搜索引擎框架之ElasticSearch基础详解
文章大纲
一、搜索引擎框架基础介绍
二、elasticsearch的简介
三、elasticsearch安装（windows版本）
四、elasticsearch操作客户端工具--kibana
五、es的常用命令
六、java连接elasticsearch进行数据操作
七、项目源码与参考资料下载
八、参考文章
一、搜索引擎框架基础介绍
相关基础学习可参考：https://www.cnblogs.com/wuxiaochang/p/10855506.html
二、elasticsearch的简介
1. elasticsearch是什么
elasticsearch是智能搜索，分布式的搜索引擎。是elk的一个组成,是一个产品，而且是非常完善的产品，elk代表的是：e就是elasticsearch，l就是logstach，k就是kibana
（1）e：ealsticsearch 搜索和分析的功能
（2）l：logstach 搜集数据的功能，类似于flume（使用方法几乎跟flume一模一样），是日志收集系统
（3）k：kibana 数据可视化（分析），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
分析日志的用处：假如一个分布式系统有 1000 台机器，系统出现故障时，我要看下日志，还得一台一台登录上去查看，是不是非常麻烦？
但是如果日志接入了 elk 系统就不一样。比如系统运行过程中，突然出现了异常，在日志中就能及时反馈，日志进入 elk 系统中，我们直接在 kibana 就能看到日志情况。如果再接入一些实时计算模块，还能做实时报警功能。
这都依赖es强大的反向索引功能，这样我们根据关键字就能查询到关键的错误日志了。
2. 全文检索与倒排索引
全文检索是指计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。
全文检索的方法主要分为按字检索和按词检索两种。按字检索是指对于文章中的每一个字都建立索引，检索时将词分解为字的组合。对于各种不同的语言而言，字有不同的含义，比如英文中字与词实际上是合一的，而中文中字与词有很大分别。按词检索指对文章中的词，即语义单位建立索引，检索时按词检索，并且可以处理同义项等。英文等西方文字由于按照空白切分词，因此实现上与按字处理类似，添加同义处理也很容易。中文等东方文字则需要切分字词，以达到按词索引的目的，关于这方面的问题，是当前全文检索技术尤其是中文全文检索技术中的难点，在此不做详述。
以前是根据id查内容，倒排索引之后是根据内容查id，然后再拿着id去查询出来真正需要的东西。
3. elasticsearch的优点
（1）分布式的功能
（2）数据高可用，集群高可用
（3）api更简单
（4）api更高级。
（5）支持的语言很多
（6）支持pb级别的数据
（7）完成搜索的功能和分析功能
（8）基于lucene，隐藏了lucene的复杂性，提供简单的api
（9）es的性能比hbase高，咱们的竞价引擎最后还是要存到es中的。
（10）elasticsearch 也是 master-slave 架构，也实现了数据的分片和备份。
（11）elasticsearch 中的索引、类型和文档的概念比较重要，类似于 mysql 中的数据库、表和行
（12）elasticsearch 一个典型应用就是 elk 日志分析系统
4. elasticsearch支持的语言
curl、java、c#、python、javascript、php、perl、ruby
5. elasticsearch的核心概念
5.1 node节点
就是集群中的一台服务器
5.2 index 索引（索引库）
我们为什么使用es？因为想把数据存进去，然后再查询出来。
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。
其实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。
es中的索引非传统索引的含义，es中的索引是存放数据的地方，是es中的一个概念词汇
index类似于我们mysql里面的一个数据库 create database user; 好比就是一个索引库
5.3 type类型
类型是用来定义数据结构的
在每一个index下面，可以有一个或者多个type，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。
5.4 document：文档
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，就好比表里面的一条数据
5.5 field 字段
好比关系型数据库中列的概念，一个document有一个或者多个field组成。
例如：
朝阳区：一个mysql数据库
房子：create database chaoyaninfo
房间：create table people
5.6 shard：分片
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。
kafka：为什么支持分布式的功能，因为里面是有topic，支持分区的概念。所以topic a可以存在不同的节点上面。就可以支持海量数据和高并发，提升性能和吞吐量
5.7 replica：副本
一个分布式的集群，难免会有一台或者多台服务器宕机，如果我们没有副本这个概念。就会造成我们的shard发生故障，无法提供正常服务。
我们为了保证数据的安全，我们引入了replica的概念，跟hdfs里面的概念是一个意思。可以保证我们数据的安全。
在es集群中，我们一模一样的数据有多份，能正常提供查询和插入的分片我们叫做 primary shard，其余的我们就管他们叫做 replica shard（备份的分片）
当我们去查询数据的时候，我们数据是有备份的，它会同时发出命令让我们有数据的机器去查询结果，最后谁的查询结果快，我们就要谁的数据（这个不需要我们去控制，它内部就自己控制了）
5.8 总结
在默认情况下，我们创建一个库的时候，默认会帮我们创建5个主分片（primary shrad）和5个副分片（replica shard），所以说正常情况下是有10个分片的。
同一个节点上面，副本和主分片是一定不会在一台机器上面的，就是拥有相同数据的分片，是不会在同一个节点上面的。
所以当你有一个节点的时候，这个分片是不会把副本存在这仅有的一个节点上的，当你新加入了一台节点，es会自动的给你在新机器上创建一个之前分片的副本。
举例：
比如一首诗，有诗题、作者、朝代、字数、诗内容等字段，那么首先，我们可以建立一个名叫 poems 的索引，然后创建一个名叫 poem 的类型，类型是通过 mapping 来定义每个字段的类型。
比如诗题、作者、朝代都是 keyword 类型，诗内容是 text 类型，而字数是 integer 类型，最后就是把数据组织成 json 格式存放进去了。
5.9 elasticsearch配置文件详解
配置文件位于%es_home%/config/elasticsearch.yml文件中，用editplus打开它，你便可以进行配置。
所有的配置都可以使用环境变量，例如：
node.rack: ${rack_env_var}
表示环境变量中有一个rack_env_var变量。
下面列举一下elasticsearch的可配置项：
1. 集群名称，默认为elasticsearch：
cluster.name: elasticsearch
2. 节点名称，es启动时会自动创建节点名称，但你也可进行配置：
node.name: "franz kafka"
3. 是否作为主节点，每个节点都可以被配置成为主节点，默认值为true：
node.master: true
4. 是否存储数据，即存储索引片段，默认值为true：
node.data: true
master和data同时配置会产生一些奇异的效果：
1) 当master为false，而data为true时，会对该节点产生严重负荷；
2) 当master为true，而data为false时，该节点作为一个协调者；
3) 当master为false，data也为false时，该节点就变成了一个负载均衡器。
你可以通过连接http://localhost:9200/_cluster/health或者http://localhost:9200/_cluster/nodes，或者使用插件http://github.com/lukas-vlcek/bigdesk或http://mobz.github.com/elasticsearch-head来查看集群状态。
5. 每个节点都可以定义一些与之关联的通用属性，用于后期集群进行碎片分配时的过滤：
node.rack: rack314
6. 默认情况下，多个节点可以在同一个安装路径启动，如果你想让你的es只启动一个节点，可以进行如下设置：
node.max_local_storage_nodes: 1
7. 设置一个索引的碎片数量，默认值为5：
index.number_of_shards: 5
8. 设置一个索引可被复制的数量，默认值为1：
index.number_of_replicas: 1
当你想要禁用公布式时，你可以进行如下设置：
index.number_of_shards: 1
index.number_of_replicas: 0
这两个属性的设置直接影响集群中索引和搜索操作的执行。假设你有足够的机器来持有碎片和复制品，那么可以按如下规则设置这两个值：
1) 拥有更多的碎片可以提升索引执行能力，并允许通过机器分发一个大型的索引；
2) 拥有更多的复制器能够提升搜索执行能力以及集群能力。
对于一个索引来说，number_of_shards只能设置一次，而number_of_replicas可以使用索引更新设置api在任何时候被增加或者减少。
elasticsearch关注加载均衡、迁移、从节点聚集结果等等。可以尝试多种设计来完成这些功能。
可以连接http://localhost:9200/a/_status来检测索引的状态。
9. 配置文件所在的位置，即elasticsearch.yml和logging.yml所在的位置：
path.conf: /path/to/conf
10. 分配给当前节点的索引数据所在的位置：
path.data: /path/to/data
可以可选择的包含一个以上的位置，使得数据在文件级别跨越位置，这样在创建时就有更多的*路径，如：
path.data: /path/to/data1,/path/to/data2
11. 临时文件位置：
path.work: /path/to/work
12. 日志文件所在位置：
path.logs: /path/to/logs
13. 插件安装位置：
path.plugins: /path/to/plugins
14. 插件托管位置，若列表中的某一个插件未安装，则节点无法启动：
plugin.mandatory: mapper-attachments,lang-groovy
15. jvm开始交换时，elasticsearch表现并不好：你需要保障jvm不进行交换，可以将bootstrap.mlockall设置为true禁止交换：
bootstrap.mlockall: true
请确保es_min_mem和es_max_mem的值是一样的，并且能够为elasticsearch分配足够的内在，并为系统操作保留足够的内存。
16. 默认情况下，elasticsearch使用0.0.0.0地址，并为http传输开启9200-9300端口，为节点到节点的通信开启9300-9400端口，也可以自行设置ip地址：
network.bind_host: 192.168.0.1
17. publish_host设置其他节点连接此节点的地址，如果不设置的话，则自动获取，publish_host的地址必须为真实地址：
network.publish_host: 192.168.0.1
18. bind_host和publish_host可以一起设置：
network.host: 192.168.0.1
19. 可以定制该节点与其他节点交互的端口：
transport.tcp.port: 9300
20. 节点间交互时，可以设置是否压缩，转为为不压缩：
transport.tcp.compress: true
21. 可以为http传输监听定制端口：
http.port: 9200
22. 设置内容的最大长度：
http.max_content_length: 100mb
23. 禁止http
http.enabled: false
24. 网关允许在所有集群重启后持有集群状态，集群状态的变更都会被保存下来，当第一次启用集群时，可以从网关中读取到状态，默认网关类型（也是推荐的）是local：
gateway.type: local
25. 允许在n个节点启动后恢复过程：
gateway.recover_after_nodes: 1
26. 设置初始化恢复过程的超时时间：
gateway.recover_after_time: 5m
27. 设置该集群中可存在的节点上限：
gateway.expected_nodes: 2
28. 设置一个节点的并发数量，有两种情况，一种是在初始复苏过程中：
cluster.routing.allocation.node_initial_primaries_recoveries: 4
另一种是在添加、删除节点及调整时：
cluster.routing.allocation.node_concurrent_recoveries: 2
29. 设置复苏时的吞吐量，默认情况下是无限的：
indices.recovery.max_size_per_sec: 0
30. 设置从对等节点恢复片段时打开的流的数量上限：
indices.recovery.concurrent_streams: 5
31. 设置一个集群中主节点的数量，当多于三个节点时，该值可在2-4之间：
discovery.zen.minimum_master_nodes: 1
32. 设置ping其他节点时的超时时间，网络比较慢时可将该值设大：
discovery.zen.ping.timeout: 3s
http://elasticsearch.org/guide/reference/modules/discovery/zen.html上有更多关于discovery的设置。
33. 禁止当前节点发现多个集群节点，默认值为true：
discovery.zen.ping.multicast.enabled: false
34. 设置新节点被启动时能够发现的主节点列表（主要用于不同网段机器连接）：
discovery.zen.ping.unicast.hosts: ["host1", "host2:port", "host3[portx-porty]"]
35.设置是否可以通过正则或者_all删除或者关闭索引
action.destructive_requires_name 默认false 允许 可设置true不允许
三、elasticsearch安装（windows版本）
1. 安装前准备
elasticsearch是一个基于lucene构建的开源，分布式，restful搜索引擎，而lucene的开发语言是java，所以电脑上面需要配置好jdk才能运行es数据库。
2. 在官网下载安装包
地址https://www.elastic.co/cn/downloads/elasticsearch
3. 解压到本地，在cmd中运行elasticsearch.bat文件
4. 启动测试
在浏览器中输入：http://localhost:9200/
如果出现上图所示内容，表示elasticsearch启动成功。中小型项目直接使用即可，大型项目还是要调一调参数的。
四、elasticsearch操作客户端工具--kibana
1. 为什么要使用kibana
为了方便我们去操作es，如果不安装去操作es很麻烦，需要通过shell命令的方式。
2. 下载kibana
地址：https://www.elastic.co/cn/downloads/kibana
3. 安装并启动
直接解压即可，进入bin目录下，本文为g:\myprogram\kibana\kibana-6.3.2-windows-x86_64\bin 的cmd，执行kibana
不需要配置任何参数，自动识别localhost，在浏览器中输入 http://localhost:5601
点击下面按钮，进行es命令操作
五、elasticsearch的常用命令
1. curd操作
1.1 get _cat/health 查看集群的健康状况
温馨提示：green代表是健康的，yellow表示亚健康，red表示异常。
1.2 get _all 查询所有数据
1.3 put wxc_index 增加一个wxc_index的index库
1.4 get _cat/indices 查询es中所有的index
1.5 delete /wxc_index 删除一个wxc_index的index库
1.6 插入一条数据
温馨提示：
（1）shop代表库名，product代表表名，1代码数据序号
（2）我们插入数据的时候，如果我们的语句中指明了index和type，如果es里面不存在，默认帮我们自动创建
1.7 查询数据
使用语法：get /index/type/id
1.8 修改数据
1.9 删除数据
1.10 现在查看所有数据，类似于全表扫描
took：耗费了6毫秒
shards：分片的情况
hits：获取到的数据的情况
total：3 总的数据条数
max_score：1 所有数据里面打分最高的分数
_index:"ecommerce" index名称
_type:"product" type的名称
_id:"2" id号
_score:1 分数，这个分数越大越靠前出来，百度也是这样。除非是花钱。否则匹配度越高越靠前
2. dsl语言
es最主要是用来做搜索和分析的。所以dsl还是对于es很重要的
案例：我们要进行全表扫描使用dsl语言，查询所有的商品
温馨提示：使用match_all 可以查询到所有文档，是没有查询条件下的默认语句。
案例：查询所有名称里面包含chenyi的商品，同时按价格进行降序排序
如上图所示，name为dior chenyi的数据会在es中进行倒排索引分词的操作，这样的数据也会被查询出来。
match查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。
下面我们按照价格进行排序：因为不属于查询的范围了。所以要写一个 逗号
这样我们的排序就完成了
案例：实现分页查询
条件：根据查询结果（包含chenyi的商品），再进行每页展示2个商品
案例：进行全表扫面，但返回指定字段的数据
案例：搜索名称里面包含chenyi的，并且价格大于250元的商品
相当于 select * form product where name like %chenyi% and price >250;
因为有两个查询条件，我们就需要使用下面的查询方式
如果需要多个查询条件拼接在一起就需要使用bool
bool 过滤可以用来合并多个过滤条件查询结果的布尔逻辑，它包含以下操作符：
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。
这些参数可以分别继承一个过滤条件或者一个过滤条件的数组
3. 聚合分析
案例：对商品名称里面包含chenyi的，计算每个tag下商品的数量
案例：查询商品名称里面包含chenyi的数据，并且按照tag进行分组，计算每个分组下的平均价格
案例：查询商品名称里面包含chenyi的数据，并且按照tag进行分组，计算每个分组下的平均价格，按照平均价格进行降序排序
六、java连接elasticsearch进行数据操作
1. 创建maven项目
创建后项目结构如下：
2. pom.xml添加maven依赖
<?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.wxc</groupid>
<artifactid>com-elasticsearch</artifactid>
<version>1.0-snapshot</version>
<dependencies>
<dependency>
<groupid>junit</groupid>
<artifactid>junit</artifactid>
<version>4.12</version>
</dependency>
<dependency>
<groupid>javax.servlet</groupid>
<artifactid>javax.servlet-api</artifactid>
<version>3.1.0</version>
<scope>provided</scope>
</dependency>
<dependency>
<groupid>org.elasticsearch.client</groupid>
<artifactid>transport</artifactid>
<version>5.6.0</version>
</dependency>
<dependency>
<groupid>org.apache.logging.log4j</groupid>
<artifactid>log4j-core</artifactid>
<version>2.6.2</version>
</dependency>
<dependency>
<groupid>org.apache.logging.log4j</groupid>
<artifactid>log4j-api</artifactid>
<version>2.6.2</version>
</dependency>
<dependency>
<groupid>com.google.code.gson</groupid>
<artifactid>gson</artifactid>
<version>2.8.5</version>
</dependency>
</dependencies>
</project>
3. 新建包，并创建测试类
新建com.wxc.es包
com.wxc.es包下新建测试类esutils.java
package com.wxc.es;
import com.google.gson.jsonobject;
import org.elasticsearch.action.admin.indices.create.createindexresponse;
import org.elasticsearch.action.admin.indices.delete.deleteindexresponse;
import org.elasticsearch.action.admin.indices.mapping.put.putmappingresponse;
import org.elasticsearch.action.delete.deleteresponse;
import org.elasticsearch.action.get.getresponse;
import org.elasticsearch.action.index.indexresponse;
import org.elasticsearch.action.search.searchresponse;
import org.elasticsearch.action.update.updateresponse;
import org.elasticsearch.client.indicesadminclient;
import org.elasticsearch.client.transport.transportclient;
import org.elasticsearch.common.settings.settings;
import org.elasticsearch.common.transport.inetsockettransportaddress;
import org.elasticsearch.common.transport.transportaddress;
import org.elasticsearch.common.xcontent.xcontentbuilder;
import org.elasticsearch.common.xcontent.xcontentfactory;
import org.elasticsearch.common.xcontent.xcontenttype;
import org.elasticsearch.index.query.querybuilders;
import org.elasticsearch.index.query.termquerybuilder;
import org.elasticsearch.search.searchhit;
import org.elasticsearch.search.searchhits;
import org.elasticsearch.transport.client.prebuilttransportclient;
import org.junit.after;
import org.junit.before;
import org.junit.test;
import java.io.ioexception;
import java.net.inetaddress;
import java.net.unknownhostexception;
import java.util.date;
import java.util.hashmap;
import static org.elasticsearch.common.xcontent.xcontentfactory.jsonbuilder;
public class esutils {
public final static string host = "127.0.0.1";
public final static int port = 9300;//http请求的端口是9200，客户端是9300
private transportclient client = null;
/**
* 测试elasticsearch客户端连接
* @title: test1
* @author sunt
* @date 2017年11月22日
* @return void
* @throws unknownhostexception
*/
@suppresswarnings("resource")
@test
public void test1() throws unknownhostexception {
//创建客户端
transportclient client = new prebuilttransportclient(settings.empty).addtransportaddresses(
new inetsockettransportaddress(inetaddress.getbyname(host),port));
system.out.println("elasticsearch connect info:" + client.tostring());
//关闭客户端
client.close();
}
/**
* 获取客户端连接信息
* @title: getconnect
* @author sunt
* @date 2017年11月23日
* @return void
* @throws unknownhostexception
*/
@suppresswarnings({ "resource", "unchecked" })
@before
public void getconnect() throws unknownhostexception {
client = new prebuilttransportclient(settings.empty).addtransportaddresses(
new inetsockettransportaddress(inetaddress.getbyname(host),port));
system.out.println("连接信息:" + client.tostring());
}
/**
* 关闭连接
* @title: closeconnect
* @author sunt
* @date 2017年11月23日
* @return void
*/
@after
public void closeconnect() {
if(null != client) {
system.out.println("执行关闭连接操作...");
client.close();
}
}
/**
* 创建索引库
* @title: addindex1
* @author sunt
* @date 2017年11月23日
* @return void
* 需求:创建一个索引库为：msg消息队列,类型为：tweet,id为1
* 索引库的名称必须为小写
* @throws ioexception
*/
@test
public void addindex1() throws ioexception {
indexresponse response = client.prepareindex("msg", "tweet", "1").setsource(xcontentfactory.jsonbuilder()
.startobject().field("username", "张三")
.field("senddate", new date())
.field("msg", "你好李四")
.endobject()).get();
system.out.println("索引名称:" + response.getindex() + "\n类型:" + response.gettype()
+ "\n文档id:" + response.getid() + "\n当前实例状态:" + response.status());
}
/**
* 根据索引名称，类别，文档id 删除索引库的数据
* @title: deletedata
* @author sunt
* @date 2017年11月23日
* @return void
*/
@test
public void deletedata() {
deleteresponse deleteresponse = client.preparedelete("msg", "tweet", "1").get();
system.out.println("deleteresponse索引名称:" + deleteresponse.getindex() + "\n deleteresponse类型:" + deleteresponse.gettype()
+ "\n deleteresponse文档id:" + deleteresponse.getid() + "\n当前实例deleteresponse状态:" + deleteresponse.status());
}
/**
* 更新索引库数据
* @title: updatedata
* @author sunt
* @date 2017年11月23日
* @return void
*/
@test
public void updatedata() {
jsonobject jsonobject = new jsonobject();
jsonobject.addproperty("username", "王五");
jsonobject.addproperty("senddate", "2008-08-08");
jsonobject.addproperty("msg","你好,张三，好久不见");
updateresponse updateresponse = client.prepareupdate("msg", "tweet", "1")
.setdoc(jsonobject.tostring(),xcontenttype.json).get();
system.out.println("updateresponse索引名称:" + updateresponse.getindex() + "\n updateresponse类型:" + updateresponse.gettype()
+ "\n updateresponse文档id:" + updateresponse.getid() + "\n当前实例updateresponse状态:" + updateresponse.status());
}
/**
* 添加索引:传入json字符串
* @title: addindex2
* @author sunt
* @date 2017年11月23日
* @return void
*/
@test
public void addindex2() {
string jsonstr = "{" +
"\"username\":\"张三\"," +
"\"senddate\":\"2017-11-30\"," +
"\"msg\":\"你好李四\"" +
"}";
indexresponse response = client.prepareindex("weixin", "tweet").setsource(jsonstr,xcontenttype.json).get();
system.out.println("json索引名称:" + response.getindex() + "\njson类型:" + response.gettype()
+ "\njson文档id:" + response.getid() + "\n当前实例json状态:" + response.status());
}
}
4. 运行项目
运行addindex1方法
运行updatedata方法
运行deletedata方法
运行addindex2方法
七、项目源码与参考资料下载
链接：https://pan.baidu.com/s/1pryg_1oeqees18af7x17ta
提取码：2pqc
八、参考文章
下一篇： js实现sleep效果教程