ElasticSearch 入门

REST

Representational State Transfer

一种软件架构风格，而不是标准，只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。

核心算法

正排索引

ES核心算法是倒排索引，可以先简单谈谈正排索引。

例如

url1 的内容是林俊杰2019演唱会行程 分词后林俊杰/2019/演唱会/行程

url2 内容是 林俊杰吴亦凡终于同框合影，粉丝们尖叫连连分词后 林俊杰/吴亦凡/终于/同框/合影 /惹/粉丝们/尖叫/连连

建立索引

url        	|      keywords
--------------------------------------
url1        |      林俊杰,2019,演唱会,行程
url2        |      林俊杰，吴亦凡，终于，同框，合影 ，粉丝们，尖叫，连连

有点类似 Mysql 索引是 id 对于具体的 row

优点

建立索引非常快，只需要将新增的索引往后追加就可以了。

缺点

搜索关键字非常困难，因为它必须查看索引的每个内容才能检索与单词相关的所有页面。

使用场景

书中的目录
DNS查询

倒排索引

keywords   |      url
--------------------------------------
林俊杰      |      url1,url2
2019       |      url1
演唱会      |      url1
行程        |      url1
吴亦凡      |      url2
终于        |      url2

缺点

建立索引时比较慢，每次新增的时候需要判断是否存在，然后往里面追加

优点

关键字搜索很快

使用场景

书后面的关键字索引
搜索引擎

核心概念

cluster

代表一个集群，集群中有多个节点

只需要在同一个网段之内启动多个es节点，就可以自动组成一个集群。
默认情况下es会自动发现同一网段内的节点，自动组成集群。
集群状态查看 http://192.168.57.4:9200/_cluster/health?pretty

主节点

这个主节点是可以通过选举产生的，主从节点是对于集群内部来说的。es的一个概念就是去中心化，字面上理解就是无中心节点，这是对于集群外部来说的，因为从外部来看es集群，在逻辑上是个整体，你与任何一个节点的通信和与整个es集群通信是等价的。

主节点的职责是负责管理集群状态，包括管理分片的状态和副本的状态，以及节点的发现和删除。

Shard

代表索引分片，es可以把一个完整的索引分成多个分片，这样的好处是可以把一个大的索引拆分成多个，分布到不同的节点上。构成分布式搜索。分片的数量只能在索引创建前指定，并且索引创建后不能更改。

可以在创建索引库时指定

curl -XPUT 'localhost:9200/index/' -d'{"settings":{"number_of_shards":3}}'

Replicate

代表索引副本，es可以给索引设置副本，副本的作用一是提高系统的容错性，当某个节点某个分片损坏或丢失时可以从副本中恢复。二是提高es的查询效率，es会自动对搜索请求进行负载均衡。

可以在创建索引库的时候指定，默认 1（集R群中总共有2个索引）

curl -XPUT 'localhost:9200/test2/' -d'{"settings":{"number_of_replicas":2}}'

Recovery

代表数据恢复或叫数据重新分布，es在有节点加入或退出时会根据机器的负载对索引分片进行重新分配，挂掉的节点重新启动时也会进行数据恢复。

Gateway

代表es索引的持久化存储方式，es默认是先把索引存放到内存中，当内存满了时再持久化到硬盘。当这个es集群关闭再重新启动时就会从gateway中读取索引数据。es支持多种类型的gateway，有本地文件系统（默认），分布式文件系统，Hadoop的HDFS和amazon的s3云存储服务。可以配置多个目录

–如果需要将数据落地到hadoop的hdfs需要先安装插件 elasticsearch-hadoop，然后再elasticsearch.yml配置

gateway:
   type: hdfs
gateway:
       hdfs:
          uri: hdfs://localhost:9000

discovery.zen

代表es的自动发现节点机制，es是一个基于p2p的系统，它先通过广播寻找存在的节点，再通过多播协议来进行节点之间的通信，同时也支持点对点的交互。

如果是不同网段的节点如何组成es集群

#禁用自动发现机制
discovery.zen.ping.multicast.enabled: false

#设置新节点被启动时能够发现的主节点列表
discovery.zen.ping.unicast.hosts: [“192.168.27.4", " 192.168.17.5"]

Transport

代表es内部节点或集群与客户端的交互方式，默认内部是使用TCP协议进行交互，同时它支持http协议（json格式）、thrift、servlet、memcached、zeroMQ等的传输协议（通过插件方式集成）。

Settings和Mappings

Settings

修改索引库默认配置，例如：分片数量，副本数量

查看：curl -XGET http://localhost:9200/index/_settings?pretty

设置：

curl -XPUT 'localhost:9200/index/' -d'{"settings":{"number_of_shards":3,"number_of_replicas":2}}'

Mapping

对索引库中索引的字段名称及其数据类型进行定义，类似于关系数据库中表建立时要定义字段名及其数据类型那样，(和solr中的schme类似)不过es的mapping比数据库灵活很多，它可以动态添加字段。一般不需要要指定mapping都可以，因为es会自动根据数据格式定义它的类型，如果你需要对某些字段添加特殊属性（如：定义使用其它分词器、是否分词、是否存储等），就必须手动添加mapping

•查询索引库的mapping信息 curl -XGET http://localhost:9200/index/emp/_mapping?pretty

mappings修改字段相关属性，例如：字段类型，使用哪种分词工具

装机配置


cluster.name: es_cluster

node.name: node06 

network.host: 192.168.133.6 

http.port:9200 

# 末尾增加防脑裂：
discovery.zen.ping.multicast.enabled: false 
discovery.zen.ping.unicast.hosts: ["192.168.133.6","192.168.133.7", "192.168.133.8"]
discovery.zen.ping_timeout: 120s
client.transport.ping_timeout: 60s

API

Java API

使用反射获取Elasticsearch客户端，可以使用通过new获取client

使用反射方式：网上反映这种方式效率明显高于new客户端，并可避免线上环境内存溢出和超时等问题

TransportClient client = new TransportClient().addTransportAddress(new InetSocketTransportAddress("host1", 9300)).addTransportAddress(new InetSocketTransportAddress("host2", 9300));
// 如果需要使用其他名称的集群（默认是elasticsearch），需要如下设置
Settings settings = ImmutableSettings.settingsBuilder().put("cluster.name", "myClusterName").build();
TransportClientclient = new TransportClient(settings).addTransportAddress(new InetSocketTransportAddress("host1", 9300));


// 索引index（四种json,map,bean,es helpers）
IndexResponse response = client.prepareIndex(“index", "type", "1").setSource().execute().actionGet();
// 查询get
GetResponse response = client.prepareGet(“index", "type", "1").execute().actionGet();
// 更新update
//更新或者插入upsert
// 删除delete
DeleteResponse response = client.prepareDelete(“index", "type", "1").execute().actionGet();
// 总数count
long count = client.prepareCount(“index").execute().get().getCount();

查询:query
.setQuery(QueryBuilders.matchQuery("name", "test"))
分页:from/size
.setFrom(0).setSize(1)
排序:sort
.addSort("age", SortOrder.DESC)
过滤:filter
.setPostFilter(FilterBuilders.rangeFilter("age").from(1).to(19))
高亮:highlight

统计:facet(已废弃)使用aggregations 替代
根据字段进行分组统计
根据字段分组，统计其他字段的值
size设置为0，会获取所有数据，否则，只会返回10条

ES分页

与SQL使用LIMIT来控制单“页”数量类似，Elasticsearch使用的是from以及size两个参数：

size：每次返回多少个结果，默认值为10
from：从哪条结果开始，默认值为0

假设每页显示5条结果，那么1至3页的请求就是：

- GET /_search?size=5
- GET /_search?size=5&from=5
- GET /_search?size=5&from=10

注意：不要一次请求过多或者页码过大的结果，这么会对服务器造成很大的压力。因为它们会在返回前排序。一个请求会经过多个分片。每个分片都会生成自己的排序结果。然后再进行集中整理，以确保最终结果的正确性。

timed_out告诉了我们查询是否超时
curl -XGET http://localhost:9200/_search?timeout=10ms
es会在10ms之内返回查询内容
注意：timeout并不会终止查询，它只是会在你指定的时间内返回当时已经查询到的数据，然后关闭连接。在后台，其他的查询可能会依旧继续，尽管查询结果已经被返回了。

批量操作bulk

ES的搜索类型有4种

query and fetch(速度最快)(返回N倍数据量)
query then fetch（默认的搜索方式）
DFS query and fetch(可以更精确控制搜索打分和排名。)
DFS query then fetch

•DFS解释：见备注

•总结一下，从性能考虑QUERY_AND_FETCH是最快的，DFS_QUERY_THEN_FETCH是最慢的。从搜索的准确度来说，DFS要比非DFS的准确度更高。

分片查询

默认是randomize across shards
随机选取，表示随机的从分片中取数据
_local：指查询操作会优先在本地节点有的分片中查询，没有的话再在其它节点查询。
_primary：指查询只在主分片中查询
_primary_first：指查询会先在主分片中查询，如果主分片找不到（挂了），就会在副本中查询。
_only_node：指在指定id的节点里面进行查询，如果该节点只有查询索引的部分分片，就只在这部分分片中查找，所以查询结果可能不完整。如_only_node:123在节点id为123的节点中查询。
_prefer_node:nodeid 优先在指定的节点上执行查询
_shards:0 ,1,2,3,4：查询指定分片的数据
自定义：_only_nodes：根据多个节点进行查询

优化

操作系统

调大系统的"最大打开文件数",建议32K甚至是64K

–ulimit -a (查看)
–ulimit -n 32000(设置)

内存

修改配置文件调整ES的JVM内存大小

1：修改bin/elasticsearch.in.sh中ES_MIN_MEM和ES_MAX_MEM的大小，建议设置一样大，避免频繁的分配内存，根据服务器内存大小，一般分配60%左右(默认256M)

2：如果使用searchwrapper插件启动es的话则修改bin/service/elasticsearch.conf(默认1024M)

内存地址

设置mlockall来锁定进程的物理内存地址

避免交换（swapped）来提高性能，修改文件conf/elasticsearch.yml

boostrap.mlockall: true

分片

分片可以提升建立索引的能力，5-20个比较合适。如果分片数过少或过多，都会导致检索比较慢。分片数过多会导致检索时打开比较多的文件，另外也会导致多台服务器之间通讯。而分片数过少会导至单个分片索引过大，所以检索速度慢。建议单个分片最多存储20G左右的索引数据，所以，分片数量=数据总量/20G。

elasticsearch在建立索引时，根据id或id，类型进行hash，得到hash值与该索引的文档数量取余，取余的值即为存入的分片。

–具体源码为：根据OperationRouting类的shardId方法进行分片

副本

副本多，可以提升搜索的能力，但是如果设置很多副本的话也会对服务器造成额外的压力，因为需要同步数据。所以建议设置2-3个即可。

Index

要定时对索引进行优化，不然segment越多，查询的性能就越差，索引量不是很大的话情况下可以将segment设置为1

–curl -XPOST 'http://localhost:9200/index/_optimize?max_num_segments=1'

client.admin().indices().prepareOptimize(“index").setMaxNumSegments(1).get();

Mapping-all

去掉mapping中_all域，Index中默认会有_all的域，(相当于solr配置文件中的拷贝字段text)，这个会给查询带来方便，但是会增加索引时间和索引尺寸

"_all":{"enabled":"false"}

Log

log输出的水平默认为trace，即查询超过500ms即为慢查询，就要打印日志，造成cpu和mem，io负载很高。把log输出水平改为info，可以减轻服务器的压力。

–修改ES_HOME/conf/logging.yaml文件

–或者修改ES_HOME/conf/elasticsearch.yaml

其他

删除文档

在Lucene中删除文档，数据不会马上在硬盘上除去，而是在lucene索引中产生一个.del的文件，而在检索过程中这部分数据也会参与检索，lucene在检索过程会判断是否删除了，如果删除了在过滤掉。这样也会降低检索效率。所以可以执行清除删除文档

curl -XPOST 'http://localhost:9200/elasticsearch/_optimize?only_expunge_deletes=true'

client.admin().indices().prepareOptimize("elasticsearch ").setOnlyExpungeDeletes(true).get();

首次导入数据

如果在项目开始的时候需要批量入库大量数据的话，建议将副本数设置为0。因为es在索引数据的时候，如果有副本存在，数据也会马上同步到副本中，这样会对es增加压力。待索引完成后将副本按需要改回来。这样可以提高索引效率

脑裂

所谓脑裂问题（类似于精神分裂），就是同一个集群中的不同节点，对于集群的状态有了不一样的理解。

正常情况下，集群中的所有的节点，应该对集群中master的选择是一致的，这样获得的状态信息也应该是一致的，不一致的状态信息，说明不同的节点对master节点的选择出现了异常——也就是所谓的脑裂问题。这样的脑裂状态直接让节点失去了集群的正确状态，导致集群不能正常工作。

#用于控制选举行为发生的最小集群节点数量。推荐设为大于1的数值，因为只有在2个以上节点的集群中，主节点才是有意义的
discovery.zen.minimum_master_nodes

原因

网络：由于是内网通信，网络通信问题造成某些节点认为master死掉，而另选master。可能性较小
节点负载：由于master节点与data节点都是混合在一起的，所以当工作节点的负载较大时，导致对应的ES实例停止响应，而这台服务器如果正充当着master节点的身份，那么一部分节点就会认为这个master节点失效了，故重新选举新的节点，这时就出现了脑裂；同时由于data节点上ES进程占用的内存较大，较大规模的内存回收操作也能造成ES进程失去响应。

解决

# 主节点
node.master: true  
node.data: false  
# 从节点
node.master: false  
node.data: true  
# 所有节点
discovery.zen.ping.multicast.enabled: false  
discovery.zen.ping.unicast.hosts: [“master”, “slave1”, “slave2"]

插件

中文分词 ik

安装

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

编译后放入es 节点的plugins 目录

分别执行如下命令：
mvn clean
mvn compile
mvn package
当然这里是用maven对此工程进行编译，前提要安装maven
Maven安装也很简单，下载包以后解压缩，配置环境变量即可，如图：

使用分词

设置

curl -XPOST http://localhost:9200/index/fulltext/_mapping -d'
{
    "fulltext": {
        "properties": {
            "content": {
                "type": "string",
                "store": "no",
                "term_vector": "with_positions_offsets",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word",
                "include_in_all": "true",
                "boost": 8
            }
        }
    }
}'

建立索引

curl -XPOST http://localhost:9200/index/fulltext/1 -d'
{"content":"美国留给伊拉克的是个烂摊子吗"}
'
curl -XPOST http://localhost:9200/index/fulltext/2 -d'
{"content":"公安部：各地校车将享最高路权"}
'
curl -XPOST http://localhost:9200/index/fulltext/3 -d'
{"content":"中韩渔警冲突调查：韩警平均每天扣1艘中国渔船"}
'
curl -XPOST http://localhost:9200/index/fulltext/4 -d'
{"content":"中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"}
'

搜索

curl -XPOST http://localhost:9200/index/fulltext/_search  -d'
{
    "query" : { "term" : { "content" : "中国" }},
    "highlight" : {
        "pre_tags" : ["<tag1>", "<tag2>"],
        "post_tags" : ["</tag1>", "</tag2>"],
        "fields" : {
            "content" : {}
        }
    }
}
'

结果

{
    "took": 14,
    "timed_out": false,
    "_shards": {
        "total": 5,
        "successful": 5,
        "failed": 0
    },
    "hits": {
        "total": 2,
        "max_score": 2,
        "hits": [
            {
                "_index": "index",
                "_type": "fulltext",
                "_id": "4",
                "_score": 2,
                "_source": {
                    "content": "中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"
                },
                "highlight": {
                    "content": [
                        "<tag1>中国</tag1>驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首 "
                    ]
                }
            },
            {
                "_index": "index",
                "_type": "fulltext",
                "_id": "3",
                "_score": 2,
                "_source": {
                    "content": "中韩渔警冲突调查：韩警平均每天扣1艘中国渔船"
                },
                "highlight": {
                    "content": [
                        "均每天扣1艘<tag1>中国</tag1>渔船 "
                    ]
                }
            }
        ]
    }
}

head

不用在es 中安装插件
https://chrome.google.com/webstore/detail/elasticsearch-head/ffmkiejjmecolpfloofpjologoblkegm/related

posted on 2020-03-08 22:59 chouc 阅读(406) 评论(0) 编辑收藏举报

刷新页面返回顶部

chouc

ElasticSearch 入门

REST

核心算法

正排索引

例如

优点

缺点

使用场景

倒排索引

缺点

优点

使用场景

核心概念

cluster

主节点

Shard

Replicate

Recovery

Gateway

discovery.zen

Transport

Settings和Mappings

Settings

Mapping

装机配置

API

Java API

ES分页

批量操作bulk

分片查询

优化

操作系统

内存

内存地址

分片

副本

Index

Mapping-all

Log

其他

脑裂

原因

解决

插件

中文分词 ik

安装

使用分词

设置

建立索引

搜索

结果

head

导航

公告