01_Elasticsearch 快速入门实战
主要内容
- ElasticSearch概述
- ElasticSearch应用场景详解
- ElasticSearch环境搭建
- ElasticSearch常用分词技术介绍与使用
- ElasticSearch底层原理剖析
- ElasticSearch数据管理详解
1、ElasticSearch简介
1.1、ElasticSearch（简称ES）
Elasticsearch 是用Java开发并且是当前最流行的开源的企业级搜索引擎。
能够达到实时搜索，稳定，可靠，快速，安装使用方便。
客户端支持Java、.NET(C#)、PHP、Python、Ruby等多种语言。
官方网站：https://www.elastic.co
下载地址：https://www.elastic.co/cn/start
创始人：Shay Banon（谢巴农）
应用场景
-
百度、谷歌、Bing的搜索引擎
-
京东的商品搜索
并且会将搜索关键词高亮
1.2、ElasticSearch与Lucene的关系
Lucene 被认为 迄今为止最先进、性能最好的、功能最全的搜索引擎库（框架，就像Mybatis、Hibernate一样）
但是想要使用Lucene，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，并且Lucene的配置及使用非常复杂，你需要深入了解检索的相关知识来理解它是如何工作的。Lucene缺点：
- 1、只能在Java项目中使用，并且要以jar包的方式直接集成到项目中
- 2、使用非常复杂 - 创建索引和搜索索引代码繁杂
- 3、不支持集群环境 - 索引数据不同步（不支持大型项目）
- 4、索引数据如果太多就不行，索引库和应用需在同一个服务器，共同占用硬盘
- 上述Lucene的缺点，ES全部都能解决，小型的网站还是可以用Lucene
1.3 、哪些公司在使用ElasticSearch
1.京东
2.携程
3.去哪儿
4.58同城
5.滴滴
6.今日头条
7.小米
8.哔哩哔哩
9.联想
10.Github
11.微软
12.Facebook
等等...
1.4、ES vs Solr比较
Solr知名度不如ES，现在的互联网公司已经很少会问Solr
当单纯的对已有数据进行搜索时，Solr更快。
当实时建立索引时，Solr会产生io 阻塞，查询性能较差，Elasticsearch具有明显的优势。
大型互联网公司，实际生产环境测试，将搜索引擎从Solr转到 Elasticsearch 以后的平均查询速度有了50倍的提升。
总结：
二者安装都很简单。
1、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
2、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
3、Solr 在传统的搜索应用中表现好于 Elasticsearch，但在处理实时搜索应用时效率明显低于 Elasticsearch。
4、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。
1.4.2、 ES vs 关系型数据库
ES 的客户端Kibana
2、Lucene全文检索框架
2.1、什么是全文检索
全文检索是指：
- 通过一个程序扫描文本中的每一个单词，针对单词建立索引，并保存该单词在文本中的位置、以及出现的次数
- 用户查询是，通过之前建立好的索引来查询，讲索引中单词对应的文本位置、出现的次数返回给用户，因为有了具体文本的位置，所以就可以将具体内容读取出来了。
2.2、分词原理之倒排索引
倒排索引，是根据词条去找Index
3、 ElasticSearch中的核心概念
3.1 索引 index
一个索引就是一个拥有积分相似特征的文档的集合。比如说，可以有一个客户数据的索引，另一个产品目录的索引，还有一个订单数据的索引
一个索引有一个名字来标识（必须全部是小写字母），并且当我们要对对应于这个索引中的文档进行索引、搜索、更新和删除的时候，都要使用到这个名字
3.2 映射 mapping
ElasticSearch中的映射（mapping）用来定义一个文档
mapping是处理数据的方式和规则方面做一些限制，如某个字段的数据类型、默认值、分词器、是否被索引等等，这些都是映射里面可以设置的
3.3 字段 Field
相当于是数据表的字段 | 列
3.4 字段类型 Type
每一个字段都应该有一个对应的类型，例如：Text、Keyword、Byte等
3.5 文档 document
一个文档是一个可别索引的基础信息单元，类似一条记录。文档漪JSON（Javascript Object Notation）格式来表示：
3.6 集群 cluster
一个集群就是由一个或多个节点组织在一起，他们共同持有整个的数据，并一起提供索引和搜索功能
3.7 节点 node
一个节点是集群中的一个服务器，作为集群的一部分，它存储数据，参与集群的索引和搜索功能
一个节点可以通过配置集群名称的方式来加入一个指定的集群。默认情况下，每个节点都会被安排加入到一个叫做 “elasticsearch” 的集群中。
3.8 分片和副本 shards&replicas
3.8.1 分片
一个索引可以存储超出单个节点硬件限制的大量数据。比如，一个具有10亿文档的索引占据1TB的磁盘空间，而任一节点都没有这样大的磁盘空间；或者单个节点处理搜索请求，响应太慢。
为了解决这个问题，Elasticsearch提供了将索引划分成多份的能力，这些份就叫做分片。
当创建一个索引的时候，可以指定你想要的分片的数量。
每个分片本身也是一个功能完善并且独立的 “索引”，这个 “索引” 可以被放置到集群中的任何节点上。
分片很重要，主要有两方面的原因：
- 允许水平分割/扩展你的内容容量
- 允许在分片之上进行分布式的、并行的操作，进而提高性能/吞吐量
至于一个分片怎样分布，它的文档怎样聚合回搜索请求，是完全由Elasticsearch管理的，对于用户来说，这些都是透明的。
3.8.2 副本
在一个网络/云的环境里，失败随时都可能发生，在某个分片/节点不知怎么的就处于离线状态，或者由于任何原因消失了，这种情况下，有一个故障转移机制是分厂有用并且是强烈推荐的。为此目的，Elasticsearch 允许你创建分片的一份或多份拷贝，这些拷贝就叫做副本。
副本之所以重要，有两个主要原因：
-
在分片/节点失败的情况下，提供了高可用性。
注意：副本不与主节点(original/primary) 分片置于同一个节点上是非常重要的。
-
扩展搜索量/吞吐量，因为搜索可以在所有的副本上并行运行。
每个索引可以被分成多个分片。一个索引有0个或者多个副本。一旦设置了副本，每个索引就有了主分片和副本分片，分片和副本的数量可以在索引。创建的时候指定 。在索引创建之后，可以在任何时候动态地改变副本的数量，但是不能改变分片的数量。
4、ElasticSearch安装
版本 ：ES7.6
参考：Linux - 安装Elasticsearch
5、客户端Kibana安装
参考：Linux - 安装Kibana
6、安装IK分词器
我们后续也需要使用Elasticsearch来进行中文分词，所以需要单独给Elasticsearch安装IK分词器插件。以下为具体安装步骤：
8、ES 数据管理
8.1 ES数据管理概述
ES是面向文档（document oriented)的，这意味着它可以存储整个对象或文档（document）。
然而它不仅仅是存储，还会索引（index）每个文档的内容使之可以被搜索。
在ES中，你可以对文档（而非成行成列的数据）进行索引、搜索、排序、过滤。
ES使用JSON作为文档序列化格式。
JSON现在已经被大多语言所支持，而且已经成为NoSQL领域的标准格式。
ES存储的一个员工文档的格式示例：
{
"email":"[email protected]",
"name" : "张三",
"age" : 30,
"interests" : ["篮球","健身"]
}
8.2 基本操作
1、创建索引
格式： PUT /索引库名字
# 举例
PUT /es_db
2、查询索引
# 举例
GET /es_db
3、删除索引
DELETE /es_db
4、添加文档
# 文档相当于 数据库的行记录
格式：PUT /索引名称/类型/id
在7.x的版本后，类型只能是_doc
之前对于用户表，类型可能就叫user
# 举例
PUT /es_db/_doc/1
{
"name": "张三",
"sex" : 1,
"age" : 25,
"address": "广州天河公园",
"remark" : "java developer"
}
PUT /es_db/_doc/2
{
"name": "张三",
"sex" : 1,
"age" : 26,
"address": "上海长风大悦城",
"remark" : "java developer"
}
PUT /es_db/_doc/3
{
"name": "王五",
"sex" : 1,
"age" : 27,
"address": "上海嘉定新城",
"remark" : "java developer"
}
PUT /es_db/_doc/4
{
"name": "大琪子",
"sex" : 2,
"age" : 26,
"address": "河北石家庄",
"remark" : "traveller"
}
PUT /es_db/_doc/5
{
"name": "兔儿",
"sex" : 2,
"age" : 28,
"address": "上海顺平小区",
"remark" : "traveller"
}
5、修改文档
# 方式一
格式 ： PUT /索引名称/类型/id
# 方式二
格式 ： POST /索引名称/类型/id
# PUT 与 POST 的区别
1、PUT 需要一个具体的资源进行操作，也就是要确定id才能进行更新/创建
POST 是可以针对整个资源集合进行操作的，如果不写id就有ES生成一个唯一id进行创建新文档，如果填了id那就针对这个id的文档进行创建/更新
2、PUT 只会将json数据都进行替换，POST只会更新相同字段的值
3、PUT 与 DELETE 都是幂等性操作，即无论操作多少次，结果都一样
6、查询文档
格式：GET /索引名称/类型/id
举例：GET /es_db/_doc/1
7、删除文档
格式：DELETE /索引名称/类型/id
举例：DELETE /es_db/_doc/1
9、Restful 认识
使用Restful 的好处：
- 透明性，暴露资源存在
- 充分利用 HTTP 协议本身语义，不同请求方式进行不用操作
10、查询操作
10.1 查询所有文档
格式 ： GET /索引名称/类型/_search
举例 ： GET /es_db/_doc/_search
SQL: select * from student
# 注意：7.x版本后，可以类型可以省略，变成 ：GET /es_db/_search
10.2 条件查询
格式：GET /索引名称/类型/_search?q=field:value
# 举例 ：要查询age等于26岁的 文档
GET /es_db/_doc/_search?q=age:26
# 相当于 SQL
select * from student where age = 26
10.3 范围查询
格式：GET /索引名称/类型/_search?q=field[start TO end]
注意：TO必须大写
# 举例 ：查询年龄在25到26之间的
GET /es_db/_doc/_search?q=age[25 TO 26]
# 相当于 SQL
select * from student where age between 25 and 26
10.4 根据多个ID进行查询
格式：GET /索引名称/类型/_mget
# 举例 ：查询id=4或5的
GET /es_db/_doc/_mget
{
"ids":["4","5"]
}
# 相当于 SQL
select * from student where id in (4,5)
10.5 查询小于等于
格式：GET /索引名称/类型/_search?q=field:<=value
# 举例 ：查询年龄小于等于26的
GET /es_db/_doc/_search?q=age:<=26
# 相当于 SQL
select * from student where age <= 26
10…6 分页查询
格式：GET /索引名称/类型/_search?q=field:<=value&from=offset&size=pageSize
# 举例 ：查询年龄小于等于26的，第2条开始查，查1条
GET /es_db/_doc/_search?q=age:<=26&from=1&size=1
# 相当于 SQL
select * from student where age <= 26 limit 1,1
10.7 排序
格式：GET /索引名称/类型/_search?sort=field:desc/asc
# 举例 ：查询年龄小于等于26的，按年龄降序
GET /es_db/_doc/_search?q=age:<=26&sort=age:desc
# 相当于 SQL
select * from student where age <= 26 order by age desc
10.8 投影显示展示部分字段
格式：GET /索引名称/类型/_search?_source=field1,field2
# 举例 ：查询年龄小于等于26的，只显示name,age
GET /es_db/_doc/_search?q=age:<=26&_source=age,name
# 相当于 SQL
select name,age from student where age <= 26