镜像下载

选择windows 10版本 下载

下载完成，直接解压启动

选择bat 脚本启动

访问 默认端口 http://localhost:9200

了解 ELK

ELK 是 ElasticSearch 、Logstash、kibana 三大开源框架首字母大写简称，市面上也被称为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，失眠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/elasticearch/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ElK不仅仅适用于日志分析，它还可以支持其他任何数据分析和收集的场景，日志分析和手机只是更具有代表性。并非唯一性。

head 插件安装

下载： https://github.com/mobz/elasticsearch-head

运行说明

解压

运行，执行npm install 更新 (需要安装 node.js)

执行 npm run start

出现head 请求跨域以下情况，修改 elasticsearch.yml 配置文件

http.cors.enabled: true
http.cors.allow-origin: "*"

因为es默认不支持跨域，我们修改让他支持以下就好了

Ik分词器插件

什么是Ik 分词器？

分词：即把一段中文或者别的划分为一个个的关键字，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JAVA 会被分为 “我”，“爱”，“JAVA”，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

1，下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

2，下载完成后，放到 elasticsearch /plugins 该目录下

3，重启 es

kibana 安装

安装 kibana

kibana是一个针对 Elastaicsearch 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，

可以通过各种图标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，几分钟内疚可以完成 kibana安装并启动Elasticsearch 索引监测。

下载地址：https://www.elastic.co/cn/downloads/past-releases#kibana

下载解压 启动 就可以了

提示：需要安装node.js 才能启动

汉化

找到该路径汉化文件：D:\java\ElasticSearch\kibana-7.9.3-windows-x86_64\x-pack\plugins\translations\translations

1，配置config:D:\java\ElasticSearch\kibana-7.9.3-windows-x86_64\config

2，打开：kibana.yml

3，将115行 改为

启动

测试

使用 ik_smart 和 ik_max_word 测试

自定义 扩展字典；该路径下D:\java\ElasticSearch\elasticsearch-7.9.3\plugins\elasticsearch-analysis-ik-7.9.3\config

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~

Rest 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命令说明：

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	查询文档通过文档id
POST	localhost:9200/索引名称/类型名称/_search	查询所有数据

创建一个索引

PUT /索引名/类型名称/文档id
{请求体}

创建成功

那么name 这个字段 用不用指定类型呢。 关系型数据库是需要指定类型的

• 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
• 布尔类型 boolean
• 二进制类型 binary
• 等等

指定类型创建规则， (这里其实相当于 mysql 建表)

PUT /test2
{
  "mappings": {
    "properties": {
      "name":{
            "type":"text"
        },
       "age":{
            "type":"long" 
        }
      }
    }
     
  }
}

GET test2 获得索引信息

观察 test1 索引 没有 指定类型， es有默认类型

GET test1

修改提交还是使用 PUT即可。然后覆盖

修改文档

POST /test1/type1/1/_update
{
  "doc":{
     "name": "李四"
  }
}

修改成功

删除索引

DELETE test2

索引test2 已经不存在

复杂条件查询

---

查询根据 姓名 条件，年龄排序， 分页

GET test1/type1/_search
{
  #查询匹配 名字为张三的
  "query":{
  		"match":{
  		   "name":"张三"
  		}
  }，
  #根据年龄排序
  "sort":[{
  		"age":{
  			"order":"asc"
  		}
  }],
  #分页 从0条开始 返回10条数据 
  "from":0,
  "size":10
  
}

多条件精确查询,根据 bool 关键字 进行多条件关键字查询

GET test1/type1/_search
{
	"query":{
        "bool":{
        	"must":[
        		{
                    "match":{
                        "name":"java"
                    }
                },
                {
                     "match":{
                        "age":"3"
                 	  }
                 }
        	]
        }
     }

}

must ： 相当于 sql 里面的 and

should ：相当于 sql 里面的 or

must_not : 相当于 sql 里面的 not

查询条件过滤，过滤年龄大于5岁的

GET test1/type1/_search
{
	"query":{
        "bool":{
        	"must":[
        		{
                    "match":{
                        "name":"java"
                    }
                }
        	],
        	"filter":{
        		"range":{
        			"age":{
        				"gt":5
        			}
        		}
        	}
        	
        }
     }
}

查询条件过滤，过滤年龄小于5岁的

GET test1/type1/_search
{
	"query":{
        "bool":{
        	"must":[
        		{
                    "match":{
                        "name":"java"
                    }
                }
        	],
        	"filter":{
        		"range":{
        			"age":{
        				"lt":5
        			}
        		}
        	}
        	
        }
     }
}

• gt 大于
• gte 大于等于
• lt 小于
• lte 小于等于

多个条件过滤

GET test1/type1/_search
{
	"query":{
        "bool":{
        	"must":[
        		{
                    "match":{
                        "name":"java"
                    }
                }
        	],
        	"filter":{
        		"range":{
        			"age":{
        			    "gte":25
        				"lte30
        			}
        		}
        	}
        	
        }
     }
}

匹配多个条件

GET test1/type1/_search
{
	"query":{
        "match":{
        	"name":"java  男“
        }
     }
}

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

关于分词：

• term ，直接查询精确的
• match，会使用分词器解析！（先分析文档，然后再通过分析的文档进行查询）
  • text，会被分词器解析
  • keyword，不会被分词器解析

高亮查询

GET test1/type1/ _search
{
	"query":{
		"match":{
			"name":“java”
		}
	},
	"highlight":{
	    #自定义高亮颜色
		"pre_tags":"
",
		"post_tags":"
",
		"fields":{
			“name":{}
		}
	}
}