【主流技术】浅析 ElasticSearch7.x 的基本结构及应用（一）

目录

• 前言
• 一、概述
  • 1.1基本认识
  • 1.2核心概念
    • 对比关系型数据库
  • 1.3倒排索引
    • 例一：
    • 例二：
  • 1.4了解ELK
• 二、安装（基于 CentOS）
  • 2.1安装声明
  • 2.2 使用 Docker 安装
  • 2.3安装使用 Kibana
  • 2.4安装使用 IK 分词器
• 三、RESTful 操作
  • 3.1索引操作
  • 3.2文档操作
  • 3.3映射操作
• 四、复杂查询详解
  • 4.1关键字介绍
    • 4.1.1通用概念
    • 4.1.2布尔查询（BoolQueryBuilder）
    • 4.1.3基本查询（QueryBuilders）
    • 4.1.4分页查询（PageRequest）
    • 4.1.5排序（SortBuilder）
    • 4.1.6聚合查询
• 五、文章小结

前言

ElasticSearch 简称 es，是一个开源的高扩展的分布式全文检索引擎。它可以近乎实时的存储、检索数据，且其扩展性很好，ElasticSearch 是企业级应用中较为常见的检索技术。

下面主要记录学习 ElasticSearch7.x 的一些基本结构、在Spring Boot 项目里基本应用的过程，在这里与大家作分享交流。

一、概述

1.1基本认识

ElasticSearch 是基于 Lucene 实现的开源、分布式、RESTful接口的全文搜索引擎。

Elasticsearch 还是一个分布式文档数据库，其中每个字段均是被索引的数据且可被搜索，它能够扩展至数以百计的服务器存储以及处理PB级的数据。

Elasticsearch 可以通过简单的 RESTful 风格 API 来隐藏 Lucene 的复杂性，让搜索变得更加简单。

1.2核心概念

Elasticsearch 的核心概念是 Elasticsearch 搜索的过程，在搜索的过程中，Elasticsearch 的存储过程、数据结构都会有所涉及。

• 对比关系型数据库

1. Elasticsearch （集群）中可以包含多个indices（对应库），每个索引中可以包含多个types（对应表），每个types下面又包含多个documents（对应行记录），每个documents中又含有多个fields（对应字段）。
2. Elasticsearch 中一切数据的格式都是 JSON，一条数据就是一个文档。
3. 这里 types 的概念已经被逐渐弱化，Elasticsearch 6.X 中，一个 index 下已经只能包含一个type；Elasticsearch 7.X 中 Type 的概念已经被删除了。
4. Elasticsearch 中的索引是一个非常大的文档集合，存储了映射类型的字段和其它设置，被存储在各个分片上。

1.3倒排索引

Elasticsearch 使用一种名为倒排索引的结构进行搜索，一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。

传统数据库的搜索结构一般以id为主，可以一一对应数据库中的所有内容，即 key-value 的形式。

而倒排索引则与之相反，以内容为主，将所有不重复的内容记录按照匹配的程度（阈值）进行展示，即 value-key 的形式。

以下举两个例子来进行说明。

• 例一：

  在关系型数据库中，数据是按照id的顺序进行约定的，记录的id具有唯一性，方便人们使用id去确定内容，如表2所示：

表2

• 例二：

  在 ElasticSearch 中使用倒排索引：数据是按照不重复的内容进行约定的，不重复的内容具有唯一性，这样可以快速地找出符合内容的记录，再根据匹配的阈值去进行展示。
  即：id为1和2的行都含有关键字内容Java、id为3和4的行都含有关键字Python。如表3所示：

表3

1.4了解ELK

ELK 是 ElasticSearch、Logstash、Kibana这三大开源框架首字母大写简称。

Logstash 是中央数据流引擎，用于从不同目标（文件/数据存储/MQ）中收集不同的数据格式，经过过滤后支持输送到不同的目的地（文件/MQ/Redis/Elasticsearch/kafka 等）。

Kibana 可以将 ElasticSearch 的数据通过友好的可视化界面展示出来，且提供实时分析的功能。

ELK一般来说是一个日志分析架构技术栈的总称，但实际上 ELK 不仅仅适用于日志分析，它还可以支持任何其它数据分析和收集的场景，日志的分析和收集只是更具有代表性，并非 ELK 的唯一用途。

---

二、安装（基于 CentOS）

2.1安装声明

• 适用于 JDK1.8 及以上版本
• 界面工具 Kibana 应与 ElasticSearch 版本一致
• ElasticSearch 版本与 Maven 依赖版本对应

2.2 使用 Docker 安装

• 步骤一：拉取镜像

  docker pull elasticsearch:7.6.1 
  

• 步骤二：启动镜像

  # 这是一整行命令，不是两行
  docker run --name elasticsearch -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node"  -e ES_JAVA_OPTS="-Xms256m -Xmx256m"  -d elasticsearch:7.6.1
  

• 步骤三：浏览器访问 http://你的公网ip:9200，即可得到以下json格式的数据，表明已经安装且启动成功，如图1所示：

图1

• 步骤四：修改配置，解决跨域访问：

  #依次执行以下命令
  docker exec -it elasticsearch /bin/bash     #1、进入容器
  cd /usr/share/elasticsearch/config/         #2、cd到config目录
  vi elasticsearch.yml                        #3、编辑elasticsearch.yml 文件
  

  添加以下内容到末尾,，保存并退出：

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

  退出容器：

  exit
  

  重启容器：

  docker restart elasticsearch
  

2.3安装使用 Kibana

Kibana是一个针对 ElasticSearch 的开源分析、可视化平台，用于搜索、查看交互存储在 ElasticSearch 中的数据。

注意事项：Kibana 版本需要和 ElasticSearch 的版本保持一致。

安装步骤如下：

• 步骤一：拉取镜像

  docker pull kibana:7.6.1
  

• 步骤二：启动镜像

  docker run --name kibana --link=elasticsearch:test  -p 5601:5601 -d kibana:7.6.1
  

• 步骤三：浏览器打开 http://你的公网ip:5601 进入 Kibana 界面，如图2所示：

图2

2.4安装使用 IK 分词器

在使用中文进行搜索时，我们会对要搜索的信息进行分词：将一段中文分成一个个的词语或者句子，然后将分出的词进行搜索。

默认的中文分词是一个汉字一个词，如：“你好世界”，会被分成：“你”，“好”，“世”，“界”。但这样的分词方式显然并不全面，比如还可以分成：“你好”，“世界”。

ik 分词器就解决了默认分词不全面的问题，可以将中文进行不重复的分词。

ik 分词器提供了两种算法：ik_smart（最少切分）以及 ik_max_word（最细颗粒度划分）。

• 步骤一：进入容器内部

  docker exec -it elasticsearch /bin/bash
  

• 步骤二：在线下载并安装（这是一整行命令，不是两行）

  ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.6.1/elasticsearch-analysis-ik-7.6.1.zip
  

• 步骤三：退出容器并重启：

  # 退出容器
  exit
  # 重启容器
  docker restart elasticsearch
  

• 步骤四：点击 kibana 主界面左侧边栏的的 Dev Tools 工具，输入测试命令，效果如图3所示：

图3

---

三、RESTful 操作

ElasticSearch 支持使用 RESTful 风格来进行一系列操作，使用的是标准的 HTTP 方法，比如 GET、PUT、POST 和 DELETE。

3.1索引操作

以下关于索引的操作，可以在 postman 或者 Kibana 上操作。postman 要带上你的公网ip:端口，kibana 要注明是 GET 或者 PUT，其它操作都是一样的。

1. 创建索引

{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "article"
}

2. 查看单个索引信息

{
    "article": {
        "aliases": {},
        "mappings": {},
        "settings": {
            "index": {
                "creation_date": "1700029085972",
                "number_of_shards": "1",
                "number_of_replicas": "1",
                "uuid": "4rVnVk22SnGURHF5tCvPkQ",
                "version": {
                    "created": "7060199"
                },
                "provided_name": "article"
            }
        }
    }
}

3. 查看所有索引信息

health status index                    uuid                   pri rep docs.count docs.deleted store.size pri.store.size
green  open   .security-7              2xUWUkq1Soyg0ydewEKrew   1   0         42            0    109.1kb        109.1kb
green  open   .kibana_task_manager_1   Q53d13THSeKzauDGgDGv2Q   1   0          2            0     26.2kb         26.2kb
green  open   .apm-agent-configuration cbMuzKXGQReJyEa9CDCZlw   1   0          0            0       283b           283b
green  open   .kibana_1                hShl-bvbTpqm9Y9ih-sO5w   1   0         13            4     32.8kb         32.8kb
yellow open   article                  4rVnVk22SnGURHF5tCvPkQ   1   1          0            0       283b           283b

4. 删除索引

{
    "acknowledged": true
}

3.2文档操作

documents 可以看作是数据库中的一行行记录，数据格式为 JSON 格式。由于没有了表的概念，所以看作所有的 documents 都是直接存在 index 里的。

以下使用可视化工具 Kibana 来进行操作。

1. 新增文档数据

2. 更新文档数据

   和新增文档一样，输入语句，如果请求体的值有变化，会将原有的数据内容覆盖：

3. 查看单个文档

4. 查看所有文档

5. 简单条件查询

   • match 匹配类型查询，会先对查询条件进行分词，然后进行查询：

   # 查看该索引内所有数据，条件是匹配对 title 分词后包含”文章“的 documents 
   GET /article/_search
   {
       "query": {
           "match":{
               "title":"文章"
           }
       }
   }
   

   • multi_match 与 match 类似，不同的是它可以在多个字段中查询：

   # 查看该索引内所有数据，条件是对输入的 query 内容使用 ik_max_word 分词，然后分别对 title、content 字段的内容做匹配
   GET /article/_search
   {
       "query": {
           "multi_match":{
             "query": "文章的", 
             "fields": ["title","content"],
             "analyzer": "ik_max_word"
           }
       }
   }
   

   上述的简单条件查询操作在企业级应用开发中一般不会单独使用，更多地还是结合复杂查询实现业务，对于复杂查询的操作在第四章会详细介绍。

6. 删除 documents 数据

   一般删除数据都是根据文档的唯一性标识进行删除。实际操作时，也可以根据条件对多条数据进行删除。

   # 根据条件删除，即删除可以匹配到 favourNum 内容为 6 的所有文档
   POST /article/_delete_by_query
   {
   	"query":{
   		"match":{
   			"favourNum":6
   		}
   	}
   }
   

3.3映射操作

我们知道，ES 的索引相当于传统数据库中的 Database，那么建索引（index）中的映射就类似于数据库（Database）中的表结构（Table）。

设计表需要设置：字段名、类型、长度、约束等，索引也一样，需要知道这个文档中有哪些字段，每个字段有哪些约束信息，这个过程就是创建映射(mapping)。

其实在 Spring Boot 中新建 ES 实体类的时候，使用 @Document 注解、@Field 注解就可以对字段做映射，详情可以看我的另一篇关于 ES 的博文。

---

四、复杂查询详解

ElasticSearch 引擎首先分析需要查询的 query 参数内容，未提前声明不分词的情况下，都会根据分词器规则进行分词，然后根据查询条件进行结果匹配返回。

4.1关键字介绍

4.1.1通用概念

• Query ：将需要查询的 JSON 参数体进行包裹，声明这是一条查询语句，通常其字段类型为 String 字符串。
• keyword ：keyword 代表一种关键词的分词类型，表明该字段的值不会被分词器所分词。
• score：字段内容与词条的匹配程度，分数越高表明匹配度越高，就越符合查询结果，默认也会按照分数值排序返回结果。
• hits：对应 Java 代码中的 hit 对象，包含了索引和文档信息，包括查询结果总数，查询出来的 documents 内容（一串 JSON）、分数（score）等。
• source：需要展示的内容字段，默认是展示索引的所有字段，也可以自定义条件指定需要展示的字段。

4.1.2布尔查询（BoolQueryBuilder）

• must ：在 must 中的内容都是必须执行的内容，在 must 中可以创建多条语句；多条语句需同时满足条件才能执行，作用相当于 SQL 语句中的 AND 。
• should ：在 should 关键字里的内容只要满足其中一项就可以执行，作用相当于 SQL 语句中的 OR 。
• must_not ：类似于 Java 中的 != 作用，即展示查询内容之外的内容。
• filter：根据指定的条件来过滤掉不符合要求的文档，倾向于”当前文档和查询的条件是不是相符“，且不会对结果做相关性得分计算；filter 子句内还可包含 bool 子句，以实现更复杂的逻辑。
• minimum_should_match：用来控制查询精度，如果 bool 语句有至少一个 should 子语句则默认值为1，表示 should 语句中的条件起码要满足一个；如果 bool 语句中包含有 must 或 filter 子句，则其默认值为0，即表示 should 子句可以不满足任何条件。

小结：BoolQueryBuilder 的子句只有 must、should、must_not 和 filter 这4种，其中只有 must 和 should 子句会计算相关性评分。

4.1.3基本查询（QueryBuilders）

• match ：作用是对某个字段的匹配查询，首先输入的参数会经过分词器的分词，分词后的结果与字段的值进行匹配，最后再执行 match 查询。

  默认情况下：字段内容必须完整地匹配到任意一个词条（分词后），才会有返回结果。如果需要查询的词有多个，可以用空格隔开。

• multi_match：在 match 的基础进行了一些加强，不同的是它可以在多个字段中查询，将符合的结果返回。

• match_all：没有任何条件，是一种检索所有数据的全量查询，一般配合使用分页使用。

• match_phrase：会对输入的查询参数做分词，但是需要结果中也包含所有的分词，并且顺序要求一致。这个条件比较苛刻，一般的业务可能用不到。

• term：精确查询关键字，使用 term 时首先不会对需要查询的输入参数进行分词，只有精确地匹配到一模一样的内容才会返回结果。

• terms：与 term 类似，但它允许指定多个值进行匹配。如果这个字段包含了指定值中的任何一个值，那么这个文档就满足条件，作用类似于 MySQL的 in。

• includes：默认情况 ES 会返回 _source 里的全部字段，includes 可以用来指定想要显示的字段；

• excludes：是 includes 的取反，可以用来指定不想显示的字段。

• range：查询在指定区间范围内的数字或者时间，使用 gt（大于）、gte（大于等于）、lt（小于）和 lte （小于等于）来作为条件。

• fuzzy：模糊查询，要与 match 区别开来，fuzzy 会在指定的编辑距离内创建一组搜索词的所有可能的变体或扩展，通过 fuzziness 修改编辑距离。

• highlight ：进行关键字搜索时，搜索出的内容中的关键字部分会显示不同的颜色；可以配合使用 match 查询时，加上一个 highlight 属性。

4.1.4分页查询（PageRequest）

• PageRequest

  PageRequest pageRequest = PageRequest.of((int) current, (int) pageSize);
  

4.1.5排序（SortBuilder）

• sort：按照指定的字段进行排序，并且通过 order 指定排序的方式：desc 降序，asc 升序；也可多字段排序，先排字段1，如字段1相等，再根据字段2排。

4.1.6聚合查询

• 聚合允许对 ES 的文档进行统计分析，类似与关系型数据库中的 Group By，它要更强大和灵活，当然还有很多其它的聚合,例如取最大值、平均值等。

---

五、文章小结

ES 的核心是索引和其结构，不同与B+树，这是检索速度快的根本原因，同时其 Json 结构也适合放入大量的文档内容。

至于其索引和文档 API 的操作，可以参考官方文档的例子在 postman 或者 Kibana上操作，直至熟练为止。其查询语句是应用的核心，常用语句和语法的学习，可以结合 Spring Boot 项目来进一步实践，从参数判断、查询构造、数据同步等方面探究，相信读者会有不一样的收获。

最后，本文的分享到此结束了，如有错误和不足，期待大家的指正和交流。

参考文档：

1. ElasticSearch 官方查询 API 文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/search.html

2. 推荐阅读：

   • https://blog.csdn.net/weixin_52799373/article/details/126137070

   • https://blog.csdn.net/qq_42764468/article/details/129867190