生活中的数据总体分为两种:结构化数据和非结构化数据。
结构化数据 - 行数据,可以用二维表结构来逻辑表达实现的数据;指具有固定格式或有限长度的数据,如数据库,元数据等。
非结构化数据 - 指不定长或无固定格式的数据,如邮件,word 文档等磁盘上的文件。
常见的结构化数据也就是数据库中的数据。
在数据库中搜索很容易实现,通常都是使用 SQL 语句进行查询,而且能很快的得到查询结果。
客户端请求 ----> 连接器
连接器 ----> 缓存区
连接器 ----> 分析器
分析器 ----> 缓存区
分析器 ----> 优化器
优化器 ----> 执行器
Server 层:
- 连接器
- 缓存区
- 分析器
- 优化器
- 执行器
Server 层 ----> 存储引擎(引擎,引擎,引擎)
因为数据库中的数据存储是有规律的,有行有列而且数据格式、数据长度都是固定的,所以数据库搜索很容易。
数据库底层文件存储的物理方式:硬盘是块状存储,其基本单位是 1kb 每块;磁头每次读取数据,至少扫描一个块的大小。
假如表里一个元组,数据加起来一共 100 b,则一个块可以放十个元组,通俗的说是 10 条数据,DBMS 在查询时,就把每一块的数据读取出来,判断其中是否有对应的数据。
常见的关系型数据,其最基本常见的存储方式:
1)顺序扫描法 (Serial Scanning)
用户搜索 --> 文件
所谓顺序扫描,比如要找内容包含某一个字符串的文件,就是一个文档一个文档的看,对于每一个文档,从头看到尾,如果此文档包含此字符串,则此文档为我们要找的文件,接着看下一个文件,直到扫描完所有的文件。如利用 windows 的搜索也可以搜索文件内容,只是相当的慢。
2)全文检索 (Full-text Search)
用户通过查询索引库 --> 生成索引 --> 文档
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法。这个过程类似于通过字典的目录查字的过程。
将非结构化数据中的一部分信息提取出来,重新组织,使其变得有一定结构,然后对此有一定结构的数据进行搜索,从而达到搜索相对较快的目的。这部分从非结构化数据中提取出的然后重新组织的信息,我们称之索引。
例如:字典。字典的拼音表和部首检字表就相当于字典的索引,对每一个字的解释是非结构化的,如果字典没有音节表和部首检字表,在茫茫辞海中找一个字只能顺序扫描。然而字的某些信息可以提取出来进行结构化处理,比如读音,就比较结构化,分声母和韵母,分别只有几种可以一一列举,于是将读音拿出来按一定的顺序排列,每一项读音都指向此字的详细解释的页数。我们搜索时按结构化的拼音搜到读音,然后按其指向的页数,便可找到我们的非结构化数据——也即对字的解释。
这种先建立索引,再对索引进行搜索的过程就叫全文检索 (Full-Text Search)。虽然创建索引的过程也是非常耗时的,但是索引一旦创建就可以多次使用,全文检索主要处理的是查询,所以耗时间创建索引是值得的。
建立索引 --> 检索索引
可以使用 Lucene 实现全文检索。Lucene 是 apache 下的一个开放源代码的全文检索引擎工具包。提供了完整的查询引擎和索引引擎,部分文本分析引擎(英文与德文两种西方语言)。Lucene 的目的是为软件开发人员提供一个简单易用的工具包,以方便的在目标系统中实现全文检索的功能。
Lucene 适用场景:
Lucene 的特性:
1. 稳定、索引性能高。
+ 每小时能够索引 150 GB 以上的数据
+ 对内存的要求小,只需要 1 MB 的堆内存
+ 增量索引和批量索引一样快
+ 索引的大小约为索引文本大小的 20% ~ 30%
2. 高效、准确、高性能的搜索算法。
+ 良好的搜索排序
+ 强大的查询方式支持:短语查询、通配符查询、临近查询、范围查询等
+ 支持字段搜索(如标题、作者、内容)
+ 可根据任意字段排序
+ 支持多个索引查询结果合并
+ 支持更新操作和查询操作同时进行
+ 支持高亮、join、分组结果功能
+ 速度快
+ 可扩展排序模块,内置包含向量空间模型、BM25 模型可选
+ 可配置存储引擎
3. 跨平台。
+ 纯 java 编写
+ 作为 Apache 开源许可下的开源项目,你可以在商业或开源项目中使用
+ Lucene 有多种语言实现版(如 C,C++、Python 等),不仅仅是 JAVA
Lucene 架构:
Application:
+ 从文件系统、数据库、Web、手动输入获取数据,然后生成索引。
+ 获取用户的 Query,然后查询索引,返回查询结果给用户。
用户
--职位搜索--> 应用服务器
--SQL--> 结构化数据库
Lucene:
+ 生成索引需要与索引库交互。
+ 查询索引需要与索引库交互。
用户
--职位搜索--> 应用服务器
--特定API--> Lucene索引库
数据源(网络、数据库、文档)
----> Lucene索引库
对于数据量大、数据结构不固定的数据可采用全文检索方式搜索:
查询索引:
1. 用户查询接口
2. 创建查询
3. 执行查询
4. 渲染结果
用户查询索引
-----> 索引库
原始文档
----> 创建索引
--创建索引--> 索引库
--返回结果--> 用户查询索引
创建索引:
1. 获取文档
2. 构建文档对象
3. 分析文档(分词)
4. 创建索引
对要搜索的原始内容进行索引构建一个索引库,索引过程包括:确定原始内容即要搜索的内容 --> 采集文档 --> 创建文档 --> 分析文档 --> 索引文档。
从索引库中搜索内容,搜索过程包括:用户通过搜索界面 --> 创建查询 --> 执行搜索从索引库搜索 --> 渲染搜索结果。
核心概念:
Document:
Field:
Term:
以招聘网站的搜索为例,在网站上输入关键字搜索显示的内容不是直接从数据库中来的,而是从索引库中获取的,网站的索引数据需要提前创建的。以下是创建的过程:
倒排索引 Inverted List 记录每个词条出现在哪些文档,及在文档中的位置,可以根据词条快速定位到包含这个词条的文档及出现的位置。
文档:索引库中的每一条原始数据,例如一个商品信息、一个职位信息。
词条:原始数据按照分词算法进行分词,得到的每一个词。
创建倒排索引,分为以下几步:
1)创建文档列表 - Lucene 首先对原始文档数据进行编号 DocID,形成列表,就是一个文档列表。
2)创建倒排索引列表 - 对文档中数据进行分词,得到词条(分词后的一个又一个词)。对词条进行编号,以词条创建索引。然后记录下包含该词条的所有文档编号(及其它信息)。
搜索的过程:当用户输入任意的词条时,首先对用户输入的数据进行分词,得到用户要搜索的所有词条,然后拿着这些词条去倒排索引列表中进行匹配。找到这些词条就能找到包含这些词条的所有文档的编号。然后根据这些编号去文档列表中找到文档
查询索引也是搜索的过程。搜索就是用户输入关键字,从索引(index)中进行搜索的过程。根据关键字搜索索引,根据索引找到对应的文档
第一步:创建用户接口 - 用户输入关键字的地方。
第二步:创建查询 - 指定查询的域名和关键字。
第三步:执行查询。
第四步:渲染结果(结果内容显示到页面上 关键字需要高亮)。
生成职位信息索引库,从索引库检索数据。
创建数据库 es,将 sql 脚本导入数据库执行。
/*!40101 SET NAMES utf8 */;
/*!40101 SET SQL_MODE=''*/;
/*!40014 SET @OLD_UNIQUE_CHECKS=@@UNIQUE_CHECKS, UNIQUE_CHECKS=0 */;
/*!40014 SET @OLD_FOREIGN_KEY_CHECKS=@@FOREIGN_KEY_CHECKS, FOREIGN_KEY_CHECKS=0 */;
/*!40101 SET @OLD_SQL_MODE=@@SQL_MODE, SQL_MODE='NO_AUTO_VALUE_ON_ZERO' */;
/*!40111 SET @OLD_SQL_NOTES=@@SQL_NOTES, SQL_NOTES=0 */;
CREATE DATABASE /*!32312 IF NOT EXISTS*/`es` /*!40100 DEFAULT CHARACTER SET latin1 */;
USE `es`;
/*Table structure for table `job_info` */
DROP TABLE IF EXISTS `job_info`;
CREATE TABLE `job_info` (
`id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键 id',
`company_name` varchar(100) DEFAULT NULL COMMENT '公司名称',
`company_addr` varchar(200) DEFAULT NULL COMMENT '公司联系方式',
`company_info` mediumtext COMMENT '公司信息',
`job_name` varchar(100) DEFAULT NULL COMMENT '职位名称',
`job_addr` varchar(50) DEFAULT NULL COMMENT '工作地点',
`job_info` mediumtext COMMENT '职位信息',
`salary_min` int(10) DEFAULT NULL COMMENT '薪资范围,最小',
`salary_max` int(10) DEFAULT NULL COMMENT '薪资范围,最大',
`url` varchar(150) DEFAULT NULL COMMENT '招聘信息详情页',
`time` varchar(10) DEFAULT NULL COMMENT '职位最近发布时间',
PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=7656 DEFAULT CHARSET=utf8 COMMENT='招聘信息';
中文分词器使用 IK。
<?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 https://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>2.1.6.RELEASE</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>
<groupId>com.renda</groupId>
<artifactId>lucene-demo</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>lucene-demo</name>
<description>Demo project for Spring Boot</description>
<properties>
<java.version>11</java.version>
</properties>
<dependencies>
<!-- web 依赖 -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- 测试依赖 -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
</dependency>
<!-- lombok 工具 -->
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<version>1.18.4</version>
<scope>provided</scope>
</dependency>
<!-- 热部署 -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-devtools</artifactId>
<optional>true</optional>
</dependency>
<!-- mybatis-plus -->
<dependency>
<groupId>com.baomidou</groupId>
<artifactId>mybatis-plus-boot-starter</artifactId>
<version>3.3.2</version>
</dependency>
<!-- pojo 持久化使用 -->
<dependency>
<groupId>javax.persistence</groupId>
<artifactId>javax.persistence-api</artifactId>
<version>2.2</version>
</dependency>
<!-- mysql 驱动 -->
<dependency>
<groupId>mysql</groupId>
<artifactId>mysql-connector-java</artifactId>
<scope>runtime</scope>
</dependency>
<!-- 引入 Lucene 核心包及分词器包 -->
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-core</artifactId>
<version>4.10.3</version>
</dependency>
<dependency>
<groupId>org.apache.lucene</groupId>
<artifactId>lucene-analyzers-common</artifactId>
<version>4.10.3</version>
</dependency>
<dependency>
<groupId>org.testng</groupId>
<artifactId>testng</artifactId>
<version>RELEASE</version>
<scope>test</scope>
</dependency>
<!-- IK 中文分词器 -->
<dependency>
<groupId>com.janeluo</groupId>
<artifactId>ikanalyzer</artifactId>
<version>2012_u6</version>
</dependency>
</dependencies>
<build>
<plugins>
<!-- 编译插件 -->
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<configuration>
<source>11</source>
<target>11</target>
<encoding>utf-8</encoding>
</configuration>
</plugin>
<!-- 打包插件 -->
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
<executions>
<execution>
<goals>
<goal>repackage</goal>
</goals>
</execution>
</executions>
</plugin>
</plugins>
</build>
</project>
package com.renda;
import org.mybatis.spring.annotation.MapperScan;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
@SpringBootApplication
@MapperScan("com.renda.mapper")
public class LuceneDemoApplication {
public static void main(String[] args) {
SpringApplication.run(LuceneDemoApplication.class, args);
}
}
server:
port: 9000
Spring:
application:
name: lagou-lucene
datasource:
driver-class-name: com.mysql.cj.jdbc.Driver
url: jdbc:mysql://localhost:3306/es?useUnicode=true&characterEncoding=utf8&serverTimezone=UTC
username: root
password: password
# 开启驼峰命名匹配映射
mybatis:
configuration:
map-underscore-to-camel-case: true
实体类 com.renda.pojo.JobInfo
:
package com.renda.pojo;
import lombok.Data;
import lombok.ToString;
import javax.persistence.Id;
import javax.persistence.Table;
@Data
@ToString
@Table(name = "job_info")
public class JobInfo {
@Id
private long id;
private String companyName;
private String companyAddr;
private String companyInfo;
private String jobName;
private String jobAddr;
private String jobInfo;
private long salaryMin;
private long salaryMax;
private String url;
private String time;
}
数据层 com.renda.mapper.JobInfoMapper
:
public interface JobInfoMapper extends BaseMapper<JobInfo> {
}
服务层
com.renda.service.JobInfoService
public interface JobInfoService {
/**
* 通过id查询
*/
public JobInfo selectById(long id);
/**
* 查询所有
*/
public List<JobInfo> selectAll();
}
com.renda.service.impl.JobInfoServiceImpl
@Service
public class JobInfoServiceImpl implements JobInfoService {
@SuppressWarnings("SpringJavaInjectionPointsAutowiringInspection")
@Autowired
private JobInfoMapper jobInfoMapper;
@Override
public JobInfo selectById(long id) {
return jobInfoMapper.selectById(id);
}
@Override
public List<JobInfo> selectAll() {
return jobInfoMapper.selectList(new QueryWrapper<JobInfo>());
}
}
控制层 com.renda.controller.JobInfoController
@RestController
@RequestMapping("/jobInfo")
public class JobInfoController {
@Autowired
private JobInfoService jobInfoService;
@RequestMapping("/query/{id}")
public JobInfo selectById(@PathVariable Long id){
return jobInfoService.selectById(id);
}
@RequestMapping("/query")
public List<JobInfo> select(){
return jobInfoService.selectAll();
}
}
测试类 com.renda.LuceneDemoApplicationTests
@RunWith(SpringRunner.class)
@SpringBootTest
public class LuceneDemoApplicationTests {
...
}
整体结构:
+ src/main/java
+ com.renda.controller
+ JobInfoController
+ com.renda.mapper
+ JobInfoMapper
+ com.renda.pojo
+ JobInfo
+ com.renda.service
+ impl.JobInfoServiceImpl
+ JobInfoService
+ com.renda
+ LuceneDemoApplication
+ src/main/resources
+ static
+ templates
+ application.yml
+ src/test/java
+ com.renda
+ LuceneDemoApplicationTests
测试类 com.renda.LuceneDemoApplicationTests
@RunWith(SpringRunner.class)
@SpringBootTest
public class LuceneDemoApplicationTests {
@Autowired
private JobInfoService jobInfoService;
/**
* 创建索引
*/
@Test
public void createIndex() throws Exception {
// 1.指定索引文件的存储位置,索引具体的表现形式就是一组有规则的文件
Directory directory = FSDirectory.open(new File("E:/class/index"));
// 2.配置版本及其分词器
Analyzer analyzer = new IKAnalyzer();
IndexWriterConfig config = new IndexWriterConfig(Version.LATEST, analyzer);
// 3.创建 IndexWriter 对象,作用就是创建索引
IndexWriter indexWriter = new IndexWriter(directory, config);
// 先删除已经存在的索引库
indexWriter.deleteAll();
// 4.获得索引源 / 原始数据
List<JobInfo> jobInfoList = jobInfoService.selectAll();
// 5. 遍历 jobInfoList,每次遍历创建一个 Document 对象
for (JobInfo jobInfo : jobInfoList) {
// 创建 Document 对象
Document document = new Document();
// 创建 Field 对象,添加到 document 中
document.add(new LongField("id", jobInfo.getId(), Field.Store.YES));
// 切分词、索引、存储
document.add(new TextField("companyName", jobInfo.getCompanyName(), Field.Store.YES));
document.add(new TextField("companyAddr", jobInfo.getCompanyAddr(), Field.Store.YES));
document.add(new TextField("companyInfo", jobInfo.getCompanyInfo(), Field.Store.YES));
document.add(new TextField("jobName", jobInfo.getJobName(), Field.Store.YES));
document.add(new TextField("jobAddr", jobInfo.getJobAddr(), Field.Store.YES));
document.add(new TextField("jobInfo", jobInfo.getJobInfo(), Field.Store.YES));
document.add(new LongField("salaryMin", jobInfo.getSalaryMin(), Field.Store.YES));
document.add(new LongField("salaryMax", jobInfo.getSalaryMax(), Field.Store.YES));
document.add(new StringField("url", jobInfo.getUrl(), Field.Store.YES));
// 将文档追加到索引库中
indexWriter.addDocument(document);
}
// 关闭资源
indexWriter.close();
System.out.println("Index was created successfully!");
}
}
生成的索引目录:D:\class\index
索引 Index:
段 Segment:
_0
。segments.gen
和 segments_1
是段的元数据文件,也即它们保存了段的属性信息。D:\class\index
_0.cfe
_0.cfs
_0.si
_1.cfe
_1.cfs
_1.si
segments.gen
segments_1
write.lock
Field 的特性:Document (文档) 是 Field (域) 的承载体,一个 Document 由多个 Field 组成,Field 由名称和值两部分组成,Field 的值是要索引的内容,是要搜索的内容。
是: 将 Field 的值进行分词处理,分词的目的是为了索引。如: 商品名称、商品描述。这些内容用户会通过输入关键词进行查询,由于内容多样,需要进行分词处理建立索引。
否: 不做分词处理,如: 订单编号、身份证号, 是一个整体,分词以后就失去了意义,故不需要分词。
是: 将 Field 内容进行分词处理后得到的词 (或整体 Field 内容) 建立索引,存储到索引域。索引的目的是为了搜索。如: 商品名称, 商品描述需要分词建立索引。订单编号、身份证号作为整体建立索引。只要可能作为用户查询条件的词, 都需要索引。
否: 不索引。如: 商品图片路径,不会作为查询条件,不需要建立索引。
是: 将 Field 值保存到 Document 中。如: 商品名称, 商品价格。凡是将来在搜索结果页面展现给用户的内容,都需要存储。
否: 不存储。如: 商品描述。内容多格式大,不需要直接在搜索结果页面展现,不做存储。需要的时候可以从关系数据库取。
常用的 Field 类型:
StringField(FieldName, FieldValue, Store.YES)
- 字符串 - 不可分词 - 默认索引 - 可以开启存储 - 字符串类型 Field,不可分词,作为一个整体进行索引,如身份证号、订单编号;是否需要存储由 Store.YES 或 Store.No 决定。LongField(FieldName, FieldValue, Store.YES)
- 数值型代表 - 默认分词 - 默认索引 - 可以开启存储 - Long 数值类型 Field 代表,默认分词并且索引,如价格;是否需要存储由 Store.YES 或 Store.No 决定。StoredField(FieldName, FieldValue)
- 重载方法支持多种类型 - 不可分词 - 不可索引 - 默认开启存储 - 构建不同类型的 Field,不分词,不索引,要存储,如商品图片路径。TextField(FieldName, FieldValue, Store.NO)
- 文本类型 - 默认分词 - 默认索引 - 可以开启存储 - 文本类型 Field,默认分词并且索引,是否需要存储由 Store.YES 或 Store.No 决定。com.renda.LuceneDemoApplicationTests
@RunWith(SpringRunner.class)
@SpringBootTest
public class LuceneDemoApplicationTests {
@Autowired
private JobInfoService jobInfoService;
...
@Test
public void query() throws Exception {
// 1.指定索引文件的存储位置,索引具体的表现形式就是一组有规则的文件
Directory directory = FSDirectory.open(new File("E:/class/index"));
// 2.IndexReader 对象
IndexReader indexReader = DirectoryReader.open(directory);
// 3.创建查询对象,IndexSearcher
IndexSearcher indexSearcher = new IndexSearcher(indexReader);
// 使用 term, 查询公司名称中包含"北京"的所有的文档对象
Query query = new TermQuery(new Term("companyName", "北京"));
TopDocs topDocs = indexSearcher.search(query, );
// 获得符合查询条件的文档数
int totalHits = topDocs.totalHits;
System.out.println("符合条件的文档数:" + totalHits);
// 获得命中的文档 ScoreDoc封装了文档id信息
ScoreDoc[] scoreDocs = topDocs.scoreDocs;
for (ScoreDoc scoreDoc : scoreDocs) {
// 文档 id
int docId = scoreDoc.doc;
// 通过文档 id 获得文档对象
Document doc = indexSearcher.doc(docId);
System.out.println("id:" + doc.get("id"));
System.out.println("companyName:" + doc.get("companyName"));
System.out.println("companyAddr:" + doc.get("companyAddr"));
System.out.println("companyInfo:" + doc.get("companyInfo"));
System.out.println("jobName:" + doc.get("jobName"));
System.out.println("jobInfo:" + doc.get("jobInfo"));
System.out.println("*******************************************");
}
// 资源释放
indexReader.close();
}
}
这里需要使用可以合理分词的分词器,否则中文会一个字一个字地分词,其中最有名的中文分词器是 IKAnalyzer 分词器。
第一步:导入依赖。
<!-- IK 中文分词器 -->
<dependency>
<groupId>com.janeluo</groupId>
<artifactId>ikanalyzer</artifactId>
<version>2012_u6</version>
</dependency>
第二步:根据需求,可以添加配置文件放入到 resources 文件夹中(可以在配置文件额外加扩展词典和停止词典)。
IKAnalyzer.cfg.xml
stopword.dic
第三步:创建索引时使用 IKanalyzer。
Analyzer analyzer = new IKAnalyzer();
考虑一个问题:一个大型网站中的索引数据会很庞大的,所以使用 Lucene 这种原生的写代码的方式就不合适了,所以需要借助一个成熟的项目或软件来实现,目前比较有名是 solr 和 ElasticSearch。
Elasticsearch 是一个需要安装配置的软件。
ELK 技术栈说明:
Elastic 有一条完整的产品线 ELK - Elasticsearch、Logstash、Kibana,前面说的三个就是常说的 ELK 技术栈(开源实时日志分析平台)。
MySQL ---Logstash数据同步---> ElasticSearch索引库
MySQL ---- MySQL可视化软件
ElasticSearch索引库 ---- Kibana可视化软件
Logstash 的作用就是一个数据收集器,将各种格式各种渠道的数据通过它收集解析之后格式化输出到 Elastic Search ,最后再由 Kibana 提供的比较友好的 Web 界面进行汇总、分析、搜索。
ELK 内部实际就是个管道结构,数据从 Logstash 到 Elastic Search 再到 Kibana 做可视化展示。这三个组件各自也可以单独使用,比如 Logstash 不仅可以将数据输出到 Elastic Search ,也可以到数据库、缓存等。
Elastic 官网:https://www.elastic.co/cn/
Elastic 有一条完整的产品线:Elasticsearch、Logstash、Kibana 等,前面说的三个就是常说的 ELK 技术栈。
Elasticsearch 官网:https://www.elastic.co/cn/products/elasticsearch
功能:
Elastic Search 具备以下特点:
目前 Elasticsearch 最新的版本是 7.x,企业内目前用的比较多是 6.x,以 6.2.4 为例子,需要 JDK 1.8 及以上。
为了快速看到效果可以直接在本地 window 下安装 Elasticsearch,实际开发是在 Linux 中使用,但使用方式是一样的;环境要求:JDK 8 及以上版本。
把压缩包 elasticsearch-6.2.4.zip
放到一个没有中文没有空格的位置,解压即可。
\bin 命令,启动,关闭
\config 配置文件
\lib ES 的 jar 包依赖
\logs 日志
\modules ES 工作所依赖的一些组件,启动时加载
\plugins 放置一些第三方插件,如 IK 分词器
LICENSE.txt
NOTICE.txt
README.textile
1、修改索引数据和日志数据存储的路径 \config\elasticsearch.yml
。
第 33 行和 37 行,修改完记得把注释打开:
# ----------------------------------- Paths ------------------------------------
#
# Path to directory where to store the data (separate multiple locations by comma):
#
path.data: e:\class\es\data
#
# Path to log files:
#
path.logs: e:\class\es\logs
#
进入 bin 目录中直接双击 elasticsearch.bat
。
如果启动失败,需要修改虚拟机内存的大小,默认为 1 G,可以调小。
在 config 目录下找到 jvm.options
文件 ,修改后如下:
# Xms represents the initial size of total heap space
# Xmx represents the maximum size of total heap space
-Xms256m
-Xmx256m
启动后台部分输出如下:
[2020-11-08T21:52:33,482][INFO ][o.e.n.Node ] [G9aQRl_] starting ...
[2020-11-08T21:52:34,307][INFO ][o.e.t.TransportService ] [G9aQRl_] publish_address {127.0.0.1:9300}, bound_addresses {127.0.0.1:9300}, {[::1]:9300}
[2020-11-08T21:52:37,363][INFO ][o.e.c.s.MasterService ] [G9aQRl_] zen-disco-elected-as-master ([0] nodes joined), reason: new_master {G9aQRl_}{G9aQRl_qR2KeysskhZY0xQ}{87fblLs1Rci_HVjZVzVlOQ}{127.0.0.1}{127.0.0.1:9300}
[2020-11-08T21:52:37,363][INFO ][o.e.c.s.ClusterApplierService] [G9aQRl_] new_master {G9aQRl_}{G9aQRl_qR2KeysskhZY0xQ}{87fblLs1Rci_HVjZVzVlOQ}{127.0.0.1}{127.0.0.1:9300}, reason: apply cluster state (from master [master {G9aQRl_}{G9aQRl_qR2KeysskhZY0xQ}{87fblLs1Rci_HVjZVzVlOQ}{127.0.0.1}{127.0.0.1:9300} committed version [1] source [zen-disco-elected-as-master ([0] nodes joined)]])
[2020-11-08T21:52:37,426][INFO ][o.e.g.GatewayService ] [G9aQRl_] recovered [0] indices into cluster_state
[2020-11-08T21:52:37,762][INFO ][o.e.h.n.Netty4HttpServerTransport] [G9aQRl_] publish_address {127.0.0.1:9200}, bound_addresses {127.0.0.1:9200}, {[::1]:9200}
[2020-11-08T21:52:37,762][INFO ][o.e.n.Node ] [G9aQRl_] started
可以看到绑定了两个端口:
9300 - 集群节点间通讯接口,接收 tcp 协议。
9200 - 客户端访问接口,接收 Http 协议。
在浏览器中访问:http://127.0.0.1:9200
{
"name" : "G9aQRl_",
"cluster_name" : "elasticsearch",
"cluster_uuid" : "ezpbwfUtTqubgqUGPvJWAg",
"version" : {
"number" : "6.2.4",
"build_hash" : "ccec39f",
"build_date" : "2018-04-12T20:37:28.497551Z",
"build_snapshot" : false,
"lucene_version" : "7.2.1",
"minimum_wire_compatibility_version" : "5.6.0",
"minimum_index_compatibility_version" : "5.0.0"
},
"tagline" : "You Know, for Search"
}
Kibana 是一个基于 Node.js 的 Elasticsearch 索引库数据统计工具,可以利用 Elasticsearch 的聚合功能,生成各种图表,如柱形图,线状图,饼;而且还提供了操作 Elasticsearch 索引数据的控制台,并且提供了一定的 API 提示。
因为 Kibana 依赖于 node,需要在 windows 下先安装 Node.js,直接双击运行 node.js 的安装包:node-v10.15.0-x64.msi
。
安装成功后在任意 DOS 窗口输入:node -v
,即可查看到 node 版本。
然后安装 kibana,版本与 Elasticsearch 保持一致,也是 6.2.4。
直接解压安装包即可:kibana-6.2.4-windows-x86_64.zip
。
进入安装目录下的 config 目录,修改 kibana.yml
文件的第 21 行(注释放开)。
确保 elasticsearch 服务器的地址如下:
elasticsearch.url: "http://localhost:9200"
进入安装目录下的 bin 目录,双击 kibana.bat
启动。
log [14:05:55.974] [info][listening] Server running at http://localhost:5601
log [14:05:56.031] [info][status][plugin:elasticsearch@6.2.4] Status changed from yellow to green - Ready
可以看到 Kibana 的监听端口是 5601,于是直接访问:http://127.0.0.1:5601
。
成功访问 Kibana 后,选择左侧的 DevTools 菜单,即可进入控制台页面。
在页面右侧,就可以输入请求,访问 Elasticsearch 了。
编写 Restful 请求;这里类似于 POST 或者浏览器,可以向 ES 发送请求,但是不用写 ES 的地址,因为在 config/kibana.yml 文件中已经定义了 ES 的地址,剩下的只需要填写对应的 uri 和参数即可:
GET _search
{
"query": {
"match_all": {}
}
}
点击按钮执行请求,返回执行结果,显示的格式是 JSON,请求格式和响应格式一样都是 JSON 格式:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": []
}
}
Lucene 的 IK 分词器早在 2012 年已经没有维护了,现在要使用的是在其基础上维护升级的版本,并且开发为 Elasticsearch 的集成插件了,与 Elasticsearch 一起维护升级,版本也保持一致。
https://github.com/medcl/elasticsearch-analysis-ik
1、 解压 elasticsearch-analysis-ik-6.2.4.zip
后,将解压后的文件夹拷贝到 elasticsearch-6.2.4\plugins
下,并重命名文件夹为 ik
。
2、重新启动 ElasticSearch,即可加载 IK 分词器。
在 kibana 控制台输入下面的请求:
GET /_analyze
{
"analyzer": "ik_max_word",
"text": "我是中国人"
}
运行得到结果:
{
"tokens": [
{
"token": "我",
"start_offset": ,
"end_offset": ,
"type": "CN_CHAR",
"position":
},
{
"token": "是",
"start_offset": ,
"end_offset": ,
"type": "CN_CHAR",
"position":
},
{
"token": "中国人",
"start_offset": ,
"end_offset": ,
"type": "CN_WORD",
"position":
},
{
"token": "中国",
"start_offset": ,
"end_offset": ,
"type": "CN_WORD",
"position":
},
{
"token": "国人",
"start_offset": ,
"end_offset": ,
"type": "CN_WORD",
"position":
}
]
}
使用 smart 分词:
GET /_analyze
{
"analyzer": "ik_smart",
"text": "我是中国人"
}
结果:
{
"tokens": [
{
"token": "我",
"start_offset": ,
"end_offset": ,
"type": "CN_CHAR",
"position":
},
{
"token": "是",
"start_offset": ,
"end_offset": ,
"type": "CN_CHAR",
"position":
},
{
"token": "中国人",
"start_offset": ,
"end_offset": ,
"type": "CN_WORD",
"position":
}
]
}
elasticsearch-head
是一个界面化的集群操作和管理工具,可以对集群进行傻瓜式操作。可以通过插件把它集成到 es(首选方式),也可以安装成一个独立 webapp。
es-head
主要有三个方面的操作:
官方的文档:https://github.com/mobz/elasticsearch-head
基于谷歌浏览器:
1)直接下载压缩包 elasticsearch-head.7z
。
2)解压。
3)在谷歌浏览器中点击“加载已解压的压缩程序”,找到 elasticsearch-head
文件夹,点击打开即可进行安装。
1、节点 (node)
一个节点是一个 Elasticsearch 的实例。
在服务器上启动 Elasticsearch 之后,就拥有了一个节点。如果在另一台服务器上启动 Elasticsearch,这就是另一个节点。甚至可以通过启动多个 Elasticsearch 进程,在同一台服务器上拥有多个节点。
2、集群(cluster)
多个协同工作的 Elasticsearch 节点的集合被称为集群。
在多节点的集群上,同样的数据可以在多台服务器上传播。这有助于性能。这同样有助于稳定性,如果每个分片至少有一个副本分片,那么任何一个节点宕机后,Elasticsearch 依然可以进行服务,返回所有数据。
但是它也有缺点:必须确定节点之间能够足够快速地通信,并且不会产生脑裂效应(集群的 2 个部分不能彼此交流,都认为对方宕机了)。
3、分片 (shard)
索引可能会存储大量数据,这些数据可能超过单个节点的硬件限制。例如,十亿个文档的单个索引占用了 1 TB 的磁盘空间,可能不适合单个节点的磁盘,或者可能太慢而无法单独满足来自单个节点的搜索请求。
为了解决此问题,Elasticsearch 提供了将索引细分为多个碎片的功能。创建索引时,只需定义所需的分片数量即可。每个分片本身就是一个功能齐全且独立的“索引”,可以托管在群集中的任何节点上。
分片很重要,主要有两个原因:
分片如何分布以及其文档如何聚合回到搜索请求中的机制完全由 Elasticsearch 管理,并且对用户是透明的。
在随时可能发生故障的网络 / 云环境中,非常有用,强烈建议使用故障转移机制,以防碎片 / 节点因某种原因脱机或消失。为此,Elasticsearch 允许将索引分片的一个或多个副本制作为所谓的副本分片(简称副本)。
4、副本(replica)
分片处理允许用户推送超过单机容量的数据至 Elasticsearch 集群。副本则解决了访问压力过大时单机无法处理所有请求的问题。
分片可以是主分片,也可以是副本分片,其中副本分片是主分片的完整副本。副本分片用于搜索,或者是在原有的主分片丢失后成为新的主分片。
注意:可以在任何时候改变每个分片的副本分片的数量,因为副本分片总是可以被创建和移除的。这并不适用于索引划分为主分片的数量,在创建索引之前,必须决定主分片的数量。过少的分片将限制可扩展性,但是过多的分片会影响性能。默认设置的5份是一个不错的开始。
1、文档 (document)
Elasticsearch 是面向文档的,这意味着索引和搜索数据的最小单位是文档。
在 Elasticsearch 中文档有几个重要的属性:
2、类型 (type)
类型是文档的逻辑容器,类似于表格是行的容器。在不同的类型中,最好放入不同结构的文档。例如,可以用一个类型定义聚会时的分组,而另一个类型定义人们参加的活动。
3、索引 (index)
索引是映射类型的容器。一个 Elasticsearch 索引是独立的大量的文档集合。每个索引存储在磁盘上的同组文件中,索引存储了所有映射类型的字段,还有一些设置。
4、映射(mapping)
所有文档在写入索引前都将被分析,用户可以设置一些参数,决定如何将输入文本分割为词条,哪些词条应该被过滤掉,或哪些附加处理有必要被调用(比如移除 HTML 标签)。这就是映射扮演的角色:存储分析链所需的所有信息。
Elasticsearch 也是基于 Lucene 的全文检索库,本质也是存储数据,很多概念与 MySQL 类似的。
对比关系:
索引库 indices ----- Database 数据库
类型 type ---- Table 数据表
文档 Document ----- Row 行
域字段 Field ----- Columns 列
映射配置 mappings ----- 每个列的约束(类型、长度)
详细说明:
Elasticsearch 采用 Rest 风格 API,因此其 API 就是一次 http 请求,可以用任何工具发起 http 请求。
创建索引的请求格式:
{
"settings": {
"属性名": "属性值"
}
}
settings
:就是索引库设置,其中可以定义索引库的各种属性,目前可以不设置,都走默认。
Kibana 的控制台,可以对 http 请求进行简化,示例:
PUT /renda
响应数据:
{
"acknowledged": true,
"shards_acknowledged": true,
"index": "renda"
}
相当于是省去了 elasticsearch 的服务器地址,而且还有语法提示。
Get 请求可以查看索引信息:
GET /renda
响应数据:
{
"renda": {
"aliases": {},
"mappings": {},
"settings": {
"index": {
"creation_date": "1604847321532",
"number_of_shards": "5",
"number_of_replicas": "1",
"uuid": "ZlK7XTn6S8OIOAdhPCvnxA",
"version": {
"created": "6020499"
},
"provided_name": "renda"
}
}
}
}
删除索引使用 DELETE请 求:
DELETE /renda
响应信息:
{
"acknowledged": true
}
再次查看 renda:
GET /renda
响应信息:
{
"error": {
"root_cause": [
{
"type": "index_not_found_exception",
"reason": "no such index",
"resource.type": "index_or_alias",
"resource.id": "renda",
"index_uuid": "_na_",
"index": "renda"
}
],
"type": "index_not_found_exception",
"reason": "no such index",
"resource.type": "index_or_alias",
"resource.id": "renda",
"index_uuid": "_na_",
"index": "renda"
},
"status":
}
有了索引库 ,等于有了数据库中的 database。接下来就需要索引库中的类型了,也就是数据库中的表。创建数据库表需要设置字段约束,索引库也一样,在创建索引库的类型时,需要知道这个类型下有哪些字段,每个字段有哪些约束信息,这就叫做字段映射 (mapping)。
注意:Elasticsearch7.x
取消了索引 type 类型的设置,不允许指定类型,默认为 _doc
;但字段仍然是有类型的,还需要设置字段的约束信息,叫做字段映射(mapping)。
字段的约束在 Lucene 中见到过,包括到不限于:
请求方式依然是 PUT:
PUT /索引库名/_mapping/typeName
{
"properties": {
"字段名": {
"type": "类型",
"index": true,
"store": true,
"analyzer": "分词器"
}
}
}
typeName
类型名称:就是前面的 type 的概念,类似于数据库中的表。
字段名:任意填写,下面指定许多属性,例如:
type
- 类型,可以是 text、keyword、long、short、date、integer、object 等。index
- 是否索引,默认为 true。store
- 是否存储,默认为 false。analyzer
- 分词器,这里的 ik_max_word 即使用 ik 分词器。发起请求:
PUT renda/_mapping/goods
{
"properties": {
"title": {
"type": "text",
"store": true,
"analyzer": "ik_max_word"
},
"images": {
"type": "keyword",
"store": true,
"index": false
},
"price": {
"type": "float"
}
}
}
响应结果:
{
"acknowledged": true
}
上述案例中,就给 renda 这个索引库添加了一个名为 goods 的类型,并且在类型中设置了 3 个字段:
并且给这些字段设置了一些属性,至于这些属性对应的含义,后面会详细介绍。
查看某个索引库中的所有类型的映射语法:
GET /索引库名/_mapping
如果要查看某个类型映射,可以再路径后面跟上类型名称:
GET /索引库名/_mapping/类型名
示例请求:
GET /renda/_mapping/goods
响应:
{
"renda": {
"mappings": {
"goods": {
"properties": {
"images": {
"type": "keyword",
"index": false,
"store": true
},
"price": {
"type": "float"
},
"title": {
"type": "text",
"store": true,
"analyzer": "ik_max_word"
}
}
}
}
}
}
Elasticsearch 中支持的数据类型非常丰富:
核心类型:
字符串类型 - text,keyword - 结构化搜索,全文文本搜索、聚合、排序等
整数类型 - integer,long,short,byte - 字段的长度越短,索引和搜索的效率越高
浮点类型 - double,float,half_float,scaled_float
逻辑类型 - boolean
日期类型 - date
范围类型 - range
二进制类型 - binary
该 binary 类型接受二进制值作为 Base64 编码的字符串。
该字段默认情况下不存储(store),并且不可搜索。
复合类型:
数组类型 - array
对象类型 - object - 用于单个 JSON 对象
嵌套类型 - nested - 用于 JSON 对象数组
地理类型:
地理坐标类型 - geo_point - 纬度/经度积分
地理地图 - geo_shape - 用于多边形等复杂形状
特殊类型:
IP 类型 - ip - 用于 IPv4 和 IPv6 地址
范围类型 - completion - 提供自动完成建议
令牌计数类型 - token_count - 计算字符串中令牌的数量
String 类型分两种:
text
:使用文本数据类型的字段,它们会被分词,文本字段不用于排序,很少用于聚合,如文章标题、正文。keyword
:关键字数据类型,用于索引结构化内容的字段,不会被分词,必须完整匹配的内容,如邮箱,身份证号;支持聚合。这两种类型都是比较常用的,但有的时候,对于一个字符串字段,可能希望两种都支持,此时,可以利用其多字段特性。
"properties": {
"title":{
"type": "text",
"analyzer": "ik_max_word",
"fields": {
"sort": {
"type": "keyword"
}
},
"index": true
}
}
Numerical:数值类型,分两类
long
、interger
、short
、byte
、double
、float
、half_float
double
双精度 64 位float
单精度 32 位half_float
半精度 16 位scaled_float
。带有缩放因子的缩放类型浮点数,依靠一个 long 数字类型通过一个固定的 (double 类型) 缩放因数进行缩放;需要指定一个精度因子,比如 10 或 100。Elasticsearch 会把真实值乘以这个因子后存储,取出时再还原。Date:日期类型,Elasticsearch 可以对日期格式化为字符串存储,但是建议存储为毫秒值,存储为 long,节省空间。
Array:数组类型
字符串数组:["one", "two"]
整数数组:[1, 2]
数组的数组:[1, [2, 3]],等价于 [1,2,3]
对象数组:[{"name": "Mary", "age": 12}, {"name": "John", "age": 10}]
Object:对象,JSON 文档本质上是分层的 - 文档包含内部对象,内部对象本身还包含内部对象。
{
"region": "US",
"manager.age": ,
"manager.name ": "John Smith"
}
索引方法如下:
{
"mappings": {
"properties": {
"region": { "type": "keyword" },
"manager": {
"properties": {
"age": { "type": "integer" },
"name": { "type": "text" }
}
}
}
}
}
如果存储到索引库的是对象类型,例如上面的 manager,会把 manager 编成两个字段:manager.name
和 manager.age
。
IP 地址:
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"ip_addr": {
"type": "ip"
}
}
}
}
}
PUT my_index/_doc/
{
"ip_addr": "192.168.1.1"
}
GET my_index/_search
{
"query": {
"term": {
"ip_addr": "192.168.0.0/16"
}
}
}
index
影响字段的索引情况。
true
:字段会被索引,则可以用来进行搜索过滤。默认值就是 true,只有当某一个字段的 index 值设置为 true 时,检索 ES 才可以作为条件去检索。false
:字段不会被索引,不能用来搜索。index
的默认值就是 true,也就是说不进行任何配置,所有字段都会被索引。
但是有些字段是不希望被索引的,比如商品的图片信息 URL,就需要手动设置 index 为 false。
是否将数据进行额外存储。
在 lucene 中,如果一个字段的 store 设置为 false,那么在文档列表中就不会有这个字段的值,用户的搜索结果中不会显示出来。
但是在 Elasticsearch 中,即便 store 设置为 false,也可以搜索到结果。
原因是 Elasticsearch 在创建文档索引时,会将文档中的原始数据备份,保存到一个叫做 _source 的属性中。而且我们可以通过过滤 _source 来选择哪些要显示,哪些不显示。
如果设置 store 为 true,就会在 _source 以外额外存储一份数据,多余,因此一般都会将 store 设置为 false,事实上,store 的默认值就是 false。
在某些情况下,这对 store 某个领域可能是有意义的。例如,如果文档包含一个 title ,一个 date 和一个非常大的 content 字段,则可能只想检索 the title 和 the date 而不必从一个大 _source 字段中提取这些字段:
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"title": {
"type": "text",
"store": true
},
"date": {
"type": "date",
"store": true
},
"content": {
"type": "text"
}
}
}
}
}
网站权重:是指搜索引擎给网站(包括网页)赋予一定的权威值,对网站(含网页)权威的评估评价。一个网站权重越高,在搜索引擎所占的份量越大,在搜索引擎排名就越好。提高网站权重,不但利于网站(包括网页)在搜索引擎的排名更靠前,还能提高整站的流量,提高网站信任度。所以提高网站的权重具有相当重要的意义。权重即网站在 SEO 中的重要性,权威性。Page Strength:1、权重不等于排名;2、权重对排名有着非常大的影响;3、整站权重的提高有利于内页的排名。
权重,新增数据时,可以指定该数据的权重,权重越高,得分越高,排名越靠前。
PUT my_index
{
"mappings": {
"_doc": {
"properties": {
"title": {
"type": "text",
"boost":
},
"content": {
"type": "text"
}
}
}
}
}
title
字段上的匹配项的权重是字段上的匹配项的权重的两倍 content
,默认 boost
值为 1.0
。
提升仅适用于 Term 查询;不提升 prefix,range 和模糊查询。
第一步:
PUT /renda
第二步:
PUT renda/_mapping/goods
{
"properties": {
"title": {
"type": "text",
"analyzer": "ik_max_word"
},
"images": {
"type": "keyword",
"index": "false"
},
"price": {
"type": "float"
}
}
}
刚才的案例中是把创建索引库和类型分开来做,其实也可以在创建索引库的同时,直接制定索引库中的类型,基本语法:
put /索引库名
{
"settings":{
"索引库属性名":"索引库属性值"
},
"mappings":{
"类型名":{
"properties":{
"字段名":{
"映射属性名":"映射属性值"
}
}
}
}
}
示例:
PUT /renda
{
"settings": {},
"mappings": {
"goods": {
"properties": {
"title": {
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}
}
结果:
{
"acknowledged": true,
"shards_acknowledged": true,
"index": "renda2"
}
文档,即索引库中某个类型下的数据,会根据规则创建索引,将来用来搜索。可以类比做数据库中的每一行数据。
新增并随机生成 id。
通过 POST 请求,可以向一个已经存在的索引库中添加文档数据。
语法:
POST /索引库名/类型名
{
"key":"value"
}
示例:
POST /renda/goods/
{
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price": 2699.00
}
响应:
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
可以看到结果显示为:created
,是创建成功了。
另外,需要注意的是,在响应结果中有个 _id
字段,这个就是这条文档数据的唯一标示 ,以后的增删改查都依赖这个 id 作为唯一标示。
可以看到 id 的值为:gPeQqHUB-UTJAEEuqOm9
,这里新增时没有指定 id,所以是 ES 随机生成的 id
。
根据 Rest 风格,新增是 post,查询应该是 get,不过查询一般都需要条件,这里把刚刚生成数据的 id 带上。
通过 kibana 查看数据:
GET /renda/goods/gPeQqHUB-UTJAEEuqOm
查看结果:
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_version": ,
"found": true,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
如果想要自己新增的时候指定 id,可以这么做:
POST /索引库名/类型/id值
{
...
}
示例:
POST /renda/goods/
{
"title": "白米手机",
"images": "http://image.renda.com/12479122.jpg",
"price": 2699.00
}
得到的数据:
{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
PUT - 修改文档。
POST - 新增文档。
把刚才新增的请求方式改为 PUT,就是修改了,不过修改必须指定id。
比如,使用 id 为 3,不存在,则应该是新增:
PUT /renda/goods/
{
"title": "黑米手机",
"images": "http://image.renda.com/12479122.jpg",
"price": 3999.00,
"stock": ,
"saleable": true
}
结果:
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
可以看到是 created
,是新增。
再次执行刚才的请求,不过把数据改一下:
PUT /renda/goods/
{
"title": "X米手机",
"images": "http://image.renda.com/12479122.jpg",
"price": 4999.00,
"stock": ,
"saleable": true
}
结果:
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_version": ,
"result": "updated",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
可以看到结果是:updated
,显然是更新数据。
删除使用 DELETE 请求,同样,需要根据 id 进行删除。
语法:
DELETE /索引库名/类型名/id值
示例:
DELETE /renda/goods/
结果:
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_version": ,
"result": "deleted",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
Elasticsearch 非常智能,不需要给索引库设置任何 mapping 映射,它也可以根据输入的数据来判断类型,动态添加数据映射。
测试一下:
POST /renda/goods/
{
"title":"超大米手机",
"images":"http://image.renda.com/12479122.jpg",
"price":3299.00,
"stock": ,
"saleable":true,
"subTitle":"大米"
}
额外添加了 stock 库存,saleable 是否上架,subtitle 副标题,3 个字段。
响应结果:
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
执行 GET renda
查看索引库的映射关系:
{
"renda": {
"aliases": {},
"mappings": {
"goods": {
"properties": {
"images": {
"type": "keyword",
"index": false,
"store": true
},
"price": {
"type": "float"
},
"saleable": {
"type": "boolean"
},
"stock": {
"type": "long"
},
"subTitle": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above":
}
}
},
"title": {
"type": "text",
"store": true,
"analyzer": "ik_max_word"
}
}
}
},
"settings": {
"index": {
"creation_date": "1604847840423",
"number_of_shards": "5",
"number_of_replicas": "1",
"uuid": "w-Q9ingUTjm2MsfaQ0730g",
"version": {
"created": "6020499"
},
"provided_name": "renda"
}
}
}
}
stock
、saleable
、subtitle
都被成功映射了。
如果没有事先定义对应的 Mapping,那么就会根据文档中的字段数据推断类型并创建;而且 ES 会在匹配类型中选择范围最大的作为新建的 Mapping 字段的类型。
subtitle
是 String 类型数据,ES 无法智能判断是否应该分词,它就会存入两个字段,从而满足分词和不分词这两种情况。例如:
subtitle
- text 类型subtitle.keyword
- keyword 类型这种智能映射,底层原理是动态模板映射,如果想修改这种智能映射的规则,其实只要修改动态模板即可。
动态模板的语法:
1)模板名称,随便起。
2)匹配条件,凡是符合条件的未定义字段,都会按照这个规则来映射。
3)映射规则,匹配成功后的映射规则。
可以把所有未映射的 String 类型数据自动映射为 keyword 类型:
PUT renda
{
"mappings": {
"goods": {
"properties": {
"title": {
"type": "text",
"analyzer": "ik_max_word",
"index": true,
"store": true
}
},
"dynamic_templates": [
{
"strings": {
"match_mapping_type": "string",
"mapping": {
"type": "keyword",
"index": false,
"store": true
}
}
}
]
}
}
}
响应结果:
{
"acknowledged": true,
"shards_acknowledged": true,
"index": "renda3"
}
在这个案例中,做了两个映射配置:
title
字段 - 统一映射为 text 类型,并制定分词器。这样,未知的 string 类型数据就不会被映射为 text 和 keyword 并存,而是统一以 keyword 来处理。
新增一个数据:
POST /renda/goods/
{
"title":"X米手机",
"images":"http://image.renda.com/12479122.jpg",
"price":3299.00
}
响应结果:
{
"_index": "renda3",
"_type": "goods",
"_id": "1",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
查看 images
和 price
会被映射为什么类型:
GET /renda3/_mapping
结果:
{
"renda3": {
"mappings": {
"goods": {
"dynamic_templates": [
{
"strings": {
"match_mapping_type": "string",
"mapping": {
"index": false,
"store": true,
"type": "keyword"
}
}
}
],
"properties": {
"images": {
"type": "keyword",
"index": false,
"store": true
},
"price": {
"type": "float"
},
"title": {
"type": "text",
"store": true,
"analyzer": "ik_max_word"
}
}
}
}
}
}
可以看到 images 被映射成了 keyword,而非之前的 text 和 keyword 并存,说明动态模板生效了。
基本语法:
GET /索引库名/_search
{
"query":{
"查询类型":{
"查询条件":"查询条件值"
}
}
}
这里的 query 代表一个查询对象,里面可以有不同的查询属性。
查询类型:match_all、match、term、range 等等。
查询条件:查询条件会根据类型的不同,写法也有差异。
示例:
GET /renda/_search
{
"query":{
"match_all": {}
}
}
query
:代表查询对象。
match_all
:代表查询所有。
结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_score": ,
"_source": {
"title": "白米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": ,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_score": ,
"_source": {
"title": "超大米手机",
"images": "http://image.renda.com/12479122.jpg",
"price": ,
"stock": ,
"saleable": true,
"subTitle": "大米"
}
}
]
}
}
结果解析:
took - 检索所耗费的时间,单位是毫秒。
timed_out - 是否超时。
_shards - 分片信息。
hits - 命中结果,检索结果信息。
total - 搜索到的总条数。
max_score - 所有结果中文档得分的最高分。
hits - 搜索结果的文档对象数组,每个元素是一条搜索到的文档信息。
_index - 索引库。
_type - 文档类型。
_id - 文档 id。
_score - 评分;索引库的一个概念;关联度。
_source - 原始数据。
文档得分:使用 ES 时,对于查询出的文档无疑会有文档相似度之别;而理想的排序是和查询条件相关性越高排序越靠前,而这个排序的依据就是 _score
。
加入一条数据用于测试:
PUT /renda/goods/
{
"title": "小米电视4A",
"images": "http://image.renda.com/12479122.jpg",
"price": 3899.00
}
索引库中有 3 部手机,1 台电视。
match
类型查询,会把查询条件进行分词,然后进行查询,多个词条之间是 or
的关系:
GET /renda/_search
{
"query": {
"match": {
"title": "小米电视"
}
}
}
响应结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": 0.5753642,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_score": 0.5753642,
"_source": {
"title": "小米电视4A",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": 0.2876821,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
在上面的案例中,不仅会查询到电视,而且与小米相关的都会查询到,多个词之间是 or 的关系。
某些情况下,需要更精确查找,即 and 关系。比如在电商平台精确搜索商品时,希望这个关系(查询条件切分词之后的关系)变成 and,可以这样做:
GET /renda/_search
{
"query": {
"match": {
"title": {
"query": "小米电视",
"operator": "and"
}
}
}
}
响应结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": 0.5753642,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_score": 0.5753642,
"_source": {
"title": "小米电视4A",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
此时,只有同时包含小米和电视的词条才会被搜索到。
term
查询被用于精确值匹配,这些精确值可能是数字、时间、布尔,或者那些未分词的字符串、keyword 类型的字符串。
效果类似于:select * from tableName where colName='value';
GET /renda/_search
{
"query":{
"term":{
"price": 2699.00
}
}
}
响应结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_score": ,
"_source": {
"title": "白米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": ,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
bool
把各种其它查询通过 must - 与
、 must_not - 非
、 should - 或
的方式进行组合。
GET /renda/_search
{
"query":{
"bool":{
"must": {
"match": {
"title": "小米"
}
},
"must_not": {
"match": {
"title": "电视"
}
},
"should": {
"match": {
"title": "手机"
}
}
}
}
}
响应结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": 0.5753642,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": 0.5753642,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
range
查询找出那些落在指定区间内的数字或者时间。
GET /renda/_search
{
"query": {
"range": {
"price": {
"gte": 3000.0,
"lt": 4000.00
}
}
}
}
响应结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "3",
"_score": ,
"_source": {
"title": "小米电视4A",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
range
查询允许以下字符:
gt
- 大于gte
- 大于等于lt
- 小于lte
- 小于等于fuzzy
查询是 term
查询的模糊等价,很少直接使用它。
新增一个商品:
POST /renda/goods/
{
"title": "Apple手机",
"images": "http://image.renda.com/12479122.jpg",
"price": 6899.00
}
响应结果:
{
"_index": "renda",
"_type": "goods",
"_id": "5",
"_version": ,
"result": "created",
"_shards": {
"total": ,
"successful": ,
"failed":
},
"_seq_no": ,
"_primary_term":
}
fuzzy
查询是 term
查询的模糊等价,它允许用户搜索词条与实际词条的拼写出现偏差,但是偏差的编辑距离不得超过 2
:
GET /renda/_search
{
"query": {
"fuzzy": {
"title": "applas"
}
}
}
上面的查询,也能查询到 apple 手机:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": 0.17260925,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "5",
"_score": 0.17260925,
"_source": {
"title": "Apple手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
}
}
]
}
}
默认情况下,Elasticsearch 在搜索的结果中,会把文档中保存在 _source
的所有字段都返回。
如果只想获取其中的部分字段,可以添加 _source
的过滤。
示例:
GET /renda/_search
{
"_source": ["title","price"],
"query": {
"term": {
"price":
}
}
}
返回的结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_score": ,
"_source": {
"price": ,
"title": "白米手机"
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": ,
"_source": {
"price": ,
"title": "小米手机"
}
}
]
}
}
includes
:来指定想要显示的字段。
excludes
:来指定不想要显示的字段。
二者都是可选的。
示例:
GET /renda/_search
{
"_source": {
"includes":["title", "price"]
},
"query": {
"term": {
"price":
}
}
}
与下面的结果将是一样的:
GET /renda/_search
{
"_source": {
"excludes": ["images"]
},
"query": {
"term": {
"price":
}
}
}
响应结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_score": ,
"_source": {
"price": ,
"title": "白米手机"
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": ,
"_source": {
"price": ,
"title": "小米手机"
}
}
]
}
}
Elasticsearch 使用的查询语言(DSL)拥有一套查询组件,这些组件可以以无限组合的方式进行搭配。
这套组件可以在以下两种情况下使用:过滤情况 - filtering context 和查询情况 - query context。
如何选择查询与过滤:
通常的规则是,使用查询(query)语句来进行全文搜索或者其它任何需要影响相关性得分的搜索;除此以外的情况都使用过滤(filters)。
条件查询中进行过滤:
所有的查询都会影响到文档的评分及排名。如果需要在查询结果中进行过滤,并且不希望过滤条件影响评分,那么就不要把过滤条件作为查询条件来用,而是使用 filter 方式:
GET /renda/_search
{
"query":{
"bool":{
"must":{ "match": { "title": "小米手机" }},
"filter":{
"range":{"price":{"gt":2000.00,"lt":3800.00}}
}
}
}
}
无查询条件,直接过滤:
如果一次查询只有过滤,没有查询条件,不希望进行评分,可以使用 constant_score 取代只有 filter 语句的 bool 查询。在性能上是完全相同的,但对于提高查询简洁性和清晰度有很大帮助。
GET /renda/_search
{
"query":{
"constant_score": {
"filter": {
"range": {"price":{"gt":2000.00, "lt":3000.00}}
}
}
}
}
sort
可以按照不同的字段进行排序,并且通过 order
指定排序的方式。
GET /renda/_search
{
"query": {
"match": {
"title": "小米手机"
}
},
"sort": [
{
"price": {
"order": "desc"
}
}
]
}
假定想要结合使用 price
和 _score
进行查询,并且匹配的结果首先按照价格排序,然后按照相关性得分排序:
GET /renda/_search
{
"query":
{
"bool":
{
"must":
{
"match":
{
"title": "小米手机"
}
},
"filter":{
"range":
{
"price":
{
"gt":,
"lt":
}
}
}
}
},
"sort": [
{
"price":
{
"order": "desc"
}
},
{
"_score":
{
"order": "desc"
}
}
]
}
Elasticsearch 中数据都存储在分片中,当执行搜索时每个分片独立搜索后,数据再经过整合返回。那么,如何实现分页查询呢?
Elasticsearch 的分页与 MySQL 数据库非常相似,都是指定两个值:
from
- 目标数据的偏移值(开始位置),默认 from 为 0。size
- 每页大小。GET /renda/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"price": {
"order": "asc"
}
}
],
"from": ,
"size":
}
结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": null,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "5",
"_score": null,
"_source": {
"title": "Apple手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
},
"sort": [
]
}
]
}
}
高亮原理:
Elasticsearch 中实现高亮的语法比较简单:
GET /renda/_search
{
"query": {
"match": {
"title": "手机"
}
},
"highlight": {
"pre_tags": "<em>",
"post_tags": "</em>",
"fields": {
"title": {}
}
}
}
在使用 match 查询的同时,加上一个 highlight 属性:
pre_tags:前置标签
post_tags:后置标签
fields:需要高亮的字段
title:这里声明 title 字段需要高亮
结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": 0.2876821,
"hits": [
{
"_index": "renda",
"_type": "goods",
"_id": "5",
"_score": 0.2876821,
"_source": {
"title": "Apple手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
},
"highlight": {
"title": [
"Apple<em>手机</em>"
]
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "2",
"_score": 0.2876821,
"_source": {
"title": "白米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
},
"highlight": {
"title": [
"白米<em>手机</em>"
]
}
},
{
"_index": "renda",
"_type": "goods",
"_id": "gPeQqHUB-UTJAEEuqOm9",
"_score": 0.2876821,
"_source": {
"title": "小米手机",
"images": "http://image.renda.com/12479122.jpg",
"price":
},
"highlight": {
"title": [
"小米<em>手机</em>"
]
}
}
]
}
}
聚合可以极其方便的实现对数据的统计、分析,例如:
实现这些统计功能的比结构化数据库的 SQL 要方便的多,而且查询速度非常快,可以实现近实时搜索效果。
Elasticsearch 中的聚合,包含多种类型,最常用的两种,一个叫”桶“ ,一个叫”度量“。
桶(bucket)类似于 Group By。
桶的作用,是按照某种方式对数据进行分组,每一组数据在 ES 中称为一个 桶 ,例如根据国籍对人划分,可以得到中国桶 、英国桶、日本桶等等,或者按照年龄段对人进行划分:0~10
, 10~20
, 20~30
, 30~40
等。
Elasticsearch 中提供的划分桶的方式有很多:
综上所述,bucket aggregations 只负责对数据进行分组,并不进行计算,因此往往 bucket 中往往会嵌套另一种聚合:度量 - metrics aggregations。
度量(metrics)相当于聚合的结果。
分组完成以后,一般会对组中的数据进行聚合运算,例如求平均值、最大、最小、求和等,这些在 ES 中称为度量。
比较常用的一些度量聚合方式:
为了测试聚合,先批量导入一些数据。
创建索引:
PUT /car
{
"mappings": {
"orders": {
"properties": {
"color": {
"type": "keyword"
},
"make": {
"type": "keyword"
}
}
}
}
}
注意:在 ES 中,需要进行聚合、排序、过滤的字段其处理方式比较特殊,因此不能被分词,必须使用 keyword 或数值类型 。这里将 color 和 make 这两个文字类型的字段设置为 keyword 类型,这个类型不会被分词,将来就可以参与聚合。
导入数据,这里是采用批处理的 API,可以直接复制到 Kibana 运行即可:
POST /car/orders/_bulk
{ "index": {}}
{ "price" : , "color" : "红", "make" : "本田", "sold" : "2020-10-28" }
{ "index": {}}
{ "price" : , "color" : "红", "make" : "本田", "sold" : "2020-11-05" }
{ "index": {}}
{ "price" : , "color" : "绿", "make" : "福特", "sold" : "2020-05-18" }
{ "index": {}}
{ "price" : , "color" : "蓝", "make" : "丰田", "sold" : "2020-07-02" }
{ "index": {}}
{ "price" : , "color" : "绿", "make" : "丰田", "sold" : "2020-08-19" }
{ "index": {}}
{ "price" : , "color" : "红", "make" : "本田", "sold" : "2020-11-05" }
{ "index": {}}
{ "price" : , "color" : "红", "make" : "宝马", "sold" : "2020-01-01" }
{ "index": {}}
{ "price" : , "color" : "蓝", "make" : "福特", "sold" : "2020-02-12" }
首先,按照汽车的颜色 color 来划分桶,按照颜色分桶,最好是使用 TermAggregation 类型,按照颜色的名称来分桶。
GET /car/_search
{
"size" : ,
"aggs" : {
"popular_colors" : {
"terms" : {
"field" : "color"
}
}
}
}
分析:
size:查询条数,这里设置为 0,因为不关心搜索到的数据,只关心聚合结果,提高效率
aggs:声明这是一个聚合查询,是 aggregations 的缩写
popular_colors:给这次聚合起一个名字,可任意指定
terms:聚合的类型,这里选择 terms,是根据词条内容(这里是颜色)划分
field:划分桶时依赖的字段
结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": []
},
"aggregations": {
"popular_colors": {
"doc_count_error_upper_bound": ,
"sum_other_doc_count": ,
"buckets": [
{
"key": "红",
"doc_count":
},
{
"key": "绿",
"doc_count":
},
{
"key": "蓝",
"doc_count":
}
]
}
}
}
结果分析:
hits:查询结果为空,因为设置了 size 为
aggregations:聚合的结果
popular_colors:定义的聚合名称
buckets:查找到的桶,每个不同的 color 字段值都会形成一个桶
key:这个桶对应的 color 字段的值
doc_count:这个桶中的文档数量
通过聚合的结果发现,目前红色的小车比较畅销。
前面的例子展示每个桶里面的文档数量,这很有用。但通常,应用需要提供更复杂的文档度量。例如,每种颜色汽车的平均价格是多少?
因此,需要告诉 Elasticsearch 使用哪个字段,使用何种度量方式进行运算,这些信息要嵌套在 桶内,度量的运算会基于桶内的文档进行。
现在,为刚刚的聚合结果添加求价格平均值的度量:
GET /car/_search
{
"size" : ,
"aggs" : {
"popular_colors" : {
"terms" : {
"field" : "color"
},
"aggs":{
"avg_price": {
"avg": {
"field": "price"
}
}
}
}
}
}
aggs
:在上一个 aggs(popular_colors)
中添加新的 aggs,可见度量也是一个聚合avg_price
:聚合的名称avg
:度量的类型,这里是求平均值field
:度量运算的字段结果:
{
"took": ,
"timed_out": false,
"_shards": {
"total": ,
"successful": ,
"skipped": ,
"failed":
},
"hits": {
"total": ,
"max_score": ,
"hits": []
},
"aggregations": {
"popular_colors": {
"doc_count_error_upper_bound": ,
"sum_other_doc_count": ,
"buckets": [
{
"key": "红",
"doc_count": ,
"avg_price": {
"value":
}
},
{
"key": "绿",
"doc_count": ,
"avg_price": {
"value":
}
},
{
"key": "蓝",
"doc_count": ,
"avg_price": {
"value":
}
}
]
}
}
}
可以看到每个桶中都有自己的 avg_price 字段,这是度量聚合的结果。
单点的 Elasticsearch 存在的问题:
所以,为了应对这些问题,需要对 Elasticsearch 搭建集群。
首先,面临的第一个问题就是数据量太大,单点存储量有限的问题。
可以把数据拆分成多份,每一份存储到不同机器节点(node),从而实现减少每个节点数据量的目的。这就是数据的分布式存储,也叫做:数据分片(Shard)。
完整索引库indices ----> [分片shard1, 分片shard2, 分片shard3]
创建索引,分为三个分片,
将每个分片放在不同的集群节点中,以此实现高存储。
数据分片解决了海量数据存储的问题,但是如果出现单点故障,那么分片数据就不再完整,这又该如何解决呢?
可以给每个分片数据进行备份,存储到其它节点,防止数据丢失,这就是数据备份,也叫数据副本(replica) 。
数据备份可以保证高可用,但是每个分片备份一份,所需要的节点数量就会翻一倍,成本过高。
为了在高可用和成本间寻求平衡:
这样可以大大减少所需要的服务节点数量。
以 3 分片,每个分片备份一份为例:
node-01 : 0, 2
node-02 : 0, 1
node-03 : 1, 2
集群有三个节点,分别是 node-01、node-02、node-03;
新建索引 renda,指定分片为 3,副本为 1,三个主数据,三个副本;
三个分片为 0,1,2。
0 对应 node-01,
1 对应 node-02,
2 对应 node-03,
在这个集群中,如果出现单节点故障,并不会导致数据缺失,所以保证了集群的高可用,同时也减少了节点中数据存储量。并且因为是多个节点存储数据,因此用户请求也会分发到不同服务器,并发能力也得到了一定的提升。
集群需要多台机器,这里用一台机器来模拟,因此需要在一台虚拟机中部署多个 Elasticsearch 节点,每个 Elasticsearch 的端口都必须不一样。
一台机器进行模拟:将 ES 的安装包复制三份,修改端口号,data 和 log 存放位置的不同。
实际开发中:将每个 ES 节点放在不同的服务器上。
集群名称为:renda-elastic,部署 3 个 elasticsearch 节点,分别是:
http
:表示使用 http 协议进行访问时使用端口,elasticsearch-head、kibana、postman,默认端口号是 9200。
tcp
:集群间的各个节点进行通讯的端口,默认 9300。
第一步:复制 es 软件粘贴 3 次,分别改名。
第二步:修改每一个节点的配置文件 config 下的 elasticsearch.yml
,下面以第一份配置文件为例。
三个节点的配置文件几乎一致,除了:node.name、path.data、path.logs、http.port、transport.tcp.port。
node-01:
# 允许跨域名访问
http.cors.enabled: true
# 当设置允许跨域,默认为*,表示支持所有域名
http.cors.allow-origin: "*"
# 允许所有节点访问
network.host: 0.0.0.0
# 集群的名称,同一个集群下所有节点的集群名称应该一致
cluster.name: renda-elastic
# 当前节点名称 每个节点不一样
node.name: node-01
# 数据的存放路径 每个节点不一样,不同 es 服务器对应的 data 和 log 存储的路径不能一样
path.data: e:\class\es-9201\data
# 日志的存放路径 每个节点不一样
path.logs: e:\class\es-9201\logs
# http协议的对外端口 每个节点不一样,默认:9200
http.port: 9201
# TCP协议对外端口 每个节点不一样,默认:9300
transport.tcp.port: 9301
# 三个节点相互发现,包含自己,使用 tcp 协议的端口号
discovery.zen.ping.unicast.hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
# 声明大于几个的投票主节点有效,请设置为(nodes / 2) + 1
discovery.zen.minimum_master_nodes: 2
# 是否为主节点
node.master: true
node-02:
# 允许跨域名访问
http.cors.enabled: true
http.cors.allow-origin: "*"
network.host: 0.0.0.0
# 集群的名称
cluster.name: renda-elastic
# 当前节点名称 每个节点不一样
node.name: node-02
# 数据的存放路径 每个节点不一样
path.data: e:\class\es-9202\data
# 日志的存放路径 每个节点不一样
path.logs: e:\class\es-9202\logs
# http 协议的对外端口 每个节点不一样
http.port: 9202
# TCP 协议对外端口 每个节点不一样
transport.tcp.port: 9302
# 三个节点相互发现
discovery.zen.ping.unicast.hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
# 声明大于几个的投票主节点有效,请设置为(nodes / 2) + 1
discovery.zen.minimum_master_nodes: 2
# 是否为主节点
node.master: true
node-03:
# 允许跨域名访问
http.cors.enabled: true
http.cors.allow-origin: "*"
network.host: 0.0.0.0
# 集群的名称
cluster.name: renda-elastic
# 当前节点名称 每个节点不一样
node.name: node-03
# 数据的存放路径 每个节点不一样
path.data: e:\class\es-9203\data
# 日志的存放路径 每个节点不一样
path.logs: e:\class\es-9203\logs
# http协议的对外端口 每个节点不一样
http.port: 9203
# TCP协议对外端口 每个节点不一样
transport.tcp.port: 9303
# 三个节点相互发现
discovery.zen.ping.unicast.hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
# 声明大于几个的投票主节点有效,请设置为(nodes / 2) + 1
discovery.zen.minimum_master_nodes: 2
# 是否为主节点
node.master: true
第三步:启动集群
把三个节点分别启动,要确保一个一个地启动。
Chrome 浏览器使用 Head 插件查看节点启动状态,connect http://localhost:9201/
。
配置 kibana.yml:
# 端口号改为 9201 或 9202 或 9203 都可以
elasticsearch.url: "http://localhost:9201"
再重启 Kibana。
搭建集群以后就要创建索引库了,那么问题来了,当创建一个索引库后,数据会保存到哪个服务节点上呢?如果对索引库分片,那么每个片会在哪个节点呢?
使用 ElasticSearch-Head 创建新的 Index:名称为 renda,分片数为 3,副本为 1。
对比创建索引库的 API 示例:
PUT /renda
{
"settings": {
"number_of_shards": ,
"number_of_replicas":
}
}
这里有两个配置:
通过 chrome 浏览器的 head 插件查看,可以查看到分片的存储结构。
可以看到,renda 这个索引库,有三个分片,分别是 0、1、2,每个分片有 1 个副本,共 6 份。
1)一个 index 包含多个 shard,也就是一个 index 存在多个服务器上。
2)每个 shard 都是一个最小工作单元,承载部分数据,比如有三台服务器,现在有三条数据,这三条数据在三台服务器上各方一条。
3)增减节点时,shard 会自动在 nodes 中负载均衡。
4)primary shard(主分片)和 replica shard(副本分片),每个 document 肯定只存在于某一个 primary shard 以及其对应的 replica shard 中,不可能存在于多个 primary shard。
5)replica shard 是 primary shard 的副本,负责容错,以及承担读请求负载。
6)primary shard 的数量在创建索引的时候就固定了,replica shard 的数量可以随时修改。
7)primary shard 的默认数量是 5,replica 默认是 1(每个主分片一个副本分片),默认有 10 个 shard,5 个 primary shard,5 个 replica shard。
8)primary shard 不能和自己的 replica shard 放在同一个节点上(否则节点宕机,primary shard 和副本都丢失,起不到容错的作用),但是可以和其他 primary shard 的 replica shard 放在同一个节点上。
这个路由简单的说就是取模算法,比如说现在有 3 台服务器,这个时候传过来的 id 是 5,那么 5 % 3 = 2
,就放在第 2 台服务器。
倒排序算法:通过分词把词语出现的 id 进行记录下来,再查询的时候先去查到哪些 id 包含这个数据,然后再根据 id 把数据查出来。
在elasticsearch官网中提供了各种语言的客户端:https://www.elastic.co/guide/en/elasticsearch/client/index.html
注意选择版本为 6.2.4 ,与之前的版本保持一致。
使用 Spring Initializr 初始化项目 elasticsearch-demo
--> 选择 Developer Tools 的 Spring Boot DevTools、Lombok,Web 的 Spring Web。
注意,这里直接导入了 SpringBoot 的启动器,方便后续整合 Spring Data Elasticsearch,不过还需要手动引入 Elasticsearch 的 High-level-Rest-Client 的依赖。
另外还要注意确保 spring boot 版本号与 es client 相对应,否则运行时会报创建 elasticsearchRestHighLevelClient
的错误;如果出现了这种错误,就需要 Maven clean 一下项目,然后确保版本号正确后再重新运行。
<?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 https://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>2.1.6.RELEASE</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>
<groupId>com.renda</groupId>
<artifactId>elasticsearch-demo</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>elasticsearch-demo</name>
<description>Demo project for Spring Boot</description>
<properties>
<java.version>11</java.version>
</properties>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-devtools</artifactId>
<scope>runtime</scope>
<optional>true</optional>
</dependency>
<dependency>
<groupId>org.projectlombok</groupId>
<artifactId>lombok</artifactId>
<optional>true</optional>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
<exclusions>
<exclusion>
<groupId>org.junit.vintage</groupId>
<artifactId>junit-vintage-engine</artifactId>
</exclusion>
</exclusions>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-logging</artifactId>
</dependency>
<dependency>
<groupId>com.google.code.gson</groupId>
<artifactId>gson</artifactId>
<version>2.8.5</version>
</dependency>
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-lang3</artifactId>
<version>3.8.1</version>
</dependency>
<!-- Apache 开源组织提供的用于操作 JAVA BEAN 的工具包 -->
<dependency>
<groupId>commons-beanutils</groupId>
<artifactId>commons-beanutils</artifactId>
<version>1.9.1</version>
</dependency>
<!-- ES 高级 Rest Client -->
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
<version>6.4.3</version>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
</project>
在 resource 下创建 application.yml
。
创建索引库的同时,也会创建 type 及其映射关系,但是这些操作不建议使用 java 客户端完成,原因如下:
因此,这些操作建议还是使用 Rest 风格 API 去实现。
以一个商品数据为例来创建索引库:
com.renda.pojo.Product
@Data
public class Product {
private Long id;
private String title; // 标题
private String category; // 分类
private String brand; // 品牌
private Double price; // 价格
private String images; // 图片地址
}
分析一下数据结构:
id
:可以认为是主键,将来判断数据是否重复的标示,不分词,可以使用 keyword 类型。title
:搜索字段,需要分词,可以用 text 类型。category
:商品分类,这个是整体,不分词,可以使用 keyword 类型。brand
:品牌,与分类类似,不分词,可以使用 keyword 类型。price
:价格,这个是 double 类型。images
:图片,用来展示的字段,不搜索,index 为 false,不分词,可以使用 keyword 类型。可以编写这样的映射配置:
PUT /renda
{
"settings": {
"number_of_shards": ,
"number_of_replicas":
},
"mappings": {
"item": {
"properties": {
"id": {
"type": "keyword"
},
"title": {
"type": "text",
"analyzer": "ik_max_word"
},
"category": {
"type": "keyword"
},
"brand": {
"type": "keyword"
},
"images": {
"type": "keyword",
"index": false
},
"price": {
"type": "double"
}
}
}
}
}
有了索引库,接下来看看如何新增索引数据。
操作 MySQL 数据库:
完成任何操作都需要通过 HighLevelRestClient 客户端。
编写一个测试类:
com.renda.ElasticsearchDemoApplicationTests
@SpringBootTest
@RunWith(SpringRunner.class)
class ElasticsearchDemoApplicationTests {
private RestHighLevelClient restHighLevelClient;
/**
* 初始化客户端
*/
@Before
public void init() {
RestClientBuilder restClientBuilder = RestClient.builder(
new HttpHost("127.0.0.1", , "http"),
new HttpHost("127.0.0.1", , "http"),
new HttpHost("127.0.0.1", , "http")
);
restHighLevelClient = new RestHighLevelClient(restClientBuilder);
}
/**
* 关闭客户端
*/
@After
public void close() throws IOException {
restHighLevelClient.close();
}
}
示例:
com.renda.ElasticsearchDemoApplicationTests
package com.renda;
import com.google.gson.Gson;
import com.renda.pojo.Product;
import org.apache.http.HttpHost;
import org.elasticsearch.action.index.IndexRequest;
import org.elasticsearch.action.index.IndexResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestClientBuilder;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.xcontent.XContentType;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;
import org.junit.runner.RunWith;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.test.context.junit4.SpringRunner;
import java.io.IOException;
@RunWith(SpringRunner.class)
@SpringBootTest
public class ElasticsearchDemoApplicationTests {
private RestHighLevelClient restHighLevelClient;
private Gson gson = new Gson();
...
/**
* 插入文档
*/
@Test
public void testInsert() throws IOException {
// 1.文档数据
Product product = new Product();
product.setBrand("华为");
product.setCategory("手机");
product.setId(1L);
product.setImages("http://image.huawei.com/1.jpg");
product.setPrice(5999.99);
product.setTitle("华为P30");
// 2.将文档数据转换为 json 格式
String source = gson.toJson(product);
// 3.创建索引请求对象 访问哪个索引库、哪个 type、指定文档 ID
// public IndexRequest(String index, String type, String id)
IndexRequest request = new IndexRequest("renda", "item", product.getId().toString());
request.source(source, XContentType.JSON);
// 4.发出请求
IndexResponse response = restHighLevelClient.index(request, RequestOptions.DEFAULT);
System.out.println(response);
}
}
看下响应:
IndexResponse[
index=renda,
type=item,
id=,
version=,
result=updated,
seqNo=,
primaryTerm=,
shards={
"total":,
"successful":,
"failed":
}
]
根据 Rest 风格,查看应该是根据 id 进行 get 查询,难点是对结果的解析:
...
/**
* 查看文档
*/
@Test
public void testView() throws IOException {
// 初始化 GetRequest 对象
GetRequest getRequest = new GetRequest("renda", "item", "1");
// 执行查询
GetResponse getResponse = restHighLevelClient.get(getRequest, RequestOptions.DEFAULT);
// 取出数据
String source = getResponse.getSourceAsString();
Product product = gson.fromJson(source, Product.class);
System.out.println(product);
}
...
结果:
Product(
id=,
title=华为P,
category=手机,
brand=华为,
price=5999.99,
images=http://image.huawei.com/1.jpg
)
新增时,如果传递的 id 是已经存在的,则会完成修改操作,如果不存在,则是新增。
根据 id 删除:
/**
* 删除文档
*/
@Test
public void testDelete() throws IOException {
// 初始化 DeleteRequest 对象
DeleteRequest request = new DeleteRequest("renda", "item", "1");
// 执行删除
DeleteResponse response = restHighLevelClient.delete(request, RequestOptions.DEFAULT);
System.out.println(response);
}
结果:
DeleteResponse[
index=renda,
type=item,
id=,
version=,
result=deleted,
shards=ShardInfo
{
total=2,
successful=2,
failures=[]
}
]
/**
* 可重用代码
*/
public void baseQuery(SearchSourceBuilder sourceBuilder) throws IOException {
// 创建搜索请求对象
SearchRequest request = new SearchRequest();
// 查询构建工具
request.source(sourceBuilder);
// 执行查询
SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);
// 获得查询结果
SearchHits hits = response.getHits();
// 获得文件数组
SearchHit[] hitsHits = hits.getHits();
for(SearchHit searchHit: hitsHits){
String json = searchHit.getSourceAsString();
// 将 json 反序列化为 Product 格式
Product product = gson.fromJson(json, Product.class);
System.out.println(product);
}
}
/**
* 查看所有文档
*/
@Test
public void matchAll() throws IOException {
// 查询构建工具
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 添加查询条件,执行查询类型
sourceBuilder.query(QueryBuilders.matchAllQuery());
// 调用基础查询方法
baseQuery(sourceBuilder);
}
结果示例:
item = Item{id=5, title='荣耀V10', category='手机', brand='华为', price=2799.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=2, title='坚果手机R1', category='手机', brand='锤子', price=3699.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=4, title='小米Mix2S', category='手机', brand='小米', price=4299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=1, title='小米手机7', category='手机', brand='小米', price=3299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=3, title='华为META10', category='手机', brand='华为', price=4499.0, images='http://image.renda.com/13123.jpg'}
注意,上面的代码中,搜索条件是通过 sourceBuilder.query(QueryBuilders.matchAllQuery())
来添加的。这个 query()
方法接受的参数是:QueryBuilder
接口类型。
这个接口提供了很多实现类,分别对应不同类型的查询,例如:term
查询、match
查询、range
查询、boolean
查询等。
因此,如果要使用各种不同查询,其实仅仅是传递给 sourceBuilder.query()
方法的参数不同而已。而这些实现类不需要去 new
,官方提供了 QueryBuilders
工厂帮构建各种实现类。
搜索类型的变化,仅仅是利用 QueryBuilders
构建的查询对象不同而已,其他代码基本一致:
@Test
public void matchQuery() throws IOException {
SearchSourceBuilder builder = new SearchSourceBuilder();
// 设置查询类型和查询条件
builder.query(QueryBuilders.matchQuery("title", "手机"));
// 调用基础查询方法
baseQuery(builder);
}
结果示例:
item = Item{id=2, title='坚果手机R1', category='手机', brand='锤子', price=3699.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=1, title='小米手机7', category='手机', brand='小米', price=3299.0, images='http://image.renda.com/13123.jpg'}
RangeQueryBuilder rangeQueryBuilder = QueryBuilders.rangeQuery("price");
支持下面的范围关键字:
gt(Object from)
大于gte(Object from)
大于等于lt(Object from)
小于lte(Object from)
小于等于示例:
@Test
public void rangeQuery() throws IOException {
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 执行查询条件和查询类型
RangeQueryBuilder rangeQueryBuilder = QueryBuilders.rangeQuery("price");
rangeQueryBuilder.gte();
rangeQueryBuilder.lte();
sourceBuilder.query(rangeQueryBuilder);
baseQuery(sourceBuilder);
}
结果:
item = Item{id=5, title='荣耀V10', category='手机', brand='华为', price=2799.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=2, title='坚果手机R1', category='手机', brand='锤子', price=3699.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=1, title='小米手机7', category='手机', brand='小米', price=3299.0, images='http://image.renda.com/13123.jpg'}
_source
:存储原始文档。
默认情况下,索引库中所有数据都会返回,如果想只返回部分字段,可以通过 source filter 来控制。
@Test
public void sourceFilter() throws IOException {
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 执行查询条件和查询类型
RangeQueryBuilder rangeQueryBuilder = QueryBuilders.rangeQuery("price");
rangeQueryBuilder.gte();
rangeQueryBuilder.lte();
sourceBuilder.query(rangeQueryBuilder);
// source 过滤,只保留 id、title、price
sourceBuilder.fetchSource(new String[]{"id", "title", "price"}, null);
baseQuery(sourceBuilder);
}
结果:
item = Item{id=5, title='荣耀V10', category='null', brand='null', price=2799.0, images='null'}
item = Item{id=2, title='坚果手机R1', category='null', brand='null', price=3699.0, images='null'}
item = Item{id=4, title='小米Mix2S', category='null', brand='null', price=4299.0, images='null'}
item = Item{id=1, title='小米手机7', category='null', brand='null', price=3299.0, images='null'}
item = Item{id=3, title='华为META10', category='null', brand='null', price=4499.0, images='null'}
依然是通过 sourceBuilder 来配置:
@Test
public void sortAndPage() throws IOException {
// 创建搜索请求对象
SearchRequest request = new SearchRequest();
// 查询构建工具
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 添加查询条件,执行查询类型
sourceBuilder.query(QueryBuilders.matchAllQuery());
// 执行排序 价格降序排序
sourceBuilder.sort("price", SortOrder.DESC);
baseQuery(sourceBuilder);
}
结果:
item = Item{id=, title='荣耀V10', category='手机', brand='华为', price=2799.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='小米手机7', category='手机', brand='小米', price=3299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='坚果手机R1', category='手机', brand='锤子', price=3699.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='小米Mix2S', category='手机', brand='小米', price=4299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='华为META10', category='手机', brand='华为', price=4499.0, images='http://image.renda.com/13123.jpg'}
分页需要视图层传递两个参数:
而 elasticsearch 中需要的不是当前页,而是起始位置,有公式可以计算出:
startPos = (currentPage - 1) * pageSize
(1 - 1) * 5 = 0
(2 - 1) * 5 = 5
代码:
@Test
public void sortAndPage() throws IOException {
// 创建搜索请求对象
SearchRequest request = new SearchRequest();
// 查询构建工具
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 添加查询条件,执行查询类型
sourceBuilder.query(QueryBuilders.matchAllQuery());
// 执行排序 价格降序排序
sourceBuilder.sort("price", SortOrder.DESC);
// 分页信息
int currentPage = ;
int pageSize = ;
int startPos = (currentPage - ) * pageSize;
//设置分页
sourceBuilder.from(startPos);
sourceBuilder.size();
baseQuery(sourceBuilder);
}
结果:
item = Item{id=, title='荣耀V10', category='手机', brand='华为', price=2799.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='小米手机7', category='手机', brand='小米', price=3299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='坚果手机R1', category='手机', brand='锤子', price=3699.0, images='http://image.renda.com/13123.jpg'}
当 currentPage 为 2 的时候,结果是:
item = Item{id=, title='小米Mix2S', category='手机', brand='小米', price=4299.0, images='http://image.renda.com/13123.jpg'}
item = Item{id=, title='华为META10', category='手机', brand='华为', price=4499.0, images='http://image.renda.com/13123.jpg'}
Spring Data Elasticsearch - SDE 是 Spring Data 项目下的一个子模块。
Spring Data 的使命是给各种数据访问提供统一的编程接口,不管是关系型数据库(如 MySQL),还是非关系数据库(如 Redis),或者类似 Elasticsearch 这样的索引数据库;从而简化开发人员的代码,提高开发效率。
Spring Data Elasticsearch 的页面:https://projects.spring.io/spring-data-elasticsearch/
特征:
@Configuration
的 java 配置方式,或者 XML 配置方式。ElasticsearchTemplate
,包括实现文档到 POJO 之间的自动智能映射。在 pom 文件中,引入 Spring Data Elasticsearch 的启动器:
<!-- Spring data elasticsearch -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
然后,只需要在 resources 下的 application.yml
文件,引入 Elasticsearch 的 host 和 port 即可:
spring:
data:
elasticsearch:
cluster-name: renda-elastic
cluster-nodes: 127.0.0.1:9301,127.0.0.1:9302,127.0.0.1:9303
需要注意的是,Spring Data Elasticsearch 底层使用的不是 Elasticsearch 提供的 RestHighLevelClient,而是 TransportClient,并不采用 Http 协议通信,而是访问 Elasticsearch 对外开放的 tcp 端口,在之前集群配置中,设置的分别是:9301,9302,9303
确保引导类如下:
@SpringBootApplication
public class ElasticsearchDemoApplication {
public static void main(String[] args) {
SpringApplication.run(ElasticsearchDemoApplication.class, args);
}
}
另外,SpringBoot 已经配置好了各种 SDE 配置,并且注册了一个 ElasticsearchTemplate 供使用。
Pojo 对象:
@Data
public class Product {
private Long id;
private String title; // 标题
private String category; // 分类
private String brand; // 品牌
private Double price; // 价格
private String images; // 图片地址
}
创建一个测试类,然后注入 ElasticsearchTemplate:
@RunWith(SpringRunner.class)
@SpringBootTest
public class ElasticsearchSpringDataTests {
@Autowired
private ElasticsearchTemplate template;
}
创建索引库的 API 示例:
@RunWith(SpringRunner.class)
@SpringBootTest
public class ElasticsearchSpringDataTests {
@Autowired
private ElasticsearchTemplate template;
@Test
public void createIndex() {
template.createIndex(Product.class);
}
}
运行测试方法,发现报错:Product is not a Document
;因为创建索引库需要指定的信息,比如:索引库名、类型名、分片、副本数量、映射信息都没有填写。
自定义工具类类似,SDE 也是通过实体类上的注解来配置索引库信息的,需要在 Product 上添加下面的一些注解:
@Data
@NoArgsConstructor
@AllArgsConstructor
@Document(indexName = "renda", type = "product", shards = , replicas = )
public class Product {
@Id
private Long id;
@Field(type = FieldType.Text, analyzer = "ik_max_word")
private String title; // 标题
@Field(type = FieldType.Keyword)
private String category; // 分类
@Field(type = FieldType.Keyword)
private String brand; // 品牌
@Field(type = FieldType.Double)
private Double price; // 价格
@Field(type = FieldType.Keyword, index = false)
private String images; // 图片地址
}
@Document
:声明索引库配置
indexName
:索引库名称type
:类型名称,默认是 “docs”shards
:分片数量,默认 5replicas
:副本数量,默认 1@Id
:声明实体类的 id
@Field
:声明字段属性
type
:字段的数据类型analyzer
:指定分词器类型index
:是否创建索引刚才的注解已经把映射关系也配置上了,所以创建映射只需要这样:
@Test
public void createType() {
template.putMapping(Product.class);
}
SDE 的索引数据 CRUD 并没有封装在 ElasticsearchTemplate 中,而是有一个叫做 ElasticsearchRepository 的接口。
需要自定义接口,继承 ElasticsearchRespository:
com.renda.repository.ProductRepository
package com.renda.repository;
import com.renda.pojo.Product;
import org.springframework.data.elasticsearch.repository.ElasticsearchRepository;
/**
* 当 SDE 访问索引库时,
* 需要定义一个持久层的接口去继承 ElasticsearchRepository 接口即可,
* 无需实现
*
* @author Renda Zhang
* @since 2020-11-10 23:00
*/
public interface ProductRepository extends ElasticsearchRepository<Product, Long> {
}
创建索引有单个创建和批量创建之分。
单个创建:
@Test
public void insertDocument() {
Product product = new Product(6L, "小米手机", "手机", "锤子", 3299.99, "http://image.renda.com/1.jpg");
productRepository.save(product);
System.out.println("Successfully Saved");
}
批量创建:
@Test
public void insertDocuments() {
Product product1 = new Product(2L, "坚果手机", "手机", "phone", 3299.99, "http://image.renda.com/1.jpg");
Product product2 = new Product(3L, "华为手机", "手机", "phone", 3299.99, "http://image.renda.com/1.jpg");
Product product3 = new Product(4L, "苹果手机", "手机", "phone", 3299.99, "http://image.renda.com/1.jpg");
Product product4 = new Product(5L, "索尼手机", "手机", "phone", 3299.99, "http://image.renda.com/1.jpg");
List<Product> list = new ArrayList<>();
list.add(product1);
list.add(product2);
list.add(product3);
list.add(product4);
productRepository.saveAll(list);
System.out.println("Successfully Saved All");
}
默认提供了根据 id 查询,查询所有两个功能。
根据 id 查询:
@Test
public void findById() {
Optional<Product> optional = productRepository.findById(3L);
// orElse 方法的作用:如果 optional 中封装的实体对象为空也就是没有从索引库中查询出匹配的文档,返回 orElse 方法的参数
Product product = optional.orElse(null);
System.out.println(product);
}
结果:
Product(id=, title=华为手机, category=手机, brand=phone, price=3299.99, images=http://image.renda.com/1.jpg)
查询所有:
@Test
public void findAll() {
productRepository.findAll().forEach(System.out::println);
}
结果:
Product(id=, title=小米手机, category=手机, brand=锤子, price=3299.99, images=http://image.renda.com/1.jpg)
Product(id=, title=坚果手机, category=手机, brand=phone, price=3299.99, images=http://image.renda.com/1.jpg)
Product(id=, title=苹果手机, category=手机, brand=phone, price=3299.99, images=http://image.renda.com/1.jpg)
Product(id=, title=索尼手机, category=手机, brand=phone, price=3299.99, images=http://image.renda.com/1.jpg)
Product(id=, title=华为手机, category=手机, brand=phone, price=3299.99, images=http://image.renda.com/1.jpg)
ProductRepository 提供的查询方法有限,但是它却提供了非常强大的自定义查询功能。
只要遵循 Spring Data 提供的语法,可以任意定义方法声明:
com.renda.repository.ProductRepository
public interface ProductRepository extends ElasticsearchRepository<Product, Long> {
/**
* 查询价格范围
*/
List<Product> findByPriceBetween(Double from, Double to);
}
无需写实现,SDE 会自动实现该方法,直接用即可:
@Test
public void findByPrice() {
List<Product> list = productRepository.findByPriceBetween(2000.00, 4000.00);
System.out.println(list.size());
}
支持的一些语法示例:
And
findByNameAndPrice
{"bool" : {"must" : [ {"field" : {"name" : "?"}}, {"field" : {"price" : "?"}} ]}}
Or
findByNameOrPrice
{"bool" : {"should" : [{"field" : {"name" : "?"}}, {"field" : {"price" : "?"}}]}}
Is
findByName
{"bool" : {"must" : {"field" :{"name" : "?"}}}}
Not
findByNameNot
{"bool" : {"must_not" :{"field" : {"name" : "?"}}}}
Between
findByPriceBetween
{"bool" : {"must" : {"range" : {"price" : {"from" : ?, "to" : ?, "include_lower" : true, "include_upper" : true}}}}}
LessThanEqual
findByPriceLessThan
{"bool" : {"must" : {"range" :{"price" : {"from" : null, "to" : ?, "include_lower" : true, "include_upper" : true}}}}}
GreaterThanEqual
findByPriceGreaterThan
{"bool" : {"must" : {"range" : {"price" : {"from" : ?, "to" : null, "include_lower" : true, "include_upper" : true}}}}}
Before
findByPriceBefore
{"bool" : {"must" : {"range" : {"price" : {"from" : null, "to" : ?, "include_lower" : true, "include_upper" : true}}}}}
After
findByPriceAfter
{"bool" : {"must" : {"range" : {"price" : {"from" : ?, "to" : null, "include_lower" : true, "include_upper" : true}}}}}
Like
findByNameLike
{"bool" : {"must" : {"field" : {"name" : {"query" : "?*", "analyze_wildcard" : true}}}}}
StartingWith
findByNameStartingWith
{"bool" : {"must" : {"field" : {"name" : {"query" : "?*", "analyze_wildcard" : true}}}}}
EndingWith
findByNameEndingWith
{"bool" : {"must" : {"field" : {"name" : {"query" : "*?", "analyze_wildcard" : true}}}}}
Contains/Containing
findByNameContaining
{"bool" : {"must" : {"field" : {"name" : {"query" : "**?**", "analyze_wildcard" : true}}}}}
In
findByNameIn(Collection<String>names)
{"bool" : {"must" : {"bool" : {"should" : [ {"field" : {"name" : "?"}}, {"field" : {"name" : "?"}} ]}}}}
NotIn
findByNameNotIn(Collection<String>names)
{"bool" : {"must_not" : {"bool" : {"should" : {"field" : {"name" : "?"}}}}}}
Near
findByStoreNear
Not Supported Yet !
True
findByAvailableTrue
{"bool" : {"must" : {"field" : {"available" : true}}}}
False
findByAvailableFalse
{"bool" : {"must" : {"field" : {"available" : false}}}}
OrderBy
findByAvailableTrueOrderByNameDesc
{"sort" : [{ "name" : {"order" : "desc"} }],"bool" : {"must" : {"field" : {"available" : true}}}}
如果上述接口依然不符合需求,SDE 也支持原生查询,这个时候还是使用 ElasticsearchTemplate。
而查询条件的构建是通过一个名为 NativeSearchQueryBuilder 的类来完成的,不过这个类的底层还是使用 ES 的原生 API 中的 QueryBuilders 、 AggregationBuilders 、 HighlightBuilders 等工具。
需求:查询 title 中包含小米手机的商品,以价格升序排序,分页查询:每页展示 2 条,查询第 1 页;对查询结果进行聚合分析:获取品牌及个数。
示例:
@Test
public void nativeQuery() {
// 1.构架一个原生查询器
NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();
// 2.source 过滤
// 2.1 参数:final String[] includes, final String[] excludes
// 如果不想执行 source 过滤可以将该行注释
queryBuilder.withSourceFilter(new FetchSourceFilter(new String[], new String[]));
// 3.查询条件
queryBuilder.withQuery(QueryBuilders.matchQuery("title", "小米手机"));
// 4.设置分页和排序规则
queryBuilder.withPageable(PageRequest.of(, , Sort.by(Sort.Direction.ASC, "price")));
// 5.高亮
// ...
// 6.聚合
queryBuilder.addAggregation(AggregationBuilders.terms("brandAgg").field("brand"));
// 7.查询
AggregatedPage<Product> result = template.queryForPage(queryBuilder.build(), Product.class);
// 8. 解析结果
// 获取分页结果
long total = result.getTotalElements();
int totalPages = result.getTotalPages();
List<Product> content = result.getContent();
System.out.println(total + " " + totalPages);
content.forEach(System.out::println);
// 获取聚合结果
Aggregations resultAggregations = result.getAggregations();
Terms terms = resultAggregations.get("brandAgg");
terms.getBuckets().forEach(bucket -> {
System.out.println("品牌:" + bucket.getKeyAsString());
System.out.println("数量:" + bucket.getDocCount());
});
}
上述查询没有实现高亮结果,以下实现高亮展示。
1、首先,自定义搜索结果映射:
com.renda.resultMapper.ESSearchResultMapper
package com.renda.resultMapper;
import com.google.gson.Gson;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.elasticsearch.search.fetch.subphase.highlight.HighlightField;
import org.springframework.data.domain.Pageable;
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 java.util.ArrayList;
import java.util.Map;
/**
* 自定义结果映射,处理高亮
*
* @author Renda Zhang
* @since 2020-11-10 23:50
*/
public class ESSearchResultMapper implements SearchResultMapper {
/**
* 完成结果映射
* 操作的重点应该是将原有的结果:_source 取出来,放入高亮的数据
*
* @return AggregatedPage 需要三个参数进行构建:pageable, List<Product>, 总记录数
*/
@Override
public <T> AggregatedPage<T> mapResults(SearchResponse searchResponse, Class<T> aClass, Pageable pageable) {
// 获得总记录数
SearchHits searchHits = searchResponse.getHits();
if (searchHits.getHits().length <= ) {
return null;
}
// 记录列表
ArrayList<T> list = new ArrayList<>();
// 获取原始的搜索结果
for (SearchHit hit : searchHits) {
// 获取 _source 属性中的所有数据
Map<String, Object> map = hit.getSourceAsMap();
// 获得高亮的字段
Map<String, HighlightField> highlightFields = hit.getHighlightFields();
// 每个高亮字段都需要进行设置
for (Map.Entry<String, HighlightField> highlightField : highlightFields.entrySet()) {
// 获得高亮的 key:高亮字段
String key = highlightField.getKey();
// 获得 value:高亮之后的效果
HighlightField value = highlightField.getValue();
// 将高亮字段和文本效果放入到 map 中,覆盖对应数据
map.put(key, value.getFragments()[].toString());
}
// 将 map 转换为对象
// map --> jsonString --> 对象
Gson gson = new Gson();
T t = gson.fromJson(gson.toJson(map), aClass);
list.add(t);
}
// 返回
return new AggregatedPageImpl<>(list, pageable, searchHits.getTotalHits());
}
}
2、高亮实现:
@Test
public void nativeQuery() {
// 1.构架一个原生查询器
NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder();
// 2.source 过滤
// 2.1 参数:final String[] includes, final String[] excludes
// 如果不想执行 source 过滤可以将该行注释
queryBuilder.withSourceFilter(new FetchSourceFilter(new String[], new String[]));
// 3.查询条件
queryBuilder.withQuery(QueryBuilders.matchQuery("title", "小米手机"));
// 4.设置分页和排序规则
queryBuilder.withPageable(PageRequest.of(, , Sort.by(Sort.Direction.DESC, "price")));
// 5.高亮
HighlightBuilder.Field field = new HighlightBuilder.Field("title");
field.preTags("<font style='color:red'>");
field.postTags("</font>");
queryBuilder.withHighlightFields(field);
// 6.聚合
queryBuilder.addAggregation(AggregationBuilders.terms("brandAgg").field("brand"));
// 7.查询
AggregatedPage<Product> result = template.queryForPage(queryBuilder.build(), Product.class, new ESSearchResultMapper());
// 8. 解析结果
// 获取分页结果
long total = result.getTotalElements();
int totalPages = result.getTotalPages();
List<Product> content = result.getContent();
System.out.println(total + " " + totalPages);
content.forEach(System.out::println);
}