ElasticSearch学习笔记（超详细）

文章目录

• 初识ElasticSearch
• • 什么是ElasticSearch
  • ElasticSearch特点
  • ElasticSearch用途
  • ElasticSearch底层实现
  • ElasticSearch和Solr的区别
  • • Solr是什么
    • 不同场景时两个的对比
    • 总结
  • ElasticSearch体系结构
  • 倒排索引
  • 什么是Term Dictionary
  • 什么是Term Index
  • 为什么 Elasticsearch/Lucene 检索可以比 MySQL快
• 什么是ELK
• 安装ElasticSearch
• • 安装ik分词器
  • 测试ik分词器
  • IK分词器的两种分词模式
  • ik分词器添加自定义词库
• 安装ElasticSearch-head
• 安装Kibana
• REST风格说明
• • 什么是REST风格
  • 基本REST命令说明
  • PUT命令
  • • 创建类型
    • 插入数据
    • 更新数据
  • POST命令
  • • 更新数据（推荐使用）
  • DELETE命令
  • GET命令
  • • 查询数据（重点）
    • • 精确查询
      • 查询字符串搜索
      • 查询所有结果
      • 条件查询
      • 布尔查询
      • 按排序查询
      • 分页查询
      • 指定查询结果的字段
      • 高亮查询
    • 拓展

初识ElasticSearch

什么是ElasticSearch

Elasticsearch 是一个分布式的开源搜索和分析引擎，适用于所有类型的数据，包括文本、数字、地理空间、结构化和非结构化数据。它可以帮助你用前所未有的速度去处理大规模数据。ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。

ElasticSearch特点

• 可以作为一个大型分布式集群（数百台服务器）技术，处理PB级数据，服务大公司；也可以运行在单机上，服务小公司
• 对用户而言，是开箱即用的，非常简单，作为中小型的应用，直接3分钟部署一下ES
• Elasticsearch作为传统数据库的一个补充,比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据的近实时处理
• Elasticsearch不是什么新技术，主要是将全文检索、数据分析以及分布式技术，合并在了一起，才形成了独一无二的ES；lucene（全文检索），商用的数据分析软件（也是有的），分布式数据库（mycat）

ElasticSearch用途

Elasticsearch 在速度和可扩展性方面都表现出色，而且还能够索引多种类型的内容，这意味着其可用于多种用例：

• 应用程序搜索
• 网站搜索
• 企业搜索
• 日志处理和分析
• 基础设施指标和容器监测
• 应用程序性能监测
• 地理空间数据分析和可视化
• 安全分析
• 业务分析

*使用Elasticsearch提供全文搜索并高亮关键字，以及输入实时搜索(search-asyou-type)和搜索纠错(did-you-mean)等搜索建议功能。

英国卫报使用Elasticsearch结合用户日志和社交网络数据提供给他们的编辑以实时的反馈，以便及时了解公众对新发表的文章的回应。

Github使用Elasticsearch检索1300亿行的代码。

ElasticSearch底层实现

ElasticSearch是基于对 Lucene 进行封装，将搜索引擎的操作封装成了RESTful API,通过http请求就可以调用，目的是为了隐藏Lucene的复杂性，从而让全文搜索变得简单。

ElasticSearch和Solr的区别

Solr是什么

Solr 是Apache下的一个*开源项目，采用Java开发，它是基于Lucene的全文搜索服务器。Solr提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展，并对索引、搜索性能进行了优化。

Solr可以独立运行，运行在Jetty、Tomcat等这些Servlet容器中，Solr 索引的实现方法很简单，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 HTTP GET 请求，然后对 Solr 返回Xml、json等格式的查询结果进行解析，组织页面布局。Solr不提供构建UI的功能，Solr提供了一个管理界面，通过管理界面可以查询Solr的配置和运行情况。

Solr是基于lucene开发企业级搜索服务器，实际上就是封装了lucene。

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。用户可以通过http请求，向搜索引擎服务器提交一定格式的文件，生成索引；也可以通过提出查找请求，并得到返回结果。

不同场景时两个的对比

总结

（1）es基本是开箱即用，非常简单。Solr安装略微复杂一点。

（2）Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能。

（3）Solr 支持更多格式的数据，比如JSON、XML、CSV，而 Elasticsearch 仅支持json文件格式。

（4）Solr 官方提供的功能更多，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支撑

（5）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、百度等搜索。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。

（6）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。

ElasticSearch体系结构

初学者建议将 ElasticSearch当为一个数据库进行学习。

下图是Elasticsearch与关系型数据库逻辑结构概念的对比：

倒排索引

倒排索引（Inverted Index）也叫反向索引，有反向索引必有正向索引。通俗地来讲，正向索引是通过key找value，反向索引则是通过value找key。

正向索引：
MYSQL数据库所用的索引就是正向索引，适合根据文档中的ID来查询对应的内容。但是在查询一个keyword在哪些文档里包含的时候需对所有的文档进行扫描以确保没有遗漏，这样就使得检索时间大大延长，检索效率低下。

正向索引构建的结果如下图：

倒排索引：
与正序索引相反。在搜索引擎中每个文件都对应一个文件ID，文件内容被表示为一系列关键词的集合，记录每个关键字在文档中出现的频率和出现的位置。

按照上面的文档内容构建的倒排索引结果会如下图：



如果我们要通过倒排索引查找‘Male’这个关键词在哪些文档中出现过，首先我们通过倒排索引可以查询到该关键词出现的文档位置是在2和3中;然后再通过正排索引查询到文档2和3的内容并返回结果。

什么是Term Dictionary

Elasticsearch为了能快速找到某个Term，将所有的Term排个序，二分法查找Term，这就是Term Dictionary。

什么是Term Index

如果Term太多，Term Dictionary也会很大，全部放在内存不现实，只能部分存储到磁盘上。这是又出现了新的问题，磁盘寻道次数太多也会严重影响查找效率，为了减少磁盘寻道次数来提高查询性能，于是有了Term Index，就像字典里的索引页一样，A开头的有哪些Term，分别在哪页，可以理解Term Index是一颗树：

Term Index不需要存下所有的Term，而仅仅是它们的一些前缀与Term Dictionary的Block之间的映射关系，再结合相关的压缩技术，可以使Term Index缓存到内存中。从Term Index查到对应的Term Dictionary的Block位置之后，再去磁盘上找Term，大大减少了磁盘随机读的次数。

为什么 Elasticsearch/Lucene 检索可以比 MySQL快

MySQL 只有 Term Dictionary 这一层，是以 B+Tree 排序的方式存储在磁盘上的。检索一个 Term 需要若干次的 Random Access 的磁盘操作。

Lucene 在 Term Dictionary 的基础上添加了 Term Index 来加速检索，Term Index 以树的形式缓存在内存中。从 Term Index 查到对应的 Term Dictionary 的 Block 位置之后，再去磁盘上找 Term，大大减少了磁盘的 Random Access 次数。

值得一提的两点是：
Term Index 在内存中是以 FST（finite state transducers）的形式保存的，其特点是非常节省内存。

Term Dictionary 在磁盘上是以分 Block 的方式保存的，一个 Block 内部利用公共前缀压缩，比如都是 Ab 开头的单词就可以把 Ab 省去。这样 Term Dictionary 可以比 B-Tree 更节约磁盘空间。

什么是ELK

ELK 是elastic公司提供的一套完整的日志收集以及展示的解决方案，分别表示：ElasticSearch , Logstash, Kibana。

ElasticSearch是个开源分布式搜索引擎，提供搜集、分析、存储数据三大功能。它的特点有：分布式，零配置，自动发现，索引自动分片，索引副本机制，restful风格接口，多数据源，自动搜索负载等。

Logstash 主要是用来日志的搜集、分析、过滤日志的工具，支持大量的数据获取方式。一般工作方式为c/s架构，client端安装在需要收集日志的主机上，server端负责将收到的各节点日志进行过滤、修改等操作在一并发往elasticsearch上去。

Kibana 也是一个开源和免费的工具，Kibana可以为 Logstash 和 ElasticSearch 提供的日志分析友好的 Web 界面，可以帮助汇总、分析和搜索重要数据日志。

安装ElasticSearch

由于官网下载较慢，下方链接为华为云的镜像。

ElasticSearch：
https://mirrors.huaweicloud.com/elasticsearch/?C=N&O=D

选好自己的版本，下载压缩包。

我选择的是7.6.2的Windows版本，需要清晰知道自己下载的版本，后面下载kibana等都必须版本一致。

下载完成后解压。

重点关注一下config文件夹中的 jvm.options

很多同学一启动马上闪退，就是因为这里的内存设置过大，按照自己电脑配置进行设置，1g闪退就设置512M，以此类推。

接着我们打开bin目录中的elasticsearch.bat

出现下面图片，在浏览器输入红框地址。

出现下方 json格式则安装成功

安装ik分词器

打开下方网址，找到和自己elasticsearch一样版本的下载。
https://github.com/medcl/elasticsearch-analysis-ik/releases

下载完成后，将其解压到elasticsearch文件夹中的plugins，由于ik分词器是elasticsearch的一个插件，elasticsearch的插件都是放在plugins中的。


重启elasticsearch，观察其启动界面的命令行是否出现下图

出现了即安装ik插件成功。

测试ik分词器

安装成功后我们打开Kibana可以尝试一下ik分词器如何使用。

IK分词器的两种分词模式

IK分词器有两种分词模式：ik_max_word和ik_smart模式。

• ik_max_word
  会将文本做最细粒度的拆分，比如会将“*人民大会堂”拆分为“*、中华人民、中华、华人、人民*、人民、*、大会堂、大会、会堂等词语。

• ik_smart
  会做最粗粒度的拆分，比如会将“*人民大会堂”拆分为*、人民大会堂。

点击小三角形对该阴影区域的json的text进行分词

ik_smart

ik_max_word

{
  "tokens" : [
    {
      "token" : "*",
      "start_offset" : 0,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "中华人民",
      "start_offset" : 0,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "中华",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 2
    },
    {
      "token" : "华人",
      "start_offset" : 1,
      "end_offset" : 3,
      "type" : "CN_WORD",
      "position" : 3
    },
    {
      "token" : "人民*",
      "start_offset" : 2,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 4
    },
    {
      "token" : "人民",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 5
    },
    {
      "token" : "*",
      "start_offset" : 4,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 6
    },
    {
      "token" : "共和",
      "start_offset" : 4,
      "end_offset" : 6,
      "type" : "CN_WORD",
      "position" : 7
    },
    {
      "token" : "国人",
      "start_offset" : 6,
      "end_offset" : 8,
      "type" : "CN_WORD",
      "position" : 8
    },
    {
      "token" : "人民大会堂",
      "start_offset" : 7,
      "end_offset" : 12,
      "type" : "CN_WORD",
      "position" : 9
    },
    {
      "token" : "人民大会",
      "start_offset" : 7,
      "end_offset" : 11,
      "type" : "CN_WORD",
      "position" : 10
    },
    {
      "token" : "人民",
      "start_offset" : 7,
      "end_offset" : 9,
      "type" : "CN_WORD",
      "position" : 11
    },
    {
      "token" : "大会堂",
      "start_offset" : 9,
      "end_offset" : 12,
      "type" : "CN_WORD",
      "position" : 12
    },
    {
      "token" : "大会",
      "start_offset" : 9,
      "end_offset" : 11,
      "type" : "CN_WORD",
      "position" : 13
    },
    {
      "token" : "会堂",
      "start_offset" : 10,
      "end_offset" : 12,
      "type" : "CN_WORD",
      "position" : 14
    }
  ]
}

ik分词器添加自定义词库

当有一些自造词需要ik分词器进行分词时，可以打开在ik分词器的解压文件夹中的config

新建一个文档将自造词放进去即可，记得要把文档后缀改为dic,编码为UTF-8

保存后，打开IKAnalyzer.cfg.xml


将自己词典的文件名填写进去，保存，添加成功，重启es。

安装ElasticSearch-head

elasticsearch-head将是一款专门针对于elasticsearch的客户端工具，包括数据可视化，增删改查工具，es语句的可视化等等。

下载地址：
https://github.com/mobz/elasticsearch-head

和elasticsearch安装一样，将解压包解压，进入elasticsearch-head的文件夹

进入解压路径的命令行

执行 npm install

执行 npm run start

在浏览器访问http://localhost:9100，可看到如下界面，表示启动成功：

安装Kibana

依旧是华为云的镜像

Kibana
https://mirrors.huaweicloud.com/kibana/?C=N&O=D

选择和你的ElasticSearch一样的版本下载，和es一样解压即可用。

由于Kibana默认是英文，我们需要进入config文件夹中的kibana.yml

在末尾加入i18n.locale: "zh-CN"，更改保存，让国际化变成中文。

接着进入bin目录打开kibana.bat，出现下方界面。

在浏览器打开http://localhost:5601，进入下方页面即安装成功。

REST风格说明

什么是REST风格

REST是一种软件架构风格，或者说是一种规范，其强调HTTP应当以资源为中心，并且规范了URI的风格；规范了HTTP请求动作（GET/PUT/POST/DELETE/HEAD/OPTIONS）的使用，具有对应的语义。

基本REST命令说明

PUT命令

创建一个demo索引的 type类型下保存1号数据为 “name”: “小黄”, “age”:21

PUT demo/type/1
{
    "name": "小黄",
    "age":21
}

创建成功

对照着和关系型数据库的联系理解

创建类型

不填写时，默认为_.doc类型，在未来8.多的版本具体类型可能会被抛弃。

指定某个字段使用指定类型，常见类型有下图：

我们在下方创建了一个test2的索引里面的字段和对应的类型

插入数据

这里在demo索引下的插入了4个记录

PUT demo/type/1
{
    "name": "小黄1.0",
    "age":21
}

PUT demo/type/2
{
    "name": "小黄2.0",
    "age":21
}

PUT demo/type/3
{
    "name": "小黄3.0",
    "age":21
}

PUT demo/type/4
{
    "name": "小黄4.0",
    "age":21
}

更新数据

假设我需要更新name为小黄2.0，直接在对应的字段更改成对应数据即可，需要将不修改字段的数据也写上去，否则将会被空白覆盖。

PUT demo/type/1 # 更新id为1的数据
{
    "name": "小黄2.0",
    "age":21 #即使21不用修改还是需要写
}

修改后 _version增加

POST命令

POST可以不带ID发送，ES会自动生成一个ID，如果再次请求也会再次新增一个ID

POST demo/type
{
    "name": "小黄",
    "age":21
}

可以看到自动生成一个ID为 5IF1dncBdbJa8wg0om_V

更新数据（推荐使用）

POST一样可以更新数据，只需要在最后加上需要修改的ID号和/_update，加上 “doc”:{｝包围需要修改的数据字段即可，不需要将不修改的数据写上去。

POST demo/type/1/_update
{
  "doc":{
     "name": "小黄3.0"
  }
}

DELETE命令

DELETE demo #删除demo索引

DELETE demo/type/1  #删除demo索引下的1号文档

根据请求判断删除索引还是文档记录

GET命令

查询数据（重点）

GET demo  #获取索引信息

GET demo/type/1 #获取demo索引的 type类型下保存1号数据

_index：表示在哪个索引下

_type：类型

_id：添加时的id

_version：版本号

_seq_no：并发控制字段，序列号，每次更新+1 （乐观锁操作使用）

_primary_term：分片，作用同上，重启会变化

_source：真正的内容

精确查询

term查询是直接通过倒排索引指定的词条进行精确查找的

GET demo/type/_search
{
    "query": {
        "term": {
            "age": "21"
        }
    }
}

而match会使用分词器解析（先分析文档，在通过分析的文档进行查询）

keyword类型数据不能被分词器解析

而其他类型可以被分词器解析

查询字符串搜索

将具有"黄"的数据全部搜索出来

GET demo/type/_search?q=name:黄

#! Deprecation: [types removal] Specifying types in search requests is deprecated.
{
  "took" : 0,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    },
    "max_score" : 0.10536051,
    "hits" : [
      {
        "_index" : "demo",
        "_type" : "type",
        "_id" : "1",
        "_score" : 0.10536051,
        "_source" : {
          "name" : "小黄1.0",
          "age" : 21
        }
      },
      {
        "_index" : "demo",
        "_type" : "type",
        "_id" : "2",
        "_score" : 0.10536051,
        "_source" : {
          "name" : "小黄2.0",
          "age" : 21
        }
      },
      {
        "_index" : "demo",
        "_type" : "type",
        "_id" : "3",
        "_score" : 0.10536051,
        "_source" : {
          "name" : "小黄3.0",
          "age" : 21
        }
      },
      {
        "_index" : "demo",
        "_type" : "type",
        "_id" : "4",
        "_score" : 0.10536051,
        "_source" : {
          "name" : "小黄4.0",
          "age" : 21
        }
      }
    ]
  }
}

hits：显示索引和文档信息，查询总结果数，权重， 具体文档，数据中的东西都可以遍历出来

_score：表示权重，越高表示该数据和搜索字段越匹配。由于我上面的数据格式一样，都只具有一个"黄"所以权重一样，都是0.10536051。

查询所有结果

GET demo/type/_search
{
    "query":{"match_all":{}}
}

条件查询

GET demo/type/_search
{
  "query":{
    "match":{
      "name":"黄"
    }
  }
}

布尔查询

使用 "bool":{} 声明使用布尔查询

must等同于MySQL中的 and

GET demo/type/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "huang"
          }
        },
         {
          "match": {
            "age": 21
          }
        }
      ]
    }
  }
}

should等同于MySQL中的 or

filter条件过滤查询，过滤条件的范围用range表示gt表示大于、lt表示小于、gte表示大于等于、lte表示小于等于)

GET demo/type/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "黄"
          }
        }
      ],
      "filter": {
        "range": {
          "age": {
            "gte": 10,
            "lt": 27
          }
        }
      }
    }
  }
}

按排序查询

GET demo/type/_search
{
    "query":{
          "match":{
                    "name":"黄"
          }
    },
    "sort":[
        {
             "age":"desc" #降序
       }
   ]
}

分页查询

GET demo/type/_search
{
    "query":{"match_all":{}},
    "from":0,
    "size":2  #从零开始查询所有记录，每页只显示2条记录
}

指定查询结果的字段

GET demo/type/_search
{
    "query":{"match_all":{}},
    "_source":["name","age"]
}

高亮查询

搜索出name为小黄1.0的数据，并将其name字段高亮显示

GET demo/type/_search
{
    "query":{
          "match_phrase":{
                  "name":"小黄1.0"
            }
    } ,
   "highlight":{
              "fields":{
                    "name":{}
               }
   }
}

自定义搜索高亮字段格式前后缀

拓展

GET  _cat/nodes #查看所有节点

GET  _cat/health #查看es健康状况

GET  _cat/master #查看主节点

GET  _cat/indices #查看所有索引 == MySQL中的show databases

参考：
https://www.bilibili.com/video/BV17a4y1x7zq
http://www.mybatis.cn/archives/1112.html
https://www.jianshu.com/p/c96576fcbcd9

转：

ElasticSearch学习笔记