全文检索之Elasticsearch

Posted 2021-04-21 百汇达软件

提到全文检索大家都会想到Lucene，lucene就是一个jar包，里面包含了封装好的各种建立倒排索引，以及进行搜索的代码，包括各种算法。我们就用java开发的时候，引入lucene jar，然后基于lucene的api进行去进行开发就可以了。

但是在大数据中，我们需要将数据分布式存储那么我们就不得不考虑Elasticsearch了。其实Elasticsearch是基于lucene，隐藏其复杂性，提供简单易用的restfulapi接口、java api接口（还有其他语言的api接口）。

关于elasticsearch的一个传说，有一个程序员失业了，陪着自己老婆去英国伦敦学习厨师课程。程序员在失业期间想给老婆写一个菜谱搜索引擎，觉得lucene实在太复杂了，就开发了一个封装了lucene的开源项目，compass。后来程序员找到了工作，是做分布式的高性能项目的，觉得compass不够，就写了elasticsearch，让lucene变成分布式的系统。

可见有人是为了玩游戏成就了技术大牛，比如林纳斯，有人是为了媳妇比如上面这位，但是为了money成为技术大牛的还真不多...

回归主题：

一、Elasticsearch概述

1.什么是Elasticsearch?

Elasticsearch是一个实时分布式搜索和分析引擎。它用于全文搜索、结构化搜索、数据分析。

全文检索：将非结构化数据中的一部分信息提取出来,重新组织,使其变得有一定结构,然后对此有一定结构的数据进行搜索,从而达到搜索相对较快的目的。

结构化检索：我想搜索商品分类为日化用品的商品都有哪些，select * from products where category_id='日化用品'

数据分析：电商网站，最近一周手机这种商品销量排名前10的商家有哪些；新闻网站，最近1个月访问量排名前3的新闻版块是哪些...

2.Elasticsearch的适用场景

1）维基百科，类似百度百科，牙膏，牙膏的维基百科，全文检索，高亮，搜索推荐。

2）The Guardian（国外新闻网站），类似搜狐新闻，用户行为日志（点击，浏览，收藏，评论）+ 社交网络数据（对某某新闻的相关看法），数据分析，给到每篇新闻文章的作者，让他知道他的文章的公众反馈（好，坏，热门，垃圾，鄙视，崇拜）。

3）Stack Overflow（国外的程序异常讨论论坛），IT问题，程序的报错，提交上去，有人会跟你讨论和回答，全文检索，搜索相关问题和答案，程序报错了，就会将报错信息粘贴到里面去，搜索有没有对应的答案

4）GitHub（开源代码管理），搜索上千亿行代码。

5）国内：站内搜索（电商，招聘，门户，等等），IT系统搜索（OA，CRM，ERP，等等），数据分析（ES热门的一个使用场景）。

3.Elasticsearch的特点

1）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

2）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）

3）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，就可以作为生产环境的系统来使用了，数据量不大，操作不是太复杂

4）数据库的功能面对很多领域是不够用的（事务，还有各种联机事务型的操作）；特殊的功能，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作为传统数据库的一个补充，提供了数据库所不能提供的很多功能

4.Elasticsearch的核心概念

1） Cluster（集群）

集群包含多个节点，每个节点属于哪个集群是通过一个配置（集群名称，默认是elasticsearch）来决定的，对于中小型应用来说，刚开始一个集群就一个节点很正常

2）Node（节点）

集群中的一个节点，节点也有一个名称（默认是随机分配的），节点名称很重要（在执行运维管理操作的时候），默认节点会去加入一个名称为“elasticsearch”的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，当然一个节点也可以组成一个elasticsearch集群。

3） Index（索引-数据库）

索引包含一堆有相似结构的文档数据，比如可以有一个客户索引，商品分类索引，订单索引，索引有一个名称。一个index包含很多document，一个index就代表了一类类似的或者相同的document。比如说建立一个product index，商品索引，里面可能就存放了所有的商品数据，所有的商品document。

4） Type（类型-表）

每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类

5） Document（文档-行）

文档是es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，一条订单数据，通常用JSON数据结构表示，每个index下的type中，都可以去存储多个document。

6） Field（字段-列）

Field是Elasticsearch的最小单位。一个document里面有多个field，每个field就是一个数据字段。

7） mapping（映射-约束）

数据如何存放到索引对象上，需要有一个映射配置，包括：数据类型、是否存储、是否分词等。

这样就创建了一个名为blog的Index。Type不用单独创建，在创建Mapping 时指定就可以。Mapping用来定义Document中每个字段的类型，即所使用的 analyzer、是否索引等属性，非常关键等。创建Mapping 的代码示例如下：

8） elasticsearch与数据库的类比

关系型数据库（比如mysql） 非关系型数据库（Elasticsearch）

数据库Database 索引Index

表Table         类型Type

数据行Row 文档Document

数据列Column 字段Field

约束 Schema 映射Mapping

二、单机搭建

1.安装包下载

1）Elasticsearch官网：https://www.elastic.co/products/elasticsearch

版本: elasticsearch-5.6.2.tar.gz

2. 解压

# tar elasticsearch-5.6.2.tar.gz -C /yourDirectory

3. 修改配置文件：

# --------------------- Cluster -----------------------------17cluster.name: my-application# ---------------------- Node -------------------------------23node.name: node-102# --------------------- Paths -------------------------------33/37path.data: /opt/module/elasticsearch-5.2.2/datapath.logs: /opt/module/elasticsearch-5.2.2/logs# -------------------- Memory -------------------------------43bootstrap.memory_lock: falsebootstrap.system_call_filter: false# -------------------- Network ------------------------------55network.host: 192.168.1.102 # -------------------- Discovery ----------------------------68discovery.zen.ping.unicast.hosts: ["hadoop102"]

4.启动会报错：

elasticsearch不能用root用户启动

5.创建用户

#因为elasticsearch 认为root用户权限过大，不适合作为elasticsearch的用户，所以root用户不能启动
#需要重新创建一个用户：elsearch 和 用户组：elsearch#创建组groupadd elsearch#创建用户并设置组为 elsearch 密码为 elsearchuseradd elsearch -g elsearch -p elsearch
#给 elasticsearch-5.2.2 文件夹设置用户和组
#chown -R [user name:group name] 该用户所分配有权限的目录chown -R elsearch:elsearch elasticsearch-5.2.2
#切换用户
su elsearchcd /hadoop/elasticsearch-5.2.2/

6.启动报错：

#出现错误[1]: max file descriptors [4096] for elasticsearch process is too low, increase to at least [65536][2]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]

用root用户修改：

#用户最大可创建文件数太小vim /etc/security/limits.conf 文档末尾添加：添加如下内容:* soft nofile 65536* hard nofile 131072* soft nproc 2048* hard nproc 4096

#查看可打开文件数量ulimit -Hn

#最大虚拟内存太小vim /etc/sysctl.conf 文档末尾添加：vm.max_map_count=655360

#查看虚拟内存的大小sysctl -p

7.启动：

/hadoop/elasticsearch-5.6.2/bin/elasticsearch或者：后台运行/hadoop/elasticsearch-5.6.2/bin/elasticsearch -d

三、集群搭建

参考：https://www.cnblogs.com/jstarseven/p/6803054.html

cluster.name: es-cluster-5.6.2   配置集群名称 三台服务器保持一致

node.name: node-1   配置单一节点名称，每个节点唯一标识

http.port: 9200   端口

discovery.zen.ping.unicast.hosts:["172.16.31.220", "172.16.31.221","172.16.31.224"]   集群节点ip或者主机

discovery.zen.minimum_master_nodes: 3    设置这个参数来保证集群中的节点可以知道其它N个有master资格的节点。默认为1，对于大的集群来说，可以设置大一点的值（2-4）

四、chrome插件安装

1. 访问https://chrome.google.com/webstore/detail/elasticsearch-head/ffmkiejjmecolpfloofpjologoblkegm/

五、javaAPI操作