关于elasticsearch:elasticsearch的开发应用

平时我的项目开发中，常常会遇到含糊搜寻的需要。通常当须要含糊搜寻的数据库字段不大，咱们能够简略通过 字段名 like '% 搜寻值 %'实现，搜寻效率不高，而且就算加索引也无奈失效。对于数据库字段很大的，mysql 还提供全文索引，开销也很大。

有没有一种专门做搜寻的“数据库”呢？不仅能够实现高效的含糊搜寻，而且还能像百度、谷歌这类搜索引擎一样，从我输出的一段文字中，自动识别关键词进行搜寻。上面介绍的 elasticsearch 就是这方面的里手。

1. 简介

全文搜寻属于最常见的需要，开源的 Elasticsearch 是目前全文搜索引擎的首选。它能够疾速地贮存、搜寻和剖析海量数据。维基百科、Stack Overflow、Github 都采纳它。Elasticsearch 的底层是开源库 Lucene。然而，你没法间接用 Lucene，必须本人写代码去调用它的接口。Elasticsearch 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。

index 索引

elasticsearch 数据管理的顶层单位叫做 Index（索引）。它是单个数据库的同义词。每个 Index（即数据库）的名字必须是小写。上面的命令能够查看以后节点的所有 Index。

 curl -X GET 'http://localhost:9200/_cat/indices?v'

document 文档

Index 外面单条的记录称为 Document（文档）。许多条 Document 形成了一个 Index，Document 应用 JSON 格局示意。

同一个 Index 外面的 Document，不要求有雷同的构造（scheme），然而最好放弃雷同，这样有利于进步搜寻效率。

type (已移除)

type 是之前存在的概念，elasticsearch 7.x 就不在应用。Document 能够分组，比方 weather 这个 Index 外面，能够按城市分组（北京和上海），这种分组就叫做 Type，它是虚构的逻辑分组，用来过滤 Document。

然而不同的分组中，Document 的数据结构该当尽量保持一致，否则会影响搜寻效率，type 的定位就很鸡肋。因而 elasticsearch 就间接做强制限度，在 6.X 版本中，一个 index 下只能存在一个 type；在 7.X 版本中，间接去除了 type 的概念，就是说 index 不再会有 type。从前的那些写法，能够间接用 index 下的 _doc 代替。

倒排索引

什么是倒排索引: 倒排索引也叫反向索引，艰深来讲正向索引是通过 key 找 value，反向索引则是通过 value 找 key。Elasticsearch 应用一种称为倒排索引的构造，它实用于疾速的全文搜寻。一个倒排索引由文档中所有不反复词的列表形成，对于其中每个词，有一个蕴含它的文档列表。倒排索引建设的是分词（Term）和文档（Document）之间的映射关系，在倒排索引中，数据是面向词（Term）而不是面向文档的。

假如咱们有两个文档，每个文档的 content 域蕴含如下内容：
The quick brown fox jumped over the lazy dog
Quick brown foxes leap over lazy dogs in summer

为了创立倒排索引，咱们首先将每个文档的 content 域拆分成独自的词（咱们称它为词条或 tokens），创立一个蕴含所有不反复词条的排序列表，而后列出每个词条呈现在哪个文档。

当初，如果咱们想搜寻 quick brown，咱们只须要查找蕴含每个词条的文档。两个文档都匹配，然而第一个文档比第二个匹配度更高。如果咱们应用仅计算匹配词条数量的简略相似性算法，那么，咱们能够说，对于咱们查问的相关性来讲，第一个文档比第二个文档更佳。

分词

Elasticsearch 在倒排索引时会文本会应用设置的分析器，而输出的检索语句也会首先通过设置的雷同分析器，而后在进行查问。

es 内置很多分词器，然而对中文分词并不敌对，例如应用 standard 分词器对一句中文话进行分词，会分成一个字一个字的。这时能够应用第三方的 Analyzer 插件，比方 ik、pinyin 等，本文用的是 ik。

2. 装置

本次除了装置 elasticsearch 以外，咱们还会装置 kibana（可视化展现 elasticsearch 数据的产品），以及给 elasticsearch 预装一个ik 中文分词器的插件。因为 elasticsearch 选用的版本是 7.9.3，为了保障兼容，因而 kibana 和 ik 插件都应用该对应版本。

先查看上面容器化装置脚本：

# 启动 Elasticsearch
docker run -d \
 --name elasticsearch \
 --restart=on-failure:3 \
 -p 9200:9200 \
 -p 9300:9300 \
 -e "discovery.type=single-node" \
 -v /Volumes/elasticsearch/data/:/usr/share/elasticsearch/data/ \
 -v /Volumes/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
 -v /Volumes/elasticsearch/plugins/:/usr/share/elasticsearch/plugins/ \
 elasticsearch:7.9.3

#启动 Kibana
docker run -d \
 --name kibana \
 --link elasticsearch:es \
 -p 5601:5601 \
 -e ELASTICSEARCH_URL=es:9200 \
 kibana:7.9.3

elasticsearch 局部

单节点执行，裸露 9200 和 9300 端口，值得关注的是有三个挂载卷：

1. /data: elasticsearch 的数据库都在该目录，能够间接挂载该目录。
2. /config/elasticsearch.yml: 次要是装置后要批改 elasticsearch.yml 文件，在文件开端加上下列两行，以解决跨域问题。为了不便，就间接挂载该文件了。

http.cors.enabled: true
http.cors.allow-origin: "*"

1. /plugins: 这是 elasticsearch 装置插件的目录，默认是空的，通常将插件解压后放入该目录，重启后即可应用。对于分词器的插件，下文再说。

kibana 局部

因为 kibana 的环境变量中是要配置 elasticsearch 地址的，然而 docker 不同容器之间默认网络隔离。能够通过配置同一网络环境的形式解决，这里应用的形式，是通过--link 给 elasticsearch 设置了一个别名，相当于容器外部保护了一个 DNS 域名映射。

ik 分词器插件

ik 中文分词器插件的下载地址，最好找 elasticsearch 对应版本的插件。

通常来说是启动 elasticsearch 服务后再装置插件的，重启之后失效。我为了简略，先将插件 zip 下载到本地，elasticsearch-analysis-ik-7.9.3.zip 解压到 /Volumes/elasticsearch/plugins/analysis-ik/ 目录，再对 /Volumes/elasticsearch/plugins/ 目录做挂载，当 elasticsearch 容器启动后，插件就曾经失效了。

3. API 示例

这里咱们通过 REST API，从零开始做一个残缺的示例。咱们通过创立一个 articles 的索引，应用 ik 中文分词器，创立完数据后，再做查问。本文不会介绍所有的 API，但好在是 RESTFul 格调，很多用法都能本人斟酌进去。

创立索引

(PUT) http://localhost:9200/articles

更新索引 mapping

(POST) http://localhost:9200/articles/_mapping

{
    "properties": {
        "title": {
            "type": "text",
            "analyzer": "ik_max_word",
            "search_analyzer": "ik_max_word"
        },
        "content": {
            "type": "text",
            "analyzer": "ik_max_word",
            "search_analyzer": "ik_max_word"
        }
    }
}

查看索引 mapping

(GET) http://localhost:9200/articles/_mapping

新建文档

(POST) http://localhost:9200/articles/_doc

{
    "title": "都江堰",
    "content": "一位年迈的老祖宗，没有成为挂在墙上的画像，没有成为写在书里的回顾..."
}

搜寻文档

(GET) http://localhost:9200/articles/_search

{
    "query": {
        "match": {"content": "画像回顾"}
    }
}

4. spring 开发

理论 spring 联合 elasticsearch 的开发还是比较复杂的，如果具体的讲这块内容，得独自讲几篇文章。本文的目标次要是简要介绍 elasticsearch 的利用，因而本章只是做一个很简略的 demo，理论开发还得查阅相干文档。

下文应用的是 spring-boot-starter-data-elasticsearch，还好目前 4.2 版本是兼容 7.9.x 版本 elasticsearch 的。因为都是属于 spring data jpa 体系的，所以 dao 层的语法还是容易了解的。另外一些简单的操作，能够通过注入 ElasticsearchRestTemplate 来实现。

下列代码中的 /articles 接口，和上文中的 http://localhost:9200/articles/_search 一样，都是对文章正文的含糊搜寻。

pom.xml

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
        </dependency>

application.yml

spring:
  data:
    elasticsearch:
      client:
        reactive:
          endpoints: localhost:9200

ArticlesEO.java

@Data
@Document(indexName = "articles")
public class ArticlesEO {
    @Id
    private String id;
    @Field(type = FieldType.Text,analyzer = "ik_max_word")
    private String title;
    @Field(type = FieldType.Text,analyzer = "ik_max_word")
    private String content;
}

ArticlesRepository.java

@Repository
public interface ArticlesRepository extends ElasticsearchRepository<ArticlesEO,String> {Page<ArticlesEO> findByContent(String content, Pageable pageable);
}

ArticleController.java

@RestController
@RequestMapping
public class ArticleController {private Pageable pageable = PageRequest.of(0,10);

    private final ArticlesRepository articlesRepository;
    private final ElasticsearchRestTemplate elasticsearchRestTemplate;

    public ArticleController(ArticlesRepository articlesRepository,ElasticsearchRestTemplate elasticsearchRestTemplate) {
        this.articlesRepository = articlesRepository;
        this.elasticsearchRestTemplate=elasticsearchRestTemplate;
    }

    /**
     * 查问 document
     * @param content
     * @return
     */
    @GetMapping("/articles")
    public Page<ArticlesEO> searchArticle(@RequestParam("content")String content){return articlesRepository.findByContent(content,pageable);
    }

}