分布式全文搜索引擎ElasticSearch

Posted 2021-04-21 IT技术订阅

1 ElasticSearch

1.1 ES的概念和特点

ES：全文检索的框架，专门做搜索，支持分布式、集群。封装的Lucene。

特点：

1. 原生的Lucene使用的不足，优化了Lucene的调用方式

2. 高可用的分布式集群，处理PB级别的数据

3. 目的是通过简单的restful API来隐藏Lucene的复杂性，从而使全文检索变得简单，达到“开瓶即饮”的效果

Lucene：全文检索，api比较麻烦，操作全文检索的最底层技术。

核心：创建索引，搜索索引

1.2 ES的对手

Solr和ES的区别：

(1) Solr重量级，支持很多种类型操作，支持分布式，它里面有很多功能，但是在实时领域上没有ES好。

(2) ES轻量级，支持json的操作格式，在实时搜索领域里面做得不错，如果想使用其他的功能，需要额外安装插件。

2 ElasticSearch安装及使用说明

2.1 安装ES

 

 

 2.2 ES交互方式客户端

（1）基于RESTful API
ES和所有客户端的交互都是使用JSON格式的数据.
其他所有程序语言都可以使用RESTful API，通过9200端口的与ES进行通信，在开发测试阶段，你可以使用你喜欢的WEB客户端， curl命令以及火狐的POSTER插件方式和ES通信。
Curl命令方式：
默认windows下不支持curl命令，在资料中有curl的工具及简单使用说明。

 

 

 火狐的POSTER插件界面：
类似于Firebug，在火狐的“扩展”中搜索“POSTER”，并安装改扩展工具。

 

 

 使用POSTER模拟请求的效果

（2）Java API
ES为Java用户提供了两种内置客户端：
节点客户端(node client)：
节点客户端以无数据节点(none data node)身份加入集群，换言之，它自己不存储任何数据，但是它知道数据在集群中的具体位置，并且能够直接转发请求到对应的节点上。
传输客户端(Transport client)：
这个更轻量的传输客户端能够发送请求到远程集群。它自己不加入集群，只是简单转发请求给集群中的节点。
两个Java客户端都通过9300端口与集群交互，使用ES传输协议(ES Transport Protocol)。集群中的节点
之间也通过9300端口进行通信。如果此端口未开放，你的节点将不能组成集群。
注意：
Java客户端所在的ES版本必须与集群中其他节点一致，否则，它们可能互相无法识别。

2.3 辅助管理工具Kibana5

2.4 head工具入门 + postman

（1）进入head文件中，输入cmd，打开控制台，输入npm install进行安装。
（2）安装完成，输入命令npm run start启动服务
（3）配置允许跨域访问，在elasticsearch/config/elasticsearch.yml文件末尾加上
http.cors.enabled: true
http.cors.allow-origin: “*”
（4）重启elasticsearch服务，访问http://localhost:9100

3 ES的基本操作

3.1 ES的CRUD

#新增
PUT crm/employee/1
{
  "name":"xxxx",
 "age":18
}
#查询
GET crm/employee/1

#修改
POST crm/employee/1
{
  "name":"yyyy",
 "age":28
}

#删除
DELETE crm/employee/1

#没有指定id 字段生成id
POST crm/employee
{
  "name":"yyyy",
 "age":28
}

# AW8iLW-mRN4d1HhhqMMJ
GET crm/employee/AW8iLW-mRN4d1HhhqMMJ

GET _search

3.2 ES的特殊写法

# 查询所有
GET _search
#漂亮格式
GET crm/employee/AW8iLW-mRN4d1HhhqMMJ?pretty

#指定返回的列
GET crm/employee/AW8iLW-mRN4d1HhhqMMJ?_source=name,age

#不要元数据 只返回具体数据
GET crm/employee/AW8iLW-mRN4d1HhhqMMJ/_source

3.3 局部修改

#修改 --覆盖以前json
POST crm/employee/AW8iLW-mRN4d1HhhqMMJ
{
 "name":"yyyy888"
}

#局部更新
POST crm/employee/AW8iLW-mRN4d1HhhqMMJ/_update
{
  "doc":{
 "name":"baocheng"
    }
}

3.4 批量操作

POST _bulk
{ "delete": { "_index": "xlj", "_type": "department", "_id": "123" }}
{ "create": { "_index": "xlj", "_type": "book", "_id": "123" }}
{ "title": "我发行的第一本书" }
{ "index": { "_index": "itsource", "_type": "book" }}
{ "title": "我发行的第二本书" }

# 普通查询:
GET crm/department/id
# 批量查询:
GET xlj/book/_mget
{
 "ids" : [ "123", "AH8ht-oSqTn8hjKcHo2i" ]
}

3.5 查询条件

# 从第0条开始查询3条student信息
GET crm/student/_search?size=3

# 从第2条开始查询2条student信息
GET crm/student/_search?from=2&size=2

# 表示查询age=15的人
GET crm/student/_search?q=age:15

# 查询3条student的信息，他们的age范围到10到20
GET crm/student/_search?size=3&q=age[10 TO 20]

如果上面的查询涉及条件比较多,就不适合使用

4 DSL查询与过滤

4.1 什么是DSL

由ES提供丰富且灵活的查询语言叫做DSL查询(Query DSL),它允许你构建更加复杂、强大的查询。

DSL(Domain Specific Language特定领域语言)以JSON请求体的形式出现。　

DSL分成两部分：

　　DSL查询

　　DSL过滤

4.2 DSL过滤与DSL查询在性能上的区别

（1）过滤结果可以缓存并应用到后续请求。
（2）查询语句同时匹配文档，计算相关性，所以更耗时，且不缓存。
（3）过滤语句可有效地配合查询语句完成文档过滤。

总之在原则上，使用DSL查询做全文本搜索或其他需要进行相关性评分的场景，其它全用DSL过滤。

4.2.1 DSL查询

GET crm/student/_search
{
"query": {
 "match_all": {}
},
"from": 0,
"size": 3,
"_source": ["name", "age"],
"sort": [{"age": "asc"}]
}

4.2.2 DSL过滤

#DSL过滤 -->  name = 'tangtang'  --支持缓存
#select * from student where name=tangtang and age = 500
GET crm/student/_search
{
"query": {
 "bool": {
 "must": [
 {"match": {
 "name": "tangtang"
       }}
     ],
     "filter": {
 "term":{"age":500}
 }
 }
},
"from": 0,
"size": 3,
"_source": ["name", "age"],
"sort": [{"age": "asc"}]
}
#select * from student where age = 500 and name != 'tangtang'

GET crm/student/_search
{
"query": {
 "bool": {
 "must_not": [
 {"match": {
 "name": "tangtang"
       }}
     ],
     "filter": {
 "term":{"age":500}
 }
 }
},
"from": 0,
"size": 3,
"_source": ["name", "age"],
"sort": [{"age": "asc"}]
}

5 分词器

什么叫分词：把一段话按照一定规则拆分开

为什么要分词：便于检索

分词器放入ES：

　　解压ik分词器 -->在es 在plugins目录 -->创建一个IK文件夹 -->把ik插件拷贝到ik文件下面

测试ES怎么使用分词：

POST _analyze
{
  "analyzer":"ik_smart",
 "text":"中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"
}

7 ES集群

7.1 为什么需要集群

• 解决单点故障问题

• 解决高并发问题

• 解决海量数据问题

7.2 ES集群的相关概念

分片:：存储内容，主分片和从分片

node：节点，有很多类型的节点

节点属性的配置：

四种组合配置方式：

（1）node.master: true node.data: true

这种组合表示这个节点即有成为主节点的资格，又存储数据。

如果某个节点被选举成为了真正的主节点，那么他还要存储数据，这样对于这个节点的压力就比较大了。ElasticSearch默认每个节点都是这样的配置，在测试环境下这样做没问题。实际工作中建议不要这样设置，因为这样相当于主节点和数据节点的角色混合到一块了。

（2）node.master: false node.data: true

这种组合表示这个节点没有成为主节点的资格，也就不参与选举，只会存储数据。

这个节点我们称为data(数据)节点。在集群中需要单独设置几个这样的节点负责存储数据，后期提供存储和查询服务。

（3）node.master: true node.data: false

这种组合表示这个节点不会存储数据，有成为主节点的资格，可以参与选举，有可能成为真正的主节点，这个节点我们称为master节点。

（4）node.master: false node.data: false

这种组合表示这个节点即不会成为主节点，也不会存储数据，这个节点的意义是作为一个client(客户端)节点，主要是针对海量请求的时候可以进行负载均衡。

7.3 ES集群理解

7.3.1 单node环境

• 单node环境下，创建一个index，有3个primary shard，3个replica shard

• 集群status是yellow

• 这个时候，只会将3个primary shard分配到仅有的一个node上去，另外3个replica shard是无法分配的

• 集群可以正常工作，但是一旦出现节点宕机，数据全部丢失，而且集群不可用，无法承接任何请求

7.3.2 2个node环境

• replica shard分配：3个primary shard，3个replica shard，2 node

• primary —> replica同步

• 读请求：primary/replica

7.4 搭建ES集群

搭建三个节点的集群

(1) 拷贝三个ES 分别取名为node1 node2 node3

(2) 修改配置

　　修改内存配置 xms xmx

　　配置 elasticsearch.yml

# 统一的集群名
cluster.name: my-ealsticsearch
# 当前节点名
node.name: node-1
# 对外暴露端口使外网访问
network.host: 127.0.0.1
# 对外暴露端口
http.port: 9201
#集群间通讯端口号
transport.tcp.port: 9301
#集群的ip集合，可指定端口，默认为9300
discovery.zen.ping.unicast.hosts: [“127.0.0.1:9301”,”127.0.0.1:9302”,”127.0.0.1:9303”]

(3) 配置跨域

(4) 启动 node1 node2 node3

(5) 启动head

创建索引，指定分片（如果没有分配从分片，磁盘占用率太高，可以设置：cluster.routing.allocation.disk.threshold_enabled: false）

8 Java API

8.1 什么是JavaAPI

ES对Java提供一套操作索引库的工具包，即Java API。所有的ES操作都使用Client对象执行。
ES的Maven引入：

<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>transport</artifactId>
    <version>5.2.2</version>
</dependency>
<dependency>
    <groupId>org.apache.logging.log4j</groupId>
    <artifactId>log4j-api</artifactId>
    <version>2.7</version>
</dependency>
<dependency>
    <groupId>org.apache.logging.log4j</groupId>
    <artifactId>log4j-core</artifactId>
    <version>2.7</version>
</dependency>

8.2 测试代码

import org.elasticsearch.action.bulk.BulkRequestBuilder;
import org.elasticsearch.action.bulk.BulkResponse;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.action.index.IndexRequestBuilder;
import org.elasticsearch.action.search.SearchRequestBuilder;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.action.update.UpdateRequest;
import org.elasticsearch.client.transport.TransportClient;
import org.elasticsearch.common.settings.Settings;
import org.elasticsearch.common.transport.InetSocketTransportAddress;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.elasticsearch.search.sort.SortOrder;
import org.elasticsearch.transport.client.PreBuiltTransportClient;
import org.junit.Test;

import java.net.InetAddress;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

public class EsTest {

 /**
 * 连接es服务方法 嗅探方式
 */
    private TransportClient getClient() throws Exception {
 Settings settings = Settings.builder()
 .put("client.transport.sniff", true).build();
 TransportClient client = new PreBuiltTransportClient(settings).
 addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("127.0.0.1"), 9300));
 return client;
 }

 /**
 * 新增
 */
 @Test
 public void testAdd() throws Exception {
 TransportClient client = getClient();
 IndexRequestBuilder builder = client.prepareIndex("crm", "user", "1");
 Map map = new HashMap();
 map.put("name", "james");
 map.put("age", 35);
 System.out.println(builder.setSource(map).get());
 client.close();
 }

 /**
 * 查询
 */
 @Test
 public void testGet() throws Exception {
 TransportClient client = getClient();
 System.out.println(client.prepareGet("crm", "user", "1").get().getSource());
 client.close();
 }

 /**
 * 修改
 */
 @Test
 public void testUpdate() throws Exception {
 TransportClient client = getClient();
 IndexRequest indexRequest = new IndexRequest("crm", "user", "1");
 Map map = new HashMap();
 map.put("name", "kobe");
 map.put("age", 18);
 //不存在就新增，存在就更新
        UpdateRequest upsert = new UpdateRequest("crm", "user", "1").doc(map).upsert(indexRequest);
 client.update(upsert).get();
 client.close();
 }

 /**
 * 删除
 */
 @Test
 public void testDelete() throws Exception {
 TransportClient client = getClient();
 client.prepareDelete("crm","user","1").get();
 client.close();
 }

 /**
 * 批量操作
 */
 @Test
 public void testBulk() throws Exception {
 TransportClient client = getClient();
 BulkRequestBuilder bulk = client.prepareBulk();
 for (int i = 1; i < 51; i++) {
 Map map = new HashMap();
 map.put("name", "xx" + i);
 map.put("age", i);
 bulk.add(client.prepareIndex("crm", "user", "" + i).setSource(map));
 }
 BulkResponse response = bulk.get();
 if (response.hasFailures()) {
 System.out.println("插入失败！");
 }
 client.close();
 }

 /**
 * DSL过滤（分页，过滤，排序）
 */
 @Test
 public void testDsl() throws Exception {
 TransportClient client = getClient();
 //得到builder
        SearchRequestBuilder builder = client.prepareSearch("crm").setTypes("user");
 //得到boolQuery对象
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
 //得到must
        List<QueryBuilder> must = boolQuery.must();
 must.add(QueryBuilders.matchAllQuery());
 //添加filter过滤器
        boolQuery.filter(QueryBuilders.rangeQuery("age").gte(18).lte(48));
 builder.setQuery(boolQuery);
 //添加分页
        builder.setFrom(0);
 builder.setSize(10);
 //设置排序
        builder.addSort("age", SortOrder.ASC);
 //设置查询字段
        builder.setFetchSource(new String[]{"name","age"}, null);
 //取值
        SearchResponse searchResponse = builder.get();
 //得到查询内容
        SearchHits hits = searchResponse.getHits();
 //得到命中数据，返回数组
        SearchHit[] hitsHits = hits.getHits();
 //循环数组，打印获取值
        for (SearchHit hitsHit : hitsHits) {
 System.out.println(hitsHit.getSource());
 }
 client.close();
 }

}