ElasticSearch-全文检索

简介

https://www.elastic.co/cn/what-is/elasticsearch

全文搜索属于最常见的需求,开源的 Elasticsearch 是目前全文搜索引擎的首选。
它可以快速地储存、搜索和分析海量数据。维基百科、Stack Overflow、Github 都采用它

Elastic 的底层是开源库 Lucene。但是,你没法直接用 Lucene,必须自己写代码去调用它的
接口。Elastic 是 Lucene 的封装,提供了 REST API 的操作接口,开箱即用。
REST API:天然的跨平台。

官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

官方中文:https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html

社区中文:http://doc.codingdict.com/elasticsearch/0/

一、基本概念

1.1、Index(索引)

动词,相当于 MySQL 中的 insert;
名词,相当于 MySQL 中的 Database

1.2、Type(类型)

在 Index(索引)中,可以定义一个或多个类型。
类似于 MySQL 中的 Table;每一种类型的数据放在一起;

1.3、Document(文档)

保存在某个索引(Index)下,某种类型(Type)的一个数据(Document),文档是 JSON 格式的,Document 就像是 MySQL 中的某个 Table 里面的内容;

1.4、倒排索引机制

 二、Docker 安装 Es

2.1、下载镜像文件

docker pull elasticsearch:7.4.2   存储和检索数据
docker pull kibana:7.4.2        可视化检索数据

2.2、创建实例

2.2.1、ElasticSearch

mkdir -p /mydata/elasticsearch/config  创建配置文件急夹

mkdir -p /mydata/elasticsearch/data    创建挂载文件

echo "http.host: 0.0.0.0" >> /mydata/elasticsearch/config/elasticsearch.yml  添加配置文件

chmod -R 777 /mydata/elasticsearch/ 保证权限(不然启动es时会启动失败)

创建镜像

docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e "discovery.type=single-node" \-e ES_JAVA_OPTS="-Xms64m -Xmx512m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.2

访问端口,启动成功则出现提示

以后再外面装好插件重启即可;
特别注意:
-e ES_JAVA_OPTS="-Xms64m -Xmx256m" \ 测试环境下,设置 ES 的初始内存和最大内存,否则导
致过大启动不了 ES

 2.2.2、Kibana

docker run --name kibana -e ELASTICSEARCH_HOSTS=http://c9200 -p 5601:5601 \
-d kibana:7.4.2

http://192.168.56.10:9200 一定改为自己虚拟机的地址

访问端口 http://192.168.56.10:5601 启动成功则出现提示

 三、初步检索

3.1、_cat

  • GET /_cat/nodes:查看所有节点
  • GET /_cat/health:查看 es 健康状况
  • GET /_cat/master:查看主节点
  • GET /_cat/indices:查看所有索引 show databases;

 

 

 3.2、索引一个文档(保存,类比mysql相当于添加一条记录)

保存一个数据,保存在哪个索引的哪个类型下,指定用哪个唯一标识
PUT customer/external/1;在 customer 索引下的 external 类型下保存 1 号数据为

PUT customer/external/1

数据

{ "name": "John Doe" }

小结

PUT 和 POST 都可以,

  • POST 新增。如果不指定 id,会自动生成 id。指定 id 就会修改这个数据,并新增版本号
  • PUT 可以新增可以修改。PUT 必须指定 id;由于 PUT 需要指定 id,我们一般都用来做修改操作,不指定 id 会报错。

3.3、查询文档

GET customer/external/1

结果:
{
  "_index": "customer",   //在哪个索引
  "_type": "external",    //在哪个类型
  "_id": "1",    //记录 id
  "_version": 2,    //版本号
  "_seq_no": 1,    //并发控制字段,每次更新就会+1,用来做乐观锁
  "_primary_term": 1,    //同上,主分片重新分配,如重启,就会变化
  "found": true,
"_source": {   //真正的内容
  "name": "John Doe"
}

}

更新携带 ?if_seq_no=1&if_primary_term=1,如果_seq_no和_primary_term与记录不同则更新失败,起到乐观锁的作用

3.4、更新文档

POST customer/external/1/_update

{
  "doc":{
    "name": "John Doew"
    }
}

或者

POST customer/external/1
{
  "name": "John Doe2"
}
或者

PUT customer/external/1
{
  "name": "John Doe"
}

  • 不同:POST 操作会对比源文档数据,如果相同不会有什么操作,文档 version 不增加

PUT 操作总会将数据重新保存并增加 version 版本;
  带_update 对比元数据如果一样就不进行任何操作。
看场景;
  对于大并发更新,不带 update;
  对于大并发查询偶尔更新,带 update;对比更新,重新计算分配规则。

  •  更新同时增加属性

POST customer/external/1/_update

{
  "doc": { "name": "Jane Doe", "age": 20 }
}

PUT 和 POST 不带_update 也可以增加属性

3.5、删除文档&索引

DELETE customer/external/1
DELETE customer

3.6、bulk 批量 API

POST customer/external/_bulk
{"index":{"_id":"1"}}
{"name": "John Doe" }
{"index":{"_id":"2"}}
{"name": "Jane Doe" }

语法格式:

{ action: { metadata }}
{ request body }
{ action: { metadata }}
{ request body }

复杂实例:

POST /_bulk
{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "create": { "_index": "website", "_type": "blog", "_id": "123" }}{ "title": "My first blog post" }
{ "index": { "_index": "website", "_type": "blog" }}
{ "title": "My second blog post" }
{ "update": { "_index": "website", "_type": "blog", "_id": "123", "_retry_on_conflict" : 3} }
{ "doc" : {"title" : "My updated blog post"} }

bulk API 以此按顺序执行所有的 action(动作)。如果一个单个的动作因任何原因而失败,
它将继续处理它后面剩余的动作。当 bulk API 返回时,它将提供每个动作的状态(与发送
的顺序相同),所以您可以检查是否一个指定的动作是不是失败了。

3.7、样本测试数据

顾客银行账户信息的虚构的 JSON 文档样本。每个文档都有下列的 schema
(模式):
{
"account_number": 0,
"balance": 16623,
"firstname": "Bradshaw",
"lastname": "Mckenzie",
"age": 29,
"gender": "F",
"address": "244 Columbus Place",
"employer": "Euron",
"email": "bradshawmckenzie@euron.com",
"city": "Hobucken",
"state": "CO"
}

https://download.elastic.co/demos/kibana/gettingstarted/shakespeare_6.0.json  导入测试数据

POST bank/account/_bulk

四、进阶检索

 4.1、SearchAPI

ES 支持两种基本方式检索 :

  •  一个是通过使用 REST request URI 发送搜索参数(uri+检索参数)
  • 另一个是通过使用 REST request body 来发送它们(uri+请求体)

4.1.1检索信息

  • 一切检索从_search 开始
GET bank/_search 检索 bank 下所有信息,包括 type 和 docs
GET bank/_search?q=*&sort=account_number:asc 请求参数方式检索

响应结果解释:
took - Elasticsearch 执行搜索的时间(毫秒)
time_out - 告诉我们搜索是否超时
_shards - 告诉我们多少个分片被搜索了,以及统计了成功/失败的搜索分片
hits - 搜索结果
hits.total - 搜索结果
hits.hits - 实际的搜索结果数组(默认为前 10 的文档)
sort - 结果的排序 key(键)(没有则按 score 排序)
score 和 max_score –相关性得分和最高得分(全文检索用)

  • uri+请求体进行检索

GET bank/_search
{
  "query": {
    "match_all": {}
},
"sort": [
  {
    "account_number": {
      "order": "desc"
      }
  }  
 ]
}

HTTP 客户端工具(POSTMAN),get 请求不能携带请求体,我们变为 post 也是一样的
我们 POST 一个 JSON 风格的查询请求体到 _search API。
需要了解,一旦搜索的结果被返回,Elasticsearch 就完成了这次请求,并且不会维护任何
服务端的资源或者结果的 cursor(游标)


4.2 Query DSL

4.2.1、基本语法格式

Elasticsearch 提供了一个可以执行查询的 Json 风格的 DSL(domain-specific language 领域特
定语言)。这个被称为 Query DSL。该查询语言非常全面,并且刚开始的时候感觉有点复杂,
真正学好它的方法是从一些基础的示例开始的。

  • 一个查询语句的典型结构

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

  • 如果是针对某个字段,那么它的结构如下:

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

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "from": 0,
  "size": 5,
  "sort": [
  {
    "account_number": {
    "order": "desc"
    }
  }
 ]
}

 
  • query 定义如何查询,
  • match_all 查询类型【代表查询所有的所有】,es 中可以在 query 中组合非常多的查
  • 询类型完成复杂查询
  • 除了 query 参数之外,我们也可以传递其它的参数以改变查询结果。如 sort,size
  • from+size 限定,完成分页功能
  • sort 排序,多字段排序,会在前序字段相等时后续字段内部排序,否则以前序为准

4.2.2、返回部分字段

GET bank/_search
{
  "query": {
  "match_all": {}
},
"from": 0,
"size": 5,
"_source": [
  "age",
  "balance"
  ]
}

4.2.3、match【匹配查询】

  • 基本类型(非字符串),精确匹配

GET bank/_search
{
  "query": {
     "match": {
    "account_number": "20"
    }
  }
}

match 返回 account_number=20 的
  • 字符串,全文检索

GET bank/_search
{
  "query": {
   "match": {
    "address": "mill"
      }
  }
}

最终查询出 address 中包含 mill 单词的所有记录
match 当搜索字符串类型的时候,会进行全文检索,并且每条记录有相关性得分。

  • 字符串,多个单词(分词+全文检索)

GET bank/_search
{
  "query": {
     "match": {
    "address": "mill road"
    }
  }
}

最终查询出 address 中包含 mill 或者 road 或者 mill road 的所有记录,并给出相关性得分

 

4.2.4、match_phrase【短语匹配】

将需要匹配的值当成一个整体单词(不分词)进行检索

GET bank/_search
{
  "query": {
     "match": {
    "address": "mill road"
    }
  }
}
查出 address 中包含 mill road 的所有记录,并给出相关性得分

4.2.5、multi_match【多字段匹配】

GET bank/_search
{
 "query": {
  "multi_match": {
     "query": "mill",
   "fields": [
   "state",
   "address"
    ]
  }
  }
}

state 或者 address 包含 mill

4.2.6、bool【复合查询】

bool 用来做复合查询:
复合语句可以合并 任何 其它查询语句,包括复合语句,了解这一点是很重要的。这就意味
着,复合语句之间可以互相嵌套,可以表达非常复杂的逻辑。

  • must:必须达到 must 列举的所有条件
复制代码
GET bank/_search
{
"query": { "bool": { "must": [ { "match": { "address": "mill" } }, { "match": { "gender": "M" } } ] } } }
复制代码

 

should:应该达到 should 列举的条件,如果达到会增加相关文档的评分,并不会改变查询的结果。如果 query 中只有 should 且只有一种匹配规则,那么 should 的条件就会被作为默认匹配条件而去改变查询结果

复制代码
GET bank/_search
{
"query": { "bool": { "must": [ { "match": { "address": "mill" } }, { "match": { "gender": "M" } } ], "should": [ { "match": { "address": "lane" } } ], "must_not": [ { "match": { "email": "baluba.com" } } ] } }
复制代码
  • must_not 必须不是指定的情况
复制代码
GET bank/_search
{
    "query": {
        "bool": {
            "must": [
                {
                    "match": {
                        "address": "mill"
                    }
                },
                {
                    "match": {
                        "gender": "M"
                    }
                }
            ],
            "should": [
                {
                    "match": {
                        "address": "lane"
                    }
                }
            ],
            "must_not": [
                {
                    "match": {
                        "email": "baluba.com"
                    }
                }
            ]
        }
    }
复制代码

address 包含 mill,并且 gender 是 M,如果 address 里面有 lane 最好不过,但是 email 必须不包含 baluba.com

4.2.7、nested数据类型场景

官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/7.5/nested.html

查询数据中有数组嵌套对象时需要使用nested处理

例如

PUT my_index/_doc/1
{
  "group" : "fans",
  "user" : [ 
    {
      "first" : "John",
      "last" :  "Smith"
    },
    {
      "first" : "Alice",
      "last" :  "White"
    }
  ]
}
在ES中扁平化处理

 

 如果不使用nested声明类型,则为text类型

则会查出错误数据

因此可以修改类型为nested解决

PUT my_index
{
  "mappings": {
    "properties": {
      "user": {
        "type": "nested" 
      }
    }
  }
}

 4.3 分词

一个 tokenizer(分词器)接收一个字符流,将之分割为独立的 tokens(词元,通常是独立的单词),然后输出 tokens 流。例如,whitespace tokenizer 遇到空白字符时分割文本。它会将文本 "Quick brown fox!" 分割为 [Quick, brown, fox!]。该 tokenizer(分词器)还负责记录各个 term(词条)的顺序或 position 位置(用于 phrase 短语和 word proximity 词近邻查询),以及 term(词条)所代表的原始 word(单词)的 start(起始)和 end(结束)的 character offsets(字符偏移量)(用于高亮显示搜索的内容)。Elasticsearch 提供了很多内置的分词器,可以用来构建 custom analyzers(自定义分词器)。

4.3.1 安装ik分词器

注意:不能用默认 elasticsearch-plugin install xxx.zip 进行自动安装
https://github.com/medcl/elasticsearch-analysis-ik/releases?after=v6.4.2 对应 es 版本安装

进入 es 容器内部 plugins 目录
docker exec -it 容器 id /bin/bash
wget
https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-anal
ysis-ik-7.4.2.zip

unzip 下载的文件
rm –rf *.zip
mv elasticsearch/ ik

可以确认是否安装好了分词器
cd ../bin
elasticsearch plugin list:即可列出系统的分词器

4.3.2 测试分词器

默认 ik_smart ik_max_word

POST _analyze
{ "text": "我是中国人"
}

POST _analyze
{ "analyzer": "ik_smart", "text": "我是中国人"
}

POST _analyze
{ "analyzer": "ik_max_word", "text": "我是中国人"
}

请观察结果
能够看出不同的分词器,分词有明显的区别,所以以后定义一个索引不能再使用默
认的 mapping 了,要手工建立 mapping, 因为要选择分词器。

4.3.3 自定义词库

修改/usr/share/elasticsearch/plugins/ik/config/中的 IKAnalyzer.cfg.xml
/usr/share/elasticsearch/plugins/ik/config

复制代码
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 扩展配置</comment>
<!--用户可以在这里配置自己的扩展字典 -->
<entry key="ext_dict"></entry>
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords"></entry>
<!--用户可以在这里配置远程扩展字典 -->
<entry key="remote_ext_dict">http://192.168.128.130/fenci/myword.txt</entry>
<!--用户可以在这里配置远程扩展停止词字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
复制代码

按照标红的路径利用 nginx 发布静态资源,按照请求路径,创建对应的文件夹以及文件,放在
nginx 的 html 下

然后重启 es 服务器,重启 nginx。
在 kibana 中测试分词效果

 五、Elasticsearch-Rest-Client

1)、9300:TCP

  • spring-data-elasticsearch:transport-api.jar;
  • springboot 版本不同, transport-api.jar 不同,不能适配 es 版本 7.x 已经不建议使用,8 以后就要废弃

2)、9200:HTTP

  • JestClient:非官方,更新慢
  • RestTemplate:模拟发 HTTP 请求,ES 很多操作需要自己封装,麻烦
  • HttpClient:同上
  • Elasticsearch-Rest-Client:官方 RestClient,封装了 ES 操作,API 层次分明,上手简单

最终选择 Elasticsearch-Rest-Client(elasticsearch-rest-high-level-client)
https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html

1、SpringBoot 整合

<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
<version>7.4.2</version>
</dependency>

2、配置

@Bean
RestHighLevelClient client() {
RestClientBuilder builder = RestClient.builder(new HttpHost("192.168.56.10", 9200, "http"));
return new RestHighLevelClient(builder);
}

3、使用

具体使用参考官网API介绍

https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high-document-index.html

查询

复制代码
@Test
void test1() throws IOException {
Product product = new Product();
product.setSpuName("华为");
product.setId(10L);
IndexRequest request = new IndexRequest("product").id("20")
.source("spuName","华为","id",20L);
try {
IndexResponse response = client.index(request, RequestOptions.DEFAULT);
System.out.println(request.toString());IndexResponse response2 = client.index(request, RequestOptions.DEFAULT);
} catch (ElasticsearchException e) {
if (e.status() == RestStatus.CONFLICT) {
}
}
}
复制代码

六、附录-安装 nginx(自定义分词时要使用)

随便启动一个 nginx 实例,只是为了复制出配置
 docker run -p 80:80 --name nginx -d nginx:1.10
将容器内的配置文件拷贝到当前目录:docker container cp nginx:/etc/nginx . 
 别忘了后面的点
修改文件名称:mv nginx conf 把这个 conf 移动到/mydata/nginx 下
 终止原容器:docker stop nginx
执行命令删除原容器:docker rm $ContainerId
创建新的 nginx;执行以下命令

docker run -p 80:80 --name nginx \
-v /mydata/nginx/html:/usr/share/nginx/html \
-v /mydata/nginx/logs:/var/log/nginx \
-v /mydata/nginx/conf:/etc/nginx \
-d nginx:1.10

 

 给 nginx 的 html 下面放的所有资源可以直接访问;

  

posted @   佳沃  阅读(163)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· 一个费力不讨好的项目,让我损失了近一半的绩效!
· 清华大学推出第四讲使用 DeepSeek + DeepResearch 让科研像聊天一样简单!
· 实操Deepseek接入个人知识库
· CSnakes vs Python.NET:高效嵌入与灵活互通的跨语言方案对比
· Plotly.NET 一个为 .NET 打造的强大开源交互式图表库
点击右上角即可分享
微信分享提示