第129天学习打卡（Elasticsearch kibana安装 ES核心概念 IK分词器插件）

Posted 2021-05-20 doudoutj

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了第129天学习打卡（Elasticsearch kibana安装 ES核心概念 IK分词器插件）相关的知识，希望对你有一定的参考价值。

Kibana安装

了解ELK

ELK是Elasticsearch 、Logstash、 Kibana三大开源框架首字母大写简称。市面上也被称为Elastic Stack.其中Elastic search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。像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearcch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大，市面上很多时候我们简称Elasticsearch为es。Logstan是ELK的中央数据流引擎，用于从不同目标（文件/数据储存/MQ）收集的不同的格式数据，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。

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。

安装Kibana

Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana可以通过各种图标进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单，基于浏览器的用户界面可以快速创建仪表板(dashbord)实时显示Elasticsearch查询状态。设置Kibana非常简单。无需编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。

官网下载地址：Download Kibana Free | Get Started Now | Elastic | Elastic

Kibana版本要和Es一致。

下载完毕之后，解压需要一些时间，这是一个标准的工程！

好处：ELK基本上都是拆箱即用。

启动测试

1.解压后的目录

2注意：启动kibana.bat 需要先启动elasticsearch.bat

3.访问页面测试：

4.开发工具！（Post 、curl、 head、谷歌浏览器插件测试）

Dev Tools - Elastic

之后的操作都在这里进行编写！

5.汉化，修改配置文件的kibana.yml

注意改完配置文件后要重启项目。

i18n.locale: "zh-CN"

汉化的效果展示：

ES核心概念

1.索引

2.字段类型（mapping）

3.文档(documents)

概述

elasticsearch是面向文档编程

关系型数据库和elasticsearch客观的对比一切都是json

Relastional DB	Elasticsearch
数据库（database）	索引(indices) 就和数据库一样
表(tables)	types 慢慢会被弃用
行(row) 指具体的数据	documents
字段(columns)	fields

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），每个文档中又包含多个字段（列）。

物理设计：

elasticsearch 在后台把每个索引划分成多个分片，每分片可以在集群中的不同服务器间迁移。

一个人就是一个集群！默认的集群名称就是elasticsearch

逻辑设计：

一个索引类型中，包含多个文档，比如说文档1，文档2，当我们索引一篇文档时，可以通过这样的顺序找到它：索引 -> 类型 -> 文档id（注意：id不必是整数，实际是个字符串），通过这个组合我们就能索引到某个具体的文档。

文档

就是我们的一条条数据

user
1 zhangsan 18
2 kuangshen 3

es是面向文档的，意味着索引和搜索数据的最小单位是文档，es中，文档有几个重要的属性：

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
可以是层次性的，一个文档中包含自文档，复杂的逻辑实体就是这么来的！ {就是一个json对象！}
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es中，对于字段是非常灵活的。有时候，我们可以忽略字段，或者动态的添加一个新的字段

尽管我们可以随意的添加或忽略某个字段，但是，每个字段的类型非常重要。因为es会保存字段和类型之间的映射以及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在es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，比如name映射为string类型.我们说文档是无模式的，他们不需要拥有映射中所定义的所有字段，当新增加一个字段时，es会自动的将新字段加入映射，但是这个字段不确定他是什么类型，所以最安全的方式是提前定义好所需要的映射。

索引

就是数据库！

索引是映射类型的容器，es的索引是一个非常大的文档集合。索引存储了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：节点和分片工作

一个集群至少有一个节点，而一个节点就是一个es进程，节点可以有多个索引默认的，如果创建索引，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）

上图是一个有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在同一个节点内，这样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es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

es使用的是一种称为倒排索引的结构，采用Lucene倒排作为底层。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，都有一个包含它的文档列表。例如，现在有两个文档，每个文档包含如下内容：

study every day, good good up to forver # 文档1包含的内容
To forever, study every day, good good up  文档2包含的内容

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。

现在，我们试图搜索 to forever,只需要查看包含每个词条的文档

两个文档都匹配，但是第一个文档比第二个匹配程度（权重 score）高。如果没有别的条件，现在，这两个包含关键字的文档都将返回。

示例2，比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构：

如果要搜索含有python标签的文章，那相对于查找所有原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这一栏，然后获取相关的文章id即可。完全过滤掉无关的所有数据，提高效率！

es索引和lucene的索引对比

在es中，索引(库)这个词被频繁使用，这就是术语的使用。在es中，索引被分为多个分片，每份分片是一个Lucene的索引。所以一个es索引是由多个Lucene索引组成的。

接下来的一切操作都在kibana中Dev Tools下的Console里完成。

IK分词器插件

什么是分词器

分词：即把一段中文或者别的划分成一个个关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词，比如“我爱学习“ 会被分为”我“，”爱“，”学“，“习”，这显然是不符合要求的，所以需要安装中文分词器ik来解决这个问题。

如果要使用中文，建议使用ik分词器。

IK提高了两个分词算法：ik_smart和ik_max_word,其中ik_smart为最少切分，ik_max_word为最细粒度划分！