ElasticSearch

ElasticSearch：

ES是一个基于Lucene实现的开源、分布式、Restful的全文本搜索引擎；此外，它还是一个分布式实时文档存储，其中每个文档的每个field均是被索引的数据，且可被搜索；也是一个带实时分析功能的分布式搜索引擎，能够扩展至数以百计的节点实时处理PB级的数据。

Lucene介绍：http://www.cnblogs.com/python-gm/p/8400001.html

基本组件：

索引(index)：文档容器，换句话说，索引是具有类似属性的文档的集合。类似于表。索引名必须使用小写字母；
类型(type)：类型是索引内部的逻辑分区，其意义完全取决于用户需求。一个索引内部可定义一个或多个类型。一般来说，类型就是拥有相同的域的文档的预定义。
文档(document)：文档是Lucene索引和搜索的原子单位，它包含了一个或多个域。是域的容器；基于JSON格式表示。
- 每个域的组成部分：一个名字，一个或多个值；拥有多个值的域，通常称为多值域；
映射(mapping)：原始内容存储为文档之前需要事先进行分析，例如切词、过滤掉某些词等；映射用于定义此分析机制该如何实现；除此之外，ES还为映射提供了诸如将域中的内容排序等功能。

ES的集群组件：

Cluster：ES的集群标识为集群名称；默认为"elasticsearch"。节点就是靠此名字来决定加入到哪个集群中。一个节点只能属性于一个集群。
Node：运行了单个ES实例的主机即为节点。用于存储数据、参与集群索引及搜索操作。节点的标识靠节点名。
Shard：将索引切割成为的物理存储组件；但每一个shard都是一个独立且完整的索引；
- 创建索引时，ES默认将其分割为5个shard，每个shard也会有一个副本，用户也可以按需自定义，创建完成之后不可修改。
- shard有两种类型：primary shard和replica。Replica用于数据冗余及查询时的负载均衡。每个主shard的副本数量可自定义，且可动态修改。

ES Cluster工作过程：

启动时，通过多播(默认)或单播方式在9300/tcp查找同一集群中的其它节点，并与之建立通信。
集群中的所有节点会选举出一个主节点负责管理整个集群状态，以及在集群范围内决定各shards的分布方式。站在用户角度而言，每个均可接收并响应用户的各类请求。
集群有状态：green, red, yellow

官方站点：https://www.elastic.co/

ElasticSearch依赖于JDK环境：可以安装配置 Oracle JDK 或 OpenJDK

ES的默认端口：

参与集群的事务：9300/tcp
- transport.tcp.port　　
接收请求：9200/tcp
- http.port

Restful API:

四类API:
- (1) 检查集群、节点、索引等健康与否，以及获取其相应状态；
- (2) 管理集群、节点、索引及元数据；　　
- (3) 执行CRUD操作；　　
- (4) 执行高级操作，例如paging, filtering等；　　
ES访问接口：9200/tcp
curl -X<VERB> '<PROTOCOL>://HOST:PORT/<PATH>?<QUERY_STRING>' -d '<BODY>'
- VERB: GET, PUT, DELETE等；　　
- PROTOCOL: http, https　　
- QUERY_STRING：查询参数，例如?pretty表示用易读的JSON格式输出；　　
- BODY: 请求的主体；

Cluster APIs:

health:

curl -XGET 'http://172.16.100.67:9200/_cluster/health?pretty'

state：

curl -XGET 'http://172.16.100.67:9200/_cluster/state/<metrics>?pretty'

stats：

curl -XGET 'http://172.16.100.67:9200/_cluster/stats'

节点状态：

curl -XGET 'http://172.16.100.67:9200/_nodes/stats'

Plugins：

插件扩展ES的功能：
- 添加自定义的映射类型、自定义分析器、本地脚本、自定义发现方式；　　
安装：
- 直接将插件放置于plugins目录中即可；　　
- 使用plugin脚本进行安装；

/usr/share/elasticsearch/bin/plugin -h
参数：
-l
-i, --install
-r, --remove

站点插件：

http://HOST:9200/_plugin/plugin_name

部署elasticsearch集群：

实验环境

主机：Ubuntu16.04

elasticsearch版本：6.4.2

安装java环境

sudo apt-get install default-jre

# 查看java版本
java -version

openjdk version "1.8.0_181"
OpenJDK Runtime Environment (build 1.8.0_181-8u181-b13-0ubuntu0.16.04.1-b13)
OpenJDK 64-Bit Server VM (build 25.181-b13, mixed mode)

安装elasticsearch

# 首先需要添加 Apt-key：
wget -qO - https://artifacts.elastic.co/GPG-KEY-elasticsearch | sudo apt-key add -

# 然后添加 Elasticsearch 的 Repository 定义：
echo "deb https://artifacts.elastic.co/packages/6.x/apt stable main" | sudo tee -a /etc/apt/sources.list.d/elastic-6.x.list

# 安装 Elasticsearch：
sudo apt-get update 
sudo apt-get install elasticsearch

# 所有主机完成 Elasticsearch 的安装

修改主机配置文件

cluster.name: evescn     ##集群名称，所有主机配置必须相同
node.name: node-1        ##节点名称，不同主机此处名字不能相同
path.data: /var/lib/elasticsearch
path.logs: /var/log/elasticsearch
network.host: 0.0.0.0
http.port: 9200
discovery.zen.ping.unicast.hosts: ["192.168.20.102", "192.168.20.103", "192.168.0.104"]        ## 集群地址设置，配置之后集群的主机之间可以自动发现

查看集群状态

# curl -XGET 'http://localhost:9200/_cluster/state?pretty' | less
{
  "cluster_name" : "evescn",
  "compressed_size_in_bytes" : 10114,
  "cluster_uuid" : "lmV_adT3TTGt3kz5_IWeSA",
  "version" : 14,
  "state_uuid" : "c1pcj3nAS5-DyWoCcWXy5w",
  "master_node" : "LdRkSjSMSLKH7PtOwDHQIw",
  "blocks" : { },
  "nodes" : {
    "LdRkSjSMSLKH7PtOwDHQIw" : {
      "name" : "node-2",
      "ephemeral_id" : "nf0KaKZlQduuz3rWVzxhew",
      "transport_address" : "192.168.20.103:9300",
      "attributes" : {
        "ml.machine_memory" : "1021595648",
        "ml.max_open_jobs" : "20",
        "xpack.installed" : "true",
        "ml.enabled" : "true"
      }
    },
    "LR0zlOMbRF-kxX33VQLtCw" : {
      "name" : "node-3",
      "ephemeral_id" : "gX8srlZWR9GdU2W-B63KIw",
      "transport_address" : "192.168.20.104:9300",
      "attributes" : {
        "ml.machine_memory" : "1021595648",
        "ml.max_open_jobs" : "20",
        "xpack.installed" : "true",
        "ml.enabled" : "true"
      }
......
}

插入数据进行查看

## 6.X新版本规则，需要指定 -H "Content-Type: application/json"

# A主机插入数据
# curl -H "Content-Type: application/json" -XPUT 'localhost:9200/students/class1/2?pretty' -d '
> {
>    "first_name": "gm",
>    "last_name": "evescn",
>    "gender": "Man",
>    "age": 23,
>    "courses": "ELK"
> }'

# B主机查看
# curl -XGET 'localhost:9200/students/class1/2?pretty'
{
  "_index" : "students",
  "_type" : "class1",
  "_id" : "2",
  "_version" : 1,
  "found" : true,
  "_source" : {
    "first_name" : "gm",
    "last_name" : "evescn",
    "gender" : "Man",
    "age" : 23,
    "courses" : "ELK"
  }

CRUD操作相关的API：

创建文档：

curl -XPUT 'localhost:9200/students/class1/2?pretty' -d '
> {
>   "first_name": "Rong",
>   "last_name": "Huang",
>   "gender": "Female",
>   "age": 23,
>   "courses": "Luoying Shenjian"
> }'
{
  "_index" : "students",
  "_type" : "class1",
  "_id" : "2",
  "_version" : 1,
  "created" : true
}

获取文档：

~]# curl -XGET 'localhost:9200/students/class1/2?pretty'
{
  "_index" : "students",
  "_type" : "class1",
  "_id" : "2",
  "_version" : 1,
  "found" : true,
  "_source":
{
  "first_name": "Rong",
  "last_name": "Huang",
  "gender": "Female",
  "age": 23,
  "courses": "Luoying Shenjian"
}

更新文档：
- PUT方法会覆盖原有文档；　　
- 如果只更新部分内容，得使用_update API

~]# curl -XPOST 'localhost:9200/students/class1/2/_update?pretty' -d '
{
  "doc": { "age": 22 }
}'
{
  "_index" : "students",
  "_type" : "class1",
  "_id" : "2",
  "_version" : 2
}

删除文档：

DETELE

~]# curl -XDELETE 'localhost:9200/students/class1/2'

删除索引：

~]# curl -XDELETE 'localhost:9200/students'

~]# curl -XGET 'localhost:9200/_cat/indices?v'

查询数据:

Query API
- Query DSL：JSON based language for building complex queries.
- 用户实现诸多类型的查询操作，比如，simple term query, phrase, range boolean, fuzzy等；　　
ES的查询操作执行分为两个阶段：
- 分散阶段　
- 合并阶段　
查询方式：
- 向ES发起查询请求的方式有两种：　　
- 1、通过Restful request API查询，也称为query string；　　
- 2、通过发送REST request body进行；

1、通过Restful request API查询；　
　　
~]# curl -XGET 'localhost:9200/students/_search?pretty'

2、通过发送REST request body进行；

~]# curl -XGET 'localhost:9200/students/_search?pretty' -d '
> {
> "query": { "match_all": {} }
> }'

多索引、多类型查询：

/_search：所有索引；

/INDEX_NAME/_search：单索引；

/INDEX1,INDEX2/_search：多索引；

/s*,t*/_search：正则匹配搜索

/students/class1/_search：单类型搜索

/students/class1,class2/_search：多类型搜索

Mapping和Analysis：

ES：对每一个文档，会取得其所有域的所有值，生成一个名为“_all”的域；执行查询时，如果在query_string未指定查询的域，则在_all域上执行查询操作；

GET /_search?q='Xianglong' ：所有域中出现此字符串的值
GET /_search?q='Xianglong%20Shiba%20Zhang'
GET /_search?q=courses:'Xianglong%20Shiba%20Zhang' ：在courses域中查询此字符串
GET /_search?q=courses:'Xianglong'

前两个：表示在_all域搜索；
后两个：在指定的域上搜索；

数据类型：string, numbers, boolean, dates
查看指定类型的mapping示例：

~]# curl 'localhost:9200/students/_mapping/class1?pretty'

ES中搜索的数据广义上可被理解为两类：

types:exact
full-text　　
精确值：指未经加工的原始值；在搜索时进行精确匹配；
full-text：用于引用文本中数据；判断文档在多大程序上匹配查询请求；即评估文档与用户请求查询的相关度；

- 为了完成full-text搜索，ES必须首先分析文本，并创建出倒排索引；倒排索引中的数据还需进行“正规化”为标准格式；
  - 分词　　　　
  - 正规化　（分词+正规化==》分析）

- 分析需要由分析器进行：analyzer　　
  - 分析器由三个组件构成：字符过滤器、分词器、分词过滤器　　　　
  - ES内置的分析器：

Standard analyzer：
Simple analyzer
Whitespace analyzer
Language analyzer

- - 分析器不仅在创建索引时用到；在构建查询时也会用到；
Query DSL：

request body：
    分成两类：
    query dsl：执行full-text查询时，基于相关度来评判其匹配结果；查询执行过程复杂，且不会被缓存；
    filter dsl：执行exact查询时，基于其结果为“yes”或“no”进行评判；速度快，且结果缓存；

查询语句的结构：
{
    QUERY_NAME: {
        AGGUMENT: VALUE,
        ARGUMENT: VALUE,...
    }
}

{
    QUERY_NAME: {
        FIELD_NAME: {
            ARGUMENT: VALUE,...
        }
    }
}

filter dsl：

term filter：精确匹配包含指定term的文档；

{ "term": {"name": "Guo"} }

curl -XGET 'localhost:9200/students/_search?pretty' -d {
  "query": {
    "term": {
      "name": "Guo"
    }
  }
}

terms filter：用于多值精确匹配；

{ "terms": { "name": ["Guo", "Rong"] }}

range filters：用于在指定的范围内查找数值或时间。
{ "range": 
  "age": {
    "gte": 15,
    "lte": 25
  }
}

gt, lt, gte, lte

exists and missing filters：存在或不存在

{ 
  "exists": {
    "age": 25
  }
}

boolean filter：

基于boolean的逻辑来合并多个filter子句；
must：其内部所有的子句条件必须同时匹配，即and；
must: {
  "term": { "age": 25 }
  "term": { "gender": "Female" }
}

must_not：其所有子句必须不匹配，即not

must_not: {
  "term": { "age": 25 }
}

should：至少有一个子句匹配，即or

should: {
  "term": { "age": 25 }
  "term": { "gender": "Female" }
}

QUERY DSL：

match_all Query：

用于匹配所有文档，没有指定任何query，默认即为match_all query.
{ "match_all": {} }

match Query：
在几乎任何域上执行full-text或exact-value查询；

如果执行full-text查询：首先对查询时的语句做分析；
{ "match": {"students": "Guo" }}

如果执行exact-value查询：搜索精确值；此时，建议使用过滤，而非查询；
{ "match": {"name": "Guo"} }

multi_match Query：

用于在多个域上执行相同的查询；
{
  "multi_match":
  "query": full-text search
  "field": {'field1', 'field2'}
}

{
  "multi_match":
  "query": {
    "students": "Guo"
  }
  "field":
  {
    "name",
    "description"
  }
}

bool query：
基于boolean逻辑合并多个查询语句；与bool filter不同的是，查询子句不是返回"yes"或"no"，而是其计算出的匹配度分值。因此，boolean Query会为各子句合并其score；

must：
must_not:
should：

合并filter和query：

{
  "filterd": {
    query: { "match": {"gender": "Female"} }
    filter: { "term": {"age": 25}}
  }
}

查询语句语法检查：

GET /INDEX/_validate/query?pretty
{
...
}


GET /INDEX/_validate/query?explain&pretty
{
...
}

posted @ 2018-02-01 16:53 evescn 阅读(224) 评论(0) 编辑收藏举报

刷新页面返回顶部

evescn

ElasticSearch

公告