admin管理员组文章数量:1624783
ElasticSearch使用
=====================================摘自谷粒商城======================================================= ElasticSearch- 全文检索 简介 https://www.elastic.co/cn/what-is/elasticsearch 全文搜索属于最常见的需求,开源的 Elasticsearch 是目前全文搜索引擎的首选。 它可以快速地储存、搜索和分析海量数据。维基百科、 Stack Overflow 、 Github 都采用它 Elastic 的底层是开源库 Lucene 。但是,你没法直接用 Lucene ,必须自己写代码去调用它的 接口。 Elastic 是 Lucene 的封装,提供了 REST API 的操作接口,开箱即用。 REST API :天然的跨平台。 官方文档: https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html 官方中文: https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html 社区中文: https://es.xiaoleilu/index.html http://doc.codingdict/elasticsearch/0/ 一、基本概念 1 、 Index (索引) 动词,相当于 MySQL 中的 insert ; 名词,相当于 MySQL 中的 Database 2 、 Type (类型) 在 Index (索引)中,可以定义一个或多个类型。 类似于 MySQL 中的 Table ;每一种类型的数据放在一起; 3 、 Document (文档) 保存在某个索引( Index )下,某种类型( Type )的一个数据( Document ),文档是 JSON 格 式的, Document 就像是 MySQL 中的某个 Table 里面的内容; 4 、倒排索引机制 二、 Docker 安装 Es 1 、下载镜像文件 docker pull elasticsearch:7.4.2 存储和检索数据 docker pull kibana:7.4.2 可视化检索数据 2 、创建实例 1 、 ElasticSearch mkdir -p /mydata/elasticsearch/config mkdir -p /mydata/elasticsearch/data echo "http.host: 0.0.0.0" >> /mydata/elasticsearch/config/elasticsearch.yml chmod -R 777 /mydata/elasticsearch/ 保证权限 docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \ -e "discovery.type=single-node" \ -e ES_JAVA_OPTS="-Xms64m -Xmx512m" \ -v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \ -v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \ -v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \ -d elasticsearch: 7.4.2 以后再外面装好插件重启即可; 特别注意: -e ES_JAVA_OPTS="-Xms64m -Xmx256m" \ 测试环境下,设置 ES 的初始内存和最大内存,否则导 致过大启动不了 ES 2 、 Kibana docker run --name kibana -e ELASTICSEARCH_HOSTS= http://192.168.56.10:9200 -p 5601:5601 \ -d kibana:7.4.2 http://192.168.56.10:9200 一定改为自己虚拟机的地址 三、初步检索 1 、 _cat GET /_cat/nodes :查看所有节点 GET /_cat/health :查看 es 健康状况 GET /_cat/master :查看主节点 GET /_cat/indices :查看所有索引 show databases; 2 、索引一个文档(保存) 保存一个数据,保存在哪个索引的哪个类型下,指定用哪个唯一标识 PUT customer/external/1 ;在 customer 索引下的 external 类型下保存 1 号数据为 PUT customer/external/1 { "name": "John Doe" } PUT 和 POST 都可以, POST 新增。如果不指定 id ,会自动生成 id 。指定 id 就会修改这个数据,并新增版本号 PUT 可以新增可以修改。 PUT 必须指定 id ;由于 PUT 需要指定 id ,我们一般都用来做修改 操作,不指定 id 会报错。 3 、查询文档 GET customer/external/1 结果: { "_index": "customer", // 在哪个索引 "_type": "external", // 在哪个类型 "_id": "1", // 记录 id "_version": 2, // 版本号 "_seq_no": 1, // 并发控制字段,每次更新就会 +1 ,用来做乐观锁 "_primary_term": 1, // 同上,主分片重新分配,如重启,就会变化 "found": true, "_source": { // 真正的内容 "name": "John Doe" } } 更新携带 ?if_seq_no=0&if_primary_term=1 4 、更新文档 POST customer/external/1/_update { "doc":{ "name": "John Doew" } } 或者 POST customer/external/1 { "name": "John Doe2" } 或者 PUT customer/external/1 { "name": "John Doe" } 不同: POST 操作会对比源文档数据,如果相同不会有什么操作,文档 version 不增加 PUT 操作总会将数据重新保存并增加 version 版本; 带 _update 对比元数据如果一样就不进行任何操作。 看场景; 对于大并发更新,不带 update ; 对于大并发查询偶尔更新,带 update ;对比更新,重新计算分配规则。 更新同时增加属性 POST customer/external/1/_update { "doc": { "name": "Jane Doe", "age": 20 } } PUT 和 POST 不带 _update 也可以 5 、删除文档 & 索引 DELETE customer/external/1 DELETE customer 6 、 bulk 批量 API POST customer/external/_bulk {"index":{"_id":"1"}} {"name": "John Doe" } {"index":{"_id":"2"}} {"name": "Jane Doe" } 语法格式: { action: { metadata }}\n { request body }\n { action: { metadata }}\n { request body }\n 复杂实例: POST /_bulk { "delete": { "_index": "website", "_type": "blog", "_id": "123" }} { "create": { "_index": "website", "_type": "blog", "_id": "123" }} { "title": "My first blog post" } { "index": { "_index": "website", "_type": "blog" }} { "title": "My second blog post" } { "update": { "_index": "website", "_type": "blog", "_id": "123", "_retry_on_conflict" : 3} } { "doc" : {"title" : "My updated blog post"} } bulk API 以此按顺序执行所有的 action (动作)。如果一个单个的动作因任何原因而失败, 它将继续处理它后面剩余的动作。当 bulk API 返回时,它将提供每个动作的状态(与发送 的顺序相同),所以您可以检查是否一个指定的动作是不是失败了。 7 、样本测试数据 我准备了一份顾客银行账户信息的虚构的 JSON 文档样本。每个文档都有下列的 schema (模式) : { "account_number": 0, "balance": 16623, "firstname": "Bradshaw", "lastname": "Mckenzie", "age": 29, "gender": "F", "address": "244 Columbus Place", "employer": "Euron", "email": "bradshawmckenzie@euron", "city": "Hobucken", "state": "CO" } https://github/elastic/elasticsearch/blob/master/docs/src/test/resources/accounts.json?raw =true 导入测试数据 POST bank/account/_bulk 测试数据 四、进阶检索 1 、 SearchAPI ES 支持两种基本方式检索 : 一个是通过使用 REST request URI 发送搜索参数( uri+ 检索参数) 另一个是通过使用 REST request body 来发送它们( uri+ 请求体) 1 )、检索信息 一切检索从 _search 开始 GET bank/_search 检索 bank 下所有信息,包括 type 和 docs GET bank/_search?q=*&sort=account_number:asc 请求参数方式检索 响应结果解释: took - Elasticsearch 执行搜索的时间(毫秒) time_out - 告诉我们搜索是否超时 _shards - 告诉我们多少个分片被搜索了,以及统计了成功 / 失败的搜索分片 hits - 搜索结果 hits.total - 搜索结果 hits.hits - 实际的搜索结果数组(默认为前 10 的文档) sort - 结果的排序 key (键)(没有则按 score 排序) score 和 max_score – 相关性得分和最高得分(全文检索用) uri+ 请求体进行检索 GET bank/_search { "query": { "match_all": {} }, "sort": [ { "account_number": { "order": "desc" } } ] } HTTP 客户端工具( POSTMAN ), get 请求不能携带请求体,我们变为 post 也是一样的 我们 POST 一个 JSON 风格的查询请求体到 _search API 。 需要了解,一旦搜索的结果被返回, Elasticsearch 就完成了这次请求,并且不会维护任何 服务端的资源或者结果的 cursor (游标) 2 、 Query DSL 1 )、基本语法格式 Elasticsearch 提供了一个可以执行查询的 Json 风格的 DSL ( domain-specific language 领域特 定语言)。这个被称为 Query DSL 。该查询语言非常全面,并且刚开始的时候感觉有点复杂, 真正学好它的方法是从一些基础的示例开始的。 一个查询语句 的典型结构 { QUERY_NAME: { ARGUMENT: VALUE, ARGUMENT: VALUE,... } } 如果是针对某个字段,那么它的结构如下: { QUERY_NAME: { FIELD_NAME: { ARGUMENT: VALUE, ARGUMENT: VALUE,... } } } GET bank/_search { "query": { "match_all": {} }, "from": 0, "size": 5, "sort": [ { "account_number": { "order": "desc" } } ] } query 定义如何查询, match_all 查询类型【代表查询所有的所有】, es 中可以在 query 中组合非常多的查 询类型完成复杂查询 除了 query 参数之外,我们也可以 传递其它的参数以改变查询结果 。如 sort , size from+size 限定,完成分页功能 sort 排序,多字段排序,会在前序字段相等时后续字段内部排序,否则以前序为准 2 )、返回部分字段 GET bank/_search { "query": { "match_all": {} }, "from": 0, "size": 5, "_source": ["age","balance"] } 3 )、 match 【匹配查询】 基本类型(非字符串),精确匹配 GET bank/_search { "query": { "match": { "account_number": "20" } } } match 返回 account_number=20 的 字符串,全文检索 GET bank/_search { "query": { "match": { "address": "mill" } } } 最终查询出 address 中包含 mill 单词的所有记录 match 当搜索字符串类型的时候,会进行全文检索,并且每条记录有相关性得分。 字符串,多个单词(分词 + 全文检索) GET bank/_search { "query": { "match": { "address": "mill road" } } } 最终查询出 address 中包含 mill 或者 road 或者 mill road 的所有记录,并给出相关性得分 4 )、 match_phrase 【短语匹配】 将需要匹配的值当成一个整体单词(不分词)进行检索 GET bank/_search { "query": { "match_phrase": { "address": "mill road" } } } 查出 address 中包含 mill road 的所有记录,并给出相关性得分 5 )、 multi_match 【多字段匹配】 GET bank/_search { "query": { "multi_match": { "query": "mill", "fields": ["state","address"] } } } state 或者 address 包含 mill 6 )、 bool 【复合查询】 bool 用来做复合查询: 复合语句可以合并 任何 其它查询语句,包括复合语句,了解这一点是很重要的。这就意味 着,复合语句之间可以互相嵌套,可以表达非常复杂的逻辑。 must :必须达到 must 列举的所有条件 GET bank/_search { "query": { "bool": { "must": [ { "match": { "address": "mill" } }, { "match": { "gender": "M" } } ] } } } should :应该达到 should 列举的条件,如果达到会增加相关文档的评分 ,并不会改变 查询的结果。如果 query 中只有 should 且只有一种匹配规则,那么 should 的条件就会 被作为默认匹配条件而去改变查询结果 GET bank/_search { "query": { "bool": { "must": [ { "match": { "address": "mill" } }, { "match": { "gender": "M" } } ], "should": [ {"match": { "address": "lane" }} ] } } } must_not 必须不是指定的情况 GET bank/_search { "query": { "bool": { "must": [ { "match": { "address": "mill" } }, { "match": { "gender": "M" } } ], "should": [ {"match": { "address": "lane" }} ], "must_not": [ {"match": { "email": "baluba" }} ] } } } address 包含 mill ,并且 gender 是 M ,如果 address 里面有 lane 最好不过,但是 email 必 须不包含 baluba 7 )、 filter 【结果过滤】 并不是所有的查询都需要产生分数,特别是那些仅用于 “ filtering ” (过滤)的文档。为了不 计算分数 Elasticsearch 会自动检查场景并且优化查询的执行。 GET bank/_search { "query": { "bool": { "must": [ {"match": { "address": "mill"}} ], "filter": { "range": { "balance": { "gte": 10000, "lte": 20000 } } } } } } 8 )、 term 和 match 一样。匹配某个属性的值。 全文检索字段用 match , 其他非 text 字段匹配用 term 。 GET bank/_search { "query": { "bool": { "must": [ {"term": { "age": { "value": "28" } }}, {"match": { "address": "990 Mill Road" }} ] } } } 9 )、 aggregations (执行聚合) 聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于 SQL GROUP BY 和 SQL 聚合函数。在 Elasticsearch 中,您有执行搜索返回 hits (命中结果),并且同时返 回聚合结果,把一个响应中的所有 hits (命中结果)分隔开的能力。这是非常强大且有效的, 您可以执行查询和多个聚合,并且在一次使用中得到各自的(任何一个的)返回结果,使用 一次简洁和简化的 API 来避免网络往返。 搜索 address 中包含 mill 的所有人的年龄分布以及平均年龄,但不显示这些人的详情。 GET bank/_search { "query": { "match": { "address": "mill" } }, "aggs": { "group_by_state": { "terms": { "field": "age" } }, "avg_age": { "avg": { "field": "age" } } }, "size": 0 } size : 0 不显示搜索数据 aggs :执行聚合。聚合语法如下 "aggs": { "aggs_name 这次聚合的名字,方便展示在结果集中 ": { "AGG_TYPE 聚合的类型( avg,term,terms ) ": {} } }, 复杂: 按照年龄聚合,并且请求这些年龄段的这些人的平均薪资 GET bank/account/_search { "query": { "match_all": {} }, "aggs": { "age_avg": { "terms": { "field": "age", "size": 1000 }, "aggs": { "banlances_avg": { "avg": { "field": "balance" } } } } } , "size": 1000 } 复杂:查出所有年龄分布,并且这些年龄段中 M 的平均薪资和 F 的平均薪资以及这个年龄 段的总体平均薪资 GET bank/account/_search { "query": { "match_all": {} }, "aggs": { "age_agg": { "terms": { "field": "age", "size": 100 }, "aggs": { "gender_agg": { "terms": { "field": "gender.keyword", "size": 100 }, "aggs": { "balance_avg": { "avg": { "field": "balance" } } } }, "balance_avg":{ "avg": { "field": "balance" } } } } } , "size": 1000 } 3 、 Mapping 1 )、字段类型 2 )、映射 Mapping (映射) Mapping 是用来定义一个文档( document ),以及它所包含的属性( field )是如何存储和 索引的 。比如,使用 mapping 来定义: 哪些字符串属性应该被看做全文本属性( full text fields )。 哪些属性包含数字,日期或者地理位置。 文档中的所有属性是否都能被索引( _all 配置)。 日期的格式。 自定义映射规则来执行动态添加属性。 查看 mapping 信息: GET bank/_mapping 修改 mapping 信息 https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html 自动猜测的映射类型 3 )、新版本改变 Es7 及以上移除了 type 的概念。 关系型数据库中两个数据表示是独立的,即使他们里面有相同名称的列也不影响使用, 但 ES 中不是这样的。 elasticsearch 是基于 Lucene 开发的搜索引擎,而 ES 中不同 type 下名称相同的 filed 最终在 Lucene 中的处理方式是一样的。 两个不同 type 下的两个 user_name ,在 ES 同一个索引下其实被认为是同一个 filed , 你必须在两个不同的 type 中定义相同的 filed 映射。否则,不同 type 中的相同字段 名称就会在处理中出现冲突的情况,导致 Lucene 处理效率下降。 去掉 type 就是为了提高 ES 处理数据的效率。 Elasticsearch 7.x URL 中的 type 参数为可选。比如,索引一个文档不再要求提供文档类型。 Elasticsearch 8.x 不再支持 URL 中的 type 参数。 解决: 1 )、将索引从多类型迁移到单类型,每种类型文档一个独立索引 2 )、将已存在的索引下的类型数据,全部迁移到指定位置即可。详见数据迁移 1 、创建映射 1 、创建索引并指定映射 PUT /my-index { "mappings": { "properties": { "age": { "type": "integer" }, "email": { "type": "keyword" }, "name": { "type": "text" } } } } 2 、添加新的字段映射 PUT /my-index/_mapping { "properties": { "employee-id": { "type": "keyword", "index": false } } } 3 、更新映射 对于已经存在的映射字段,我们不能更新。更新必须创建新的索引进行数据迁移 4 、数据迁移 先创建出 new_twitter 的正确映射。然后使用如下方式进行数据迁移 POST _reindex [ 固定写法 ] { "source": { "index": "twitter" }, "dest": { "index": "new_twitter" } } 将旧索引的 type 下的数据进行迁移 POST _reindex { "source": { "index": "twitter", "type": "tweet" }, "dest": { "index": "tweets" } } 4 、分词 一个 tokenizer (分词器)接收一个字符流,将之分割为独立的 tokens (词元,通常是独立 的单词),然后输出 tokens 流。 例如, whitespace tokenizer 遇到空白字符时分割文本。它会将文本 " Quick brown fox! " 分割 为 [ Quick , brown , fox! ] 。 该 tokenizer (分词器)还负责记录各个 term (词条)的顺序或 position 位置(用于 phrase 短 语和 word proximity 词近邻查询),以及 term (词条)所代表的原始 word (单词)的 start (起始)和 end (结束)的 character offsets (字符偏移量)(用于高亮显示搜索的内容)。 Elasticsearch 提供了很多内置的分词器,可以用来构建 custom analyzers (自定义分词器)。 1 )、安装 ik 分词器 注意: 不能用默认 elasticsearch-plugin install xxx.zip 进行自动安装 https://github/medcl/elasticsearch-analysis-ik/releases?after=v6.4.2 对应 es 版本安装 进入 es 容器内部 plugins 目录 docker exec -it 容器 id /bin/bash wget https://github/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-anal ysis-ik-7.4.2.zip unzip 下载的文件 rm –rf *.zip mv elasticsearch/ ik 可以确认是否安装好了分词器 cd ../bin elasticsearch plugin list :即可列出系统的分词器 2 )、测试分词器 使用默认 POST _analyze { "text": " 我是中国人 " } 请观察结果 使用分词器 POST _analyze { "analyzer": "ik_smart", "text": " 我是中国人 " } 请观察结果 另外一个分词器 ik_max_word POST _analyze { "analyzer": "ik_max_word", "text": " 我是中国人 " } 请观察结果 能够看出不同的分词器,分词有明显的区别,所以以后定义一个索引不能再使用默 认的 mapping 了,要手工建立 mapping, 因为要选择分词器。 3 )、自定义词库 修改 /usr/share/elasticsearch/plugins/ik/config/ 中的 IKAnalyzer.cfg.xml /usr/share/elasticsearch/plugins/ik/config <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE properties SYSTEM "http://java.sun/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"></entry> <!-- 用户可以在这里配置自己的扩展停止词字典 --> <entry key="ext_stopwords"></entry> <!-- 用户可以在这里配置远程扩展字典 --> <entry key="remote_ext_dict"> http://192.168.128.130/fenci/myword.txt </entry> <!-- 用户可以在这里配置远程扩展停止词字典 --> <!-- <entry key="remote_ext_stopwords">words_location</entry> --> </properties> 原来的 xml <?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE properties SYSTEM "http://java.sun/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"></entry> <!-- 用户可以在这里配置自己的扩展停止词字典 --> <entry key="ext_stopwords"></entry> <!-- 用户可以在这里配置远程扩展字典 --> <!-- <entry key="remote_ext_dict">words_location</entry> --> <!-- 用户可以在这里配置远程扩展停止词字典 --> <!-- <entry key="remote_ext_stopwords">words_location</entry> --> </properties> 按照标红的路径利用 nginx 发布静态资源 , 按照请求路径,创建对应的文件夹以及文件,放在 nginx 的 html 下 然后重启 es 服务器,重启 nginx 。 在 kibana 中测试分词效果 更新完成后, es 只会对新增的数据用新词分词。历史数据是不会重新分词的。如果想要历 史数据重新分词。需要执行: POST my_index/_update_by_query?conflicts=proceed 五、 Elasticsearch-Rest-Client 1 )、 9300 : TCP spring-data-elasticsearch:transport-api.jar ; springboot 版本不同, transport-api.jar 不同,不能适配 es 版本 7.x 已经不建议使用, 8 以后就要废弃 2 )、 9200 : HTTP JestClient :非官方,更新慢 RestTemplate :模拟发 HTTP 请求, ES 很多操作需要自己封装,麻烦 HttpClient :同上 Elasticsearch-Rest-Client :官方 RestClient ,封装了 ES 操作, API 层次分明,上手简单 最终选择 Elasticsearch-Rest-Client ( elasticsearch-rest-high-level-client ) https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html 1 、 SpringBoot 整合 <dependency> <groupId>org.elasticsearch.client</groupId> <artifactId>elasticsearch-rest-high-level-client</artifactId> <version>7.4.2</version> </dependency> 2 、配置 @Bean RestHighLevelClient client() { RestClientBuilder builder = RestClient.builder(new HttpHost("192.168.56.10", 9200, "http")); return new RestHighLevelClient(builder); } 3 、使用 参照官方文档: @Test void test1() throws IOException { Product product = new Product(); product.setSpuName(" 华为 "); product.setId(10L); IndexRequest request = new IndexRequest("product").id("20") .source("spuName"," 华为 ","id",20L); try { IndexResponse response = client.index(request, RequestOptions.DEFAULT); System.out.println(request.toString()); IndexResponse response2 = client.index(request, RequestOptions.DEFAULT); } catch (ElasticsearchException e) { if (e.status() == RestStatus.CONFLICT) { } } } 六、附录 - 安装 nginx 随便启动一个 nginx 实例,只是为了复制出配置 docker run -p 80:80 --name nginx -d nginx:1.10 将容器内的配置文件拷贝到当前目录: docker container cp nginx:/etc/nginx . 别忘了后面的点 修改文件名称: mv nginx conf 把这个 conf 移动到 /mydata/nginx 下 终止原容器: docker stop nginx 执行命令删除原容器: docker rm $ContainerId 创建新的 nginx ;执行以下命令 docker run -p 80:80 --name nginx \ -v /mydata/nginx/html:/usr/share/nginx/html \ -v /mydata/nginx/logs:/var/log/nginx \ -v /mydata/nginx/conf:/etc/nginx \ -d nginx:1.10 给 nginx 的 html 下面放的所有资源可以直接访问;本文标签: Elasticsearch
版权声明:本文标题:ElasticSearch使用 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://www.elefans.com/dianzi/1728912466a1179283.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论