docker安装elasticsearch和ik分词器

news2024/10/17 3:47:59

目录

ElasticSearch

了解ElasticSearch

ELK技术栈

​编辑 ElasticSearch与lucene的关系

总结

 倒排索引

正向索引 

倒排索引

 正向和倒排

 elasticSearch特定的一些概念

文档和字段

索引和映射 

mysql与elasticsearch对比 

安装elasticSeacher并部署单例es

 创建网络

加载es镜像和kibana镜像 

运行es镜像

部署kibana 

查看kibana

安装IK分词器

下载压缩包

查询到es-plugins数据卷存在的实际位置

 cd到这个实际位置，并把ik文件夹拉到这个目录中

重启es容器

测试：

扩展IK分词器

进入ik的config目录 

在IKAnalyzer.cfg.xml配置文件内容添加：ext.dic

 这里没有配置ext.dic的文件路径，说明和IKAnalyzer.cfg.xml在同一个目录下

然后重启es

测试，可以发现我勒个豆已经成为一个最小单元的词条

​编辑 停用词词典

 1）IKAnalyzer.cfg.xml配置文件内容添加：

 2）打开stopword.dic(config中已经存在，不用重新创建)

3）重启es

4）测试

​编辑 总结：分词器的作用

IK分词器有几种模式

ElasticSearch

了解ElasticSearch

elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容 

ELK技术栈

elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域： 

而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。 

 ElasticSearch与lucene的关系

elasticsearch底层是基于lucene来实现的。

Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。

总结

什么是elasticsearch？

  • 一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、系统监控等功能

什么是elastic stack（ELK）？

  • 是以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch

什么是Lucene？

  • 是Apache的开源搜索引擎类库，提供了搜索引擎的核心API

 倒排索引

倒排索引的概念是基于MySQL这样的正向索引而言的。

正向索引 

什么是正向索引呢

如果根据id值直接查询，那么直接走主键索引，查询速度比较快

如果是根据title进行模糊查询

  1. 用户进行搜索数据时，条件为%手机%
  2. 那么就一行一行的获取数据，然后再判断title字段值是否符合条件
  3. 符合条件就放入结果集，不符合条件就丢弃，继续下一行获取数据进行比对

 这就是所谓的逐行扫描，也就是全表扫描，随着数据量的增多，其查询效率会越来越低

倒排索引

倒排索引中有两个非常重要的概念：

  • 文档（Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息。也就是数据库中的一行数据
  • 词条（Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条。词条就是把文档数据根据某种规则进行拆分成几个词

创建倒排索引是对正向索引的一种特殊处理，流程如下：

  • 将每一个文档的数据利用算法分词，得到一个个词条
  • 创建表，每行数据包括词条、词条所在文档id、位置等信息
  • 因为词条唯一性，可以给词条创建索引，例如hash表结构索引

 

倒排索引的搜索流程如下（以搜索"华为手机"为例）： 

当用户输入华为手机时，进行词条分割，得到华为，手机两个词条，然后再倒排索引的表中获得对应的文档id（1，2，3）然后拿着文档id去数据库表中进行查找具体的信息（因为根据的是主键Id,走索引，查询速率比较快）

 虽然要先查询倒排索引，再查询正向索引，但是无论是词条、还是文档id都建立了索引（可以建立联合唯一索引），查询速度非常快！无需全表扫描。

 正向和倒排

那么为什么一个叫做正向索引，一个叫做倒排索引呢？

  • 正向索引是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。

  • 而倒排索引则相反，是先找到用户要搜索的词条，根据词条（再倒排索引表中）先得到词条的文档的id，然后再根据获得的id去数据表中获取对应的文档。是根据词条找文档的过程。

是不是恰好反过来了？

那么两者方式的优缺点是什么呢？

正向索引：

  • 优点：
    • 可以给多个字段创建索引
    • 根据索引字段搜索、排序速度非常快
  • 缺点：
    • 根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。

倒排索引：

  • 优点：
    • 根据词条搜索、模糊搜索时，速度非常快
  • 缺点：
    • 只能给词条创建索引，而不是字段
    • 无法根据字段做排序

 elasticSearch特定的一些概念

文档和字段

elasticsearch是面向**文档（Document）**存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中：

 可以看见数据库的每一行数据都被序列化成了json数据，每一个json数据对应的key就是字段名

每一个json数据就是叫做文档(document)，json数据里面的key值就是字段(Field) 

索引和映射 

索引（Index），就是相同类型的文档的集合。一个索引就是相当于数据库中的一张数据表

也就是说一个索引包含了很多相同类型的文档

例如：

  • 所有用户文档，就可以组织在一起，称为用户的索引；
  • 所有商品的文档，可以组织在一起，称为商品的索引；
  • 所有订单的文档，可以组织在一起，称为订单的索引；

 

因此，我们可以把索引当做是数据库中的表。

数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。

mysql与elasticsearch对比 

我们统一的把mysql与elasticsearch的概念做一下对比：

MySQLElasticsearch说明
TableIndex索引(index)，就是文档的集合，类似数据库的表(table)
RowDocument文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式
ColumnField字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
SchemaMappingMapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）
SQLDSLDSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

  • Mysql：擅长事务类型操作，可以确保数据的安全和一致性

  • Elasticsearch：擅长海量数据的搜索、分析、计算

因此在企业中，往往是两者结合使用：

  • 对安全性要求较高的写操作，使用mysql实现
  • 对查询性能要求较高的搜索需求，使用elasticsearch实现
  • 两者再基于某种方式，实现数据的同步，保证一致性

 

安装elasticSeacher并部署单例es

 创建网络

因为我们还需要部署kibana容器，因此需要让es和kibana容器互联。这里先创建一个网络： 

创建网络的原因是在同一网络中的容器（即kibana）可以直接通过容器的名字(es)来获取 es的ip地址

docker network create es-net

 创建成功

加载es镜像和kibana镜像 

docker pull ... 

加载压缩包

docker load -i es.tar 

运行es镜像

docker run -d \
	--name es \
    -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
    -e "discovery.type=single-node" \
    -v es-data:/usr/share/elasticsearch/data \
    -v es-plugins:/usr/share/elasticsearch/plugins \
    --privileged \
    --network es-net \
    -p 9200:9200 \
    -p 9300:9300 \
elasticsearch:7.12.1

命令解释：

  • -e "cluster.name=es-docker-cluster"：设置集群名称
  • -e "http.host=0.0.0.0"：监听的地址，可以外网访问
  • -e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：内存大小
  • -e "discovery.type=single-node"：非集群模式
  • -v es-data:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录（如果没有这个数据卷，可以自动创建）
  • -v es-logs:/usr/share/elasticsearch/logs：挂载逻辑卷，绑定es的日志目录
  • -v es-plugins:/usr/share/elasticsearch/plugins：挂载逻辑卷，绑定es的插件目录
  • --privileged：授予逻辑卷访问权
  • --network es-net ：加入一个名为es-net的网络中
  • -p 9200:9200：端口映射配置，http访问的入口
  • -p 9300:9300：tcp协议端口，用于集群模式下节点与节点之间的心跳检查的

在浏览器中输入：http://192.168.230.100:9200 即可看到elasticsearch的响应结果： 

部署kibana 

kibana可以给我们提供一个elasticsearch的可视化界面，便于我们学习。 

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601  \
kibana:7.12.1
  • --network es-net ：加入一个名为es-net的网络中，与elasticsearch在同一个网络中
  • -e ELASTICSEARCH_HOSTS=http://es:9200"：设置elasticsearch的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问elasticsearch
  • -p 5601:5601：端口映射配置

kibana启动一般比较慢，需要多等待一会，可以通过命令：

docker logs -f kibana

查看运行日志，当查看到下面的日志，说明成功：

 

查看kibana

192.168.230.100:5601,里面的dev tools

这个界面中可以编写DSL来操作elasticsearch。并且对DSL语句有自动补全功能。

DSL就是elasticsearch提供的特殊语法，基本格式如下：

[请求方式] /[请求路径]
{
    [请求参数key1]: [请求参数value1]，
    [请求参数key2]: [请求参数value2]
}

例如

GET /_analyze
{
  "analyzer": "standard",
  "text": "华为手机"
}

运行结果后默认是把文档拆成一个一个字的词条 

安装IK分词器

 因为默认的行为是把文档拆成一个一个字的词条，不符合我们的习惯，所以需要安装国内的开源的IK分词器

下载压缩包

https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip

解压这个压缩包得到ik文件夹

查询到es-plugins数据卷存在的实际位置

 cd到这个实际位置，并把ik文件夹拉到这个目录中

重启es容器

docker restart es

测试：

IK分词器包含两种模式：

  • ik_smart：最少切分

  • ik_max_word：最细切分

使用最少切分的模式可以把华为，手机分割出来，但是对于网络热词无法切分 

 使用ik_max_word模式进行分词，可以发现分出来的词更加细腻,把"程序员"还分成了"程序"和"员"

扩展IK分词器

随着互联网的发展，“造词运动”也越发的频繁。出现了很多新的词语，在原有的词汇列表中并不存在。比如：“奥力给”，“我了个豆”等。

所以我们的词汇也需要不断的更新，IK分词器提供了扩展词汇的功能。我们可以自己进行配置

进入ik的config目录 

cd ik/config

 

在IKAnalyzer.cfg.xml配置文件内容添加：ext.dic

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典 -->
        <entry key="ext_dict">ext.dic</entry>
         <!--用户可以在这里配置自己的扩展停止词字典-->
        <entry key="ext_stopwords"></entry>
        <!--用户可以在这里配置远程扩展字典 -->
        <!-- <entry key="remote_ext_dict">words_location</entry> -->
        <!--用户可以在这里配置远程扩展停止词字典-->
        <!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

 这里没有配置ext.dic的文件路径，说明和IKAnalyzer.cfg.xml在同一个目录下

vim ext.dic

在这个文件中添加词汇 

 

然后重启es

docker restart es 

测试，可以发现我勒个豆已经成为一个最小单元的词条

 停用词词典

在互联网项目中，在网络间传输的速度很快，所以很多语言是不允许在网络上传递的，如：关于宗教、政治等敏感词语，那么我们在搜索时也应该忽略当前词汇。 

IK分词器也提供了强大的停用词功能，让我们在索引时就直接忽略当前的停用词汇表中的内容。

 1）IKAnalyzer.cfg.xml配置文件内容添加：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典-->
        <entry key="ext_dict">ext.dic</entry>
         <!--用户可以在这里配置自己的扩展停止词字典  *** 添加停用词词典-->
        <entry key="ext_stopwords">stopword.dic</entry>
</properties>

 2）打开stopword.dic(config中已经存在，不用重新创建)

添加屏蔽词汇

3）重启es

docker restart es 

4）测试

直接把不显示屏蔽词

 总结：
分词器的作用

  • 创建倒排索引时对文档进行分词
  • 用户搜索时，对输入的内容进行分词

IK分词器有几种模式

  • ik_smart:智能切片，粗粒度
  • ik_max_word:最细分片，细粒度

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2216758.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

golang生成并分析cpu prof文件

golang生成并分析cpu prof文件

1. 定义一个接口&#xff0c;请求接口时&#xff0c;生成cpu.prof文件 在主协程中新启一个协程&#xff0c;当请求接口时&#xff0c;生成一个60秒的cpu.prof文件 go func() {http.HandleFunc("/prof", startProfileHandler)http.ListenAndServe(":9092"…
阅读更多...
16年408计算机网络

16年408计算机网络

第一题&#xff1a; 解析&#xff1a; 首先我们要清楚R1,R2,R3是路由器&#xff08;网络层&#xff09;&#xff0c;Switch是以太网交换机&#xff08;数据链路层&#xff09;&#xff0c;Hub是集线器&#xff08;物理层&#xff09;。 由此可见路由器实现的最高功能层是3层&am…
阅读更多...
VsCode环境配置C++环境

VsCode环境配置C++环境

目录 第一步下载应用 第二步应用文字汉化 第三步安装编译器MinGW 第四步 环境变量的配置 第五步 打开VsCode 第六步 配置环境设施 几个其他的好用的插件 会了吧 MarsCode: AI Coding Assistant 第一步下载应用 VSCode下载官方指定网址&#xff1a; Visual Studio Cod…
阅读更多...
题目：小金鱼吐泡泡

题目：小金鱼吐泡泡

解题思路&#xff1a; 用栈模拟&#xff0c;创建2个栈&#xff0c;a&#xff1a;字符串的栈&#xff0c;栈顶为s末尾&#xff1b;q&#xff1a;答案栈&#xff0c;与a顶元素互动做相应操作。 陷入的误区&#xff1a;认为可以两个方向可以随意消&#xff0c;但不同方向消得到的结…
阅读更多...
【X线源】关于滨松MCS2软件的说明

【X线源】关于滨松MCS2软件的说明

【X线源】关于滨松MCS2软件的说明 1.软件背景2.MCS2界面3.MCS2操作4.常见问题 1.软件背景 滨松为了方便客户将滨松MFX集成进自己的系统&#xff0c;滨松提供了MFX二次开发相关的信息和Demo代码。参考博客说明&#xff1a; 【X线源】关于滨松MFX二次开发demo示例简介 https://…
阅读更多...
摇人摇人, JD内推岗位(社招+校招)

摇人摇人, JD内推岗位(社招+校招)

摇人摇人, 有找工作的家人们看过来啊~ 虚位以待, 快到碗里来 算法开发工程师岗 京东云 北京|T7, 5-10年 岗位职责&#xff1a; 参与基于RAG知识库平台和ChatBI产品打造和商业化落地&#xff0c;进行相关技术&#xff1a;包括OCR、文档拆分、意图理解、多轮对话、NL2SQL、Embed…
阅读更多...
联名物料常泄漏？一端叠满“安全buff”

联名物料常泄漏？一端叠满“安全buff”

前段时间&#xff0c;一则关于爆火影视剧与知名茶饮品牌联名的消息在社交平台上迅速传播&#xff0c;宣传物料的照片也随之曝光——门店尚未上新&#xff0c;“小道消息”便已被疯传。但这种情况并非首次发生&#xff0c;让众多网友不禁猜想&#xff1a;这究竟是一场精心策划的…
阅读更多...
李宏毅机器学习2022-HW7-BERT-Question Answering

李宏毅机器学习2022-HW7-BERT-Question Answering

文章目录 TaskBaselineMediumStrongBoss Code Link Task HW7的任务是通过BERT完成Question Answering。 数据预处理流程梳理 数据解压后包含3个json文件&#xff1a;hw7_train.json, hw7_dev.json, hw7_test.json。 DRCD: 台達閱讀理解資料集 Delta Reading Comprehension …
阅读更多...
若依框架篇-若依框架搭建具体过程、后端源代码分析、功能详解（权限控制、数据字典、定时任务、代码生成、表单构建、接口测试）

若依框架篇-若依框架搭建具体过程、后端源代码分析、功能详解（权限控制、数据字典、定时任务、代码生成、表单构建、接口测试）

&#x1f525;博客主页&#xff1a; 【小扳_-CSDN博客】 ❤感谢大家点赞&#x1f44d;收藏⭐评论✍ 文章目录 1.0 若依框架概述 1.1 若依构建 1.2 后端项目搭建 1.3 前端项目搭建 2.0 利用若依框架生成前后端代码案例 3.0 功能详解 3.1 功能详解 - 权限控制 3.1.1 使用权限控制…
阅读更多...
Linux权限和开发工具(1)

Linux权限和开发工具(1)

文章目录 1.Linux根目录的相关文件夹2.Linux软件管理器yum3.Linux编辑器-vim的基础使用1.命令模式下一些命令:有关光标的操作:有关复制删除的操作:有关字符替换的相关操作:有关注释的相关操作: 2.插入模式3.底行模式下一些命令:实现双窗口 4.vim命令 4.vim配置5.Linux编译器-gc…
阅读更多...
华为OD机试 - 文本统计分析（Python/JS/C/C++ 2024 E卷 200分）

华为OD机试 - 文本统计分析（Python/JS/C/C++ 2024 E卷 200分）

华为OD机试 2024E卷题库疯狂收录中&#xff0c;刷题点这里 专栏导读 本专栏收录于《华为OD机试真题&#xff08;Python/JS/C/C&#xff09;》。 刷的越多&#xff0c;抽中的概率越大&#xff0c;私信哪吒&#xff0c;备注华为OD&#xff0c;加入华为OD刷题交流群&#xff0c;…
阅读更多...
在 Django 模板文件中出现错误：Could not parse the remainder: ‘!=0‘ from ‘!=0‘

在 Django 模板文件中出现错误：Could not parse the remainder: ‘!=0‘ from ‘!=0‘

问题在于我写了一条关于 {% if %} 标签中关于运算符 !0 的判断&#xff0c;出现 Could not parse the remainder: !0 from !0 错误 问题分析&#xff1a; 1、已确定 student 对象已经传递到模板中&#xff0c;并且 score 属性存在 2、确定 student.score 的值是可以与 0 进行…
阅读更多...
前端开发设计模式——命令模式

前端开发设计模式——命令模式

目录 一、命令模式的定义和特点 1.定义&#xff1a; 2. 特点&#xff1a; 二、命令模式的结构与原理 1.结构&#xff1a; 2.原理&#xff1a; 三、命令模式的实现方式 1.定义接口命令&#xff1a; 2.创建具体的命令类&#xff1a; 3.定义接收者&…
阅读更多...
blender分离含有多个动作的模型，并导出含有材质的fbx模型

blender分离含有多个动作的模型，并导出含有材质的fbx模型

问题背景 笔者是模型小白&#xff0c;需要将网络上下载的fbx模型中的动作&#xff0c;分离成单独的动作模型&#xff0c;经过3天摸爬滚打&#xff0c;先后使用了blender&#xff0c;3d max&#xff0c;unity&#xff0c;最终用blender完成&#xff0c;期间参考了众多网络上大佬…
阅读更多...
编译器对连续构造的优化

编译器对连续构造的优化

一&#xff1a;优化的规则 在一行代码中连续进行&#xff1a;构造构造/构造拷贝构造/拷贝构造拷贝构造 都会合二为一 如下&#xff1a; a&#xff1a;构造构造->构造 b&#xff1a;构造拷贝构造->构造 c&#xff1a;拷贝构造拷贝构造->拷贝构造 注意&#xff…
阅读更多...
KubeSphere v4 安装指南

KubeSphere v4 安装指南

日前&#xff0c;KubeSphere v4 发布&#xff0c;相较于之前的版本&#xff0c;新版本在架构上有了颠覆性的变化。为了让社区的各位小伙伴能够丝滑的从旧版本过渡到新版本&#xff0c;我们特别推出本篇安装指南文章&#xff0c;以供参考。 关于 KubeSphere v4 的介绍&#xff…
阅读更多...
施磊C++ | 进阶学习笔记 | 5.设计模式

施磊C++ | 进阶学习笔记 | 5.设计模式

五、设计模式 文章目录 五、设计模式1.设计模式三大类型概述一、创建型设计模式二、结构型设计模式三、行为型设计模式 2.设计模式三大原则3.单例模式1.饿汉单例模式2.懒汉单例模式 4.线程安全的懒汉单例模式1.锁双重判断2.简洁的线程安全懒汉单例模式 5.简单工厂(Simple Facto…
阅读更多...
MySQL 8.4修改user的host属性值

MySQL 8.4修改user的host属性值

MySQL 8.4修改user的host属性值 update mysql.user set host localhost where user mysql用户名; MySQL 8.4修改初始化后的默认密码-CSDN博客文章浏览阅读804次&#xff0c;点赞6次&#xff0c;收藏11次。先下载mysql的zip压缩包&#xff1a;MySQL :: Download MySQL Communi…
阅读更多...
（CWRU）轴承故障诊数据集和代码全家桶

（CWRU）轴承故障诊数据集和代码全家桶

包括 完整的CWRU轴承故障数据集&#xff0c; 以及已经生成制作好的一维故障信号数据集、时频图像数据集&#xff0c;对应代码均可以运行 点击下载&#xff1a;数据集和代码全家桶 环境&#xff1a;python 3.9 任何环境安装或者代码问题&#xff0c;请联系作者沟通交流&#xf…
阅读更多...
操作符详解（C 语言）

操作符详解（C 语言）

目录 一、操作符的分类二、算数操作符1. 除法操作符2. 取余操作符 三、位移操作符1. 进制2. 原码、反码和补码3. 左移操作符&#xff08;<<&#xff09;和右移操作符&#xff08;>>&#xff09; 四、位操作符1. 按位与 &2. 按位或 |3. 按位异或 ^4. 按位取反 ~…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023