分布式搜索引擎ElasticSearch-1

Posted 2022-09-12 endorphinnnn

1、初识ES

1.1.了解ES

1.1.1.作用

开源搜索引擎，从海量数据中快速找到需要的内容

1.1.2.ELK技术栈

elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域。而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。

1.1.3.elasticsearch和Lucene

elasticsearch底层是基于lucene来实现的。

Lucene是一个Java语言的搜索引擎类库，提供了搜索引擎的核心API

Lucene优势：以扩展、高性能（基于倒排索引）
Lucene缺点：只限于Java语言开发、学习曲线陡峭、不支持水平扩展

1.2.倒排索引

倒排索引的概念是基于mysql这样的正向索引。

1.2.1.正向索引

根据id建立索引。id和title建表，如果基于title做模糊查询，那么只能根据id进行逐行扫描。

是根据文档找词条的过程。

优点：

• 可以给多个字段创建索引
• 根据索引字段搜索、排序速度非常快
  缺点：
• 根据非索引字段或者索引字段中的部分词条查找时，只能全表扫描

1.2.2.倒排索引

有两个非常重要的概念：

• 文档（Document）：用来搜索的数据，其中的每一条数据就是一个文档。
• 词条（Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具体含义的词语就是词条。分词。

创建倒排索引是对正向索引的一种特殊处理：

• 将每一个文档的数据利用算法分词，得到一个个词条
• 创建表，每行数据包括词条、词条所在文档id、位置等信息
• 因为词条唯一性，可以给词条创建索引。

是根据词条找文档的过程。

优点：

• 根据词条搜索、模糊搜索时，速度非常快
  缺点：
• 只能给词条创建索引，而不是字段
• 无法根据字段做排序

1.3.ES的一些概念

文档
es是面向文档存储的，可以是数据库的一条商品数据、一个订单信息。文档数据会被序列化为json格式后存储在es中。
字段
json文档中往往包含很多的字段（field），类似于数据库中的列。
索引
相同类型的文档的集合，可以把索引当做数据库中的表。
映射
数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此索引库中的映射，就是索引中文档的字段约束信息，类似表的结构约束。
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

MySQL	Elasticsearch	说明
Table	Index	索引(index)，就是文档的集合，类似数据库的表(table)
Row	Document	文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式
Column	Field	字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
Schema	Mapping	Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）
SQL	DSL	DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

• 对于安全性较高的写操作，使用mysql实现
• 对于查询性能较高的搜索需求，使用es实现
• 两者再基于某种方式，实现数据的同步，保证一致性

1.4.分词器

作用

• 创建倒排索引时对文档分词
• 用户搜索时，对输入的内容分词
  模式
• ik_smart:只能切分，粗粒度
• ik_max_work:最细切分，细粒度
  如何扩展词条、停用词条
• 利用config牡蛎的IkAnalyzer.cfg.xml文件添加拓展词典和停用词典
• 在词典中添加拓展词条或者停用词条
  在ext.dic文件里添加拓展词条，在stopword.dic文件里添加停用词条。

<?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>

2、索引库操作

Rest（PUT、GET、DELETE）

2.1.mapping映射属性

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、国家等不分词）
  • 数值：long、integer等
  • 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

2.2.索引库的CRUD

2.2.1.创建索引库

# PUT /索引库名称
PUT /heima

  "mappings": 
    "properties": 
      "info":
        "type": "text",
        "analyzer": "ik_smart"
      ,
      "email":
        "type": "keyword",
        "index": "falsae"
      ,
      "name":
        "properties": 
          "firstName": 
            "type": "keyword"
          
        
      ,
      // ... 略
    
  

2.2.2.修改索引库（添加字段）

索引库一旦创建，无法修改mapping中已有的字段，但是允许添加新字段到mapping中。

PUT /索引库名/_mapping

  "properties": 
    "新字段名":
      "type": "integer"
    
  

2.2.3.查看索引库

GET /索引库名

2.2.4.删除索引库

DELETE /索引库名

3、文档操作

3.1.新增文档

可以用post和put，但是post新增不指定id系统会自动新建一个id；而get不指定id系统不会分配。

POST /索引库名/_doc/文档id

    "字段1": "值1",
    "字段2": "值2",
    "字段3": 
        "子属性1": "值3",
        "子属性2": "值4"
    ,
    // ...

3.2.查询文档

GET /索引库名称/_doc/id

3.3.删除文档

DELETE /索引库名/_doc/id值

3.4.修改文档

• 全量修改（id存在，即为修改；不存在，即为新增）
  会删除旧文档，添加新文档

POST /索引库名/_doc/文档id

    "字段1": "值1",
    "字段2": "值2",
    "字段3": 
        "子属性1": "值3",
        "子属性2": "值4"
    ,
    // ...

• 增量修改
  修改指定字段的值

POST /索引库名/_update/文档id

    "doc": 
         "字段名": "新的值",
    

4、RestAPI

ES中支持两种地理坐标数据类型：

• geo_point:点
• geo_shape:多个点连接形成的形状

copy_to:将当前字段拷贝到指定字段

核心是client.indices()方法来获取索引库的操作对象。

4.1.初始化RestClient

在elasticsearch提供的API中，与elasticsearch一切交互都封装在一个名为RestHighLevelClient的类中，必须先完成这个对象的初始化，建立与elasticsearch的连接：
1、导入es的RestHighLevelClient依赖：

<dependency>
    <groupId>org.elasticsearch.client</groupId>
    <artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>

2、因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本：

<properties>
    <java.version>1.8</java.version>
    <elasticsearch.version>7.12.1</elasticsearch.version>
</properties>

3、初始化RestHighLevelClient

RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(
        //填写自己的IP值和端口
        HttpHost.create("http://192.168.150.101:9200")
));

4.2.创建索引库

• 1）创建Request对象。因为是创建索引库的操作，因此Request是CreateIndexRequest。
• 2）添加请求参数，其实就是DSL的JSON参数部分。因为json字符串很长，这里是定义了静态字符串常量MAPPING_TEMPLATE，让代码看起来更加优雅。
• 3）发送请求，client.indices()方法的返回值是IndicesClient类型，封装了所有与索引库操作有关的方法。

//MAPPING_TEMPLATE是自己定义的格式
@Test
void createHotelIndex() throws IOException 
    // 1.创建Request对象
    CreateIndexRequest request = new CreateIndexRequest("hotel");
    // 2.准备请求的参数：DSL语句
    request.source(MAPPING_TEMPLATE, XContentType.JSON);
    // 3.发送请求
    client.indices().create(request, RequestOptions.DEFAULT);

4.3.删除索引库

• 1）创建Request对象。这次是DeleteIndexRequest对象
• 2）准备参数。这里是无参
• 3）发送请求。改用delete方法

@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);

4.4.判断索引库是否存在

• 1）创建Request对象。这次是GetIndexRequest对象
• 2）准备参数。这里是无参
• 3）发送请求。改用exists方法

@Test
void testExistsHotelIndex() 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
    System.err.println(exists ? "索引库已经存在！" : "索引库不存在！");

5、RestClient操作文档

数据库结构和索引库结构会不一致，所以需要新建类库来使结构保持一致。

5.1.新增文档

@Test
void testAddDocument() throws IOException 
    // 1.根据id查询酒店数据
    Hotel hotel = hotelService.getById(61083L);
    // 2.转换为文档类型
    HotelDoc hotelDoc = new HotelDoc(hotel);
    // 3.将HotelDoc转json
    String json = JSON.toJSONString(hotelDoc);

    // 1.准备Request对象
    IndexRequest request = new IndexRequest("hotel").id(hotelDoc.getId().toString());
    // 2.准备Json文档
    request.source(json, XContentType.JSON);
    // 3.发送请求
    client.index(request, RequestOptions.DEFAULT);

5.2.查询文档

@Test
void testGetDocumentById() throws IOException 
    // 1.准备Request
    GetRequest request = new GetRequest("hotel", "61082");
    // 2.发送请求，得到响应
    GetResponse response = client.get(request, RequestOptions.DEFAULT);
    // 3.解析响应结果
    String json = response.getSourceAsString();

    HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
    System.out.println(hotelDoc);

5.3.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);

5.4.修改文档

• 全量修改：与新增的API完全一致，如果新增时id已存在，则修改；如果新增时id不存在，则新增。
• 增量修改：

@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);

5.5.批量导入文档

BulkRequest做批量操作，有批量的增、删、查操作。

@Test
void testBulkRequest() throws IOException 
    // 批量查询酒店数据
    List<Hotel> hotels = hotelService.list();

    // 1.创建Request
    BulkRequest request = new BulkRequest();
    // 2.准备参数，添加多个新增的Request
    for (Hotel hotel : hotels) 
        // 2.1.转换为文档类型HotelDoc
        HotelDoc hotelDoc = new HotelDoc(hotel);
        // 2.2.创建新增文档的Request对象
        request.add(new IndexRequest("hotel")
                    .id(hotelDoc.getId().toString())
                    .source(JSON.toJSONString(hotelDoc), XContentType.JSON));
    
    // 3.发送请求
    client.bulk(request, RequestOptions.DEFAULT);