ElasticSearch| Kibana | 安装和配置

1. ElasticSearch概述

Elasticsearch是一个高度可伸缩的基于Apache Lucene(TM)的开源全文搜索引擎。Elasticsearch让你可以快速、实时地存储、搜索和分析大量数据，它通常作为互联网应用的内部搜

索引擎，为需要复杂搜索功能的应用提供支持。

ElasticSearch是一个基于Lucene的搜索服务器（Lucene可以被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库）。它提供了一个分布式多用户能力的全文搜索引擎，基

于RESTful web接口（通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单）。

Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。

使用场景

电商搜索引擎，使用Elasticsearch存储商品与品类信息，提供搜索和搜索建议功能（全文检索）。
日志系统，收集、分析日志数据，可以使用Logstash (Elasticsearch/Logstash/Kibana栈的一部分)来收集，然后将这些数据提供给Elasticsearch，通过搜索和聚合计算挖掘有价值的信息，最后通过Kibana进行可视化展示。
价格提醒平台，在价格变动时，让用户可以收到通知。抓取供应商的价格，推入Elasticsearch，并使用其反向搜索(Percolator)功能来匹配用户的价格通知设置，找到匹配后将提醒推送给用户。
BI(商业智能)，分析业务大数据，挖掘有价值的商务信息。可以使用Elasticsearch来存储数据，然后使用Kibana (Elasticsearch/Logstash/Kibana堆栈的一部分)构建自定义仪表板，该仪表板可以可视化显示数据。此外，还可以使用Elasticsearch聚合功能对数据执行复杂的业务智能分析。

ES能做什么？

　　全文检索（全部字段；值--->数据）、模糊查询（搜索）、数据分析（提供分析语法，例如聚合）

数仓--分析处理--hbase/mysql--es--(分析、检索、搜索、javaee前端可视化)

ES与其他数据存储的比较

	redis	mysql	elasticsearch	hbase	hadoop/hive
容量/容量扩展	低	中	较大	海量	海量
查询时效性	极高	中等	较高	中等	低
查询灵活性	较差 k-v模式	非常好，支持sql	较好，关联查询较弱，但是可以全文检索，DSL语言可以处理过滤、匹配、排序、聚合等各种操作	较差，主要靠rowkey, scan的话性能不行，或者建立二级索引	非常好，支持sql
写入速度	极快	中等	较快	较快	慢
一致性、事务	弱	强	弱	弱	弱

Solr、ES、Hermes的区别

Solr、ElasticSearch、 Hermes（腾讯开发；主要用于实时检索分析，处理数据量庞大）3者的区别

Solr、ES（都可以做全文检索、搜索、分析，基于lucene）

　　①. 源自搜索引擎，侧重搜索与全文检索。

　　 ②. 数据规模从几百万到千万不等，数据量过亿的集群特别少。

有可能存在个别系统数据量过亿，但这并不是普遍现象（就像Oracle的表里的数据规模有可能超过Hive里一样，但需要小型机）。

Solr、ES区别

　　①. Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能;

　　②. Solr 支持更多格式的数据，而 Elasticsearch 仅支持json文件格式；

　　③. Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提供；

　　④. Solr 在传统的搜索应用中表现好于 Elasticsearch，但在处理实时搜索应用时效率明显低于 Elasticsearch

Hermes

　　①. 一个基于大索引技术的海量数据实时检索分析平台。侧重数据分析。

　　②. 数据规模从几亿到万亿不等。最小的表也是千万级别。

　　在腾讯17 台TS5机器，就可以处理每天450亿的数据(每条数据1kb左右)，数据可以保存一个月之久。

Lucene、Nutch、Es

① Lucene是第一个提供全文文本搜索的函数库，提供了一个简单而强大的应用程序接口，是一个高性能、可伸缩的信息搜索库。

② Nutch是在Lucene基础上将开源思想继续深化，是一个真正的应用程序，建立在Lucene核心之上的Web搜索的实现，目的是减少使用过程中的复杂度，实现开箱即用的特性。

③ ES是一个开源的高扩展的分布式全文检索引擎，可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。ES使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

处理分词，构建倒排索引，等等，都是这个叫Lucene的做的。那么能不能说这个Lucene就是搜索引擎呢？

不能。Lucene只是一个提供全文搜索功能类库的核心工具包，而真正使用它还需要一个完善的服务框架搭建起来的应用。好比Lucene是类似于发动机，而搜索引擎软件（ES,Solr）就

是汽车。目前市面上流行的搜索引擎软件，主流的就两款，ElasticSearch和Solr,这两款都是基于Lucene的搭建的，可以独立部署启动的搜索引擎服务软件。由于内核相同，所以两者

除了服务器安装、部署、管理、集群以外，对于数据的操作，修改、添加、保存、查询等等都十分类似。就好像都是支持sql语言的两种数据库软件。只要学会其中一个另一个很容易

上手。

ES特点

　　分布式的实时文件存储，每个字段都被索引并可被搜索

　　分布式的实时分析搜索引擎库（可做不规则查询）

　　可以扩展到上百台服务器，处理PB级结构化或非结构化数据

天然分片，天然集群

ES把数据分成多个shard，下图中的P0-P2，多个shard可以组成一份完整的数据，这些shard可以分布在集群中的各个机器节点中。随着数据的不断增加，集群可以增加多个分片，

把多个分片放到多个机子上，已达到负载均衡，横向扩展。

在实际运算过程中，每个查询任务提交到某一个节点，该节点必须负责将数据进行整理汇聚，再返回给客户端，也就是一个简单的节点上进行Map计算，在一个固定的节点上进行

Reduces得到最终结果向客户端返回。

这种集群分片的机制造就了elasticsearch强大的数据容量及运算扩展性。

天然索引

ES 所有数据都是默认进行索引的，这点和MySQL正好相反，MySQL是默认不加索引，要加索引必须特别说明，ES只有不加索引才需要说明。

而ES使用的是倒排索引和MySQL的B+Tree索引不同。

传统关系性数据库

弊端

对于传统的关系性数据库对于关键词的查询，只能逐字逐行的匹配，性能非常差。
匹配方式不合理，比如搜索“小密手机”，如果用like进行匹配，根本匹配不到。但是考虑使用者的用户体验的话，除了完全匹配的记录，还应该显示一部分近似匹配的记录，至少应该匹配到“手机”。

倒排索引是怎么处理的

全文搜索引擎目前主流的索引技术就是倒排索引的方式。传统的保存数据的方式都是：记录→单词

而倒排索引的保存数据的方式是：

单词→记录，基于分词技术构建倒排索引，每个记录保存数据时，都不会直接存入数据库。系统先会对数据进行分词，然后以倒排索引结构保存。如下:

搜索“红海行动”，搜索引擎是如何将两者匹配上的呢？

等到用户搜索的时候，会把搜索的关键词也进行分词，会把“红海行动”分词分成：红海和行动两个词。这样的话，先用红海进行匹配，得到id=1和id=2的记录编号，再用行动匹配可以

迅速定位id为1,3的记录。

那么全文索引通常，还会根据匹配程度进行打分，显然1号记录能匹配的次数更多。所以显示的时候以评分进行排序的话，1号记录会排到最前面。而2、3号记录也可以匹配到。

索引结构对比

可以看到 Lucene为倒排索引(Term Dictionary)部分又增加一层Term Index结构，用于快速定位，而这Term Index是缓存在内存中的，但MySQL的B+tree不在内存中，所以整体来看ES

速度更快，但同时也更消耗资源（内存、磁盘）。

2. 安装和配置

Elasticsearch官网：

https://www.elastic.co/products/elasticsearch

https://www.elastic.co/cn/downloads/past-releases/elasticsearch-6-6-0

ES是开箱即用的，即解压就可以使用

tar -zxvf elasticsearch-6.6.0.tar.gz -C /opt/module/

mv elasticsearch-6.6.0/ elasticsearch

修改ES配置文件

修改yml配置的注意事项:

　　每行必须顶格，不能有空格

　　“：”后面必须有一个空格

[kris@hadoop101 elasticsearch]$ vim config/elasticsearch.yml

# ---------------------------------- Cluster -----------------------------------
#
# Use a descriptive name for your cluster:
# 集群名称，同一集群名称必须相同
cluster.name: my-es  

# ------------------------------------ Node ------------------------------------
#
# Use a descriptive name for the node:
# 单个节点名称 
node.name: node-1

# ----------------------------------- Memory -----------------------------------
#
# Lock the memory on startup:
# 把bootstrap自检程序关掉  bootstrap.system_call_filter: false
bootstrap.memory_lock: true
bootstrap.system_call_filter: false

# ---------------------------------- Network -----------------------------------
#
# Set the bind address to a specific IP (IPv4 or IPv6):
# 网络部分  改为当前的ip地址  ，端口号保持默认9200就行
network.host: hadoop101
#
# Set a custom port for HTTP:
#
#http.port: 9200

# --------------------------------- Discovery ----------------------------------
#
# Pass an initial list of hosts to perform discovery when new node is started:
# The default list of hosts is ["127.0.0.1", "[::1]"]
# 自发现配置：新节点向集群报到的主机名
discovery.zen.ping.unicast.hosts: ["hadoop101", "hadoop102", "hadoop103"]

ES是用在Java虚拟机中运行的，虚拟机默认启动占用1G内存。但是如果是装在PC机学习用，实际用不了1个G。所以可以改小一点内存；但生产环境一般128G内存是标配，这个时候需要将这个内存调大。

vim /opt/module/elasticsearch/config/jvm.options

## JVM configuration
# Xms represents the initial size of total heap space
# Xmx represents the maximum size of total heap space
-Xms512m
-Xmx512m

分发ES到另外两台节点 xsync elasticsearch/

修改hadoop102和hadoop103上的节点名以及网络地址

hadoop102修改为：node.name: node-2   network.host: hadoop102
[kris@hadoop102 ~]$ cd /opt/module/elasticsearch/config/
[kris@hadoop102 config]$ vim elasticsearch.yml

hadoop103修改为：node.name: node-3   network.host: hadoop103
[kris@hadoop103 ~]$ cd /opt/module/elasticsearch/config/
[kris@hadoop103 config]$ vim elasticsearch.yml

单台启动测试，以及Linux解决常见问题

这时直接在hadoop101上单独启动ES，[kris@hadoop101 bin]$ ./elasticsearch

会报如下异常：

因为默认elasticsearch是单机访问模式，就是只能自己访问自己。但是上面我们已经设置成允许应用服务器通过网络方式访问，而且生产环境也是这种方式。这时，Elasticsearch就会

因为嫌弃单机版的低端默认配置而报错，甚至无法启动。所以我们在这里就要把服务器的一些限制打开，能支持更多并发。

问题1：
max file descriptors [4096] for elasticsearch process likely too low, increase to at least [65536] elasticsearch
原因：系统允许 Elasticsearch 打开的最大文件数需要修改成65536
解决 sudo vim /etc/security/limits.conf
添加内容
* soft nofile 65536
* hard nofile 131072
* soft nproc 2048
* hard nproc 65536
     注意：“*” 不要省略掉
分发文件
sudo /home/kris/bin/xsync /etc/security/limits.conf

问题2：
max virtual memory areas vm.max_map_count [65530] likely too low, increase to at least [262144] 
原因：一个进程可以拥有的虚拟内存区域的数量。
解决： sudo vim /etc/sysctl.conf  
在文件最后添加一行
　　vm.max_map_count=262144
即可永久修改
分发文件
sudo /home/kris/bin/xsync /etc/sysctl.conf


问题3：
  max number of threads [1024] for user [judy2] likely too low, increase to at least [4096]  （CentOS7.x  不用改）
原因： 允许最大线程数修该成4096
解决： sudo vim /etc/security/limits.d/20-nproc.conf   
修改如下内容
* soft nproc 1024
修改为
     * soft nproc 4096
分发文件
sudo /home/kris/bin/xsync /etc/security/limits.d/20-nproc.conf

重启linux使配置生效

再次单独启动hadoop101上的ES

[kris@hadoop101 bin]$ ./elasticsearch

测试方式1：curl http://hadoop101:9200/_cat/nodes?v

测试方式2：在浏览器中，输入http://hadoop101:9200/查看效果

ES天然就是集群状态，就算是只有一个节点，也会当做集群处理，

默认节点name=主机名，cluster_name=my_es

集群启动脚本

在/home/kris/bin 目录下创建es.sh，并授予执行权限

根据自己的配置进行修改

#!/bin/bash 
es_home=/opt/module/elasticsearch
case $1  in
 "start") {
  for i in hadoop101 hadoop102 hadoop103
  do
    echo "==============$i上ES启动=============="
    ssh $i  "source /etc/profile;${es_home}/bin/elasticsearch >/dev/null 2>&1 &"
    done
 };;
"stop") {
  for i in hadoop101 hadoop102 hadoop103
  do
      echo "==============$i上ES停止=============="
      ssh $i "ps -ef|grep $es_home |grep -v grep|awk '{print \$2}'|xargs kill" >/dev/null 2>&1
  done
  };;
esac

如果启动未成功，查看相关日志 vim /opt/module/elasticsearch/logs/my-es.log

3. Kibana的安装

Elasticsearch提供了一套全面和强大的REST API，我们可以通过这套API与ES集群进行交互。例如：

我们可以通过 API: GET /_cat/nodes?v获取ES集群节点情况，要想访问这个API，我们需要使用curl命令工具来访问Elasticsearch服务

curl http://hadoop101:9200/_cat/nodes?v

也可以使用任何其他HTTP/REST调试工具，例如POSTMAN。

Kibana 是为 Elasticsearch设计的开源分析和可视化平台。你可以使用 Kibana 来搜索，查看存储在 Elasticsearch 索引中的数据并与之交互。你可以很容易实现高级的数据分析和可视

化，以图表的形式展现出来。

解压并重命名

tar -zxvf kibana-6.6.0-linux-x86_64.tar.gz -C /opt/module/

mv kibana-6.6.0-linux-x86_64/ kibana

修改Kibana配置文件

[kris@hadoop101 kibana]$ vim config/kibana.yml

# To allow connections from remote users, set this parameter to a non-loopback address.
# 授权远程访问
server.host: "0.0.0.0"

# The URLs of the Elasticsearch instances to use for all your queries.
#  指定ElasticSearch地址（可以指定多个，多个地之间用逗号分隔）
elasticsearch.hosts: 
["http://hadoop101:9200","http://hadoop102:9200","http://hadoop103:9200"]

启动、测试

Kibana本身只是一个工具，不需要分发，不涉及集群，访问并发量也不会很大

启动Kinana [kris@hadoop101 kibana]$ bin/kibana

浏览器访问 http://hadoop101:5601/

在6.7版本之后，支持中文国际化

最终集群脚本

在es.sh中，对ES和Kibana同时进行操作

在/opt/module/kibana目录下执行mkdir logs

vim /home/kris/bin/es.sh # 启动和停止 ES、 kibana的脚本。

#!/bin/bash 
es_home=/opt/module/elasticsearch
kibana_home=/opt/module/kibana
case $1  in
 "start") {
  for i in hadoop101 hadoop102 hadoop103
  do
    echo "==============$i上ES启动=============="
    ssh $i  "source /etc/profile;${es_home}/bin/elasticsearch >/dev/null 2>&1 &"
done
nohup ${kibana_home}/bin/kibana >${kibana_home}/logs/kibana.log 2>&1 &
 };;
"stop") {
  ps -ef|grep ${kibana_home} |grep -v grep|awk '{print $2}'|xargs kill
  for i in hadoop101 hadoop102 hadoop103
  do
      echo "==============$i上ES停止=============="
      ssh $i "ps -ef|grep $es_home |grep -v grep|awk '{print \$2}'|xargs kill" >/dev/null 2>&1
  done
  };;
esac

4. 基本概念

开发视角: 索引、文档, 逻辑上的概念
运维视角: 节点、分片, 物理上的概念

① 文档（Document）

Elasticsearch 是面向文档的，文档是所有课搜索数据的最小单位；

日志文件中的日志项；
一本电影的具体信息/ 一张唱片的详细信息；
MP3播放器里的一首歌/ 一篇PDF文档中的具体内容

文档会被序列化成JSON格式，保存在ES中

JSON对象由字段组成，
每个字段都有对应的字段类型（字符串、数值、布尔、日期、二进制、范围类型）

每个文档都有一个Unique ID

可以自己制定ID
或者通过ES自动生成

GET /movie_index/movie/3， 默认情况下，返回结果是按相关性倒序排列的。

文档的元数据，用于标识文档的相关信息

_index: 文档所在索引名称；
_type: 文档所在类型名称；
_id: 文档唯一id
_source:文档的原始Json数据，包括每个字段的内容
_all: 将所有字段内容整合起来，默认禁用被废弃（用于对所有字段内容检索）
_version： 文档的版本信息。
_score：每个文档都有相关性评分，_score 的评分越高，相关性越高

version乐观锁---控制版本号；每次更新数据时，version数值会不一样；

{
  "_index" : "movie_index",
  "_type" : "movie",
  "_id" : "3",
  "_version" : 1,
  "_seq_no" : 0,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
    "id" : 300,
    "name" : "incident red sea",
    "doubanScore" : 5.0,
    "actorList" : [
      {
        "id" : 4,
        "name" : "zhang san feng"
      }
    ]
  }
}

② 索引

索引名词：类文档的集合；索引动词：把一个文档写入ES的过程。（抛开ES，索引可能是指一个B树索引，一个倒排索引）

GET /movie_index ，索引是文档的容器，是一类文档的结合；

Index体现了逻辑空间的概念: 每个索引都有自己的Mapping定义，用于定义包含的文档的字段名和字段类型。
Shard体现了物理空间的概念: 索引中的数据分散在Shard分片上。

索引的Mapping与Settings

Mapping定义索引中所有文档字段名和类型;
Setting定义不同的数据分布，指定要用多少个分片;

③ Type

在7.0之前，一个index可以设置多个Type(每个Type底下会相同结构的文档)
6.0开始，Type已经被Deprecated废除。
7.0开始一个索引只能创建一个Type-"_doc"

抽象与类比

RDBMS关系型数据库	ES
Table表	Index（Type）
Row每条记录	Doucment
Column每个字段	Filed
Schema表定义	Mapping
SQL查询	DSL

在7.0之前，一个index可以设置多个Types

目前Type已经被Deprecated，7.0开始，一个索引只能创建一个Type - "_doc"

传统关系型数据库和ES的区别

Elasticsearch-Schemaless /相关性/高性能全文检索
RDMS - 事务性/ Join

REST-API很容易被各种语言调用，发起HTTP请求就可以得到结果。

一些基本的API
Indices
　　创建Index
　　　　Put Movies
　　查看所有Index
　　　　_cat/indices

5. Elasticsearch的交互方式

1、基于HTTP协议，以JSON为数据交互格式的RESTful API（请求方式：GET/POST/PUT/DELETE/HEAD）

# 状态查看命令
语法：ip:post/_cat/[args](?v|?format=json&pretty)
（?v表示显示字段说明,?format=json&pretty表示显示成json格式）

1、查看所有索引
　　GET _cat/indices?v

2、查看es集群状态
　　GET _cat/health?v

http://192.168.1.101:9200/_cat 在浏览器中输入可以看到它的一些命令

http://192.168.1.101:9200/_cat/health 查看健康状态；

2、Elasticsearch官方提供了多种程序语言的客户端—java，Javascript，.NET，PHP，Perl，Python，以及 Ruby——还有很多由社区提供的客户端和插件

https://www.elastic.co/guide/en/elasticsearch/client/java-rest/6.3/java-rest-high-getting-started-maven.html

Elasticsearch操作工具（用浏览器测试手动只能完成GET，其他的需要借助工具完成PUT/POST等）

浏览器（postman）
Linux命令行
Kibana的Dev Tools

linux命令行

CURL命令是在命令行下访问url的一个工具

curl是利用URL语法在命令行方式下工作的开源文件传输工具，使用curl可以简单实现常见的get/post请求。

curl -i -XGET hadoop102:9200/movie_index/movie/3?pretty

curl

-X 指定http请求的方法, HEAD GET POST PUT DELETE
-d 指定要传输的数据

HEAD使用

如果只想检查一下文档是否存在，你可以使用HEAD来替代GET方法，这样就只会返回HTTP头文件

curl -i -XHEAD hadoop102:9200/movie_index/movie/3?pretty

PUT 和 POST 用法

PUT是幂等方法，POST不是。所以PUT用于更新、POST用于新增比较合适。 PUT，DELETE 操作是幂等的。所谓幂等是指不管进行多少次操作，结果都一样。

POST操作不是幂等的，如常见的POST重复加载问题：当我们多次发出同样的POST请求后，其结果是创建出了若干的资源。

创建操作可以使用POST，也可以使用PUT，区别在于:

POST是作用在一个集合资源之上的/articles），

PUT操作是作用在一个具体资源之上的（/articles/123），

比如说很多资源使用数据库自增主键作为标识信息，而创建的资源的标识信息到底是什么只能由服务端提供，这个时候就必须使用POST。

如果没有明确指定索引数据的ID，那么es会自动生成一个随机的ID,需要使用POST参数

https://blog.csdn.net/u013063153/article/details/74108023

GET 索引 _mapping 是查看字段的结构类型，ES可以自动推断出来，但这种是很不讲究的；

ES文本字段类型有：

text（分词，占据很大资源，用空间换取时间；text还有一个局限性就是分词字段是不能聚合的，groupBy后边的字段，如果有这种字段就要设置成不分词）
keyword（不分词，比如订单状态、手机号等）；本质上这两个都是加索引的，只是一个分词一个不分词；

要不要索引：

与mysql正好相反，ES只要是插入默认都是会加索引的；过滤、聚合、搜索、匹配、排序等这些字段是需要索引，有些字段是不需要索引的，如电话脱敏的不需要索引；

加索引也是会浪费很大空间，如果不加索引得加上：“index”：false

6. Elasticsearch检索 URI查询没有请求体

GET/my_*/_search 可匹配所有的月份
2019-03-xx
2019-04-xx

检索文档

Mysql : select * from user where id = 1；

ES : GET /kris/doc/1 ；可以把/kris/doc理解为表名user，检索id=1的；

简单检索

Mysql : select * from user；

ES : GET /kris/doc/_search 　　 GET /megacorp/employee/_search

全文检索

ES : GET /megacorp/employee/_search?q=haha （查询字段中带有haha的数据，q相当于关键字，haha为值）；指定字段查询q=user：kris或q=kris；

查询出所有文档字段值为haha的文档；

q="want to"组合查询，没有""是单个和组合都会查询到

GET /my_index/_search?q=alfred&df=user&sort=age:asc&from=4&size=10&timeout=1s #from， size是用于分页；

q : 指定查询的语句，例如q=aa或q=user:aa
df:q中不指定字段默认查询的字段，如果不指定，es会查询所有字段
Sort：排序，asc升序，desc降序
timeout：指定超时时间，默认不超时
from，size：用于分页；from从第 页查询 size页

搜索

ES : GET /megacorp/employee/_search?q=hello （只要字段中包含hello，不管前边后边有什么值都可以查询到）

查询出所有文档字段值分词后包含hello的文档；mysql中的模糊查询（会影响性能，索引就不能使用了；）不规则匹配查询；搜索；

7. 正排索引和倒排索引

正排索引

　　记录文档Id到文档内容、单词的关联关系。例如一本书的目录：

倒排索引

图书和搜索引擎的类比

图书

正排索引 - 目录页
倒排索引 - 索引页

搜索引擎

正排索引 - 文档Id到文档内容和单词的关联；
倒排索引 - 单词到文件Id的关系。

倒排索引的核心组成：

倒排索引包含两个部分

① 单词词典（Term Dictionary），记录所有文档的单词，记录单词到倒排列表的关联关系；

单词词典一般比较大，可以通过B+树或哈希拉链法（去存储单词的词典）实现，以满足高性能的插入与查询。

② 倒排列表（Posting List）- 记录了单词对应的文档结合，由倒排索引项组成；

倒排索引项（Posting）
- - 文档ID；
  - 词频TF - 该单词在文档中出现的次数，用于相关性评分（评分，想把搜索内容靠前些，即可把评分高点就会靠前了；）；
  - 位置（Position）- 单词在文档中分词的位置，用于语句搜索（phrase query）；记录Field分词后，单词所在的位置，从0开始；北京　　是　　最　　漂亮　　的，北京在0位；
  - 偏移（Offset） - 记录单词的开始结束位置，实现高亮显示。

Elasticsearch的倒排索引

ES中的JSON文档中的每个字段，都有自己的倒排索引；

可以指定堆某些字段不做索引，优点是节省存储空间，缺点是字段无法被搜索。

search：关键字；对关键字分词；

分词-->在资源库（比如百度，对分词在资源库中进行批评）中做一个全文搜索；

在资源库中也会有一个分词（每个字段都会进行分词）；

倒排索引：(值---关键字(文档id的集合等)去匹配倒排索引---->数据文档（得到每一个具体的文档的ID）)；用值去找文档ID即倒排索引；

分词：
　　k1: v1,
      k1: v1，v2,
      k1: v3    
倒排索引：每个词对应的id会形成 索引
    v1：1, 2
    v2：2 （只有第二个中有这个值）
    v3：3

分词后（通过B+Tree）就可以高效查询；

8. 内存结构--B+Tree

https://www.cs.usfca.edu/~galles/visualization/BPlusTree.html

每个文档字段都有自己的倒排索引

比如：北京是最漂亮的

每个值都会通过算法计算出一个值，那句话中某个值去搜索，它会先去顶点，如果比这个值（最）大就看左边（是），比它大就在左边（北京）；

通过北京这个词就可以看到倒排索引，id、TF、Position、Offset等；　　B+Tree每个单元最多2个

它的所有数据都保存在最后一层的节点上，每两个节点之间会有一个链表（一个指向）；可以递归获取这个值；

https://www.cs.usfca.edu/~galles/visualization/Algorithms.html

https://www.cs.usfca.edu/~galles/visualization/ComparisonSort.html

Elasticsearch集群

分布式系统的可用性与扩展性

高可用性

　　服务可用性-允许有节点停止服务

　　数据可用性-部分节点丢失，不会丢失数据

可扩展性

　　请求量提升/数据的不断增长(将数据分布到所有节点上)

分布式特性

① ES的分布式架构好处

存储的水平扩容
提高系统的可用性，部分节点停止服务，整个集群的服务不受影响

② ES的分布式架构

不同的集群通过不同的名字来区分，默认名字"elasticsearch"
默认配置文件修改，或者在命令行中-E cluster.name=mycluster 进行设定
一个集群可以有一个或者多个节点

节点

节点是一个Elasticsearch的实例，本质上就是一个JAVA进程，一台机器上可以运行多个Elasticsearch进程，但生产环境一般一台机器上只运行一个Elasticsearch实例。

每一个节点都有名字，通过配置文件配置，或者启动的时候 -E node.name=node1指定。

每一个节点在启动之后，会分配一个UID，保存在date目录。

Master-eligible nodes和 Master Node 节点

　　每个节点启动，默认就是一个Master eligible节点，可以设置node.name:false禁止；

　　Master-eligible节点可以参加选主流程，成为Master节点；

　　当第一个节点启动时候，它会将自己选举成Master节点；

　　每个节点上都保存了集群的状态，只有Master节点才能修改集群的状态信息。

　　　　集群状态信息（cluster state），维护了一个集群中，必要的信息：

- - 所有的节点信息；
  - 所有的索引和其相关的Mapping 与Setting信息；
  - 分片的路由信息。

　　　　任意节点都能修改信息会导致数据的不一致性。

Data Node & Coordinating Node

Data Node，可以保存数据的节点，叫做Data Node，负责保存分片数据。在数据扩展上起到了至关重要的作用。

Coordinating Node 负责接受Client的请求，将请求分发到合适的节点，最终把结果汇聚到一起；每个节点默认都起到了Coordinating Node的职责。

其他的节点类型

Hot & Warm Node，不同硬件配置的Data Node，用来实现 Hot & Warm架构，降低集群部署的成本；

Machine Learning Node，负责机器学习的Job，用来做异常检测；

Tribe Node （5.3开始使用Cross Cluster Search）Tribe Node 连接到不同的Elasticsearch集群，并且支持将这些集群当成一个单独的集群处理。

配置节点类型

　　开发环境中一个节点可以承担多种角色；生产环境中，应该设置单一的角色节点（dedicated node）

分片（Primary Shard & Replica Shard）

主分片，用以解决数据水平扩展的问题。通过主分片，可以将数据分布到集群内的所有节点之上。

一个分片是一个运行的Lucene的实例；
主分片树在索引创建时指定，后序不运行修改，除非Reindex；

副本，用以解决数据高可用的问题，分片是主分片的拷贝

副本分片树，可以动态调整；
增加副本数，还可以在一定程度上提高服务的可用性（读取的吞吐）

一个三个节点的集群中，blogs索引的分片分布情况：

　　思考增加一个节点或者改大主分片数对系统的影响。

分片的设定

对于生产环境中分片的设定，需要提前做好容量规划：

　　分片数设置过小，导致后序无法增加节点实现水平扩展；单个分片的数据量太大，导致数据重新分配耗时。

　　分片数设置过大（7.0开始，默认主分片设置成1个，解决了over-sharding的问题），

　　　　　　影响搜索结果的相关性打分，影响统计结果的准确性；单个节点上过多的分片，会导致资源浪费，同时会影响性能。

集群的健康状况

查看集群的健康状况：

GET _cluster/health

{
  "cluster_name" : "my-es", 
  "status" : "green", #Green - 主分片与副本都正常分配，Yellow-主分片全部正常分配，有副本分片未能正常分配，Red-有主分片未能分配
  "timed_out" : false,
  "number_of_nodes" : 3,        #一共3个节点
  "number_of_data_nodes" : 3,   #这3个节点都承担了data_node的角色 
  "active_primary_shards" : 37, #一共37个主分片 
  "active_shards" : 74,
  "relocating_shards" : 0,
  "initializing_shards" : 0,
  "unassigned_shards" : 0,
  "delayed_unassigned_shards" : 0,
  "number_of_pending_tasks" : 0,
  "number_of_in_flight_fetch" : 0,
  "task_max_waiting_in_queue_millis" : 0,
  "active_shards_percent_as_number" : 100.0
}

GET _cat/nodes
192.168.1.102 67 76 0 0.13 0.08 0.07 mdi * node-1
192.168.1.104 59 55 0 0.00 0.01 0.05 mdi - node-3
192.168.1.103 42 55 0 0.00 0.01 0.05 mdi - node-2

GET _cat/shards

movie_index               3 r STARTED  1    5kb 192.168.1.102 node-1
movie_index               3 p STARTED  1    5kb 192.168.1.104 node-3
movie_index               4 r STARTED  1  4.9kb 192.168.1.102 node-1
movie_index               4 p STARTED  1  4.9kb 192.168.1.104 node-3
movie_index               1 r STARTED  0   261b 192.168.1.103 node-2
movie_index               1 p STARTED  0   261b 192.168.1.104 node-3
movie_index               2 r STARTED  1  4.9kb 192.168.1.103 node-2
movie_index               2 p STARTED  1  4.9kb 192.168.1.104 node-3
movie_index               0 p STARTED  0   261b 192.168.1.103 node-2
movie_index               0 r STARTED  0   261b 192.168.1.102 node-1
website                   3 p STARTED  1  4.5kb 192.168.1.102 node-1
website                   3 r STARTED  1  4.5kb 192.168.1.104 node-3
website                   4 r STARTED  0   261b 192.168.1.102 node-1
website                   4 p STARTED  0   261b 192.168.1.104 node-3
website                   1 r STARTED  0   261b 192.168.1.103 node-2
website                   1 p STARTED  0   261b 192.168.1.104 node-3
website                   2 p STARTED  0   261b 192.168.1.103 node-2
website                   2 r STARTED  0   261b 192.168.1.104 node-3
website                   0 r STARTED  0   261b 192.168.1.103 node-2
website                   0 p STARTED  0   261b 192.168.1.102 node-1
gmall_dau_info_2021-01-09 3 p STARTED 16 30.5kb 192.168.1.103 node-2
gmall_dau_info_2021-01-09 3 r STARTED 16 30.4kb 192.168.1.102 node-1
gmall_dau_info_2021-01-09 4 p STARTED  9 22.6kb 192.168.1.103 node-2
gmall_dau_info_2021-01-09 4 r STARTED  9 43.5kb 192.168.1.102 node-1
gmall_dau_info_2021-01-09 1 r STARTED  7 22.2kb 192.168.1.102 node-1
gmall_dau_info_2021-01-09 1 p STARTED  7 22.2kb 192.168.1.104 node-3
gmall_dau_info_2021-01-09 2 p STARTED 11 22.9kb 192.168.1.103 node-2
gmall_dau_info_2021-01-09 2 r STARTED 11 22.9kb 192.168.1.104 node-3
gmall_dau_info_2021-01-09 0 p STARTED  7 29.2kb 192.168.1.103 node-2
gmall_dau_info_2021-01-09 0 r STARTED  7 29.3kb 192.168.1.104 node-3
movie_chn_2               3 r STARTED  1  4.3kb 192.168.1.103 node-2
movie_chn_2               3 p STARTED  1  4.3kb 192.168.1.104 node-3
movie_chn_2               4 r STARTED  1  4.2kb 192.168.1.102 node-1
movie_chn_2               4 p STARTED  1  4.2kb 192.168.1.104 node-3
movie_chn_2               1 p STARTED  0   261b 192.168.1.103 node-2
movie_chn_2               1 r STARTED  0   261b 192.168.1.102 node-1
movie_chn_2               2 p STARTED  1  4.2kb 192.168.1.103 node-2
movie_chn_2               2 r STARTED  1  4.2kb 192.168.1.104 node-3
movie_chn_2               0 p STARTED  0   261b 192.168.1.103 node-2
movie_chn_2               0 r STARTED  0   261b 192.168.1.102 node-1
movie_test_202011         0 r STARTED  1  3.9kb 192.168.1.103 node-2
movie_test_202011         0 p STARTED  1  3.9kb 192.168.1.102 node-1
gmall_dau_info_2021-01-08 3 p STARTED 16 37.4kb 192.168.1.103 node-2
gmall_dau_info_2021-01-08 3 r STARTED 16 51.4kb 192.168.1.104 node-3
gmall_dau_info_2021-01-08 4 r STARTED  9 29.6kb 192.168.1.103 node-2
gmall_dau_info_2021-01-08 4 p STARTED  9 43.5kb 192.168.1.102 node-1
gmall_dau_info_2021-01-08 1 r STARTED  7 22.1kb 192.168.1.102 node-1
gmall_dau_info_2021-01-08 1 p STARTED  7 29.2kb 192.168.1.104 node-3
gmall_dau_info_2021-01-08 2 r STARTED 11 43.7kb 192.168.1.102 node-1
gmall_dau_info_2021-01-08 2 p STARTED 11 43.7kb 192.168.1.104 node-3
gmall_dau_info_2021-01-08 0 r STARTED  7 29.3kb 192.168.1.103 node-2
gmall_dau_info_2021-01-08 0 p STARTED  7 29.3kb 192.168.1.104 node-3
.kibana_1                 0 r STARTED  3   12kb 192.168.1.103 node-2
.kibana_1                 0 p STARTED  3   12kb 192.168.1.102 node-1
movie_chn_1               3 r STARTED  1    5kb 192.168.1.103 node-2
movie_chn_1               3 p STARTED  1    5kb 192.168.1.102 node-1
movie_chn_1               4 r STARTED  1  4.8kb 192.168.1.103 node-2
movie_chn_1               4 p STARTED  1  4.8kb 192.168.1.102 node-1
movie_chn_1               1 p STARTED  0   261b 192.168.1.103 node-2
movie_chn_1               1 r STARTED  0   261b 192.168.1.104 node-3
movie_chn_1               2 p STARTED  1  4.8kb 192.168.1.102 node-1
movie_chn_1               2 r STARTED  1  4.8kb 192.168.1.104 node-3
movie_chn_1               0 p STARTED  0   261b 192.168.1.102 node-1
movie_chn_1               0 r STARTED  0   261b 192.168.1.104 node-3
movie_chn_3               3 r STARTED  0   261b 192.168.1.102 node-1
movie_chn_3               3 p STARTED  0   261b 192.168.1.104 node-3
movie_chn_3               4 p STARTED  0   261b 192.168.1.102 node-1
movie_chn_3               4 r STARTED  0   261b 192.168.1.104 node-3
movie_chn_3               1 p STARTED  0   261b 192.168.1.103 node-2
movie_chn_3               1 r STARTED  0   261b 192.168.1.104 node-3
movie_chn_3               2 p STARTED  0   261b 192.168.1.103 node-2
movie_chn_3               2 r STARTED  0   261b 192.168.1.104 node-3
movie_chn_3               0 p STARTED  0   261b 192.168.1.103 node-2
movie_chn_3               0 r STARTED  0   261b 192.168.1.102 node-1

View Code

posted @ 2019-03-24 10:14 kris12 阅读(867) 评论(4) 编辑收藏举报

刷新页面返回顶部

kris12

Self-discipline gives me freedom.