关于elasticsearch:这篇实战攻略带你轻松入门Elasticsearch

28次阅读

共计 5128 个字符，预计需要花费 13 分钟才能阅读完成。

  • 内容概述
  • 什么是Elasticsearch，为什么要应用它？

  • 根底概念简介

    • 节点(node)
    • 索引(index)
    • 类型映射(mapping)
    • 文档(doc)
  • 本地环境搭建，创立第一个index

  • 罕用 RESTful Api 示例

    • 新增文档
    • 查问文档 - 不分词类型
    • 查问文档 - 分词类型

内容概述

本文内容次要集中在应用层，通过上面几个局部介绍以后最风行的搜寻工具：Elasticsearch，理解这些内容后，能够疾速开始应用它。

  • 什么是Elasticsearch，为什么要应用它？
  • 根底概念：节点，索引，类型映射和文档
  • 本地环境搭建，创立第一个index
  • 罕用 RESTful Api 示例

什么是Elasticsearch，为什么要应用它？

Elasticsearch 是一个分布式、RESTful 格调的搜寻和数据分析引擎。

它基于 Lunece 实现，应用 java 语言编写。Lunece是一个优良的搜索引擎库，但它应用起来非常复杂。

Elasticsearch通过对 Lunece的封装，暗藏了复杂性，提供了应用简略的 RESTful Api。

同时也实现了分布式集群个性，具备存储数据大，查问性能好，扩大不便等特点。

为什么要应用它

在业务开发中，基于 ES 的个性，通常有上面这些场景须要应用它：

  • 存储大量数据。通过在应用 mysql 存储的时候，数据的单位是G。应用 ES 的时候，数据的单位是T。由此能够看出 ES 应用于大数据量的存储场景，基于分布式个性，它也反对备份和容灾，并且能够很容易程度扩大容量。
  • 分词搜索引擎。ES 具备弱小的分词能力，能够反对高性能的实时搜寻。
  • 高效数据分析。ES 提供的聚合剖析性能，可实现对保留的大量数据的近实时统计分析。

根底概念简介

要应用 ES，须要理解几个最根本的概念，节点 (node)，索引(index)，类型映射(mapping) 和文档(doc)。

节点(node)

节点是组成 ES 集群的根本单位，每个节点是一个运行的 ES 实例。每个物理机器上能够有多个节点，应用不同的端口和节点名称。

节点按次要性能能够分为三种：主节点 (Master Node)，协调节点(Coordianting Node) 和数据节点(Data Node)。上面简略介绍下：

  • 主节点：解决创立，删除索引等申请，保护集群状态信息。能够设置一个节点不承当主节点角色
  • 协调节点：负责解决申请。默认状况下，每个节点都能够是协调节点。
  • 数据节点：用来保留数据。能够设置一个节点不承当数据节点角色

索引(index)

索引是 ES 中的逻辑概念，是文档的容器。对 ES 的操作，根本都是对索引操作，一个 ES 集群中，能够创立多个索引。

索引定义了一组文档的数据模型和解决办法。每个索引能够有多个主分片和正本分片，别离保留在不同的节点。

  • 主分片的作用是对索引的扩容，使一个索引的容量能够冲破单机的限度。
  • 正本分片是对数据的爱护，每个主分片对应一个或多个正本分片，当主分片所在节点宕机时，正本分片会被晋升为对应的主分片应用。
  • 一个主分片和它的正本分片，不会调配到同一个节点上。
  • 一个索引的分片数在创立时指定，如果要批改须要重建索引，代价很高。

类型映射(mapping)

mapping定义了一个索引中，文档保留的每个字段的数据类型。依据数据类型的不同，在增加文档时对每个字段的解决也不同。

例如，对 text 类型的字段，会先应用分词器分词，生成倒排索引，用于之后的搜寻。对 keyword 类型的字段，不会分词，搜寻时只能准确查找。

一个简略的 mapping 示例如下：

{
    "javalogs": { // 索引名称
        "mappings": {
            "properties": {
                "log_content": { //text 类型，分词，用于之后的分词索引
                    "type": "text"
                },
                "date": {// 工夫类型
                    "type": "date" 
                },
                "log_level": { //keyword 类型，不分词
                    "type": "keyword" 
                },
                "ip": {"type": "keyword"}
            }
        }
    }
}

在 6.x 版本中，每个索引中还能够有多个 type，辨别不同的 mapping。在 7.x 中，type 被勾销，每个索引只有一个 type:_doc

文档(doc)

  • 文档是 Elasticsearch 中的最小单位，每个索引都是有数量泛滥的文档组成的。
  • 文档中蕴含多个字段，每个字段的类型由 mapping 定义。
  • 在一个索引中每个文档都有一个惟一 id，能够在增加时指定，也能够主动生成。

上面通过一张图来形容，节点 (node)，索引(index) 和文档 (doc) 之间的关系。

本地环境搭建，创立第一个index

所有常识都要通过实际把握，所以在理解根本的概念和逻辑后，上面就进入实际环节。

这里举荐应用 docker 来搭建本地开发环境，docker 对应 windows 和 mac 零碎都有桌面版本，应用十分不便。因为网络限度，间接应用 docker 官网仓库拉取镜像会很慢，所以在装置实现后，须要在设置中将仓库的地址替换为国内源，这里举荐https://docker.mirrors.ustc.edu.cn，速度很快，设置如下：

{
  "registry-mirrors": ["https://docker.mirrors.ustc.edu.cn"]
}

上面咱们应用 docker 装置 Elasticsearch 和kibana镜像，kibana是 es 官网配套的可视化剖析工具，应用它的页面 dev tools 能够很不便的通过 api 操作 es。

因为要同时部署两个 docker 镜像，这里举荐应用docker-composer，桌面版装置实现后就带有该命令，须要的配置如下：

services:
  kibana:
    image: kibana:7.2.0
    container_name: kibana-simple
    environment:
      - TIMELION_ENABLED=true
    ports:
      - "5601:5601"
    networks:
      - mynetwork
  elasticsearch:
    image: elasticsearch:7.2.0
    container_name: es-simple
    environment:
      - cluster.name=mytestes #这里就是 ES 集群的名称
      - node.name=es-simple #节点名称
      - bootstrap.memory_lock=true
      - network.publish_host=elasticsearch #节点公布的网络名称
      - discovery.seed_hosts=es-simple #设置集群中的主机地址
      - cluster.initial_master_nodes=es-simple #手动设置能够成为 master 的节点汇合
    ulimits:
     memlock:
      soft: -1
      hard: -1
    volumes:
      - esdata1:/usr/local/elasticsearch/simpledata
    ports:
      - 9200:9200
    networks:
      - mynetwork

volumes:
  esdata1:
    driver: local

networks:
  mynetwork:
    driver: bridge

创立一个名称为 docker-compose.yaml 文件，复制上面的配置到文件中，而后再文件所在目录执行 docker-compose up，之后会启动两个 docker 实例，别离是elasticsearch 和kibana。

在本地浏览器中，拜访 http://127.0.0.1:5601/，能够看到kibana 的界面如下：

创立好的 kibana 曾经默认增加了 Elasticsearch 的配置，通过管理工具能够很不便的查看 ES 集群的状态，索引状况，删除索引等。

上面通过 dev tools 创立索引，dev tools提供的命令提醒很不便，并且能够把已写好的申请保留在浏览器缓存中，非常适合用来学习Elasticsearch。

这里通过 ES 提供的 RESTful Api 创立了第一个索引，并且设置了该索引中的mapping，ES 的地址曾经设置过，这里能够不写残缺的域名，对应的 curl 残缺申请如下：

curl --location --request PUT 'http://127.0.0.1:9200/javalogs' \
--header 'Content-Type: application/json' \
--data-raw '{"mappings": {"properties": {"log_content": {"type":"text"},"date": {"type":"date"},"log_level": {"type":"keyword"},"ip": {"type":"keyword"}
        }
    }
}'

罕用 RESTful Api 示例

上面介绍下 Elasticsearch 中罕用的 api，这些例子都是间接在 kibana 的dev tools中运行的，如果想用 curl 拜访，可参考前一节中的转换例子。

新增文档

// 主动生成_id
POST javalogs/_doc
{
  "log_content" : "get user_id 123456",
  "date" : "2020-04-15T11:09:08",
  "log_level": "info",
  "ip": "10.223.32.67"
}
// 指定_id
POST javalogs/_doc/111
{
  "log_content" : "api response in 55ms",
  "date" : "2020-04-15T11:09:07",
  "log_level": "info",
  "ip": "10.223.32.67"
}

查问文档 - 不分词类型

ES 在文档查问时，对于不分词的查问，间接按值查问即可，例如上面这样：

// 不分词类型查问
POST javalogs/_search
{
  "query": {
    "match": {"ip": "10.223.32.67"}
  }
}

查问文档 - 分词类型

这里次要说下分词类型的查问，对于剖析类型的 field 在查问时，也会默认把查问的语句分词。假如有两个文档如下：

// 文档 1
{
  "log_content" : "call aaa service error",
  "date" : "2020-04-15T11:09:07",
  "log_level": "error",
  "ip": "10.223.32.67"
}

// 文档 2
{
  "log_content" : "call bbb service error",
  "date" : "2020-04-15T11:09:08",
  "log_level": "error",
  "ip": "10.223.32.67"
}

当搜寻条件为 call aaa service 时，实际上会把两个文档都搜寻进去。
这是因为在搜寻时，条件 call aaa service 会被分词为 call，aaa 和service，所有蕴含这三个词的文档都会被搜寻进去，例如上面：

// 一般搜寻，两个文档都会返回
POST javalogs/_search
{
  "query": {
    "match": {"log_content": "call aaa service"}
  }
}

那如果想要只搜寻蕴含 call aaa service 的文档，应该如何做呢？

依照下面的剖析，须要同时蕴含这三个词，并且依照给定的程序，才返回对应的文档，那么这个能够应用 match_phrase 实现，示例如下：

// 文档必须同时蕴含三个词，并且程序与搜寻条件统一才会返回。这里只会返回 - 文档 1
POST javalogs/_search
{
  "profile": "true", 
  "query": {
    "match_phrase": {"log_content": "call aaa service"}
  }
}

那如果条件是蕴含 call，aaa 和service，然而不肯定是连着的，该如何搜寻呢？能够应用 operator 操作符实现。

例如有第三个文档如下：

// 文档 3
{
  "log_content" : "call inner aaa service error",
  "date" : "2020-04-15T11:09:08",
  "log_level": "error",
  "ip": "10.223.32.67"
}

要想把 文档 1 和 文档 2 都搜寻进去，查问的示例如下：

// 文档中同时蕴含 call,aaa 和 service 就会返回，不按程序。会返回 - 文档 1 和文档 2
POST javalogs/_search
{
  "query": {
    "match": {
      "log_content": 
      {
        "query": "call aaa service",
        "operator": "and"
      }
    }
  }
}

下面就是对 Elasticsearch 的简略介绍和实战操作示例，心愿能帮忙大家疾速入门应用 ES。

以上内容属集体学习总结，如有不当之处，欢送在评论中斧正

正文完
elasticsearch
发表至： elasticsearch
2021-01-03
 0
关于elasticsearch:ES最大内存为什么设置为32G
关于elasticsearch:从零开始-Elasticsearh-Docker-单机集群
关于elasticsearch:elasticsearch笔记005文档APICRUD单文档删除操作
关于elasticsearch:搜索引擎Elasticsearch简介实践