Elasticsearch超详学习

Posted 2022-04-27 Link．

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超详学习相关的知识，希望对你有一定的参考价值。

Elasticsearch学习

一、ElasticSearch简介
- 1.什么是ElasticSearch
- 2.es的优点
二、Elasticsearch核心概念
三、Elasticsearch 安装
四、ElasticSearch的客户端操作
五、IK分词器
- 1.安装ik分词器
- 2.使用ik分词器
六、Kibana使用
- 1.Kibana下载安装
- 2.DSL语句使用
七、使用Java编程操作ElasticSearch
八、Spring Data ElasticSearch
- 聚合查询

一、ElasticSearch简介

1.什么是ElasticSearch

Elaticsearch，简称为es

E：EalsticSearch 搜索和分析的功能
L：Logstach 搜集数据的功能，类似于flume，是日志收集系统
K：Kibana 数据可视化，可以用图表的方式来去展示，文不如表，表不如图，是数据可视化平台
es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。es也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

2.es的优点

具有分布式的功能
数据高可用，集群高可用
API简单
多语言支持
支持PB级别的数据
完成搜索的功能和分析功能
基于Lucene，隐藏了Lucene的复杂性，提供简单的API

二、Elasticsearch核心概念

1.索引 index

一个索引就是一个拥有几分相似特征的文档的集合。比如说，你可以有一个客户数据的索引，还有一个订单数据的索引。在一个集群中，可以定义任意多的索引。我们在使用mysql或者Oracle的时候，为了区分数据，我们会建立不同的数据库，库下面还有表的。es功能就像一个关系型数据库，在这个数据库我们可以往里面添加数据，查询数据。

2.类型 type

在一个索引中，你可以定义一种或多种类型。一个类型是你的索引的一个逻辑上的分类/分区，其语义完全由你来定。好比数据库里面的一张表。相当于表结构的描述，描述每个字段的类型

3.字段Field

相当于是数据表的字段，对文档数据根据不同属性进行的分类标识

4.映射 mapping

mapping是处理数据的方式和规则方面做一些限制，如某个字段的数据类型、默认值、分析器、是否被索引等等，这些都是映射里面可以设置的，其它就是处理es里面数据的一些使用规则设置也叫做映射，按着最优规则处理数据对性能提高很大，因此才需要建立映射，并且需要思考如何建立映射才能对性能更好。

5.文档 document

一个文档是一个可被索引的基础信息单元。文档就是最终的数据了，可以认为一个文档就是一条记录。是es里面最小的数据单元，就好比数据库表里面的一条数据

6.集群 cluster

一个集群就是由一个或多个节点组织在一起，它们共同持有整个的数据，并一起提供索引和搜索功能。一个集群由一个唯一的名字标识，这个名字默认就是“elasticsearch”。这个名字是重要的，因为一个节点只能通过指定某个集群的名字，来加入这个集群

7.节点 node

一个节点是集群中的一个服务器，作为集群的一部分，它存储数据，参与集群的索引和搜索功能。在一个集群里，只要你想，可以拥有任意多个节点。而且，如果当前你的网络中没有运行任何Elasticsearch节点，这时启动一个节点，会默认创建并加入一个叫做“elasticsearch”的集群。

8.分片 shards

一台服务器，无法存储大量的数据，es把一个index里面的数据，分为多个shard，分布式的存储在各个服务器上面。
作用：水平分割/扩展你的内容容量。
- 在分片（潜在地，位于多个节点上）之上进行分布式的、并行的操作，进而提高性能/吞吐量。

9.复制 replicas

在一个网络/云的环境里，失败随时都可能发生，在某个分片/节点不知怎么的就处于离线状态，或者由于任何原因消失了，这种情况下，有一个故障转移机制是非常有用并且是强烈推荐的。为此目的，es允许你创建分片的一份或多份拷贝，这些拷贝叫做复制分片，或者直接叫复制。
作用：在分片/节点失败的情况下，提供了高可用性。
- 扩展搜索量/吞吐量
默认情况下，es中的每个索引被分片5个主分片和1个复制，这意味着，如果你的集群中至少有两个节点，你的索引将会有5个主分片和另外5个复制分片（1个完全拷贝），这样的话每个索引总共就有10个分片。

10.理解

我们可以对应数据库来理解：

比如：书包含有书的类型、作者、价格

在数据库中表示如下：
在es中表示如下：
- 首先建立一个名叫books 的索引，然后创建一个名叫 book 的类型，类型是通过 Mapping 来定义每个字段的类型
- 类型、作者都是 Keyword 类型，价格是Integer 类型，最后就是把数据组织成 Json 格式存放进去了。

三、Elasticsearch 安装

1.这里使用docker镜像下载

docker pull elasticsearch:5.6.8

如图：

2.安装es容器

docker run -di --name=es -p 9200:9200 -p 9300:9300 elasticsearch:5.6.8

如图：

3.测试

9200端口为Web管理平台端口
9300为服务默认端口
浏览器输入地址访问： http://虚拟机IP地址:9200/

4.开启远程连接

上面完成安装后，es并不能正常使用，elasticsearch从5版本以后默认不开启远程连接，程序直接连接会报错误
我们需要修改es配置开启远程连接：

#1.进入容器
docker exec -it es /bin/bash
#2.进入config目录
cd config
#3.vi命令无法识别，因为docker容器里面没有该命令，我们可以安装该编辑器。
apt-get update
apt-get install vim

如图：

#4.等待安装好了后，修改elasticsearch.yml配置
vi elasticsearch.yml
#添加下面一行代码：
cluster.name: my-elasticsearch

如图：

#5.重启docker
docker restart es

5.出现问题

1.重启后发现重启启动失败了，因为elasticsearch在启动的时候会进行一些检查，比如最多打开的文件的个数以及虚拟内存区域数量等等，如果你放开了此配置，意味着需要打开更多的文件以及虚拟内存，所以我们还需要系统调优：

#6.修改limits.conf  
vi/etc/security/limits.conf
#7.添加下面两行代码：
* soft nofile 65536
* hard nofile 65536

nofile是单个进程允许打开的最大文件个数
soft nofile 是软限制 hard nofile是硬限制

如图：

2.修改vi /etc/sysctl.conf

#8.修改sysctl.conf 
vi /etc/sysctl.conf
#9.添加下面一行代码
#限制一个进程可以拥有的VMA(虚拟内存区域)的数量 
vm.max_map_count=655360

如图：

#10.执行下面命令 修改内核参数马上生效
sysctl -p
#11.重启
reboot

6.跨域配置

#12修改配置文件：elasticsearch.yml增加三句命令
http.cors.enabled: true  #允许elasticsearch跨域访问，默认是false
http.cors.allow-origin: "*"  #表示跨域访问允许的域名地址
network.host: 192.168.220.100  #这里写自己的虚拟机地址
#13.重启docker
docker restart es
#如果想让容器开启重启，可以执行下面命令
docker update --restart=always 容器名称或者容器id

如图：

四、ElasticSearch的客户端操作

1.使用elasticsearch-head

ElasticSearch不同于Solr自带图形化界面，我们可以通过安装ElasticSearch的head插件，完成图形化界面的效果，完成索引数据的查看。
1.这里采用本地安装方式进行head插件的安装: 下载head插件
2.将elasticsearch-head-master压缩包解压到任意目录，要和elasticsearch的安装目录区别开

3. 下载nodejs
4. 将grunt安装为全局命令，Grunt是基于Node.js的项目构建工具

#在elasticsearch-head-master存放位置下输入cmd打开控制台
#输入如下执行命令：
1.cnpm install -g grunt-cli

如图：

#2.再输入指令
npm install

#3.将head插件启动
grunt server

测试：打开浏览器，输入 http://localhost:9100
此时连接 http://虚拟机IP地址:9200可以看到健康值说明成功了

2.使用Postman工具进行Restful接口访问

2.1ElasticSearch的接口语法：

curl -X<VERB> '<PROTOCOL>://<HOST>:<PORT>/<PATH>?<QUERY_STRING>' -d '<BODY>

参数	解释
VERB	适当的 HTTP 方法或谓词 : GET 、 POST 、 PUT 、 HEAD 或者 DELETE
PROTOCOL	http 或者 https
HOST	Elasticsearch 集群中任意节点的主机名，或者用 localhost 代表本地机器上的节点
PORT	运行 Elasticsearch HTTP 服务的端口号，默认是 9200
PATH	API 的终端路径
QUERY_STRING	任意可选的查询字符串参数
BODY	一个 JSON 格式的请求体

2.2创建索引index

创建索引(方式一)

#请求url：
PUT      192.168.23.129:9200/aaa
#请求体：

    "mappings": 
        "article": 
            "properties": 
                "id": 
                    "type": "long",
                    "store": true,
                    "index":"not_analyzed"
                    ,
                "title": 
                    "type": "text",
                    "store": true,
                    "index":"analyzed",
                    "analyzer":"standard"
                    ,
                "content": 
                    "type": "text",
                    "store": true,
                    "index":"analyzed",
                    "analyzer":"standard"

如图：

响应结果：

elasticsearch-head查看：

创建索引(方式二)

如图用head图形化界面工具里的新建索引：

elasticsearch-head查看：

2.3设置映射mapping

设置Mapping
刚刚只是单纯的创建了bbb索引，并没有设置mapping信息，下面给bbb设置mapping信息。当然也可以创建索引的同时创建mapping信息（后面使用过）

#请求url：
POST        http://192.168.23.129:9200/bbb/hello/_mappin
#请求体：

    "hello": 
            "properties": 
                "id": 
                    "type": "long",
                    "store": true
                    ,
                "title": 
                    "type": "text",
                    "store": true,
                    "index":true,
                    "analyzer":"standard"
                    ,
                "content": 
                    "type": "text",
                    "store": true,
                    "index":true,
                    "analyzer":"standard"

如图：

响应结果：

elasticsearch-head查看：

2.4删除索引index

删除索引aaa

#请求url：
DELETE         192.168.23.129:9200/aaa

如图：

elasticsearch-head查看，aaa已被删除：

2.5创建文档document

#请求url：
POST        192.168.23.129:9200/bbb/hello/1
#请求体：

    "id":1,
    "title":"aaa",
    "content":"bbb"

如图：

elasticsearch-head查看：

2.6修改文档document

#请求url：
POST        192.168.23.129:9200/bbb/hello/1
#请求体：

    "id":1,
    "title":"ccc",
    "content":"ddd"

如图：

elasticsearch-head查看：

2.7删除文档document

#请求url：
DELETE       192.168.23.129:9200/bbb/hello/1

如图：

elasticsearch-head查看：

2.8查询文档-根据id查询

这里新建一个document用来查询

#新建一个document
POST        192.168.23.129:9200/bbb/hello/1

    "id":1,
    "title":"床前明月光aaa",
    "content":"疑是地上霜bbb"



#查询文档-根据id查询
GET         192.168.23.129:9200/bbb/hello/1

如图：

elasticsearch-head查看：

2.9查询文档-querystring查询

#请求url：
POST        192.168.23.129:9200/bbb/hello/_search

    "query": 
        "query_string": 
        "default_field": "title",
        "query": "床前明月光"

如图：

#请求url：
POST        192.168.23.129:9200/bbb/hello/_search

    "query": 
        "query_string": 
        "default_field": "title",
        "query": "夜光"

以上根据“床前明月光”和“夜光”都可以查到title，显然“夜光”查到的并不符合我们的需求，而且查到的也很不合理，这是因为分词器的原因，用querystring查询会进行分词，此时用的是Standard分词。

2.10查询文档-term查询

#请求url：
POST        192.168.23.129:9200/bbb/hello/_search

    "query": 
        "term": 
            "title": "前"

如图：

#请求url：
POST        192.168.23.129:9200/bbb/hello/_search

    "query": 
        "term": 
            "title": "床前"

如图：

以上根据“前”可以查到title，而“床前”查不到title，这是因为用term查询不会进行分词。

五、IK分词器

简介：
IK Analyzer 是一个开源的，基于 java 语言开发的轻量级的中文分词工具包。从 2006年 12 月推出 1.0 版开始， IKAnalyzer 已经推出了 4 个大版本。最初，它是以开源项目Luence 为应用主体的，结合词典分词和文法分析算法的中文分词组件。从 3.0 版本开始，IK 发展为面向 Java 的公用分词组件，独立 Lucene 项目，同时提供了对 Lucene 的默认优化实现。在 2012 版本中，IK 实现了简单的分词歧义排除算法，标志着 IK 分词器从单纯的词典分词向模拟语义分词衍化。
分词：即把一段中文或者别的划分成一个个的关键字，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，比如前面的Standard分词会把“床前明月光”分成“床”，“前”，“明“，”月”，“光”这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。
IK提供了两个分词算法：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

1.安装ik分词器

IK分词器下载地址
将ik分词器上传到服务器上，然后解压，指令如下：

#解压
unzip elasticsearch-analysis-ik-5.6.8.zip
#改名为ik
mv elasticsearch ik
#将ik目录拷贝到docker容器的plugins目录下
docker cp ./ik es:/usr/share/elasticsearch/plugins

如图：

IK分词器测试
此时测试ik_smart
访问：http://192.168.23.129:9200/_analyze analyzer=ik_smart&pretty=true&text=我爱祖国

结果如下：

此时测试ik_max_word
访问：http://192.168.23.129:9200/_analyze analyzer=ik_max_word&pretty=true&text=我爱祖国

2.使用ik分词器

未使用ik分词器

#请求url：
POST        192.168.23.129:9200/bbb/hello/_search

    "query": 
        "term": 
            "title": "月"

“床前明月光”分成“床”，“前”，“明“，”月”，“光”，所以“月”查得到，“月光”查不到

接下来咱们使用ik分词器
先创建一个使用ik分词器的新的索引ccc


PUT        192.168.23.129:9200/ccc

    "mappings": 
        "article": 
            "properties": 
                "id": 
                    "type": "long",
                    "store": true,
                    "index":"not_analyzed"
                ,
                "title": 
                    "type": "text",
                    "store": true,
                    "index":"analyzed",
                    "analyzer":"ik_max_word"
                ,
                "content": 
                    "type": "text",
                    "store": true,
                    "index":"analyzed",
                    "analyzer":"ik_max_word"

响应结果：

再创建document

#请求url：
POST        192.168.23.129:9200/ccc/article/1
#请求体：

    "id":1,
    "title":"床前明月光aaa",
    "content":"疑是地上霜bbb"

如图：

此时再次使用ik分词器的term查询

#请求url：
POST        192.168.23.129:9200/ccc/article/_search

    "query": 
        "term": 
            "title": "月光"

可以查到了

此时使用ik分词器querystring查询

#请求url：
POST        192.168.23.129:9200/ccc/article/_search

    "query": 
        "query_string": 
        "default_field": "title",
        "query": "夜光"

之前使用Standard分词器可以根据“夜光”查到，此时结果查不到了

六、Kibana使用

介绍

Kibana 是一款开源的数据分析和可视化平台，它是 Elastic Stack 成员之一，设计用于和 Elasticsearch协作。您可以使用 Kibana 对 Elasticsearch 索引中的数据进行搜索、查看、交互操作。您可以很方便的利用图表、表格及地图对数据进行多元化的分析和呈现。
Kibana 可以使大数据通俗易懂。它很简单，基于浏览器的界面便于您快速创建和分享动态数据仪表板来追踪 Elasticsearch 的实时数据变化。
搭建 Kibana 非常简单。您可以分分钟完成 Kibana 的安装并开始探索 Elasticsearch 的索引数据 — 没有代码、不需要额外的基础设施。

1.Kibana下载安装

这里使用虚拟机的docker镜像下载
指令如下：

#镜像下载
docker pull docker.io/kibana:5.6.8
#安装kibana容器
docker run -it -d -e ELASTICSEARCH_URL=http://192.168.23.129:9200 --name kibana
-p 5601:5601 kibana:5.6.8

安装后访问：http://192.168.23.129:5601 如下：

如图所示安装成功：

如图便是我们之前的数据了：

2.DSL语句使用

#查看所有索引
GET /_cat/indices?v

#删除某个索引
DELETE /skuinfo

#新增索引
PUT /user

#创建映射
PUT /user/userinfo/_mapping

	"properties": 
		"name":
			"type": "text",
			"analyzer": "ik_smart",
			"search_analyzer": "ik_smart",
			"store": false
		,
		"city":
			"type": "text",
			"analyzer": "ik_smart",
			"search_analyzer": "ik_smart",
			"store": false
		,
		"age":
			"type": "long",
			"store": false
		,
		"description":
			"type": "text",
			"analyzer": "ik_smart",
			"search_analyzer": "ik_smart",
			"store": false
		
	


#新增文档数据 id=1
PUT /user/userinfo/1

	"name":"a",
	"age":22,
	"city":"beijing",
	"description":"i love you"


#更新数据,id=1
PUT /user/userinfo/4

	"name":"b",
	"description":"you love me"


#根据ID查询
GET /user/userinfo/1

#恢复文档数据 id=1
PUT /user/userinfo/1

	"name":"a",
	"age":22,
	"city":"beijing",
	"description":"i love you"


#使用POST更新某个域的数据
POST /user/userinfo/1/_update

	"doc":
		"name":"b",
		"description":"you love me"
	

#根据ID查询
GET /user/userinfo/1

#删除数据
DELETE user/userinfo/1

#查询所有
GET /user/_search

#根据ID查询
GET /user/userinfo/1

#搜索排序
GET /user/_search

	"query":
		"match_all": 
	,
	"sort":
		"age":
		"order":"desc"
		
	


#分页实现
GET /user/_search

	"query":
		"match_all": 
	,
	"sort":
		"age":
		"order":"desc"
		
	,
	"from": 0,
	"size": 2


#查询-term
GET _search

	"query":
		"term":
			"city":"武汉"
		
	


#查询-terms 允许多个Term
GET _search

	"query":
		"terms":
			"city":
					[
					"武汉",
					"广州"
					]
		
	



#match查询
GET _search

	"query": 
		"match": 
			"description": "武汉"
		
	


#过滤-range 范围过滤
#gt表示> gte表示=>
#lt表示< lte表示<=
GET _search

	"query":
		"range": 
			"age": 
				"gte": 30,
				"lte": 57
			
		
	


#过滤搜索 exists：是指包含某个域的数据检索
GET _search

	"query": 
		"exists":
			"field":"address"
		
	


#过滤搜索 bool
#must : 多个查询条件的完全匹配,相当于 and。
#must_not : 多个查询条件的相反匹配，相当于 not。
#should : 至少有一个查询条件匹配, 相当于 or。
GET _search

	"query": 
		"bool": 
			"must": [
							
							"term": 
								"city": 
								"value": "深圳"
								
							
						,
							
							"range":
								"age":
									"gte":20,
									"lte":99
								
							
						
					]	
			
	


#查询所有 match_all
GET _search

	"query": 
		"match_all": 
	


#字符串匹配
GET _search

	"query": 
		"match": 
			"description": "武汉"
		
	


#前缀匹配 prefix
GET _search

	"query": 
		"prefix": 
			"name": 
			"value": "赵"
			
		
	


#多个域匹配搜索
GET _search

	"query": 
		"multi_match": 
			"query": "深圳",
			"fields": [
						"city",
						"description"
						]
				
		


#过滤-range 范围过滤
#gt表示> gte表示=>
#lt表示< lte表示<=
GET _search

	"query": 
		"bool": 
			"must": [
						"match": 
									"city": "深圳武汉"
									
							],
			"filter": 
				"range": 
					"age": 
					"gte": 20,
					"lte": 60

七、使用Java编程操作ElasticSearch

pox.xml

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.lxs</groupId>
    <artifactId>es-demo</artifactId>
    <version>1.0-SNAPSHOT</version>

    <dependencies>
        <dependency>
            <groupId>org.elasticsearch</groupId>
            <artifactId>elasticsearch</artifactId>
            <version>5.6.8</version>
        </dependency>
        <dependency>
            <groupId>org.elasticsearch.client</groupId>
            <artifactId>transport</artifactId>
            <version>5.6.8</version>
        </dependency>
        <dependency>
            <groupId>org.apache.logging.log4j</groupId>
            <artifactId>log4j-to-slf4j</artifactId>
            <version>2.9.1</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-api</artifactId>
            <version>1.7.24</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-simple</artifactId>
            <version>1.7.21</version>
        </dependency>
        <dependency>
            <groupId>log4j</groupId>
            <artifactId>log4j</artifactId>
            <version>1.2.12</version>
        </dependency>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
        </dependency>

        <dependency>
            <groupId>com.fasterxml.jackson.core</groupId>
            <artifactId>jackson-core</artifactId>
            <version>2.8.1</version>
        </dependency>
        <dependency>
            <groupId>com.fasterxml.jackson.core</groupId>
            <artifactId>jackson-databind</artifactId>
            <version>2.8.1</version>
        </dependency>
        <dependency>
            <groupId>com.fasterxml.jackson.core</groupId>
            <artifactId>jackson-annotations</artifactId>
            <version>2.8.1</version>
        </dependency>

    </dependencies>

</project>

1.创建索引index

	//创建索引
public void test1() throws Exception
	// 创建Client连接对象
		TransportClient client;
        //创建一个client对象
        Settings settings = Settings.builder().put("cluster.name", "my-elasticsearch").build();
        //2:客户端
        client = new PreBuiltTransportClient(settings);
        client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.23.129"), 9300));
	//创建名称为ddd的索引
	client.admin().indices().prepareCreate("ddd").get();
	//释放资源
	client.close();

2.创建映射mapping

public void test2() throws Exception
	// 创建Client连接对象
		TransportClient client;
        //创建一个client对象
        Settings settings = Settings.builder().put("cluster.name", "my-elasticsearch").build();
        //2:客户端
        client = new PreBuiltTransportClient(settings);
        client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.23.129"), 9300));
	XContentBuilder builder = XContentFactory.jsonBuilder()
                .startObject()
                .startObject("article")
                .startObject("properties")
                .startObject("id")
                .field("type", "integer").field("store", "yes")
                .endObject()
                .startObject("title")
                .field(Elasticsearch 学习之子聚集过滤
 OSPF协议超详总结
 C语言学习阶段性总结！(内附超详知识导图+重点知识详解)
 C语言☀️函数超详讲解☀️（详细讲解+代码演示+图解）建议收藏
 JavaSE数组超详讲解一次性 弄懂 数组问题
 ElasticSearch学习