ElasticSearch入门

ElasticSearch入门

一、ElasticSearch介绍

1、概述

ElasticSearch是基于Apache组织的Lucene开源搜索引擎开发的一个搜索引擎。

ElasticSearch编写的目的是使用简单的RESTfulAPI来实现全文搜索并摒弃Lucene的复杂操作。

除此之外，ElasticSearch还提供了：

（1）分布式的文件存储，存入的数据中每个字段都经过索引并可以通过API来搜索。

（2）实时分析的分布式搜索引擎。

（3）可以扩展到上百台的服务器上，处理海量级别的结构化或非结构化数据。

2、重要概念

（1）接近实时（NRT）

ElasticSearch得于Lucene的支持，它是一个趋近于实时的搜索引擎。它从索引一个文档到能通过搜索API搜索到这个文档，仅仅有一个忽略不计的延迟（1秒左右）。

（2）集群（Cluster）

由于ElasticSearch能支持海量数据搜索，所以集群是必要的。用户可以通过配置一个集群标识（默认是ElasticSearch），让其他节点加入这个集群，实现比如数据的分离和搜索的引导。

（3）节点（Node）

节点就是集群中的一个服务器，它作为集群的一部分，可以通过主备来实现主节点和备用节点，并存储用户的数据。如果在所有ElasticSearch服务器中没有运行任何一个节点，那么它会默认创建并加入一个ElasticSearch集群。

（4）索引（Index）

一个索引就是一个文档的集合，可以理解成关系型数据库中Database的概念，一个索引由它的名字（必须是小写字母）来作为标识，后续可以通过这个索引对文档进行增删改查的操作。

倒排索引：通过关键字来查找，这是ElasticSearch中全文检索速度快的原因。

正排（正向）索引：在关系型数据库中使用id等字段作为索引。

（5）类型（Type）

一个类型是一个索引的子类，多个类型组成了一个索引。类型主要存有一些拥有共同字段的文档。可以理解成关系型数据库中Table的概念。

（6）文档（Document）

一个文档是ElasticSearch中可以被搜索到的基础信息。在ElasticSearch中主要是使用JSON的格式来表示，你可以存有一个用户的文档，他的订单文档等。文档中除了这些数据外，还包括有_index、_type和_id字段。

（7）分片（Shards）

一个索引中能够存储超过某个节点硬件限制的数据，前提是对其进行了分片操作。比如一个索引占用了超过1TB的空间，但是在集群中没有任何一个节点有1TB的容量，此时就会对这个索引进行分片操作。当然，这也是为了能够将搜索的速度进行最优操作。

在创建一个索引的时候，可以指定分片的数量，此时由于定义了分片操作，这个索引可以在集群中的任何节点上找到。

在分片中，能够实现这两个重要的功能：

·可以通过分片来扩展某个索引的容量，以及实现数据的分割。

·实现分片后可以在集群中进行分布式/并行的操作，进而提高集群的处理能力。

（8）复制（Replicas）

在任何一个系统中，出现宕机等问题的可能性随时都会发生，ElasticSearch也不例外。

ElasticSearch提供了一种索引备份的机制，它允许用户创建分片的复制分片。

复制分片不会和原分片在同一个节点上，因为如果在集群中，某个节点发生宕机，如果同时存在于同一个节点上的话，此时这个索引备份机制是没有意义的。

在索引创建后，用户可以随时改变复制数量，但不能改变分片的数量，因为改变分片的数量时是会进行数据的重新切割，而复制则不会对分片造成任何影响。

默认情况下，ElasticSearch的每个索引会被设置成5个分片和1个复制索引，当然这是在有至少两个节点的前提下，如果只有一个节点，那么分片没有任何意义。

二、下载与启动

1、前置条件

环境说明：

服务器：阿里云轻量应用服务器

操作系统：CentOS8.2

内存：2G

ElasticSearch版本：7.15.1

运行ElasticSearch需要在服务器上安装jdk

yum install -y java-1.8.0-openjdk java-1.8.0-openjdk-devel

2、下载tar.gz文件

wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.15.1-linux-x86_64.tar.gz

3、解压

tar -vxf elasticsearch-7.15.1-linux-x86_64.tar.gz

4、ElasticSearch目录说明

目录 配置文件 描述
bin 放置脚本文件，如启动脚本 ElasticSearch, 插件安装脚本等。
config elasticserch.yml ElasticSearch配置文件，如集群配置、jvm 配置等。
jdk java 运行环境
data path.data 数据持久化文件
lib 依赖的相关类库
logs path.log 日志文件
modulElasticSearch 包含的所有 ElasticSearch 模块
plugins 包含的所有已安装的插件

5、新用户配置

由于ElasticSearch不能使用root用户启动，所以需要新建一个elastic用户

CentOS8的添加用户命令

adduser elastic

给elastic用户赋予权限（使用root账号）

chown -R elastic:elastic /software/elasticsearch-7.15.1

6、启动

使用elastic用户，进入对应文件夹的bin目录下

使用命令启动，-d是在后台运行

./elasticsearch -d

7、验证

使用命令

curl localhost:9200

最终控制台显示以下内容就成功启动了

{
  "name" : "iZax8lw98s1xu9Z",
  "cluster_name" : "elasticsearch",
  "cluster_uuid" : "D-A_yUfpSrmgxThbKSox6Q",
  "version" : {
    "number" : "7.15.1",
    "build_flavor" : "default",
    "build_type" : "tar",
    "build_hash" : "83c34f456ae29d60e94d886e455e6a3409bba9ed",
    "build_date" : "2021-10-07T21:56:19.031608185Z",
    "build_snapshot" : false,
    "lucene_version" : "8.9.0",
    "minimum_wire_compatibility_version" : "6.8.0",
    "minimum_index_compatibility_version" : "6.0.0-beta1"
  },
  "tagline" : "You Know, for Search"
}

8、注意事项

（1）远程访问需要修改elasticsearch.yml中的network.host属性，将其改成0.0.0.0

（2）报错提示

bootstrap check failure [1] of [3]: max file dElasticSearchcriptors [4096] for elasticsearch procElasticSearchs is too low, increase to at least [65535]　　

需要打开/etc/security/limits.conf文件

在结尾增加以下内容，其中elastic为创建的新用户

elastic soft nofile 65536
elastic hard nofile 65536

（3）报错提示

bootstrap check failure [2] of [3]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]

需要打开/etc/sysctl.conf文件

在结尾增加以下内容

vm.max_map_count=262144

（4）报错提示

bootstrap check failure [3] of [3]: the default discovery settings are unsuitable for production use; at least one of [discovery.seed_hosts, discovery.seed_providers, cluster.initial_master_nodElasticSearch] must be configured

需要进行对discovery.seed_hosts, discovery.seed_providers, cluster.initial_master_nodElasticSearch其中一个的配置

配置内容如下

    # 启动地址，如果不配置，只能本地访问
    network.host: 0.0.0.0
    # 节点名称
    node.name: node1
    # 初始化时master节点的选举列表
    cluster.initial_master_nodElasticSearch: [ "node1" ]
    # 集群名称
    cluster.name: elasticsearch
    # 对外提供服务的端口
    http.port: 9200
    # 内部服务端口
    transport.port: 9300    
    # 跨域支持
    http.cors.enabled: true
    # 跨域访问允许的域名地址（正则）
    http.cors.allow-origin: /.*/

三、ElasticSearch RESTful API的使用

ElasticSearch提供了非常多的基于HTTP协议的RESTful API，只需要向ElasticSearch发送RESR请求，就可以实现它提供的一系列功能。

目前的资料中大部分是使用的Linux的curl命令来发送请求，我使用Postman来发送，因为它图形化，并且相对于命令也更容易操作

1、健康检查

健康检查主要用来查看集群的运行情况，由于只有一个节点，所以暂时不用了解太多。

URL格式（GET）

/_cat/health?v

其中?v主要用来显示字段

最终效果如图所示

image-20211020161915270

其中，status为green表示正常，其他的还有yellow（所有数据都可用但复制分片不可用）、red（部分数据不可用）。

2、获取集群中节点列表

URL格式（GET）

/_cat/nodes?v

从下图可以看到集群中只有一个名为node1的节点。

image-20211020162405252

3、创建索引

URL格式（PUT）

/索引名

acknowledged为true表示索引创建成功，由于默认是进行了分片操作的，所以shards_acknowledged也为true，index则表示索引名称。

image-20211020162739272

4、列出索引

URL格式（GET）

/_cat/indices?v

节点中有一个默认的索引，另外有一个index1的索引，index1索引的health为yellow，是因为现在节点只有一个，不能对分片进行复制，等到添加第二个节点的时候就会恢复成green。

image-20211020164847334

5、创建文档

创建了索引之后就可以把文档存入到ElasticSearch中了。

URL格式（PUT/POST）

/索引名/_doc/文档id
/索引名/_create/文档id

ps：由于ElasticSearch在6.X版本之后就要逐步移除类型（Type）的概念，所以类型就不写上去了，直接用_doc代替。

需要向这个URL发送一个PUT请求，并在请求中带入一个JSON字符串，此时ElasticSearch会返回一个存入的状态，其中各个字段表示如表格所示

字段 含义
_index 索引，用于表示当前文档是在哪个索引中
_type 类型，用于表示当前文档是在哪个类型中
_id id，文档的id
_version 版本，文档的版本，如果对其进行了操作，那么这个值会增加
result 结果，有created，updated，deleted等情况，表示新增，更新，删除
_shards 分片情况
_seq_no 索引的序列号
_primary_term 和_seq_no组合使用

image-20211021101532071

当索引不存在时也能存入文档，当索引不存在时，会自动创建索引

image-20211021101804107

当文档id不存在时也能创建文档，此时id会由系统自动生成，但需要发送POST请求而不是PUT

image-20211021101840255

6、查询文档

URL格式（GET）

/索引名/_doc/文档id

其中found字段为true表示找到了id为1的文档，_source是文档的具体内容。

image-20211021101930447

7、查询索引下的所有文档

URL格式（GET）

/索引名/_search

ps：这种方式只能查询到10条，如果要查询到所有的数据，可以使用分页的查询条件。

image-20211021104841585

其中各个字段的说明：

字段 含义
took ElasticSearch搜索所使用的时间（毫秒）
timed_out 是否超时
_shards 搜索的分片信息
hits 搜索结果
hits.total 搜索命中信息
hits.hits 搜索结果
hits._score/max_score score是判断搜索条件匹配程度的指标，分数越高文档和搜索条件越相关

8、更新文档

URL格式（POST/PUT）

1、/索引名/_update/更新的文档id（POST）
2、/索引名/_doc/更新的文档id（PUT）

参数格式

1、
{
    "doc":{
        //更新的内容
    }
}
2、
{
    //更新的内容
}

更新文档和创建文档的方式是一样的，如果创建的文档已存在，那么就会自动更新它。

如果文档不存在则自动创建。（仅限_doc的方式）

此时result的值是updated，_version的值也增加。

image-20211021102025404

9、删除文档

URL格式（DELETE）

/索引名/_doc/删除的文档id

此时result的值是deleted，_version也变成了3.

image-20211020172420239

10、删除索引

URL格式（DELETE）

/索引名

执行后会返回true，表示已经删除成功。

image-20211020172528680

这时再查询索引，已经没有了。

image-20211020172624055

11、搜索文档

（1）按条件搜索文档

URL格式（GET）

/索引名/_search

参数格式

{
    "query":{
        "match":{
            //搜索条件：key:value
            //match表示匹配，可以替换成match_all，表示查询所有
        }
    }
}

image-20211020193341381

（2）分页查询

参数格式

{
    "query":{
        "match":{
            //搜索条件
        }
    },
    "from":0,
    "size":20
    //表示从0开始搜索，返回20条数据
}

image-20211021110824870

（3）排序

参数格式

{
    "query":{
        "match_all":{//查询所有
        }
    },
    "sort":{
        "age":{//表示按年龄排序
            "order":"asc"//表示排序方式是升序
        }
    }
}

image-20211021111413046

（4）数据过滤

参数格式

{
    "query":{
        "bool":{
            "must":{
                "match":{
                    "name":"lxy10"
                }
            },
            "filter":{
                "range":{
                    "age":{
                        "gt":30
                    }
                }
            }
        }
    },
    "sort":{
        "age":{
            "order":"asc"
        }
    }
}

上面查询条件表示name是"lxy10"，并且年龄大于30，最后按照年龄的升序排序。

image-20211021111835472

12、全文检索

（1）全文检索

全文检索时会将用户输入的字符串给拆分出来，然后去倒排索引里面一一匹配，只要能匹配到某一个字或单词，那么就将结果返回。

URL格式（GET）

/索引名/_search

参数格式

{
    "query":{
        "match":{
            //搜索条件，可以是完整的名称，也可以是一个字或单词
        }
    }
}

（2）短语搜索

和全文检索相反，短语检索是必须要完全匹配才能将结果返回。

参数格式

{
    "query":{
        "match_phrase":{
            //搜索条件，必须和结果中包含了一样的才会返回
        }
    }
}

（3）高亮搜索结果

高亮搜索结果主要是将查询的条件给高亮出来，效果参考百度搜索。

{
    "query":{
        "match":{
            //搜索条件
        }
    },
    "highlight":{
        "fields":{
            //高亮字段
        }
    }
}

13、聚合

使用聚合检索可以对结果进行统计，如求平均或求和等运算。

在进行聚合检索之前，需要对文档的属性进行调整。

（1）文档属性调整

URL格式（POST）

/索引名/_mapping

参数格式

{
    "properties":{
        "name":{
            "type":"text",//text表示这个属性能够被分词
            "index":true,//true表示加入索引
            "fielddata":true//存储的数据结构是fielddata
        },
        "category":{
            "type":"keyword"
        },
        "price":{
            "type":"long",
            "index":true
        }
    }
}

ps：这个操作比较类似数据表中定义数据表结构。

（2）统计每个name下的数量

参数格式

{
    "aggs":{
        "phone_count":{
            "terms":{
                "field":"name"//后面跟文档的属性
            }
        }
    },
    "size":0//如果不加这个会把检索的结果也返回
}

（3）统计名称中包含X并计算每个name下的数量

参数格式

{
    "aggs":{
        "phone_count":{
            "terms":{
                "field":"name"
            }
        }
    },
    "size":0,
    "query":{
        "match":{
            "name":"X"
        }
    }
}

（4）统计商品的平均价格

参数格式

{
    "aggs":{
        "phone_avg":{
            "avg":{
                "field":"price"
            }
        }
    },
    "size":0
}

（5）检索某个范围内的商品数量

参数格式

{
    "aggs":{
        "phone_range":{
            "range":{
                "field":"price",
                "ranges":{
                    "from":0,
                    "to":1000
                }
            }
        }
    }
}
【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/lxxxxxxy/p/15433947.html