初识elasticsearch
什么是elasticsearch
elasticsearch是一款非常强大的开源搜索引擎，可以帮助我们从海量数据中快速找到需要的内容。
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。
elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。
elasticsearch的发展
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。官网地址: https://lucene.apache.orgl。
Lucene的优势:
- 易扩展
- 高性能(基于倒排索引)
Lucene的缺点:
- 只限于Java语言开发
- 学习曲线陡峭
- 不支持水平扩展
2004年Shay Banon基于Lucene开发了Compass
2010年Shay Banon重写了Compass，取名为Elasticsearch。
官网地址: https://www.elastic.co/cn/目前最新的版本是:8.7.0
相比与lucene，elasticsearch具备下列优势:
- 支持分布式，可水平扩展
- 提供Restful接口，可被任何语言调用
为什么学习elasticsearch?
搜索引擎技术排名:
- Elasticsearch:开源的分布式搜索引擎
- Splunk:商业项目
- Solr: Apache的开源搜索引擎
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
正向索引和倒排索引
传统数据库（如MySQL）采用正向索引，例如给下表(tb_goods）中的id创建索引:
elasticsearch采用倒排索引:
- 文档（ document) :每条数据就是一个文档
- 词条（term) :文档按照语义分成的词语
什么是文档和词条?
- 每一条数据就是一个文档
- 对文档中的内容分词，得到的词语就是词条
什么是正向索引?
- 基于文档id创建索引。查询词条时必须先找到文档，而后判断是否包
含词条
什么是倒排索引?
- 对文档内容分词，对词条创建索引，并记录词条所在文档的信息。查询时先根据词条查询到文档id，而后获取到文档
文档
elasticsearch是面向文档存储的，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。
索引(lndex)
- 索引(index) :相同类型的文档的集合
- 映射（mapping) :索引中文档的字段约束信息，类似表的结构约束
概念对比
架构
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
- 文档:一条数据就是一个文档，es中是Json格式
- 字段:Json文档中的字段
- 索引:同类型文档的集合
- 映射:索引中文档的约束，比如字段名称、类型
elasticsearch与数据库的关系:
- 数据库负责事务类型操作
- elasticsearch负责海量数据的搜索、分析、计算
安装elasticsearch、kibana
1.部署单点es
1.1.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：
docker network create es-net
1.2.加载镜像
这里我们采用elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G。不建议大家自己pull。将镜像上传到虚拟机中，然后运行命令加载即可：
# 导入数据
docker load -i es.tar
同理还有kibana的tar包也需要这样做。
1.3.运行
运行docker命令，部署单点es：
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-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
在浏览器中输入：http://ip地址:9200 即可看到elasticsearch的响应结果：
2.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。
2.1.部署
运行docker命令，部署kibana
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：
此时，在浏览器输入地址访问：http://ip地址:5601，即可看到结果
2.2.DevTools
kibana中提供了一个DevTools界面：
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。
分词器
es在创建倒排索引时需要对文档分词;在搜索时，需要对用户输入内容分词。但默认的分词规则对中文处理并不友好。我们在kibana的DevTools中测试:
# 测试分词器
POST /_analyze
{
"text": "霁华学Java",
"analyzer": "standard"
}
语法说明:
- POST:请求方式
- /_analyze:请求路径，这里省略了http://192.168.150.101:9200，有kibana帮我们补充
- 请求参数，json风格:
- analyzer:分词器类型，这里是默认的standard分词器
- text:要分词的内容
处理中文分词，一般会使用IK分词器。https://github.com/medcl/elasticsearch-analysis-ik
安装IK分词器
1.在线安装ik插件（较慢）
# 进入容器内部
docker exec -it elasticsearch /bin/bash
# 在线下载并安装
./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip
#退出
exit
#重启容器
docker restart elasticsearch
2.离线安装ik插件（推荐）
1）查看数据卷目录
安装插件需要知道elasticsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看elasticsearch的数据卷目录，通过下面命令查看:
docker volume inspect es-plugins
显示结果：
[
{
"CreatedAt": "2023-04-29T04:11:49+08:00",
"Driver": "local",
"Labels": null,
"Mountpoint": "/var/lib/docker/volumes/es-plugins/_data",
"Name": "es-plugins",
"Options": null,
"Scope": "local"
}
]
说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data 这个目录中。
2）解压缩分词器安装包
下面我们需要把ik分词器解压缩，重命名为ik
3）上传到es容器的插件数据卷中
也就是/var/lib/docker/volumes/es-plugins/_data ：
4）重启容器
# 4、重启容器
docker restart es
# 查看es日志
docker logs -f es
5）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
ik分词器-拓展词库
要拓展ik分词器的词库，只需要修改一个ik分词器目录中的config目录中的IKAnalyzer.cfg.xml文件:
<?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>
</properties>
然后在名为ext.dic的文件中，添加想要拓展的词语即可:
白嫖
鸡你太美
奥力给
ik分词器-停用词库
要禁用某些敏感词条，只需要修改一个ik分词器目录中的config目录中的IKAnalyzer.cfg.xml文件:
<?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">stopword.</entry>
</properties>
然后在名为stopword.dic的文件中，添加想要拓展的词语即可:
的
了
哦
嗯
啊
索引库操作
mapping属性
mapping是对索引库中文档的约束，常见的mapping属性包括:
- type:字段数据类型，常见的简单类型有:
- 字符串: text (可分词的文本)、keyword（精确值，例如:品牌、国家、ip地址)
- 数值:long、integer、short、byte、double、float
- 布尔: boolean
- 日期:date
- 对象:object
- index:是否创建索引，默认为true
- analyzer:使用哪种分词器
- properties:该字段的子字段
创建索引库
ES中通过Restful请求操作索引库、文档。请求内容用DSL语句来表示。创建索引库和mapping的DSL语法如下:
{
"mappings": {
"properties": {
"字段名": {
"type": "text",
"analyzer ": "ik_smart"
},
"字段名2": {
"type": "keyword",
"index": "false"
},
"字段名3": {
"properties": {
"子字段": {
"type ": "keyword"
}
}
},
// ...略
}
}
}
例如：
# 创建索引库
PUT /jihua
{
"mappings": {
"properties": {
"info": {
"type": "text",
"analyzer": "ik_smart"
},
"email": {
"type": "keyword",
"index": false
},
"name": {
"type": "object",
"properties": {
"firstName": {
"type": "keyword"
},
"lastName": {
"type": "keyword"
}
}
}
}
}
}
查看、删除索引库
- 查看索引库语法:
GET /索引库名
- 删除索引库的语法:
DELETE /索引库名
修改索引库
索引库和mapping一旦创建无法修改，但是可以添加新的字段，语法如下:
PUT/索引库名/ _mapping
{
"properties" : {
"新字段名":{
"type" : "integer"
}
}
}
例如：
# 修改索引库
PUT /jihua/_mapping
{
"properties": {
"age": {
"type": "integer"
}
}
}
文档操作
新增文档
新增文档的DSL语法如下:
POST /索引库名/_doc/文档id
{
"字段1":"值1",
"字段2":"值2",
"字段3": {
"子属性1":"值3",
"子属性2":"值4"
},
//...
}
例如：
# 插入文档
POST /jihua/_doc/1
{
"info": "这里是介绍信息",
"email": "",
"name": {
"firstName": "ji",
"lastName": "hua"
},
"age": 21
}
查询文档
查看文档语法:
GET /索引库名/_doc/文档id
删除文档
DELETE /索引库名/_doc/文档id
修改文档
方式一:全量修改，会删除旧文档，添加新文档
# 修改文档
PUT /jihua/_doc/1
{
"字段1":"值1",
"字段2":"值2",
// ...略
}
方式二:增量修改，修改指定字段值
# 修改文档
POST /_update/_doc/1
{
"doc":{
"字段名":"新的值"
}
}
RestClient操作索引库
什么是RestClient
ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发送给ES。
官方文档地址: https://www.elastic.co/guide/en/elasticsearch/client/index.html
案例
利用JavaRestClient实现创建、删除索引库，判断索引库是否存在
根据课前资料提供的酒店数据创建索引库，索引库名为hotel，mapping属性根据数据库结构定义。
基本步骤如下:
-
导入课前资料Demo
-
分析数据结构，定义mapping属性
mapping要考虑的问题:
字段名、数据类型、是否参与搜索、是否分词、如果分词，分词器是什么?ES中支持两种地理坐标数据类型:
- geo_point:由纬度（latitude）和经度( longitude）确定的一个点。例如:“32.8752345,120.2981576”
- geo_shape:有多个geo_point组成的复杂几何图形。例如一条直线，
“LINESTRING (-77.03653 38.897676,-77.009051 38.889939)”
字段拷贝可以使用copy_to属性将当前字段拷贝到指定字段。示例:
"all": { "type" : "text", "analyzer" : "ik_max_word" }, "brand": { "type " : "keyword", "copy_to": "all" }最终的mapping：
# 酒店的mapping PUT /hotel { "mappings": { "properties": { "id": { "type": "keyword" }, "name": { "type": "text", "analyzer": "ik_max_word", "copy_to": "all" }, "address": { "type": "keyword", "index": false }, "price": { "type": "integer" }, "score": { "type": "integer" }, "brand": { "type": "keyword", "copy_to": "all" }, "city": { "type": "keyword" }, "starName": { "type": "keyword" }, "business": { "type": "keyword", "copy_to": "all" }, "location": { "type": "geo_point" }, "pic": { "type": "keyword", "index": false }, "all": { "type": "text", "analyzer": "ik_max_word" } } } } -
初始化JavaRestClient
-
引入es的RestHighLevelclient依赖:
<!--elasticsearch--> <dependency> <groupId>org.elasticsearch.client</groupId> <artifactId>elasticsearch-rest-high-level-client</artifactId> <version>7.12.1</version> </dependency> -
因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本:
<properties> <java.version>1.8</java.version> <elasticsearch.version>7.12.1</elasticsearch.version> </properties> -
初始化RestHighLevelClient:
package cn.itcast.hotel; import org.apache.http.HttpHost; import org.elasticsearch.client.RestClient; import org.elasticsearch.client.RestHighLevelClient; import org.junit.jupiter.api.AfterEach; import org.junit.jupiter.api.BeforeEach; import org.junit.jupiter.api.Test; import java.io.IOException; public class HotelIndexTest { private RestHighLevelClient client; @Test void testInit() { System.out.println(client); } @BeforeEach void setUp() { this.client = new RestHighLevelClient(RestClient.builder( HttpHost.create("http://192.168.5.131:9200") )); } @AfterEach void tearDown() throws IOException { this.client.close(); } }
-
-
利用JavaRestClient创建索引库
package cn.itcast.hotel.constants;
public class HotelConstants {
public static final String MAPPING_TEMPLATE = "{\n" +
" \"mappings\": {\n" +
" \"properties\": {\n" +
" \"id\": {\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"name\": {\n" +
" \"type\": \"text\",\n" +
" \"analyzer\": \"ik_max_word\",\n" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"address\": {\n" +
" \"type\": \"keyword\",\n" +
" \"index\": false\n" +
" },\n" +
" \"price\": {\n" +
" \"type\": \"integer\"\n" +
" },\n" +
" \"score\": {\n" +
" \"type\": \"integer\"\n" +
" },\n" +
" \"brand\": {\n" +
" \"type\": \"keyword\",\n" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"city\": {\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"starName\": {\n" +
" \"type\": \"keyword\"\n" +
" },\n" +
" \"business\": {\n" +
" \"type\": \"keyword\",\n" +
" \"copy_to\": \"all\"\n" +
" },\n" +
" \"location\": {\n" +
" \"type\": \"geo_point\"\n" +
" },\n" +
" \"pic\": {\n" +
" \"type\": \"keyword\",\n" +
" \"index\": false\n" +
" },\n" +
" \"all\": {\n" +
" \"type\": \"text\",\n" +
" \"analyzer\": \"ik_max_word\"\n" +
" }\n" +
" }\n" +
" }\n" +
"}";
}
@Test
void createHotelIndex() throws IOException {
//1.创建Request对象
CreateIndexRequest request = new CreateIndexRequest("hotel");
//2.准备请求的参数:DSL语句
request.source(MAPPING_TEMPLATE, XContentType.JSON);
//3.发送请求
client.indices().create(request, RequestOptions.DEFAULT);
}
-
利用JavaRestClient删除索引库
@Test void testDeleteHotelIndex() throws IOException { //1.创建Request对象 DeleteIndexRequest request = new DeleteIndexRequest("hotel"); //2.发送请求 client.indices().delete(request, RequestOptions.DEFAULT); } -
利用JavaRestClient判断索引库是否存在
@Test void testExistsHotelIndex() throws IOException { //1.创建Request对象 GetIndexRequest request = new GetIndexRequest("hotel"); //2.发送请求 boolean exists = client.indices().exists(request, RequestOptions.DEFAULT); //3.输出 System.err.println(exists?"索引库已经存在！" : "索引库不存在！"); }
RestClient操作文档
案例1
利用JavaRestClient实现文档的CRUD
去数据库查询酒店数据，导入到hotel索引库，实现酒店数据的CRUD。基本步骤如下:
-
初始化JavaRestClient
新建一个测试类，实现文档相关操作，并且完成JavaRestClient的初始化
public class ElasticsearchDocumentTest { //客户端 private RestHighLevelClient client; @BeforeEach void setUp() { this.client = new RestHighLevelClient(RestClient.builder( HttpHost.create("http://192.168.5.131:9200") )); } @AfterEach void tearDown() throws IOException { this.client.close(); } } -
利用JavaRestClient新增酒店数据
先查询酒店数据，然后给这条数据创建倒排索引，即可完成添加:
@Test void testAddDocument() throws IOException { //根据id查询酒店数据 Hotel hotel = hotelService.getById(61083L); //转换为文档类型 HotelDoc hotelDoc = new HotelDoc(hotel); //1.准备Request对象 IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString()); //2.准备Json文档 request.source(JSON.toJSONString(hotelDoc), XContentType.JSON); //3.发送请求 client.index(request, RequestOptions.DEFAULT); } -
利用JavaRestClient根据id查询酒店数据
根据id查询到的文档数据是json，需要反序列化为java对象:
@Test void testGetDocumentById() throws IOException { //1.创建request对象 GetRequest request = new GetRequest("hotel", "61083"); //2.发送请求，得到结果 GetResponse response = client.get(request, RequestOptions.DEFAULT); //3.解析结果 String json = response.getSourceAsString(); HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); System.out.println(hotelDoc); } -
利用JavaRestClient删除酒店数据
修改文档数据有两种方式:
方式一:全量更新。再次写入id一样的文档，就会删除旧文档，添加新文档(同新增)
方式二:局部更新。只更新部分字段：
@Test void testUpdateDocument() throws IOException { // 1.准备Request UpdateRequest request = new UpdateRequest("hotel", "61083"); // 2.准备请求参数 request.doc( "price", "952", "starName", "四钻" ); // 3.发送请求 client.update(request, RequestOptions.DEFAULT); } -
利用lavaRestClient修改酒店数据
@Test void testDeleteDocument() throws IOException { // 1.准备Request DeleteRequest request = new DeleteRequest("hotel", "61083"); // 2.发送请求 client.delete(request, RequestOptions.DEFAULT); }
案例2
利用JavaRestClient批量导入酒店数据到ES
需求:批量查询酒店数据，然后批量导入索引库中
思路:
- 利用mybatis-plus查询酒店数据
- 将查询到的酒店数据(Hotel)转换为文档类型数据（HotelDoc)
- 利用JavaRestClient中的Bulk批处理，实现批量新增文档
@Test
void testBulkRequest() throws IOException {
//批量查询数据库
List<Hotel> hotels = hotelService.list();
// 1.创建Request
BulkRequest request = new BulkRequest();
// 2.准备参数，添加多个新增的Request
for (Hotel hotel : hotels) {
//转换为文档类型HotelDoc
HotelDoc hotelDoc = new HotelDoc(hotel);
//创建新增文档的Request对象
request.add(new IndexRequest("hotel")
.id(hotelDoc.getId().toString())
.source(JSON.toJSONString(hotelDoc), XContentType.JSON));
}
// 3.发送请求
client.bulk(request, RequestOptions.DEFAULT);
}
t
DeleteRequest request = new DeleteRequest(“hotel”, “61083”);
// 2.发送请求
client.delete(request, RequestOptions.DEFAULT);
}
## 案例2
利用JavaRestClient**批量导入**酒店数据到ES
需求:批量查询酒店数据，然后批量导入索引库中
思路:
1. 利用mybatis-plus查询酒店数据
2. 将查询到的酒店数据(Hotel)转换为文档类型数据（HotelDoc)
3. 利用JavaRestClient中的Bulk批处理，实现批量新增文档
```java
@Test
void testBulkRequest() throws IOException {
//批量查询数据库
List<Hotel> hotels = hotelService.list();
// 1.创建Request
BulkRequest request = new BulkRequest();
// 2.准备参数，添加多个新增的Request
for (Hotel hotel : hotels) {
//转换为文档类型HotelDoc
HotelDoc hotelDoc = new HotelDoc(hotel);
//创建新增文档的Request对象
request.add(new IndexRequest("hotel")
.id(hotelDoc.getId().toString())
.source(JSON.toJSONString(hotelDoc), XContentType.JSON));
}
// 3.发送请求
client.bulk(request, RequestOptions.DEFAULT);
}
