es01

elasticSearch6

用途：全文检索（全部字段）、模糊查询（搜索）、数据分析（提供分析语法，例如聚合）

和elasticSearch5的区别在于，root用户权限、一个库能否建立多个表

安装

mkdir -p /opt/es

tar – zxvf elasticsearch-6.3.1.tar.gz

赋予权限

chmod 777 -R elasticsearch-6.3.1

cd config

1.修改elasticsearch.yml , jvm.options

vi jvm.options

-Xms256m

-Xmx256m

vi elasticsearch,yml

配置es的host地址

network.host: 192.168.239.139

http.port:9200

2.修改linux的默认线程数、最大文件数、最大内存数

vi /etc/security/limits.conf  添加

* hard nofile 655360

* soft nofile 131072

* hard nproc 4096

* soft nproc 2048

nofile - 打开文件的最大数目

noproc - 进程的最大数目

soft 指的是当前系统生效的设置值

hard 表明系统中所能设定的最大值

3. vi /etc/sysctl.conf

vm.max_map_count=655360

fs.file-max=655360

vm.max_map_count=655360，因此缺省配置下，单个jvm能开启的最大线程数为其一半

file-max是设置 系统所有进程一共可以打开的文件数量 

sysctl -p  使配置生效

user add es

su es

./elasticsearch

192.168.239.139:9200 

kibana安装与启动

版本6.3.1

cd  conf

vi 　kibana.yml

server.host:"0.0.0.0"

elasticsearch.url:"192.168.239.139:9200"

cd bin

./kibana

或

nohup ./kibana &

查看 kibana

ps -ef|grep kibana

192.168.239.139:5601

Elasticsearcch数据的存储方式

1 节点
一个节点就是一个es的服务器，es集群中，主节点负责集群的管理和任务的分发，一般不负责文档的增删改查
2 片
分片是es的实际物理存储单元(一个lucene的实例)
3 索引
索引是es的逻辑单元，一个索引一般建立在多个不同机器的分片上
4 复制片
每个机器的分片一般在其他机器上会有两到三个复制片(目的是提高数据的容错率)
5 容错
一旦集群中的某些机器发生故障，那么剩余的机器会在主机点的管理下，重新分配资源(分片)
6 分片的路由
写操作(新建、删除)只在主分片上进行，然后将结果同步给复制分片
Sync 主分片同步给复制成功后，才返回结果给客户端
Async 主分片在操作成功后，在同步复制分片的同时返回成功结果给客户端

元数据

PUT test/doc
{
“name”:”zhangsan”,
“age”:10
}

_index:文档所在索引名称
_type:文档所在类型名称
_id:文档唯一id
_uid:组合id，由_type和_id组成（6.x后，_type不再起作用，同_id）
_source:文档的原始Json数据，包括每个字段的内容
_all:将所有字段内容整合起来，默认禁用（用于对所有字段内容检索）

倒排索引（Inverted Index）

ElasticSearch引擎把文档数据写入到倒排索引（Inverted Index）的数据结构中，倒排索引建立的是分词（Term）和文档（Document）之间的映射关系，在倒排索引中，数据是面向词（Term）而不是面向文档的

分词

Standard（es默认） 支持多语言，按词切分并做小写处理

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

 

mapping

定义数据库中的表的结构的定义，通过mapping来控制索引存储数据的设置
定义Index下的字段名（Field Name）
定义字段的类型，比如数值型、字符串型、布尔型等
定义倒排索引相关的配置，比如documentId、记录position、打分等

获取索引mapping
不进行配置时，自动创建的mapping

数据类型

实际上每个type中的字段是什么数据类型，由mapping定义。

但是如果没有设定mapping系统会自动，根据一条数据的格式来推断出应该的数据格式。

 

默认只有text会进行分词，keyword是不会分词的字符串。

mapping除了自动定义，还可以手动定义，但是只能对新加的、没有数据的字段进行定义。一旦有了数据就无法再做修改了。

虽然每个Field的数据放在不同的type下,但是同一个名字的Field在一个index下只能有一种mapping定义。

核心数据类型

字符串型：text、keyword
数值型：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
范围类型：integer_range、float_range、long_range、double_range、date_range

复杂数据类型

数组类型：array
对象类型：object
嵌套类型：nested object
地理位置数据类型
geo_point(点)、geo_shape(形状)

专用类型
记录IP地址 ip
实现自动补全 completion
记录分词数：token_count
记录字符串 hash值 母乳murmur3

多字段特性multi-fields

文档操作

1.创建文档，文档通过其_index、_type、_id唯一确定

 PUT {index}/{type}/{id}
 {
 “”:””
 }


例：
PUT /website/blog/123

{

  "title": "My first blog entry",

  "text":  "Just trying this out...",

  "date":  "2014/01/01"

}

Elasticsearch中每个文档都有版本号，每当文档变化（包括删除）都会使_version增加。_version确保你程序的一部分不会覆盖掉另一部分所做的更改

自增ID

URL现在只包含_index和_type两个字段：

POST /website/blog/
{
  "title": "My second blog entry",
  "text":  "Still trying this out...",
  "date":  "2014/01/01"
}

2.获取文档

从Elasticsearch中获取文档，使用同样的_index、_type、_id

GET /website/blog/123?pretty

在任意的查询字符串中增加pretty参数，类似于上面的例子。会让Elasticsearch美化输出(pretty-print)JSON响应以便更加容易阅读。

检索文档的一部分

通常，GET请求将返回文档的全部，存储在_source参数中。但是可能你感兴趣的字段只是title。请求个别字段可以使用_source参数。多个字段可以使用逗号分隔

GET /website/blog/123?_source=title,text

_source字段现在只包含请求的字段，而且过滤了date字段

3.更新

POST /website/blog/123
{
  "title": "My first blog entry",
  "text":  "I am starting to get the hang of this...",
  "date":  "2014/01/02"
}

4.删除文档

DELETE /website/blog/123

SearchApi

GET /_search #查询所有索引文档
GET /my_index/_search #查询指定索引文档
GET /my_index1,my_index2/_search #多索引查询
GET /my_*/_search

URI查询方式（查询有限制，很多配置不能实现）

GET /my_index/_search?q=user:alfred #指定字段查询

GET /my_index/_search?q=keyword&df=user&sort=age:asc&from=4&size=10&timeout=1s

q : 指定查询的语句，例如q=aa或q=user:aa
df:q中不指定字段默认查询的字段，如果不指定，es会查询所有字段
Sort：排序，asc升序，desc降序
timeout：指定超时时间，默认不超时
from，size：用于分页

term与phrase

term相当于单词查询，phrase相当于词语查询
term：Alfred way等效于alfred or way
phrase：”Alfred way” 词语查询，要求先后顺序

泛查询
Alfred等效于在所有字段去匹配该term(不指定字段查询)

指定字段
name:alfred

Group分组设定（），使用括号指定匹配的规则
（quick OR brown）AND fox：通过括号指定匹配的优先级
status:(active OR pending) title:(full text search)：把关键词当成一个整体

布尔操作符

AND(&&),OR(||),NOT(!)
例如：name:(tom NOT lee)
#表示name字段中可以包含tom但一定不包含lee

+、-分别对应must和must_not
例如：name:(tom +lee -alfred)
#表示name字段中，一定包含lee，一定不包含alfred，可以包含tom
注意：+在url中会被解析成空格，要使用encode后的结果才可以，为%2B

GET test_search_index/_search?q=username:(alfred %2Bway)

范围查询，支持数值和日期
1、区间：闭区间：[]，开区间:{}
age:[1 TO 10] #1<=age<=10
age:[1 TO 10} #1<=age<10
age:[1 TO ] #1<=age
age:[* TO 10] #age<=10
2、算术符号写法
age:>=1
age:(>=1&&<=10)或者age:(+>=1 +<=10)

通配符查询
?:1个字符
*:0或多个字符
例如：name:t?m
name:tom*
name:t*m
注意：通配符匹配执行效率低，且占用较多内存，不建议使用，如无特殊要求，不要讲?/*放在最前面

正则表达式
name:/[mb]oat/

模糊匹配fuzzy query
name:roam~1 [0,1,2]

匹配与roam差1个character的词，比如foam、roams等

近似度查询proximity search
“fox quick”~5
以term为单位进行差异比较，比如”quick fox” “quick brown fox”

复杂查询的定义

Query{
Bool:{// 先过滤，后查询
   Filter:{term,term}
   must:{match}
}
}

先过滤再查询

"query":{
"bool":{
"filter":[ {"term": {  "actorList.id": "1"  }},
    {"term": {  "actorList.id": "3"  }}], 
    "must":[{"match":{"name":"red"}}]
      }
}
"query": {
        "bool": { 
"filter": [{"terms":{ "actorList.id": [1,3]}}] , 
"must": [{"match": {"name": "red"}}]
       }
  }

创建mapping

PUT gmall
{
  "mappings": {
    "SkuInfo":{
      "properties": {
        "id":{
          "type": "keyword"
          , "index": false
        },
        "price":{
          "type": "double"
        },
         "skuName":{
          "type": "text",
          "analyzer": "ik_max_word"
        },
        "skuDesc":{
          "type": "text",
          "analyzer": "ik_smart"
        },
        "catalog3Id":{
          "type": "keyword"
        },
        "skuDefaultImg":{
          "type": "keyword",
          "index": false
        },
        "skuAttrValueList":{
          "properties": {
            "valueId":{
              "type":"keyword"
            }
          }
        }
      }
    }
  }
}

查询

GET gmall/SkuInfo/_search
{
"query": {
"bool": {
"filter": [{"terms":{ "skuAttrValueList.valueId": ["46","45"]}},{"term":{"catalog3Id":"61"}}],
      "must": { "match": { "skuName": "小米" } }
}
},
"highlight": {
    "fields": {"skuName":{}}
},
"sort":{
"hotScore":{"order":"desc"}},
  "aggs": { "groupby_attr": {"terms": {"field": "skuAttrValueList.valueId" }} 
}
}

完