ElasticSearch由浅入深
Posted Henrik-Yao
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了ElasticSearch由浅入深相关的知识，希望对你有一定的参考价值。
文章目录
一.elasticsearch简介
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语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。Elasticsearch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。
Lucene是Apache的开源搜索引擎类库，提供了搜索引擎的核心API
mysql采用正向索引（B树，B+树）
elasticsearch采用倒排索引
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
概念对比
二.docker部署es和kibana
kibana可以给我们提供一个elasticsearch的可视化界面，便于学习
1.创建互联网联，让es和kibana容器互联
docker network create es-net
2.拉取镜像
docker pull elasticsearch:7.12.1
docker pull kibana:7.12.1
3.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
访问9200端口即可看到elasticsearch的响应结果
4.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
访问5601端口即可看到kibana的响应结果
三.IK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
处理中文分词，一般会使用IK分词器。https://github.com/medcl/elasticsearch-analysis-ik
1.安装IK分词器
# 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.IK分词器包含两种模式：
-
ik_smart：智能切分 最少切分 粗粒度 分出的词较少 -
ik_max_word：最细切分 细粒度 分出的词较多 内存消耗高
3.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 *** 添加扩展词典-->
<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
4.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 *** 添加停用词词典-->
<entry key="ext_stopwords">stopword.dic</entry>
</properties>
然后在名为stopword.dic的文件中，添加想要拓展的词语即可
四.DSL及Dev Tools
官网学习地址：https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html
DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD
GET / 相当于直接访问9200端口
Dev Tools是kibana提供的一种可视化工具
五.索引库操作
1.mapping属性
映射是定义文档及其包含的字段如何存储和索引的过程。
每个文档都是字段的集合，每个字段都有自己的数据类型。 在映射数据时，创建一个映射定义，该定义包含与文档相关的字段列表。 映射定义还包括元数据字段，比如_source字段，它自定义如何处理文档的相关元数据。
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
2.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：
实例
3.查询索引库
GET /索引库名
实例
4.删除索引库
DELETE /索引库名
5.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：
实例
五.文档操作
1.添加文档
2.查询文档
GET /索引库名/_doc/文档id
3.删除文档
DELETE /索引库名/_doc/文档id
4.修改文档
-
方式一：全量修改，会删除旧文档，添加新文档
-
方式二：增量修改，修改指定字段值
六.RestClient操作索引库
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
1.初始化RestClient
指定版本，需要与es版本一致
<properties>
<java.version>1.8</java.version>
<elasticsearch.version>7.12.1</elasticsearch.version>
</properties>
导入包
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>
初始化RestClient
RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
HttpHost.create("http://101.43.16.42:9200")
));;
2.创建索引库
@Test
void createHotelIndex() throws IOException
// 1.创建Request对象
CreateIndexRequest request = new CreateIndexRequest("hotel");
// 2.准备请求参数；DSL语句
//MAPPING_TEMPLATE是静态常量字符串，内容是创建索引库的DSL语句
request.source(MAPPING_TEMPLATE, XContentType.JSON);
// 3.发送请求
client.indices().create(request, RequestOptions.DEFAULT);
3.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);
4.判断索引库是否存在
@Test
void testExitHotelIndex() 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.输出结果
System.out.println(exists);
七.RestClient操作文档
1.新增文档
@Test
void testAddDocument() throws IOException
//根据id查询酒店数据
Hotel hotel = hotelService.getById(61083L);
// 1.创建Request对象
IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());
// 2.准备请求参数；DSL语句
request.source(JSON.toJSONString(hotel),XContentType.JSON);
// 3.发送请求
client.index(request, RequestOptions.DEFAULT);
2.查询文档
@Test
void testGetDocumentById() throws IOException
// 1.创建Request对象
GetRequest request = new GetRequest("hotel", "61083");
// 2.发送请求
GetResponse response = client.get(request, RequestOptions.DEFAULT);
// 3.解析响应结果
String json = response.getSourceAsString();
//反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
System.out.println(hotelDoc);
3.更新文档
@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);
4.删除文档
@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);
5.批量新增文档
@Test
void testBulkDocument() throws IOException
//批量查询酒店数据
List<Hotel> hotels = hotelService.list();
// 1.创建Request对象
BulkRequest request = new BulkRequest();
// 2.准备请求参数，添加多个新增的Request
for(Hotel hotel:hotels)
// 转换为HotelDoc
HotelDoc hotelDoc = new HotelDoc(hotel);
request.add(new IndexRequest("hotel")
.id(hotel.getId().toString())
.source(JSON.toJSONString(hotelDoc),XContentType.JSON));
// 3.发送请求
client.bulk(request, RequestOptions.DEFAULT);
八.DSL查询语法
Elasticsearch提供了基于JSON的DSL（Domain Specific Language）来定义查询。
官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html
常见的查询类型包括：
- 查询所有：查询出所有数据，一般测试用。例如：
- match_all
- 全文检索（full text）查询：利用分词器对用户输入内容分词，然后去倒排索引库中匹配。例如：
- match_query
- multi_match_query
- 精确查询：根据精确词条值查找数据，一般是查找keyword、数值、日期、boolean等类型字段。例如：
- ids
- range
- term
- 地理（geo）查询：根据经纬度查询。例如：
- geo_distance
- geo_bounding_box
- 复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。例如：
- bool
- function_score
查询的语法基本一致：
- 查询类型为match_all
- 没有查询条件
1.全文检索
全文检索查询，会对输入框输入内容分词，常用于搜索框搜索
①match查询：单字段查询
②multi_match查询：多字段查询，任意一个字段符合条件就算符合查询条件
ps：multi_match根据多个字段查询，参与查询字段越多，查询性能越差，使用copy_to将多字段拷贝到一个字段中可以提升性能
2.精确查询
精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词
①term：根据词条精确值查询
因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是不分词的词条。查询时，用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多，反而搜索不到数据
②range：根据值的范围查询
gte代表大于等于，gt则代表大于
lte代表小于等于，lt则代表小于
3.地理查询
①geo_distance
附近查询，也叫做距离查询（geo_distance）：查询到指定中心点小于某个距离值的所有文档
②geo_bounding_box
矩形范围查询，也就是geo_bounding_box查询，查询坐标落在某个矩形范围的所有文档
4.复合查询
复合（compound）查询：复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑。常见的有两种：
- fuction score：算分函数查询，可以控制文档相关性算分，控制文档排名
- bool query：布尔查询，利用逻辑关系组合多个其它的查询，实现复杂搜索
相关性算法
TF对比BM25
①fuction score
function score query定义的三要素
- 过滤条件：哪些文档要加分
- 算分函数：如何计算function score
- 加权方式：function score 与 query score如何运算
②bool query
布尔查询是一个或多个查询子句的组合，每一个子句就是一个子查询。子查询的组合方式有：
- must：必须匹配每个子查询，类似“与”
- should：选择性匹配子查询，类似“或”
- must_not：必须不匹配，不参与算分，类似“非”
- filter：必须匹配，不参与算分
需要注意的是，搜索时，参与打分的字段越多，查询的性能也越差。因此这种多条件查询时，一遍这样做：
- 搜索框的关键字搜索，是全文检索查询，使用must查询，参与算分
- 其它过滤条件，采用filter查询。不参与算分
九.搜索结果处理
elasticsearch默认是根据相关度算分（_score）来排序，但是也支持自定义方式对搜索结果排序。可以排序字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。
官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/sort-search-results.html
1.排序
①常规字段排序
②地理位置排序
2.分页
深度分页问题
解决深度分页问题
官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/paginate-search-results.html
- search after：分页时需要排序，原理是从上一次的排序值开始，查询下一页数据。官方推荐使用的方式。
- scroll：原理将排序后的文档id形成快照，保存在内存。官方已经不推荐使用。
分页查询的常见实现方案以及优缺点
-
from + size：- 优点：支持随机翻页
- 缺点：深度分页问题，默认查询上限（from + size）是10000
- 场景：百度、京东、谷歌、淘宝这样的随机翻页搜索
-
after search：- 优点：没有查询上限（单次查询的size不超过10000）
- 缺点：只能向后逐页查询，不支持随机翻页
- 场景：没有随机翻页需求的搜索，例如手机向下滚动翻页
-
scroll：- 优点：没有查询上限（单次查询的size不超过10000）
- 缺点：会有额外内存消耗，并且搜索结果是非实时的
- 场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。
3.高亮
高亮显示的实现分为两步：
给文档中的所有关键字都添加一个标签，例如标签
页面给标签编写CSS样式
十.RestClient查询文档
查询的基本步骤是：
创建SearchRequest对象
准备Request.source()，也就是DSL。
① QueryBuilders来构建查询条件
② 传入Request.source() 的 query() 方法
发送请求，得到结果
解析结果（参考JSON结果，从外到内，逐层解析）
elasticsearch返回的结果是一个JSON字符串，结构包含：
hits：命中的结果total：总条数，其中的value是具体的总条数值max_score：所有结果中得分最高的文档的相关性算分hits：搜索结果的文档数组，其中的每个文档都是一个json对象_source：文档中的原始数据，也是json对象
因此，解析响应结果，就是逐层解析JSON字符串，流程如下：
SearchHits：通过response.getHits()获取，就是JSON中的最外层的hits，代表命中的结果SearchHits#getTotalHits().value：获取总条数信息SearchHits#getHits()：获取SearchHit数组，也就是文档数组SearchHit#getSourceAsString()：获取文档结果中的_source，也就是原始的json文档数据
完整代码
@Test
void testMatchAll() throws IOException
// 1.创建Request对象
SearchRequest request = new SearchRequest("hotel");
// 2.准备请求参数；DSL语句
request.source().query(QueryBuilders.matchAllQuery());
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
SearchHits searchHits = response.getHits();
// 4.1.获得总条数
long total = searchHits.getTotalHits().value;
System.out.println(total);
// 4.1.文档数组
SearchHit[] hits = searchHits.getHits();
// 4.3.遍历
for(SearchHit hit : hits)
// 获取文档source
String json = hit.getSourceAsString();
// 反序列化
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
System.out.println(hotelDoc);
1.全文检索查询
@Test
void testMatch() throws IOException
// 1.创建Request对象
SearchRequest request = new SearchRequest("hotel");
// 2.准备请求参数；DSL语句
request.source()
.query(QueryBuilders.matchQuery("all", "如家"));
// 3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
// 4.解析响应
SearchHits searchHits = response.getHits();
// 4.1.获得总条数
Elasticsearch在Elasticsearch中查询Term Vectors词条向量信息