ElasticSearch7.6.x 学习笔记
目录
ElasticSearch概述
ElasticSearch，简称es，es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据。且本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。es也使用java开发并使用Lucene作为核心来实现所用索引和搜索的功能。但是，它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。
据国际权威的数据库产品评测机构DB Engines的统计，在2016年1月，ElasticSearch已经超过了Solr等，成为排名第一的搜索引擎类应用。
为什么要选择ElasticSearch
- SQL：like %% 做模糊查询，如果是大数据，效率慢。 （通过增加索引解决）
- ElasticSearch/Solr： 全文检索
总而言之：ElasticSearch是作为大数据全文检索的一种优质选型。
Lucene
- Lucene是一套信息检索工具包！jar包！不包含搜索引擎，包含的：索引结构、读写索引工具、排序、搜索规则…工具类
- Lucene在java开发环境里是一个成熟的免费开源工具，就其本身而言，Lucene是当前以及最近几年最受欢迎的免费java信息检索程序库。
对比ElasticSearch与Solr
- ElasticSearch： ElasticSearch是一个基于Apache Lucene™的开源搜索引擎。使用java开发并使用Lucene作为其核心来实现所有索引和搜索的功能。通过使用RESTful API来隐藏Lucene的复杂性。
- Solr：Solr是Apache下的一个顶级开源项目，采用java开发，基于Lucene的全文搜索服务器。
- 使用POST方法向Solr服务器发送一个描述Field及其内容的XML文档，Solr根据xml文档添加、删除、更新索引。Solr搜索只需要发送GET请求，然后对Solr返回的xml、json等格式的查询结果进行解析。
- Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口
ElasticSearch与Solr性能对比
ElasticSearch vs Solr 总结
- es基本是开箱即用，Solr安装较为复杂
- Solr利用Zookeeper进行分布式管理，而Elasticsearch自身带有分布式协调治理功能。
- Solr支持更多格式数据，而ElasticSearch本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑。
- Solr查询快，但更新索引时慢（即插入删除慢），用于电商等查询多的应用；
- ES建立索引快（即查询慢），即实时性查询快，用于facebook新浪等搜索。
- 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。
- Solr比较成熟，有一个更大、更成熟的用户、开发和贡献者社区，而ElasticSearch相对开发维护者较少，更新太快，学习使用成本较高。
了解ELK
ELK是ElasticSearch、Logstash、Kibana三大开源框架的缩写。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。
- 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/elasticsearch/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。
市场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的总称，但实际上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，日志分析和收集只是更具有代表性，并非唯一性。
ES核心概念
- 集群，节点，索引，类型(8.x废弃)，文档，分片，映射
- elasticsearch 是面向文档的，elasticsearch(集群)中可以包含多个索引(数据库)，每个索引中可以包含多个类型(表)，每个类型下又包含多个文档(行)，每个文档中有包含多个字段(列)，elasticsearch中一切都是JSON
- 关系型数据库与elasticsearch 对比
- 物理设计：
elasticsearch在后台把每个索引划分成多个分片，每片分片可以在集群中的不同服务器间迁移。 - 逻辑设计：
一个索引类型中，包含多个文档，当我们索引一片文档时，可以通过这样的一个顺序找到它： 索引 >> 类型 >> 文档ID，通过这个组合我们就能索引到某个具体的文档。 （ID不必是整数，实际上它是个字符串）
文档
elasticsearch是面向文档的，所以索引和搜索数据的最小单位是文档，在elasticsearch中，文档有几个重要属性：
- 自我包含，一篇文档同时包含字段和对应的值，也就是同时包含key:value
- 可以是层次型，一个文档中包含子文档，复杂的逻辑实体就是这么来的
- 灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对于字段是非常灵活的，有时候，我们可以忽略该字段，或者动态添加一个新的字段。
尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在elasticsearch中，类型有时候也称为映射类型。
类型
类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段。
比如新增一个字段，那么elasticsearch是怎么做的呢？
elasticsearch会自动将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始推测，如果这个值是18，那么elasticsearch会认为它是整形。但是elasticsearch也可能推测的不对， 所以最安全的方式就是提前定义好所需要的映射，这点和关系型数据库殊途同归了，先定义好字段，然后再使用。
索引
索引就可以理解为关系型数据库的库。索引是映射类型的容器，elasticsearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。然后他们被存储到了各个分片上。
物理设计：节点和分片如何工作
一个集群至少有一个节点，而一个节点就是一个elasticsearch进程，节点可以有多个索引默认的，如果创建索引，那么索引将会有5个分片(primary shard，又称主分片)构成的，每个主分片会有一个副本(replica shard，又称复制分片)
下图是一个有3个节点的集群：
可以看到主分片和对应的复制分片都不会再同一个节点内，这样就有利于某个节点挂掉了，数据也不至于丢失。实际上，一个分片是一个Lucene索引，一个包含 倒排索引 的文件目录，倒排索引的结构使得elasticsearch在不扫描全部文档的情况下，就能告诉你哪些文档包含特定的关键字。
倒排索引
elasticsearch使用的是一种称为倒排索引的结构，采用Lucene倒排索引作为底层。这种结构适用于快速的全文搜索，一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含他的文档列表。
-
示例一：
例如，现在有两个文档，每个文档包含如下内容：
为了创建倒排索引，我们首先要将每个文档拆分成独立的词（或称为词条或者tokens），然后创建一个包含所有不重复的词条的排序列表，然后列出每个词条出现在哪个文档：
假设现在我们试图搜索 to forever， 只需要查看包含每个词条的文档，forever在doc1和doc2中都存在，to在doc1中存在、doc2中不存在，所以在doc1中匹配度更高，权重(score)也就更高。
-
示例二：
下图是4个文档数据。
elasticsearch会自动为文档创建倒排索引列表，如下图：
如果要搜索含有linux标签的数据，那么根据倒排索引列表，只需要从文档3和文档4中查询即可，完全过滤掉无关的所有数据，效率会提升很多。
elasticsearch的索引和Lucene的索引对比
在elasticsearch中，索引这个词被频繁使用。在elasticsearch中，索引被分为多个分片，每份分片是一个Lucene索引4。所以一个elasticsearch索引是由多个Lucene索引组成的。
环境准备
- ElasticSearch
- ElasticSearch head
- IK分词器
- Kibana控制台
Rest风格操作
Rest请求
ES 7.x
| method | url | 描述 |
|---|---|---|
| PUT | localhost:9200/索引/类型/文档id | 创建文档(指定文档id) |
| POST | localhost:9200/索引/类型 | 随机文档(随机文档id) |
| POST | localhost:9200/索引/类型/文档id/_update | 修改文档 |
| DELETE | localhost:9200/索引/类型/文档id | 删除文档 |
| GET | localhost:9200/索引/类型/文档id | 通过文档id查询文档 |
| POST | localhost:9200//索引/类型/_search | 查询所有数据 |
注:
- 8.x之后由于type被弃用，有许多请求的修改
8.x URL修改：- PUT： localhost:9200/索引/_doc/文档id
- POST： localhost:9200/索引/_update/文档id
数据类型
- 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
关于text与keyword
text类型会被分词器解析，keyword类型不会被分词器解析
指定字段的类型
// 创建索引规则，指定字段类型
PUT /test2
{
"mappings": {
"properties":{
"name": {
"type": "text"
},
"age": {
"type": "integer"
}
}
}
}
如果文档没有指定类型，es会给配置默认的字段类型
扩展
- GET _cat/indices?v （通过_cat命令可以获得很多es当前信息）
复杂查询demo
例子一
GET /test/_search
{
"query":{
//精确匹配
"match": {
"name": "人民"
}
}
}
返回结果解析：
1. hits:{...} -- 索引和文档的信息
2. hits.total.value -- 查询出的数量
3. hits.total.relation -- 查询关系
1. eq ： 相等
4. hits.max_score -- 查询结果最大匹配分数
5. hits: [...] -- 查询结果具体信息
1. _index -- 索引
2. _id -- 文档id
3. _score -- 匹配分数
4. _source -- 数据
例子二
GET /test2/_search
{
"query": {
"match": {
"name": "人民"
}
},
//只获取指定字段
"_source": ["age"],
//排序
"sort": [
{
"age": {
"order": "desc"
}
}
],
//分页
"from": 0,
"size": 1
}
例子三
布尔值查询
GET /test2/_search
{
"query": {
//布尔值多条件查询
"bool": {
// must相当于and ，should相当于or ， must_not相当于not
"must": [
{
"match": {
"name": "人民"
}
},
{
"match": {
"age": 18
}
}
],
//附加过滤条件
"filter": [
{
"range": {
"age": {
// gte 大于等于 ， gt 大于
"gte": 10,
// lte 小于等于 ， lt 小于
"lte": 20
}
}}
]
}
}
}
高亮查询
GET /test2/_search
{
"query": {
"bool": {
"should": [
{
"match": {
"name": "人民"
}
}
]
}
},
//高亮
"highlight": {
"fields": {
// 高亮字段
"name": {}
}
}
}
GET /test2/_search
{
"query": {
"bool": {
"should": [
{
"match": {
"name": "人民"
}
}
]
}
},
"highlight": {
// 自定义标签前缀
"pre_tags": "<span class='key' style='color:red'>",
// 自定义标签后缀
"post_tags": "</span>",
"fields": {
"name": {}
}
}
}
其他
- 精确查找： term查询是直接通过倒排索引指定的词条进行精确查询的。
- 关于分词：
- term：直接精确查询
- 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）
