ElasticSearch学习

Posted TiestoRay

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学习相关的知识,希望对你有一定的参考价值。

前言:ES学习可参考 《Elasticsearch: 权威指南》,这个在线电子书内容介绍的很是详细。

本文使用的ElasticSearch版本是 2.4.2

官网 https://www.elastic.co/

中文社区 http://elasticsearch.cn/

 

 

目录

 

 

安装

首先我们需要去官网下载安装包  官方下载地址

解压后结构是这样的(2.5以上版本会有plugins目录,没有的需要手动创建)

 

创建一个es用户(因为es不允许使用root用户启动)

useradd es

 

将该目录权限修改为es用户所有

chown es:es -hR .

 

所有要作为es节点的机器都要执行以上操作

 

安装插件

ES的插件都是要安装到 es安装目录/plugins/ 下

官网插件地址 :https://www.elastic.co/guide/en/elasticsearch/plugins/2.4/intro.html

1.elasticsearch-head

这是一个elasticsearch的集群管理工具,它是完全由html5编写的独立网页程序,通过这个插件可以可视化监控ES。

我使用的是版本2.4.2,安装起来很是简单,在ES根目录下执行 

bin/plugin install mobz/elasticsearch-head

成功之后在页面上访问 http://192.168.0.39:9200/_plugin/head/ 即可。

其他版本或者更多详情,参考官网:https://github.com/mobz/elasticsearch-head

 

ES5以后就不能用安装的方式启动head插件了,除了安装之外,还需要在elasticsearch.yml里面增加:

http.cors.enabled : true
http.cors.allow-origin : "*"

 

2.中文分词器 ik

官网 https://github.com/medcl/elasticsearch-analysis-ik

下载源码之后进行解压

然后用maven编译

maven package

 

成功后安装包在target/releases/elasticsearch-analysis-ik-x.x.x.zip

将这个压缩包解压到es的插件的对应目录下即可(plugins/ik)。

最后 重启ES集群

 

3.elasticsearch-analysis-pinyin 分词器

4.nGram

我们用ik分词器的时候,检索的时候会把搜索词进行分词然后检索。如

搜索 “我们的生活”,优先是包含这5个字的,但是也会返回包含“我们”和“生活”的数据。

但是有时候我们不需要这么智能,只需要完全匹配的进行搜索。这就需要用到ngram了。(不需要单独安装,只需要设置settings即可)

先上一个例子

POST 
url : localhost:9200/ngramtest
Content-Type: application/json

{
    "settings": {
        "analysis": {
            "analyzer": {
                "charSplit": {
                    "type": "custom", 
                    "tokenizer": "my_ngram_tokenizer",
                    "filter":["lowercase"]
                }
            },
            "tokenizer": {
                "my_ngram_tokenizer": {
                    "type": "nGram", 
                    "min_gram": "2", 
                    "max_gram": "4", 
                    "token_chars": ["letter","digit","punctuation"]
                }
            }
        }
    }, 
    "mappings": {
        "myType": {
            "dynamic": "strict", 
            "properties": {
                "content": {
                    "type": "string", 
                    "analyzer": "charSplit", 
                    "search_analyzer": "charSplit"
                }
            }
        }
    }
}

 

 

属性settings.analysis.tokenizer下面的 my_ngram_tokenizer 对象是自定义的tokenizer

settings.analysis.analyzer.charSplit 则是基于 my_ngram_tokenizer 的自定义分词器

关于my_ngram_tokenizer 中的属性:

min_gram:单个词的最小长度,默认1
max_gram:单个词的最大长度,默认2
token_chars:可以接受的字符集(即遇到不在列表中的字符集会进行文本分割)
字符集包括
letter           字母或汉字  a, b, ï or 京
digit            数字 3 or 7
whitespace       空白(空格、回车、tab等)  " " or "\\n"
punctuation      标点符号  ! , 。or "
symbol           标志(区别于标点符号) $ or √

 

 

可以从下面的例子了解一下

配置片段 "token_chars": ["letter","digit","punctuation"] 

即接收文字数字和标点,那现在我在内容中添加symbol标记 $

POST 192.168.5.222:9200/yuqingtest/_analyze?pretty&analyzer=charSplit

商业核心和$标准化技术

 

 返回结果

{
  "tokens": [
    {
      "token": "商业核",
      "start_offset": 0,
      "end_offset": 3,
      "type": "word",
      "position": 0
    },
    {
      "token": "商业核心",
      "start_offset": 0,
      "end_offset": 4,
      "type": "word",
      "position": 1
    },
    {
      "token": "业核心",
      "start_offset": 1,
      "end_offset": 4,
      "type": "word",
      "position": 2
    },
    {
      "token": "业核心和",
      "start_offset": 1,
      "end_offset": 5,
      "type": "word",
      "position": 3
    },
    {
      "token": "核心和",
      "start_offset": 2,
      "end_offset": 5,
      "type": "word",
      "position": 4
    },
    {
      "token": "标准化",
      "start_offset": 6,
      "end_offset": 9,
      "type": "word",
      "position": 5
    },
    {
      "token": "标准化技",
      "start_offset": 6,
      "end_offset": 10,
      "type": "word",
      "position": 6
    },
    {
      "token": "准化技",
      "start_offset": 7,
      "end_offset": 10,
      "type": "word",
      "position": 7
    },
    {
      "token": "准化技术",
      "start_offset": 7,
      "end_offset": 11,
      "type": "word",
      "position": 8
    },
    {
      "token": "化技术",
      "start_offset": 8,
      "end_offset": 11,
      "type": "word",
      "position": 9
    }
  ]
}

 

可以看到$分割开了左右的词

5. delete-by-query

ES的条件删除API从2.0开始就已经被删掉了,之后版本只能通过安装插件的方式进行条件删除。

bin/plugin install delete-by-query

注:集群环境下必须在每个结点上安装且重启结点后插件才会生效。

使用方式跟2.0以前的版本一样。

 

 

 

配置

ES的配置除了一些必要的选项,其他的不要修改,因为能优化的地方官方都已经优化了,如果改了反而可能引起各种问题。 

配置文件只需要改动config/elasticsearch.yml 的4个地方即可

...
cluster.name: my-es-cluster
...
node.name: node1
...
network.host: 192.168.245.139
...
discovery.zen.ping.multicast.enabled: false
discovery.zen.ping.unicast.hosts: ["192.168.0.37", "192.168.0.38","192.168.0.39"]

要注意的是  yml类型的配置文件  冒号后面必须要有一个空格  否则读取的时候会认为格式不正确。

discovery.zen.ping.unicast.hosts 是指定Master的备选节点;如果不添加这一行,那将成为单点的ES。

 

其他可改动项:

①路径

默认情况下, Elasticsearch 会把插件、日志以及你最重要的数据放在安装目录下。这会带来不幸的事故, 如果你重新安装 Elasticsearch 的时候不小心把安装目录覆盖了,你就可能把你的全部数据删掉了。

最好的选择就是把你的数据目录配置到安装目录以外的地方, 同样你也可以选择转移你的插件和日志目录。

#注意:你可以通过逗号分隔指定多个目录。
path.data: /path/to/data1,/path/to/data2 # Path to log files: path.logs: /path/to/logs # Path to where plugins are installed: path.plugins: /path/to/plugins

 

②脑裂相关

ES集群中Master承担了更大的请求和计算压力,如果Master崩了的话,会出现脑裂问题(Split Brain)

所以我们进行职责分离:

指定若干节点只作为Master,添加配置

node.master: true
node.data: false

其他的作为DataNode,添加配置

node.master: false
node.data: true

改变发现机制

discovery.zen.ping.multicast.enabled: false

延长主节点发现时间(确定Master失联的时间间隔)

discovery.zen.ping_timeout: 3

 

 

 

参考:Elasticsearch笔记八之脑裂

 
③最小主节点数
 
该设定对集群的稳定 极其重要。 当你的集群中有两个主节点的时候,这个配置有助于防止脑裂
取值算法: ( master 候选节点个数 / 2) + 1 ,例如有3个master候选节点的话:
discovery.zen.minimum_master_nodes: 2

 

 

启动

#先进入ES安装路径
su es //切换到之前创建的es用户
bin/elasticsearch
#bin/elasticsearch -d(也可以后台运行)

关闭
kill `jps |grep Elasticsearch |cut -c1-5`
 

 

在浏览器上输入 http://<IP>:9200/

{
  "name" : "myhost",
  "cluster_name" : "my-es-cluster",
  "cluster_uuid" : "UZHnaRT7R06kBjKh6Qbzvg",
  "version" : {
    "number" : "2.4.2",
    "build_hash" : "161c65a337d4b422ac0c805f284565cf2014bb84",
    "build_timestamp" : "2017-03-17T11:51:03Z",
    "build_snapshot" : false,
    "lucene_version" : "5.5.2"
  },
  "tagline" : "You Know, for Search"
}

看到以上结构内容则表明安装配置成功 

 

 

CURL命令

cluster

#查看集群健康状态
http://192.168.0.37:9200/_cluster/health

#集群统计
http://192.168.0.37:9200/_cluster/stats

#健康状况(分片级别)
http://192.168.0.45:9200/_cluster/health?level=shards

#查看资源占用情况(还有更多参数可设置)
localhost:9200/_cat/nodes?v&h=host,heap.current,heap.percent,heap.max,ram.max,disk.avail,node.role,m

  

index

#创建index
curl -XPUT http://192.168.5.222:9200/index_name/
#删除index
curl -XDELETE http://192.168.5.222:9200/index_name/
#查看index
curl -XGET http://192.168.5.222:9200/index_name/

 

 

type

#新增/更新Type(不在url的最后指定id的话,es会自动生成id)
curl -XPOST http://192.168.5.222:9200/index_name/emp/1 -d \'{"first_name" : "John","age" : 25,"about" : "I love to go rock climbing","interests": ["sports","music"]}\'
#检索Type
curl -XGET http://192.168.5.222:9200/index_name/emp/1?pretty
#查询所有字段
curl –XGET http://192.168.5.222:9200/index_name/emp/1/_source
#只返回部分字段
curl -XGET http://192.168.5.222:9200/index_name/emp/1?_source=name,age
#返回所有数据
curl -XGET http://192.168.5.222:9200/index_name/emp/_search
#简单的条件查询
curl -XGET http://192.168.5.222:9200/index_name/emp/_search?q=first_name:Smith
#根据ID删除
curl -XDELETE http://192.168.5.222:9200/index_name/emp/1
#条件删除
curl -XDELETE \'http://localhost:9200/index_name/emp,user/_query?q=user:kimchy\'
#清空表数据
curl -X DELETE http://192.168.0.39:9200/<index_name>/<type_name>/_query -d \'{"query": {"match_all": {}}}\'
#查看分词情况
curl -XPOST http://192.168.5.222:9200/index_name/_analyze?pretty&analyzer=charSplit -d \'商业核心和$标准化技术\'

 

 

 

type的复杂查询(DSL),这种查询同时支持GET和POST,不过使用CURL命令来POST数据太不直观,我都是使用Postman

#新增type

POST 192.168.5.222:9200/yuqingtest/article/
Content-Type: application/json

{
    "title" : "政协副主席建议提高境外黑匣子",
    "content" : "使用了商业核心和$标准化技术,相比以前的非标$准化方案,更容易维护和支持哈哈有个黑匣子在外面。"
}

 

#查询(查询相关语句太多)

{
  "query": {
    "multi_match": {
      "query": "黑匣子",
      "type": "phrase",
      "slop": 1,
      "fields": [
        "content"
      ],
      "max_expansions": 1
    }
  },
    "highlight" : {
        "pre_tags" : ["<tag1>", "<tag2>"],
        "post_tags" : ["</tag1>", "</tag2>"],
        "fields" : {
            "content" : {}
        }
    },
    "sort":{
        "createTime":{"order":"esc"}
    }
}

 

 

 

JAVA API

ES官方提供的Javaapi用起来不是很方便(org.elasticsearch.elasticsearch)

官方Java Api文档地址:https://www.elastic.co/guide/en/elasticsearch/client/java-api/current/index.html

用spring的封装版就好得多(org.springframework.data.spring-data-elasticsearch),尤其是结合springboot后,精简了配置等相关操作,开发效率更是提升

pom的依赖以及配置参考 Springboot结合elasticsearch,下面只看重点

略过ArticleEntity

Repo

public interface ArticleRepository extends ElasticsearchRepository<ArticleEntity, String> {

}

 

增删改查例子

package com.ray.estest;

import java.util.ArrayList;
import java.util.List;
import java.util.Map;

import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.query.RangeQueryBuilder;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.highlight.HighlightBuilder.Field;
import org.elasticsearch.search.highlight.HighlightField;
import org.elasticsearch.search.sort.SortBuilder;
import org.elasticsearch.search.sort.SortBuilders;
import org.elasticsearch.search.sort.SortOrder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.domain.Page;
import org.springframework.data.domain.PageRequest;
import org.springframework.data.domain.Pageable;
import org.springframework.data.elasticsearch.core.ElasticsearchTemplate;
import org.springframework.data.elasticsearch.core.SearchResultMapper;
import org.springframework.data.elasticsearch.core.aggregation.AggregatedPage;
import org.springframework.data.elasticsearch.core.aggregation.impl.AggregatedPageImpl;
import org.springframework.data.elasticsearch.core.query.NativeSearchQueryBuilder;
import org.springframework.data.elasticsearch.core.query.SearchQuery;

import com.product.yq_common.utils.StringUtils;
import com.product.yq_service.entity.input.ArticleDetailInput;
import com.product.yq_service.entity.input.ArticleQueryEntity;
import com.product.yq_service.entity.output.ArticleSummaryInfoEntity;
import com.product.yq_serviceimpl.entity.ArticleEntity;
import com.product.yq_serviceimpl.repo.ArticleRepository;
/**
 * @author Ray
 * 2017年3月30日
 */
public class ArticleServiceImpl {

    @Autowired
    private ArticleRepository repo;

    @Autowired
    private ElasticsearchTemplate elasticsearchTemplate;

    public Object getArticles(ArticleQueryEntity entity) throws Exception {
        List<ArticleSummaryInfoEntity> articles = new ArrayList<ArticleSummaryInfoEntity>();
        // 分页
        Pageable pager = new PageRequest(0, 10);

        // 构建查询语句
        BoolQueryBuilder qb = QueryBuilders.boolQuery().must(QueryBuilders.termQuery("deleted", false))
                .must(QueryBuilders.termQuery("name", "Zhang"))// term一般用于not_analyzed
                .must(QueryBuilders.matchQuery("favorite", entity.getType()));// match则用于analyzed

        // 拼接条件
        if (!StringUtils.isEmpty(entity.getSearchWord())) {
            // multiMatchQuery 混合查询 同时检索多个字段
            qb = qb.must(QueryBuilders.multiMatchQuery(entity.getSearchWord(), "title", "summary"));
        }

        if (!StringUtils.isEmpty(entity.getStartDate()) || !StringUtils.isEmpty(entity.getEndDate())) {
            // 区间查询 gt,lt,gte,lte,from-to,
            RangeQueryBuilder rqb = QueryBuilders.rangeQuery("createDate");
            if (!StringUtils.isEmpty(entity.getStartDate())) {
                rqb = rqb.gte(entity.getStartDate());
            }
            if (!StringUtils.isEmpty(entity.getEndDate())) {
                rqb = rqb.lte(entity.getEndDate());
            }
            qb = qb.must(rqb);
        }

        // 排序(最好不要用字符串类型的Field做排序)
        SortBuilder sort = SortBuilders.fieldSort("createTime").order(SortOrder.DESC);

        // 开始组装
        SearchQuery query = new NativeSearchQueryBuilder().withQuery(qb).withSort(sort).withPageable(pager).build();

        // 返回的是带有分页数据的对象
        Page<ArticleEntity> entities = repo.search(query);
        long total = entities.getTotalElements();
        int pages = entities.getTotalPages();
        List<ArticleEntity> rst = entities.getContent();
        return rst;
    }

    /**
     * 更新
     */
    public void update(ArticleDetailInput entity) throws Exception {
        ArticleEntity oriES = repo.findOne(entity.getArticleId());
        oriES.setTitle(entity.getTitle());
        oriES.setContent(entity.getContent());
        repo.save(oriES);
    }

    /**
     * 添加
     */
    public String add(ArticleDetailInput entity) throws Exception {
        ArticleEntity oriES = new ArticleEntity();
        oriES.setTitle("这是title");
        oriES.setContent("这是content");
        oriES = repo.save(oriES);
        return oriES.getArticleId();// articleId映射ES中的ID
    }

    /**
     * 获取详情
     */
    public Object detail(String id) throws Exception {
        return repo.findOne(id);
    }

    /**
     * 删除
     */
    public void delete(String id) throws Exception {
        repo.delete(id);
    }

    /**
     * 根据关键词进行搜索并返回高亮内容
     */

    public Object searchByWords(String word) throws Exception {
        List<ArticleSummaryInfoEntity> articles = new ArrayList<ArticleSummaryInfoEntity>();
        Pageable pager = new PageRequest(0, 10);

        // 构建查询语句
        BoolQueryBuilder qb = QueryBuilders.boolQuery().must(QueryBuilders.termQuery("deleted", false))
                .must(QueryBuilders.multiMatchQuery(word, "title", "content"));

        String preTags = "<span class=\'highlight\'>";
        String postTags = "</span>";
        // 设置要高亮的字段,高亮的前后标签,高亮内容的截取长度
        Field fTitle = new Field("title").preTags(preTags).postTags(postTags).fragmentSize(100);
        Field fContent = new Field("content").preTags(preTags).postTags(postTags).fragmentSize(100);

        SearchQuery query = new NativeSearchQueryBuilder().withQuery(qb).withPageable(pager)
                .withHighlightFields(fTitle, fContent).build();

        elasticsearchTemplate.queryForPage(query, ArticleEntity.class, new SearchResultMapper() {
            @SuppressWarnings("unchecked")
            @Override
            public <T> AggregatedPage<T> mapResults(SearchResponse response, Class<T> clazz, Pageable pageable) {
                // 总个数
                long total = response.getHits().getTotalHits();
                // 总页数
                int pages = (int) Math.ceil((double) total / pager.getPageSize());

                if (response.getHits().getTotalHits() <= 0) {
                    return null;
                }
                for (SearchHit searchHit : response.getHits()) {
                    ArticleSummaryInfoEntity item = new ArticleSummaryInfoEntity();
                    articles.add(item);
                    Map<String, Object> source = searchHit.getSource();
                    item.setArticleId(source.get("articleId").toString());

                    Map<String, HighlightField> highlightFields = searchHit.getHighlightFields();
                    // 查看高亮字段是否命中
                    HighlightField hlTitleField = highlightFields.get("title");
                    if (hlTitleField != null && hlTitleField.fragments() != null) {
                        item.setTitle((hlTitleField.fragments()[0].string()));
                    } else {
                        item.setTitle((String) source.get("title"));
                    }

                    HighlightField hlContentField = highlightFields.get("content");
                    if (hlContentField != null && hlContentField.fragments() != null) {
                        item.setSummary(hlContentField.fragments()[0].string());
                    } else {
                        item.setSummary((String) source.get("summary"));
                    }
                }
                return new AggregatedPageImpl<T>((List<T>) articles);
            }
        });
        return articles;
    }
}

  

如果使用ngram让部分字段实现完全匹配查询,除了要设置要mappings,java代码中也会有点小改动:给QueryBuilder设置slop和type

......

// 构建查询语句
BoolQueryBuilder qb = QueryBuilders.boolQuery().must(QueryBuilders.multiMatchQuery(search, "content").slop(1).type(Type.PHRASE));

......

 

与大数据组件的结合使用

ES官方提供一个ES与hadoop组件连接器(ES-Hadoop)

这些组件包括HDFS、Spark、Storm、Hive、Pig、MapReduce、Cascading

该连接器支持各种版本的Hadoop(CDH, MapR, HDP)

要注意的是,这个连接器并不需要以插件的形式安装,只是提供Hadoop与ES交互的Jar包。

 

Elastic系配套组件

Kibana

ES中数据可视化的组件,十分强大。在可视化方面,支持多种数据模型(地图、时间序列、graph、机器学习等);同时在一定程度上还支持ES的管理和安全

LogStash 

数据处理管道,能够同时 从多个来源采集数据、转换数据,然后将数据发送到存储库(当然大部分是存到ES中)。

管道中可指定过滤器以过滤解析数据,官方提供了过滤器库以处理各种数据

ES-Hadoop

参考 与大数据组件的结合使用

X-Pack security (由X-Pack提供)

 维护Elastic Stack中的安全权限

Beats

轻量型数据采集器,集合了多种单一用途数据采集器。这些采集器安装后可用作轻量型代理,从成百上千或成千上万台机器向 Logstash 或 Elasticsearch 发送数据。

这些单用途采集器包括:

FileBeat(日志)、MetricBeat(指标)、PacketBeat(网络)、WinlogBeat(Windows事件日志)、AuditBeat(审计日志)、HeartBeat(运行时间监控)

由于这些采集器使用通用接口,且底层都是基于libbeat进行数据转发,所以采集器的扩展变得简单。

 

 

 

其他

1.ES的文件存储结构与hadoop十分类似,二者可以搭配使用,详情参阅https://www.elastic.co/products/hadoop

2.当出现Unassigned分片时,我们可以通过分片重分配解决这个问题

curl -X PUT http://192.168.0.37:9200/_cluster/settings \\
  -d \'{
  "transient": {
    "cluster.routing.allocation.enable": "all"
  }
}\'

 3.如果是用spring-data-elasticsearch访问es服务,那么必须二者版本要对应起来,2.x版本的es对应springboot1.5*,2+版本的es对应springboot 2*

 

 

参考:

 

以上是关于ElasticSearch学习的主要内容,如果未能解决你的问题,请参考以下文章

ElasticSearch 学习笔记一 简介

Elasticsearch笔记九之优化

使用标准库Ruby将数据标记到Elasticsearch批量中

IOS开发-OC学习-常用功能代码片段整理

java SpringRetry学习的代码片段

python 机器学习有用的代码片段