Elasticsearch
作者:快盘下载 人气:ElasticSearch 7.14-分布式搜索引擎
全文检索简介安装kibana核心概念 索引 映射 文档高级查询 Query DSL索引原理分词器过滤查询聚合查询整合应用集群全文检索
全文检索是计算机程序通过扫描文章中的每一个词;对每一个词建立一个索引;指明该词在文章中出现的次数和位置。当用户查询时根据建立的索引查找;类似于通过字典的检索字表查字的过程。
索: 建立索引 文本---->切分 —> 词 文章出现过 出现多少次
检索: 查询 关键词—> 索引中–> 符合条件文章 相关度排序
全文检索(Full-Text Retrieval)以文本作为检索对象;找出含有指定词汇的文本。全面、准确和快速是衡量全文检索系统的关键指标。
只处理文本、不处理语义搜索时英文不区分大小写结果列表有相关度排序简介
什么是ElasticSearch
ElasticSearch 简称 ES ;是基于Apache Lucene构建的开源搜索引擎;是当前最流行的企业级搜索引擎。Lucene本身就可以被认为迄今为止性能最好的一款开源搜索引擎工具包;但是lucene的API相对复杂;需要深厚的搜索理论。很难集成到实际的应用中去。ES是采用java语言编写;提供了简单易用的RestFul API;开发者可以使用其简单的RestFul API;开发相关的搜索功能;从而避免lucene的复杂性。
ElasticSearch诞生
多年前;一个叫做Shay Banon的刚结婚不久的失业开发者;由于妻子要去伦敦学习厨师;他便跟着也去了。在他找工作的过程中;为了给妻子构建一个食谱的搜索引擎;他开始构建一个早期版本的Lucene。
直接基于Lucene工作会比较困难;所以Shay开始抽象Lucene代码以便Java程序员可以在应用中添加搜索功能。他发布了他的第一个开源项目;叫做“Compass”。
后来Shay找到一份工作;这份工作处在高性能和内存数据网格的分布式环境中;因此高性能的、实时的、分布式的搜索引擎也是理所当然需要的。然后他决定重写Compass库使其成为一个独立的服务叫做Elasticsearch。
第一个公开版本出现在2010年2月;在那之后Elasticsearch已经成为Github上最受欢迎的项目之一;代码贡献者超过300人。一家主营Elasticsearch的公司就此成立;他们一边提供商业支持一边开发新功能;不过Elasticsearch将永远开源且对所有人可用。
Shay的妻子依旧等待着她的食谱搜索……
目前国内大厂几乎无一不用Elasticsearch;阿里;腾讯;京东;美团 等等 …
安装
传统方式安装 下载安装包—> 平台 window macos linux(ubuntu)docker 方式安装 推荐传统方式安装[只能在普通用户下启动es]
# 0.环境准备
- centos7.x;、ubuntu、windows、macos
- 安装jdk11.0; 并配置环境变量 jdk11 要求安装jdk11;以上版本的java环境
# 0.1 安装jdk11.0;以上版本的java环境
# 1.下载ES
- https://www.elastic.co/cn/start
# 2.安装ES不能使用root用户,创建普通用户,使用普通用户安装
# 添加用户名
$ useradd lb
# 修改密码
$ passwd lb
# 之后用ssh工具使用普通用户登录并将elasticsearch安装包上传到linux中
# 3.解压缩ES安装包
$ tar -zxvf elasticsearch-7.14.0-linux-x86_64.tar.gz
$ ll
总用量 650168
drwxr-xr-x. 10 chenyn chenyn 167 8月 16 11:07 elasticsearch-7.14.0
# 4.查看ES解压包中目录结构
[chenyn;localhost elasticsearch-7.14.0]$ ll
- bin 启动ES服务脚本目录
- config ES配置文件的目录
- data ES的数据存放目录
- jdk ES提供需要指定的jdk目录
- lib ES依赖第三方库的目录
- logs ES的日志目录
- modules 模块的目录
- plugins 插件目录
# 5.启动ES服务
# 前台方式启动elasticsearch
./elasticsearch-7.14.0/bin/elasticsearch
# 后台方式启动elasticsearch,不占用窗口
./elasticsearch-7.14.0/bin/elasticsearch -d
# 后台启动如何停止elasticsearch服务
ps aux|grep elasticsearch -- 搜索elasticsearch进程id
kill -9 es的进程id -- 杀死es进程
- 这个错误是系统jdk版本与es要求jdk版本不一致,es默认需要jdk11以上版本,当前系统使用的jdk8,需要从新安装jdk11才行!
- 解决方案:
1.安装jdk11; 配置环境变量、
2.ES包中jdk目录就是es需要的jdk,只需要将这个目录配置到ES_JAVA_HOME环境变即可、
# 6.配置环境变量
$ vim /etc/profile
- export ES_JAVA_HOME=指定为ES安装目录中jdk目录
- source /etc/profile
# 7.重新启动ES服务
注:前台方式启动的话,如果想停止直接 ctrl ; c
# 8.ES启动默认监听9200端口,访问9200
$ curl http://localhost:9200
开启远程访问
# 0. 注:开启elasticsearch远程访问权限时需要提前关闭elasticsearch服务
# 1.默认ES无法使用主机ip进行远程连接,需要开启远程连接权限
- 修改ES安装包中config/elasticsearch.yml配置文件
$ cd elasticsearch-7.14.0/config
$ vim elasticsearch.yml
# 2.重新启动ES服务
- ./elasticsearch
- 启动出现如下错误:
;bootstrap check failure [1] of [4]: max file descriptors [4096] for elasticsearch process is too low, increase to at least [65535]
;bootstrap check failure [2] of [4]: max number of threads [3802] for user [chenyn] is too low, increase to at least [4096]
;bootstrap check failure [3] of [4]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]
;bootstrap check failure [4] of [4]: the default discovery settings are unsuitable for production use; at least one of [discovery.seed_hosts, discovery.seed_providers
# 3.解决错误 1 [最大虚拟内存] 注:需要在root用户下修改错误,因为普通用户不允许修改
$ vim /etc/security/limits.conf
# 在最后面追加下面内容
* soft nofile 65536
* hard nofile 65536
* soft nproc 4096
* hard nproc 4096
# 退出重新登录检测配置是否生效:
ulimit -Hn
ulimit -Sn
ulimit -Hu
ulimit -Su
# 3.解决错误 2 注:需要在root用户下修改错误,因为普通用户不允许修改
#进入limits.d目录下修改配置文件。
$ vim /etc/security/limits.d/20-nproc.conf
# 修改为
启动ES用户名 soft nproc 4096
例: lb soft nproc 4096
# 3.解决错误 3 注:需要在root用户下修改错误,因为普通用户不允许修改
# 编辑sysctl.conf文件
$ vim /etc/sysctl.conf
vm.max_map_count=655360 #centos7 系统
// vm.max_map_count=262144 #ubuntu 系统
# 执行以下命令生效;
$ sysctl -p
# 3.解决错误 4 注: 在普通用户下修改
# 编辑elasticsearch.yml配置文件 (es默认是以集群方式启动,修改配置文件使其以单节点方式启动)
$ vim elasticsearch-7.14.0/config/elasticsearch.yml
cluster.initial_master_nodes: [;node-1;]
# 4.重启启动ES服务,并通过浏览器访问 注:只有普通用户才能启动es,root用户不能启动es
192.168.204.137:9200
{
;name; : ;localhost.localdomain;,
;cluster_name; : ;elasticsearch;,
;cluster_uuid; : ;GgxAPEXTSWCZN6vES6uvvQ;,
;version; : {
;number; : ;7.14.0;,
;build_flavor; : ;default;,
;build_type; : ;tar;,
;build_hash; : ;dd5a0a2acaa2045ff9624f3729fc8a6f40835aa1;,
;build_date; : ;2021-07-29T20:49:32.864135063Z;,
;build_snapshot; : false,
;lucene_version; : ;8.9.0;,
;minimum_wire_compatibility_version; : ;6.8.0;,
;minimum_index_compatibility_version; : ;6.0.0-beta1;
},
;tagline; : ;You Know, for Search;
}
Docker方式安装 [可以在root用户下启动es]
# 1.获取镜像
- docker pull elasticsearch:7.14.0
# 2.运行es
- docker run -d -p 9200:9200 -p 9300:9300 -e ;discovery.type=single-node; elasticsearch:7.14.0
# 3.访问ES
- http://192.168.204.137:9200
Kibana
简介
Kibana navicat是一个针对Elasticsearch mysql的开源分析及可视化平台;使用Kibana可以查询、查看并与存储在ES索引的数据进行交互操作;使用Kibana能执行高级的数据分析;并能以图表、表格和地图的形式查看数据。
安装
Kibana的版本一定要和Elasticsearch版本一致, 比如 ES 版本是 7.14.0;Kibana的版本一定也要是 7.14.0 ,与其对应。
Kibana的安装要求ES必须先启动起来;因为ES只能在普通用户启动;所以Kibana也只能在普通用户启动(传统方式,Kibbna只能以普通用户启动,如果使用docker方式安装可以使用root用户启动)。
传统方式安装
# 1. 下载Kibana并上传到Linux中
- https://www.elastic.co/downloads/kibana
# 2. 安装下载的kibana
- $ tar -zxvf kibana-7.14.0-linux-x86_64.tar.gz
# 3. 编辑kibana配置文件
- $ cd kibana-7.14.0-linux-x86_64/config/ -- 进入安装目录中的配置目录
- $ vim kibana.yml -- 编辑配置文件
# 4. 修改如下配置
- server.host: ;0.0.0.0; -- 开启kibana远程访问
- elasticsearch.hosts: [;http://localhost:9200;] -- ES服务器地址
# 5. 启动kibana
- cd kibana-7.14.0-linux-x86_64/bin
- ./kibana
# 6. 访问kibana的web界面
- http://192.168.204.137:5601/ # kibana默认端口为5601,使用云服务器的话记得开启5601端口
Docker方式安装
# 1.获取镜像
- docker pull kibana:7.14.0
# 2.运行kibana
- docker run -d --name kibana -p 5601:5601 kibana:7.14.0
# 3.进入容器连接到ES,重启kibana容器,访问
- docker exec -it kibbna的容器id bash -- 进入Kibbna容器内部
- cd config -- 进入Kibbna容器内部的配置文件目录
- vi kibana.yml -- 编辑配置文件
修改配置文件,指明elasticsearch服务所在的地址
# 4. 重启Kibbna
docker restart Kibbna容器的id
# 5. 浏览器访问查看是否启动成功
- http://192.168.204.137:5601
注
# 6.基于数据卷加载配置文件方式运行[启动Kibbna之后无需再修改配置文件再重启]
- a.从容器复制kibana配置文件出来
- b.修改配置文件为对应ES服务器地址
- c.通过数据卷加载配置文件方式启动
;docker run -d -v /root/kibana.yml:/usr/share/kibana/config/kibana.yml --name kibana -p 5601:5601 kibana:7.14.0
compose方式安装
# 创建 docker-compose.yml 配置文件
vim docker-compose.yml
version: ;3.8;
volumes:
data:
config:
plugin:
networks:
es:
services:
elasticsearch:
image: elasticsearch:7.14.0
ports:
- ;9200:9200;
- ;9300:9300;
networks:
- ;es;
environment:
- ;discovery.type=single-node;
- ;ES_JAVA_OPTS=-Xms512m -Xmx512m;
volumes:
- data:/usr/share/elasticsearch/data
- config:/usr/share/elasticsearch/config
- plugin:/usr/share/elasticsearch/plugins
kibana:
image: kibana:7.14.0
ports:
- ;5601:5601;
networks:
- ;es;
volumes:
- ./kibana.yml:/usr/share/kibana/config/kibana.yml
# kibana配置文件 kibana.yml ;连接到ES
vim kibana.yml
server.host: ;0;
server.shutdownTimeout: ;5s;
elasticsearch.hosts: [ ;http://elasticsearch:9200; ]
monitoring.ui.container.elasticsearch.enabled: true
# 注:因为docker-compose里有elasticsearch和Kibbna两个服务,两个服务之间可以使用服务名表示服务的ip地址,所以上面配置文件中的elasticsearch在启动时候会转化为elasticsearch所在服务的地址.
# 使用 docker-compose up -d 启动当前目录的docker-compose.yml配置的docker-compose
核心概念
索引
一个索引就是一个拥有几分相似特征的文档的集合。比如说;你可以有一个商品数据的索引;一个订单数据的索引;还有一个用户数据的索引。一个索引由一个名字来标识(必须全部是小写字母的)**;**并且当我们要对这个索引中的文档进行索引、搜索、更新和删除的时候;都要使用到这个名字。
映射
映射是定义一个文档和它所包含的字段如何被存储和索引的过程。在默认配置下;ES可以根据插入的数据自动地创建mapping;也可以手动创建mapping。 mapping中主要包括字段名、字段类型等
文档
文档是索引中存储的一条条数据。一条文档是一个可被索引的最小单元。ES中的文档采用了轻量级的JSON格式数据来表示。
基本操作
索引
创建
# 1.创建索引
- PUT /索引名 ====> PUT /products
- 注意:
1.ES中索引健康转态 red(索引不可用) 、yellwo(索引可用,存在风险)、green(健康)
2.默认ES在创建索引时会为索引创建1个备份索引和一个primary索引
# 2.创建索引 进行索引分片配置
PUT /orders
{
;settings;: {
;number_of_shards;: 1, #指定主分片的数量
;number_of_replicas;: 0 #指定副本分片的数量
}
}
注:
/*
;number_of_shards;: 1, 表示主分片的数量
;number_of_replicas;: 0 表示指定副本分片的数量
*/
查询
# 查看es中的索引
GET /_cat/indices
# 查询索引(显示返回结果的标题)
- GET /_cat/indices?v
删除
# 3.删除索引
- DELETE /索引名 =====> DELETE /products
- DELETE /* ;*代表通配符,代表所有索引;
注;索引只能被创建、查询、删除;不能被修改
映射
注:映射是不允许删除和修改的,如果创建的时候出现问题,那就只能删除索引之后重新创建
创建
字符串类型: keyword 关键字 关键词 、text 一段文本
数字类型;integer 、long
小数类型;float 、double
布尔类型;boolean
日期类型;date
# 1.创建索引&映射
PUT /products
{
;settings;: {
;number_of_shards;: 1,
;number_of_replicas;: 0
},
;mappings;: {
;properties;: {
;title;:{
;type;: ;keyword;
},
;price;:{
;type;: ;double;
},
;created_at;:{
;type;: ;date;
},
;description;:{
;type;: ;text;
}
}
}
}
说明: ES中支持字段类型非常丰富;如;text、keyword、integer、long、ip 等。更多参见https://www.elastic.co/guide/en/elasticsearch/reference/7.15/mapping-types.html
查询
# 1.查看某个索引的映射
- GET /索引名/_mapping =====> GET /products/_mapping
文档
添加文档
# 添加文档操作,手动指定文档_id
POST /products/_doc/1
{
;title;:;iphone13;,
;price;:8999.99,
;created_at;:;2021-09-15;,
;description;:;iPhone 13屏幕采用6.1英寸OLED屏幕。;
}
# 添加文档操作,自动生成文档_id
POST /products/_doc/
{
;title;:;iphone14;,
;price;:8999.99,
;created_at;:;2021-09-15;,
;description;:;iPhone 13屏幕采用6.8英寸OLED屏幕;
}
# 添加文档之后返回的结果
{
;_index; : ;products;,
;_type; : ;_doc;,
;_id; : ;sjfYnXwBVVbJgt24PlVU;,
;_version; : 1,
;result; : ;created;,
;_shards; : {
;total; : 1,
;successful; : 1,
;failed; : 0
},
;_seq_no; : 3,
;_primary_term; : 1
}
查询文档
GET /products/_doc/1
{
;_index; : ;products;,
;_type; : ;_doc;,
;_id; : ;1;,
;_version; : 1,
;_seq_no; : 0,
;_primary_term; : 1,
;found; : true,
;_source; : {
;title; : ;iphone13;,
;price; : 8999.99,
;created_at; : ;2021-09-15;,
;description; : ;iPhone 13屏幕采用6.1英寸OLED屏幕;
}
}
删除文档
DELETE /products/_doc/1
{
;_index; : ;products;,
;_type; : ;_doc;,
;_id; : ;1;,
;_version; : 2,
;result; : ;deleted;,
;_shards; : {
;total; : 1,
;successful; : 1,
;failed; : 0
},
;_seq_no; : 2,
;_primary_term; : 1
}
更新文档
说明: 这种更新方式是先删除原始文档,再将更新文档以新的内容插入,所以再查询时其他没更新的字段会变为空。
PUT /products/_doc/sjfYnXwBVVbJgt24PlVU
{
;title;:;iphon15;
}
/*
sjfYnXwBVVbJgt24PlVU 表示文档的id
*/
说明: 这种方式会将数据原始内容保存,并在此基础上更新,也就是说其他字段会保留。
POST /products/_doc/sjfYnXwBVVbJgt24PlVU/_update
{
;doc; : {
;title; : ;iphon15;
}
}
/*
sjfYnXwBVVbJgt24PlVU 表示文档的id
*/
批量操作
所谓批量操作顾名思义就是把一系列数据一次性的放入es中,我们可以对一批数据进行相应的添加、删除、或者更新操作。
在进行批量操作时;会涉及到一些含义
index ;表示添加update;表示更新delte;表示删除# 批量添加两条文档
POST /products/_doc/_bulk
{;index;:{;_id;:;1;}}
{;title;:;iphone14;,;price;:8999.99,;created_at;:;2021-09-15;,;description;:;iPhone 13屏幕采用6.8英寸OLED屏幕;}
{;index;:{;_id;:;2;}}
{;title;:;iphone15;,;price;:8999.99,;created_at;:;2021-09-15;,;description;:;iPhone 15屏幕采用10.8英寸OLED屏幕;}
# 更新文档并删除另一个文档
POST /products/_doc/_bulk
{;update;:{;_id;:;1;}}
{;doc;:{;title;:;iphone17;}}
{;delete;:{;_id;:2}}
{;index;:{}}
{;title;:;iphone19;,;price;:8999.99,;created_at;:;2021-09-15;,;description;:;iPhone 19屏幕采用61.8英寸OLED屏幕;}
说明;批量时不会因为一个失败而全部失败;而是继续执行后续操作;在返回时按照执行的状态返回。每一个操作之间是互不影响的;也就是说一个操作失败了;并不会影响其他的操作;
注:es文档的批量操作中涉及一个文档的内容不能换行
高级查询 Query DSL
说明
ES中提供了一种强大的检索数据方式,这种检索方式称之为Query DSL ,Query DSL是利用Rest API传递JSON格式的请求体(Request Body)数据与ES进行交互;这种方式的丰富查询语法让ES检索变得更强大;更简洁。
语法
# GET /索引名/_doc/_search {json格式请求体数据}
# GET /索引名/_search {json格式请求体数据} // 简写
测试数据
# 1.创建索引 映射
PUT /products/
{
;mappings;: {
;properties;: {
;title;:{
;type;: ;keyword;
},
;price;:{
;type;: ;double;
},
;created_at;:{
;type;:;date;
},
;description;:{
;type;:;text;
}
}
}
}
# 2.插入数据
PUT /products/_doc/_bulk
{;index;:{}}
{;title;:;iphone12 pro;,;price;:8999,;created_at;:;2020-10-23;,;description;:;iPhone 12 Pro采用超瓷晶面板和亚光质感玻璃背板;搭配不锈钢边框;有银色、石墨色、金色、海蓝色四种颜色。宽度:71.5毫米;高度:146.7毫米;厚度:7.4毫米;重量;187克;}
{;index;:{}}
{;title;:;iphone12;,;price;:4999,;created_at;:;2020-10-23;,;description;:;iPhone 12 高度;146.7毫米;宽度;71.5毫米;厚度;7.4毫米;重量;162克;5.73盎司; [5] 。iPhone 12设计采用了离子玻璃;以及7000系列铝金属外壳。;}
{;index;:{}}
{;title;:;iphone13;,;price;:6000,;created_at;:;2021-09-15;,;description;:;iPhone 13屏幕采用6.1英寸OLED屏幕;高度约146.7毫米;宽度约71.5毫米;厚度约7.65毫米;重量约173克。;}
{;index;:{}}
{;title;:;iphone13 pro;,;price;:8999,;created_at;:;2021-09-15;,;description;:;iPhone 13Pro搭载A15 Bionic芯片;拥有四种配色;支持5G。有128G、256G、512G、1T可选;售价为999美元起。;}
常见检索
查询所有[match_all]
match_all关键字: 返回索引中的全部文档
GET /products/_search
{
;query;: {
;match_all;: {}
}
}
/*
products 是索引的名字;其它固定
*/
关键词查询(term)
term 关键字: 用来使用关键词查询
GET /products/_search
{
;query;: {
;term;: {
;price;: {
;value;: 4999
}
}
}
}
/*
products表示索引名
price表示是哪个字段的名字
value后面的值表示这个字段的值是什么
比如有的文档字段值为 小浣熊、小小浣熊;我们可以试着搜一搜 浣熊 这个词
*/
NOTE0: 在ES中只有text类型分词;其余类型均不分词。分词的类型可以根据分词查询;不分词的类型只能通过全部内容查询。
NOTE1: 通过使用term查询得知ES中默认使用分词器为标准分词器(StandardAnalyzer),标准分词器对于英文单词分词,对于中文单字分词。 ;text 类型;
NOTE2: 通过使用term查询得知,在ES的Mapping Type 中 keyword , date ,integer, long , double , boolean or ip 这些类型不分词;搜索的时候要使用全部内容搜索;只有text类型分词。
范围查询[range]
range 关键字: 用来指定查询指定范围内的文档
GET /products/_search
{
;query;: {
;range;: {
;price;: {
;gte;: 5,
;lte;: 7.8
}
}
}
}
/*
price 表示搜索的字段;一般是数字类型;因为这样的类型会有一个范围。
gte 表示大于等于
lte 表示小于等于
*/
前缀查询[prefix]
prefix 关键字: 用来检索含有指定前缀的关键词的相关文档
GET /products/_search
{
;query;: {
;prefix;: {
;title;: {
;value;: ;ipho;
}
}
}
}
通配符查询[wildcard]
wildcard 关键字: 通配符查询 ? 用来匹配一个任意字符 * 用来匹配多个任意字符
GET /products/_search
{
;query;: {
;wildcard;: {
;description;: {
;value;: ;iphon*;
}
}
}
}
多id查询[ids]
ids 关键字 : 值为数组类型,用来根据一组id获取多个对应的文档
GET /products/_search
{
;query;: {
;ids;: {
;values;: [1,2,4]
}
}
}
模糊查询[fuzzy]
fuzzy 关键字: 用来模糊查询含有指定关键字的文档
GET /products/_search
{
;query;: {
;fuzzy;: {
;description;: ;小浣猫;
}
}
}
注意: fuzzy 模糊查询 最大模糊错误 必须在0-2之间
搜索关键词长度小于等于 2 不允许存在模糊
搜索关键词长度为3-5 允许一次模糊
搜索关键词长度大于5 允许最大2模糊
布尔查询[bool]
bool 关键字: 用来组合多个条件实现复杂查询
must: 相当于&& 同时成立
should: 相当于|| 成立一个就行
must_not: 相当于! 不能满足任何一个
GET /products/_search
{
;query;: {
;bool;: {
;must;: [
{;term;: {
;price;: {
;value;: 4999
}
}},{
;ids;:{
;value;: [1]
}
}
]
}
}
}
多字段查询[multi_match]
GET /products/_search
{
;query;: {
;multi_match;: {
;query;: ;iphone13 毫;,
;fields;: [;title;,;description;]
}
}
}
query 后面的内容表示检索的关键词
fields 后面的内容表示检索的字段
注意: 如果字段类型分词,将查询条件分词之后再查询该字段 如果该字段不分词就会将查询条件作为整体进行查询
默认字段分词查询[query_string]
GET /products/_search
{
;query;: {
;query_string;: {
;default_field;: ;description;,
;query;: ;屏幕真的非常不错;
}
}
}
default_field 后面写查询字段的类型
query 后面写查询的关键词
注意: 查询字段分词就将查询条件分词查询 查询字段不分词将查询条件不分词查询
高亮查询[Highlight]
注:在ES7中只有能分词的字段才可以使用高亮,即text类型
高亮并没有直接修改原始文档,而是单独的把高亮的结果又放到了一个highlight里
highlight 关键字: 可以让符合条件的文档中的关键词高亮
GET /products/_search
{
;query;: {
;term;: {
;description;: {
;value;: ;iphone;
}
}
},
;highlight;: {
;fields;: {
;*;:{}
}
}
}
自定义高亮html标签: 可以在highlight中使用pre_tags和post_tags
GET /products/_search
{
;query;: {
;term;: {
;description;: {
;value;: ;iphone;
}
}
},
;highlight;: {
;post_tags;: [;</span>;],
;pre_tags;: [;<span style=;color:red;>;],
;fields;: {
;*;:{}
}
}
}
多字段高亮 使用require_field_match开启多个字段高亮
GET /products/_search
{
;query;: {
;term;: {
;description;: {
;value;: ;iphone;
}
}
},
;highlight;: {
;require_field_match;: ;false;,
;post_tags;: [;</span>;],
;pre_tags;: [;<span style=;color:red;>;],
;fields;: {
;*;:{}
}
}
}
返回指定条数[size]
size 关键字: 指定查询结果中返回指定条数。 默认返回值10条
GET /products/_search
{
;query;: {
;match_all;: {}
},
;size;: 5
}
分页查询[form]
from 关键字: 用来指定起始返回位置;和size关键字连用可实现分页效果
GET /products/_search
{
;query;: {
;match_all;: {}
},
;size;: 5,
;from;: 0
}
指定字段排序[sort]
GET /products/_search
{
;query;: {
;match_all;: {}
},
;sort;: [
{
;price;: {
;order;: ;desc;
}
}
]
}
/*
desc 降序,默认就是降序
asc 升序
*/
返回指定字段[_source]
_source 关键字: 是一个数组,在数组中用来指定展示那些字段
GET /products/_search
{
;query;: {
;match_all;: {}
},
;_source;: [;title;,;description;]
}
索引原理
倒排索引
倒排索引;Inverted Index;也叫反向索引;有反向索引必有正向索引。通俗地来讲;正向索引是通过key找value;反向索引则是通过value找key。ES底层在检索时底层使用的就是倒排索引。
ES的索引区部件存储了value-key这样的映射,还会存储每个字出现的次数以及文章的长度用来计算相关度的得分.
ES的元数据区用来存储一条一条完整的文档.
索引模型
现有索引和映射如下:
{
;products; : {
;mappings; : {
;properties; : {
;description; : {
;type; : ;text;
},
;price; : {
;type; : ;float;
},
;title; : {
;type; : ;keyword;
}
}
}
}
}
先录入如下数据;有三个字段title、price、description等
在ES中除了text类型分词;其他类型不分词;因此根据不同字段创建索引如下;
title字段:
price字段
description字段
注意: Elasticsearch分别为每个字段都建立了一个倒排索引。因此查询时查询字段的term,就能知道文档ID;就能快速找到文档。
分词器
Analysis(文本分析) 和 Analyzer(分词器)
Analysis; 文本分析是把全文本转换一系列单词(term/token)的过程;也叫分词(Analyzer)。Analysis是通过Analyzer来实现的。分词就是将文档通过Analyzer分成一个一个的Term(关键词),每一个Term都指向包含这个Term的文档。
Analyzer 组成
注意: 在ES中默认使用标准分词器: StandardAnalyzer 特点: 中文单字分词 单词分词
我是中国人 this is good man----> analyzer----> 我 是 中 国 人 this is good man
分析器;analyzer;都由三种构件组成的;character filters ; tokenizers ; token filters。
character filter 字符过滤器
在一段文本进行分词之前;先进行预处理;比如说最常见的就是;过滤html标签;hello --> hello;;& --> and;I&you --> I and you;tokenizers 分词器
英文分词可以根据空格将单词分开,中文分词比较复杂,可以采用机器学习算法来分词。Token filters Token过滤器
将切分的单词进行加工。大小写转换;例将“Quick”转为小写;;去掉停用词;例如停用词像“a”、“and”、“the”等等;;加入同义词;例如同义词像“jump”和“leap”;。注意:
三者顺序: Character Filters—>Tokenizer—>Token Filter三者个数;Character Filters;0个或多个; ; Tokenizer ; Token Filters(0个或多个)内置分词器
Standard Analyzer - 默认分词器;英文按单词词切分;并小写处理Simple Analyzer - 按照单词切分(标点符号被过滤), 小写处理Stop Analyzer - 小写处理;停用词过滤(the,a,is)Whitespace Analyzer - 按照空格切分;不转小写Keyword Analyzer - 不分词;直接将输入当作输出内置分词器测试
标准分词器 特点: 按照单词分词 英文统一转为小写 过滤标点符号 中文单字分词POST /_analyze
{
;analyzer;: ;standard;,
;text;: ;this is a , good Man 中华人民共和国;
}
Simple 分词器
特点: 英文按照单词分词 英文统一转为小写 去掉符号 中文按照空格进行分词
POST /_analyze
{
;analyzer;: ;simple;,
;text;: ;this is a , good Man 中华人民共和国;
}
Whitespace 分词器
特点: 中文 英文 按照空格分词 英文不会转为小写 不去掉标点符号
POST /_analyze
{
;analyzer;: ;whitespace;,
;text;: ;this is a , good Man 中华 人民共和国;
}
创建索引并设置分词器
PUT /索引名
{
;settings;: {},
;mappings;: {
;properties;: {
;title;:{
;type;: ;text;,
;analyzer;: ;standard; //显示指定分词器
}
}
}
}
中文分词器
在ES中支持中文分词器非常多 如 smartCN、IK 等;推荐的就是 IK分词器。
安装IK
开源分词器 Ik 的github:https://github.com/medcl/elasticsearch-analysis-ik
注意 IK分词器的版本要与你安装ES的版本一致注意 Docker 容器运行 ES 安装插件目录为 /usr/share/elasticsearch/plugins# 一、普通方式安装
# 1. 下载对应版本
- [es;linux ~]$ wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.14.0/elasticsearch-analysis-ik-7.14.0.zip
# 2. 创建一个文件夹ik-7.14.0并将ik分词器压缩包解压到这个文件夹,然后上传到linux中
# 3. 移动到es安装目录的plugins目录中
- [es;linux ~]$ ls elasticsearch-7.14.0/plugins/
[es;linux ~]$ mv elasticsearch elasticsearch-7.14.0/plugins/
[es;linux ~]$ ls elasticsearch-7.14.0/plugins/
elasticsearch
[es;linux ~]$ ls elasticsearch-7.14.0/plugins/elasticsearch/
commons-codec-1.9.jar config httpclient-4.5.2.jar plugin-descriptor.properties
commons-logging-1.2.jar elasticsearch-analysis-ik-6.2.4.jar httpcore-4.4.4.jar
# 4. 重启es生效
# 5. 本地安装ik配置目录为
- es安装目录中/plugins/analysis-ik/config/IKAnalyzer.cfg.xml
# 二、docker方式安装
# 1. 下载对应版本
# 2. 创建一个文件夹ik-7.14.0并将ik分词器压缩包解压到这个文件夹,然后上传到linux中docker-compose同目录中
# 3. 编写docker-compose采用数据卷映射方式将ik分词器映射到容器内部
version: ;3.8;
volumes:
data:
config:
networks:
es:
services:
elasticsearch:
image: elasticsearch:7.14.0
ports:
- ;9200:9200;
- ;9300:9300;
networks:
- ;es;
environment:
- ;discovery.type=single-node;
- ;ES_JAVA_OPTS=-Xms512m -Xmx512m;
volumes:
- data:/usr/share/elasticsearch/data
- config:/usr/share/elasticsearch/config
- ./ik-7.14.0:/usr/share/elasticsearch/plugins/ik-7.14.0
kibana:
image: kibana:7.14.0
ports:
- ;5601:5601;
networks:
- ;es;
volumes:
- ./kibana.yml:/usr/share/kibana/config/kibana.yml
# 4. 重新启动
docker-compose up -d
IK使用
IK有两种颗粒度的拆分;
ik_smart: 会做最粗粒度的拆分
ik_max_word: 会将文本做最细粒度的拆分
POST /_analyze
{
;analyzer;: ;ik_smart;,
;text;: ;中华人民共和国国歌;
}
POST /_analyze
{
;analyzer;: ;ik_max_word;,
;text;: ;中华人民;
}
扩展词、停用词配置
IK支持自定义扩展词典和停用词典
**扩展词典**就是有些词并不是关键词,但是也希望被ES用来作为检索的关键词,可以将这些词加入扩展词典。**停用词典**就是有些词是关键词,但是出于业务场景不想使用这些关键词被检索到;可以将这些词放入停用词典。定义扩展词典和停用词典可以修改IK分词器中config目录中IKAnalyzer.cfg.xml这个文件。
1. 编辑vim IKAnalyzer.cfg.xml,使用推荐的扩展词典,
<?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;>extra_main.dic</entry>
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key=;ext_stopwords;>extra_stopword.dic</entry>
<!--用户可以在这里配置远程扩展字典 -->
<!-- <entry key=;remote_ext_dict;>words_location</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>
2. 编辑ik分词器目录下config目录中的extra_main.dic文件 编码一定要为UTF-8才能生效
vim extra_main.dic 在文章末尾加入扩展词即可,每一行一个词
3. 编辑ik分词器目录下config目录中的extra_stopword.dic文件
vim extra_stopword.dic 在文章末尾加入停用词即可,每一行一个词
4. 重启es生效(如果是docker的话建议删除容器重新启动,因为可能会有缓存)
/*
扩展词的另一个方法是自己在 config 目录下创建一个 myWord.dic 扩展词典,然后在里面加上扩展词,一行一
个,然后修改 IKAnalyzer.cfg.xml 配置文件,添加上自己的扩展词典.
例:
<!--用户可以在这里配置自己的扩展字典 -->
<entry key=;ext_dict;>extra_main.dic;myWord.dic</entry>
*/
注意: 词典的编码必须为UTF-8;否则无法生效!
过滤查询
过滤查询
过滤查询;其实准确来说;ES中的查询操作分为2种: 查询(query)和过滤(filter)。查询即是之前提到的query查询;它 (查询)默认会计算每个返回文档的得分;然后根据得分排序。而过滤(filter)只会筛选出符合的文档;并不计算 得分;而且它可以缓存文档 。所以;单从性能考虑;过滤比查询更快。 换句话说**过滤适合在大范围筛选数据;而查询则适合精确匹配数据。一般应用时; 应先使用过滤操作过滤数据; 然后使用查询匹配数据。**
执行顺序:
过滤 --> 查询 --> ES服务
过滤的速度很快,所以我们一般在查询之前都要进行一下过滤,然后再查询,这样会优化许多.
使用
GET /ems/emp/_search
{
;query;: {
;bool;: {
;must;: [
{;match_all;: {}} //查询条件
],
;filter;: {....} //过滤条件
}
}
注意:
在执行 filter 和 query 时,先执行 filter 在执行 queryElasticsearch会自动缓存经常使用的过滤器;以加快性能。
类型
常见过滤类型有: term 、 terms 、ranage、exists、ids等filter。
term 、 terms Filter
# 使用term过滤
GET /ems/emp/_search
{
;query;: {
;bool;: {
;must;: [
{;term;: {
;name;: {
;value;: ;小黑;
}
}}
],
;filter;: {
;term;: {
;content;:;框架;
}
}
}
}
}
#使用terms过滤
GET /dangdang/book/_search
{
;query;: {
;bool;: {
;must;: [
{;term;: {
;name;: {
;value;: ;中国;
}
}}
],
;filter;: {
;terms;: {
;content;:[
;科技;,
;声音;
]
}
}
}
}
}
ranage filter
GET /ems/emp/_search
{
;query;: {
;bool;: {
;must;: [
{;term;: {
;name;: {
;value;: ;中国;
}
}}
],
;filter;: {
;range;: {
;age;: {
;gte;: 7,
;lte;: 20
}
}
}
}
}
}
exists filter
过滤存在指定字段,获取字段不为空的索引记录使用,获取记录中带有指定字段的,比如name、age
GET /ems/emp/_search
{
;query;: {
;bool;: {
;must;: [
{;term;: {
;name;: {
;value;: ;中国;
}
}}
],
;filter;: {
;exists;: {
;field;:;description;
}
}
}
}
}
ids filter
过滤指定 id 的索引记录
GET /ems/emp/_search
{
;query;: {
;bool;: {
;must;: [
{;term;: {
;name;: {
;value;: ;中国;
}
}}
],
;filter;: {
;ids;: {
;values;: [;1;,;2;,;3;]
}
}
}
}
}
整合应用
引入依赖
<dependency>
<groupId>org.springFramework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
配置客户端
在工厂中创建客户端工具
下面这种方式是将es的主机和端口写死在代码里,如果要修改的话还得找到确切的位置,不利于维护
;Configuration
public class RestClientConfig extends AbstractElasticsearchConfiguration {
;Override
;Bean
public RestHighLevelClient elasticsearchClient() {
final ClientConfiguration clientConfiguration = ClientConfiguration.builder()
.connectedTo(;192.168.204.137:9200;) // es服务的ip和端口
.build();
return RestClients.create(clientConfiguration).rest();
}
}
为了方便以后修改,我们还是建议将es的主机和端口配置到配置文件中,日后注入即可,所以如下;
# 配置文件
# es 主机和端口
elasticsearch.host=192.168.204.137:9200
# 创建客户端
;Configuration
public class RestClientConfig extends AbstractElasticsearchConfiguration {
;Value(;${elasticsearch.host};)
private String host;
;Override
;Bean
public RestHighLevelClient elasticsearchClient() {
final ClientConfiguration clientConfiguration = ClientConfiguration.builder()
.connectedTo(host) // es服务的ip和端口
.build();
return RestClients.create(clientConfiguration).rest();
}
}
客户端对象
ElasticsearchOperationsRestHighLevelClient 推荐ElasticsearchOperations
特点: 始终使用面向对象方式操作 ES 索引: 用来存放相似文档集合映射: 用来决定放入文档的每个字段以什么样方式录入到 ES 中 字段类型 分词器…文档: 可以被索引最小单元 json 数据格式相关注解
;Document(indexName = ;products;, createIndex = true)
public class Product {
;Id
private Integer id;
;Field(type = FieldType.Keyword)
private String title;
;Field(type = FieldType.Float)
private Double price;
;Field(type = FieldType.Text,analyzer=;ik_max_word;)
private String description;
//get set ...
}
//1. ;Document(indexName = ;products;, createIndex = true) 用在类上 作用:代表一个对象为一个文档
-- indexName属性: 创建索引的名称
-- createIndex属性: 是否创建索引
//2. ;Id 用在属性上 作用:将对象id字段与ES中文档的_id对应
//3. ;Field(type = FieldType.Keyword) 用在属性上 作用:用来描述属性在ES中存储类型以及分词情况
-- type: 用来指定字段类型
创建 | 更新 文档
save方法当文档id不存在时会添加文档,当文档id存在的时候会更新文档.
;Autowired
private ElasticsearchOperations elasticsearchOperations;
;Test
public void testCreate() throws IOException {
Product product = new Product();
product.setId(1); //指定id则_id为id(属性上有;Id注解) 不存在id自动生成_id
product.setTitle(;小浣熊干吃面;);
product.setPrice(129.11);
product.setDescription(;小浣熊干吃面真好吃,曾经非常爱吃!;);
elasticsearchOperations.save(product);
}
删除文档
;Test
public void testDelete() {
Product product = new Product();
product.setId(1);
String delete = elasticsearchOperations.delete(product);
System.out.println(delete);
}
查询文档
;Test
public void testGet() {
Product product = elasticsearchOperations.get(;1;, Product.class); // 文档id 文档转换为什么类型
System.out.println(product);
}
更新文档
;Test
public void testUpdate() {
Product product = new Product();
product.setId(1);
product.setTitle(;怡宝矿泉水;);
product.setPrice(129.11);
product.setDescription(;我们喜欢喝矿泉水,你们喜欢吗....;);
elasticsearchOperations.save(product);//文档不存在添加,存在更新
}
删除所有
;Test
public void testDeleteAll() {
elasticsearchOperations.delete(Query.findAll(), Product.class);
}
查询所有
;Test
public void testFindAll() {
SearchHits<Product> productSearchHits = elasticsearchOperations.search(Query.findAll(), Product.class);
productSearchHits.forEach(productSearchHit -> {
System.out.println(;id: ; ; productSearchHit.getId());
System.out.println(;score: ; ; productSearchHit.getScore());
Product product = productSearchHit.getContent();
System.out.println(;product: ; ; product);
});
}
RestHighLevelClient
之前配置了 RestClientConfig , 所以 RestHighLevelClient 会在工厂中注册
注;RestHighLevelClient 在使用的时候可能会出现 java.net.SocketTimeoutException: 5,000 milliseconds timeout on connection http-outgoing-0 [ACTIVE] 异常, 在工厂中创建下面的类即可.
import org.apache.http.HttpResponse;
import org.apache.http.impl.client.DefaultConnectionKeepAliveStrategy;
import org.apache.http.protocol.HttpContext;
import org.elasticsearch.client.RestClientBuilder;
import org.springframework.boot.autoconfigure.elasticsearch.RestClientBuilderCustomizer;
import org.springframework.stereotype.Component;
import java.util.concurrent.TimeUnit;
;Component
public class MyRestClientBuilderCustomizer implements RestClientBuilderCustomizer {
;Override
public void customize(RestClientBuilder builder) {
// keep alive策略
builder.setHttpClientConfigCallback(httpClientBuilder -> httpClientBuilder.setKeepAliveStrategy(CustomConnectionKeepAliveStrategy.INSTANCE));
}
public static class CustomConnectionKeepAliveStrategy extends DefaultConnectionKeepAliveStrategy {
public static final CustomConnectionKeepAliveStrategy INSTANCE = new CustomConnectionKeepAliveStrategy();
private CustomConnectionKeepAliveStrategy() {
super();
}
/**
* 最大keep alive的时间;分钟;
* 这里默认为10分钟;可以根据实际情况设置。可以观察客户端机器状态为TIME_WAIT的TCP连接数;如果太多;可以增大此值。
*/
private final long MAX_KEEP_ALIVE_MINUTES = 10;
;Override
public long getKeepAliveDuration(HttpResponse response, HttpContext context) {
long keepAliveDuration = super.getKeepAliveDuration(response, context);
// <0 为无限期keepalive
// 将无限期替换成一个默认的时间
if(keepAliveDuration < 0){
return TimeUnit.MINUTES.toMillis(MAX_KEEP_ALIVE_MINUTES);
}
return keepAliveDuration;
}
}
}
创建索引、映射
;Autowired
private RestHighLevelClient restHighLevelClient;
;Test
public void testCreateIndex() throws IOException {
CreateIndexRequest createIndexRequest = new CreateIndexRequest(;products;); // 索引名字
// 参数1:指定映射的结构(在kibana写好复制过来) 参数2:指定数据类型
createIndexRequest.mapping(;{
; ; // 指定映射
; ;properties;: {
; ;
; ;title;:{
; ;
; ;type;: ;keyword;
; ;
; },
; ;
; ;price;:{
; ;
; ;type;: ;double;
; ;
; },
; ;
; ;created_at;:{
; ;
; ;type;: ;date;
; ;
; },
; ;
; ;description;:{
; ;
; ;type;: ;text;
; ;
; }
; ;
; }
; ;
; }
; , XContentType.JSON);
// 参数1:创建索引的请求对象 参数2:请求的配置对象(一般直接使用默认配置)
CreateIndexResponse createIndexResponse = restHighLevelClient.indices().create(createIndexRequest, RequestOptions.DEFAULT);
System.out.println(;创建状态:; ; createIndexResponse.isAcknowledged());
restHighLevelClient.close();
}
删除索引
;Test
public void testDeleteIndex() throws IOException {
// 参数1: 删除的索引 参数2: 请求配置对象
AcknowledgedResponse acknowledgedResponse = restHighLevelClient.indices().delete(new DeleteIndexRequest(;products;), RequestOptions.DEFAULT);
System.out.println(acknowledgedResponse.isAcknowledged());
}
创建文档
;Autowired
private RestHighLevelClient restHighLevelClient;
;Test
public void testCreate() throws IOException {
IndexRequest indexRequest = new IndexRequest(;products;); // 索引的名称
indexRequest
.id(;1;) // .id(;1;) 表示指定_id
.source(;{
; ;
; ;id; : 1,
; ;
; ;title; : ;蓝月亮;,
; ;
; ;price; : 123.23,
; ;
; ;description; : ;这个洗衣液非常不错哦;;
; ;
; };,XContentType.JSON);
// 参数1:索引的请求对象 参数2:请求的配置对象
IndexResponse index = restHighLevelClient.index(indexRequest, RequestOptions.DEFAULT);
System.out.println(index.status()); // 创建的状态
}
更新文档
;Test
public void testUpdate() throws IOException {
// 参数1:去哪个索引中更新 参数2:需要更新的文档的_id
UpdateRequest updateRequest = new UpdateRequest(;products;,;1;);
updateRequest.doc(;{;title;:;好月亮;};,XContentType.JSON); // 保留原始数据的基础之上再做更新
// 参数1:更新的请求对象 参数2:请求的配置对象
UpdateResponse update = restHighLevelClient.update(updateRequest, RequestOptions.DEFAULT);
System.out.println(update.status());
}
删除文档
;Test
public void testDelete() throws IOException {
// 参数1:删除哪个索引中的文档 参数2:删除的文档的id
DeleteRequest deleteRequest = new DeleteRequest(;products;,;t8KzZ4MBTPbYjF27ZPRx;);
// 参数1:删除的请求对象 参数2:请求的配置对象
DeleteResponse delete = restHighLevelClient.delete(deleteRequest, RequestOptions.DEFAULT);
System.out.println(delete.status());
}
基于 id 查询文档
;Test
public void testQueryById() throws IOException {
// 参数1:查询哪个索引中的文档 参数2:删除的文档的id
GetRequest getRequest = new GetRequest(;products;,;1;);
// 参数1:查询的请求对象 参数2:请求的配置对象 返回值:查询的响应对象
GetResponse getResponse = restHighLevelClient.get(getRequest, RequestOptions.DEFAULT);
System.out.println(getResponse.getSourceAsString());
}
查询所有
;Test
public void testSearchAll() throws IOException {
// 搜索哪个索引的文档
SearchRequest searchRequest = new SearchRequest(;products;);
// 指定条件对象
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 为条件对象指定条件 查询所有
sourceBuilder.query(QueryBuilders.matchAllQuery());
// 指定查询条件
searchRequest.source(sourceBuilder);
// 参数1:搜索的请求对象 参数2:请求的配置
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(searchResponse.getHits().getTotalHits().value); // 获取总条数
SearchHit[] hits = searchResponse.getHits().getHits(); // 获取结果
for (SearchHit hit : hits) {
System.out.println(hit.getSourceAsString());
}
}
不同条件查询
public void testQuery() throws IOException {
// 搜索哪个索引的文档
SearchRequest searchRequest = new SearchRequest(;products;);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 1.term 查询(关键词查询)
//sourceBuilder.query(QueryBuilders.termQuery(;description;,;衣;)); // 基于关键词查询
// 2. range 查询(范围查询)
//sourceBuilder.query(QueryBuilders.rangeQuery(;price;).gt(0).lte(10));
// 3. prefix 前缀查询
//sourceBuilder.query(QueryBuilders.prefixQuery(;title;, ;蓝;));
// 4. wildcard 通配符查询 ? : 一个字符 * : 任意多个字符
//sourceBuilder.query(QueryBuilders.wildcardQuery(;title;, ;蓝*;));
// 5. ids 查询(多id查询)
//sourceBuilder.query(QueryBuilders.idsQuery().addIds(;1;).addIds(;2;));
// 6. multi_match 查询(多字段查询) 在什么字段
sourceBuilder.query(QueryBuilders.multiMatchQuery(;非常;, ;title;, ;description;));
searchRequest.source(sourceBuilder);
// 参数1:搜索的请求对象 参数2:请求的配置对象
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(;符合条件的总条数: ; ; searchResponse.getHits().getTotalHits().value);
System.out.println(;符合查询到的文档中的最大分数: ; ; searchResponse.getHits().getMaxScore());
SearchHit[] hits = searchResponse.getHits().getHits(); // 获取所有符合条件的文档
for (SearchHit hit : hits) {
System.out.println(hit.getSourceAsString());
}
}
分页查询 & 排序 & 返回指定字段 & 高亮
/*
分页查询 from: 起始位置 size: 展示的记录数
排序 sort
返回指定的字段 _source
高亮查询 highlighter
*/
;Test
public void testSearchPage() throws IOException {
// 搜索哪个索引的文档
SearchRequest searchRequest = new SearchRequest(;products;);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 创建高亮器
HighlightBuilder highlightBuilder = new HighlightBuilder();
highlightBuilder.requireFieldMatch(false).field(;description;).field(;title;).preTags(;<span style=;color:red;>;).postTags(;</span>;); // 关闭字段匹配,指定哪些字段高亮,使用什么字段高亮
sourceBuilder
.query(QueryBuilders.termQuery(;description;, ;不;)) // 基于关键词查询
.from(0) // 起始位置
.size(2) // 每页显示的条数
.sort(;price;, SortOrder.DESC) // 参数1:根据哪个字段排序 参数2:排序方式
//.fetchSource(new String[]{}, new String[]{;price;}) // 参数1:包含字段数组 参数2:排除字段数组 包含和排除一般不同时使用,根据需要选择一个
.highlighter(highlightBuilder); // 高亮查询
// 默认全部返回
searchRequest.source(sourceBuilder);
// 参数1:搜索的请求对象 参数2:请求的配置对象
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(;符合条件的总条数: ; ; searchResponse.getHits().getTotalHits().value);
System.out.println(;符合查询到的文档中的最大分数: ; ; searchResponse.getHits().getMaxScore());
SearchHit[] hits = searchResponse.getHits().getHits(); // 获取所有符合条件的文档
for (SearchHit hit : hits) {
System.out.println(hit.getSourceAsString());
Map<String, HighlightField> highlightFields = hit.getHighlightFields();
if (highlightFields.containsKey(;description;)){
System.out.println(;description高亮结果:; ; highlightFields.get(;description;).fragments()[0]);
}
if (highlightFields.containsKey(;title;)){
System.out.println(;title高亮结果:; ; highlightFields.get(;title;).fragments()[0]);
}
}
}
过滤查询
一旦使用了过滤,一定是先进行过滤,然后在过滤的基础之上进行查询.
使用过滤可以一定程度上加快查询的效率.
;Test
public void testFilter() throws IOException {
// 搜索哪个索引的文档
SearchRequest searchRequest = new SearchRequest(;products;);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
// 创建高亮器
sourceBuilder
.postFilter(QueryBuilders.rangeQuery(;price;).gte(10)) // 过滤
.query(QueryBuilders.termQuery(;description;, ;不;));
// 默认全部返回
searchRequest.source(sourceBuilder);
// 参数1:搜索的请求对象 参数2:请求的配置对象
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(;符合条件的总条数: ; ; searchResponse.getHits().getTotalHits().value);
System.out.println(;符合查询到的文档中的最大分数: ; ; searchResponse.getHits().getMaxScore());
SearchHit[] hits = searchResponse.getHits().getHits(); // 获取所有符合条件的文档
for (SearchHit hit : hits) {
System.out.println(hit.getSourceAsString());
}
}
RestHighLevelClient 如何实现对象与文档之间转换
先在 java 中创建一个实体类 Product,然后使用kibana在es中创建一个与之对应的索引和映射.
实体类Product
public class Product {
private Integer id;
private String title;
private Double price;
private String description;
//get set ...
}
测试类
;SpringBootTest
public class RestHighLevelClientForObject{
;Autowired
private RestHighLevelClient restHighLevelClient;
/**
* 将对象放入es中
*/
;Test
public void testIndex() throws IOException {
Product product = new Product();
product.setId(1);
product.setTitle(;小浣熊干吃面;);
product.setPrice(1.5);
product.setDescription(;小浣熊真好吃!;);
// 录入es中
IndexRequest indexRequest = new IndexRequest(;products;);
indexRequest.id(product.getId().toString()) // 设置文档的_id
.source(new ObjectMapper().writeValueAsString(product), XContentType.JSON); // 将对象转换为json
IndexResponse indexResponse = restHighLevelClient.index(indexRequest, RequestOptions.DEFAULT);
System.out.println(indexResponse.status());
}
/*
从es中查询数据并转换为对象
*/
;Test
public void testSearch() throws IOException {
SearchRequest searchRequest = new SearchRequest(;products;);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
HighlightBuilder highlightBuilder = new HighlightBuilder();
highlightBuilder.requireFieldMatch(false).field(;description;).preTags(;<span style=;color:red;;>;).postTags(;</span>;); // 设置高亮
sourceBuilder
.query(QueryBuilders.termQuery(;description;, ;浣熊;)) // 查询所有
.from(0)
.size(30)
.highlighter(highlightBuilder);
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(;符合条件的文档条数: ; ; searchResponse.getHits().getTotalHits().value);
System.out.println(searchResponse.getHits().getMaxScore());
List<Product> productList = new ArrayList<>();
SearchHit[] hits = searchResponse.getHits().getHits();
for (SearchHit hit : hits) {
//System.out.println(hit.getSourceAsString()); // json
Product product = new ObjectMapper().readValue(hit.getSourceAsString(), Product.class);// 将json转为对象
// 处理高亮
Map<String, HighlightField> highlightFields = hit.getHighlightFields();
if(highlightFields.containsKey(;description;)){
product.setDescription(highlightFields.get(;description;).fragments()[0].toString());
}
productList.add(product);
}
productList.forEach(product -> System.out.println(product)); // 遍历
}
}
聚合查询
简介
聚合;英文为Aggregation;是es除搜索功能外提供的针对es数据做统计分析的功能。聚合有助于根据搜索查询提供聚合数据。聚合查询是数据库中重要的功能特性;ES作为搜索引擎兼数据库;同样提供了强大的聚合分析能力。它基于查询条件来对数据进行分桶、计算的方法。有点类似于 SQL 中的 group by 再加一些函数方法的操作。
注意事项;text类型是不支持聚合的。
测试数据
# 创建索引 index 和映射 mapping
PUT /fruit
{
;mappings;: {
;properties;: {
;title;:{
;type;: ;keyword;
},
;price;:{
;type;:;double;
},
;description;:{
;type;: ;text;,
;analyzer;: ;ik_max_word;
}
}
}
}
# 放入测试数据
PUT /fruit/_bulk
{;index;:{}}
{;title; : ;面包;,;price; : 19.9,;description; : ;小面包非常好吃;}
{;index;:{}}
{;title; : ;旺仔牛奶;,;price; : 29.9,;description; : ;非常好喝;}
{;index;:{}}
{;title; : ;日本豆;,;price; : 19.9,;description; : ;日本豆非常好吃;}
{;index;:{}}
{;title; : ;小馒头;,;price; : 19.9,;description; : ;小馒头非常好吃;}
{;index;:{}}
{;title; : ;大辣片;,;price; : 39.9,;description; : ;大辣片非常好吃;}
{;index;:{}}
{;title; : ;透心凉;,;price; : 9.9,;description; : ;透心凉非常好喝;}
{;index;:{}}
{;title; : ;小浣熊;,;price; : 19.9,;description; : ;童年的味道;}
{;index;:{}}
{;title; : ;海苔;,;price; : 19.9,;description; : ;海的味道;}
使用
根据某个字段分组
# 根据某个字段进行分组 统计数量
GET /fruit/_search
{
;query;: {
;match_all;: {}
},
;size;: 0,
;aggs;: {
;price_group;: {
;terms;: {
;field;: ;price;
}
}
}
}
/*
;size;: 0 表示只想要聚合的结果,不想要查询的数据
price_group 聚合的名字,自己随便写
price 是对哪个字段进行分组
*/
求最大值
# 求最大值
GET /fruit/_search
{
;query;: {
;match_all;: {}
},
;size;: 0,
;aggs;: {
;price_max;: {
;max;: {
;field;: ;price;
}
}
}
}
/*
;size;: 0 表示只想要聚合的结果,不想要查询的数据
price_max 表示这个聚合查询的名字,自己随便写
price 表示对哪个字段求最大值
*/
求最小值
# 求最小值
GET /fruit/_search
{
;query;: {
;match_all;: {}
},
;size;: 0,
;aggs;: {
;price_min;: {
;min;: {
;field;: ;price;
}
}
}
}
/*
;size;: 0 表示只想要聚合的结果,不想要查询的数据
price_min 表示聚合名字,自己随便写
price 表示对哪个字段求最小值
*/
求平均值
# 求平均值
GET /fruit/_search
{
;query;: {
;match_all;: {}
},
;size;: 0,
;aggs;: {
;price_avg;: {
;avg;: {
;field;: ;price;
}
}
}
}
/*
;size;: 0 表示只想要聚合的结果,不想要查询的数据
price_avg 表示聚合名字,自己随便写
price 表示对哪个字段求平均值
*/
求和
# 求和
GET /fruit/_search
{
;query;: {
;match_all;: {}
},
;size;: 0,
;aggs;: {
;price_sum;: {
;sum;: {
;field;: ;price;
}
}
}
}
/*
;size;: 0 表示只想要聚合的结果,不想要查询的数据
price_sum 表示聚合名字,自己随便写
price 表示对哪个字段求和
*/
RestHighLevelClient 实现聚合查询
测试类
;SpringBootTest
public class RestHighLevelClientForAggs {
;Autowired
private RestHighLevelClient restHighLevelClient;
/**
* 基于 term 类型进行聚合 基于字段进行分组聚合
*/
;Test
public void testAggs() throws IOException {
SearchRequest searchRequest = new SearchRequest(;fruit;);
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
searchSourceBuilder
.query(QueryBuilders.matchAllQuery()) // 设置查询条件
// 聚合名字(自己随便起) 对哪个字段进行聚合 下面这段意思是对指定字段分组
.aggregation(AggregationBuilders.terms(;price_group;).field(;price;)) // 设置聚合处理
.size(0); // 只要聚合的结果,不要查询到的文档
searchRequest.source(searchSourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
// 处理聚合的结果
Aggregations aggregations = searchResponse.getAggregations();
// 由聚合的名字继续处理
ParsedDoubleTerms aggregation = aggregations.get(;price_group;); //price是double类型,所以用ParsedDoubleTerms
List<? extends Terms.Bucket> buckets = aggregation.getBuckets();
for (Terms.Bucket bucket : buckets) {
System.out.println(bucket.getKey() ; ; ; ; bucket.getDocCount());
}
}
/**
* max(ParsedMax接收) min(ParsedMin接收) sum(ParsedSum接收) avg(ParsedAvg接收) 聚合查询 桶中只有一个返回值
*/
;Test
public void testAggsFunction() throws IOException {
SearchRequest searchRequest = new SearchRequest(;fruit;);
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
searchSourceBuilder
.query(QueryBuilders.matchAllQuery()) // 设置查询条件
// 聚合名字(自己随便起) 对哪个字段进行聚合 下面这段意思是求哪个字段的和
.aggregation(AggregationBuilders.sum(;sum_price;).field(;price;)) // 设置聚合处理
.size(0); // 只要聚合的结果,不要查询到的文档
searchRequest.source(searchSourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
// 处理聚合的结果
Aggregations aggregations = searchResponse.getAggregations();
// 由聚合的名字继续处理
ParsedSum parsedSum = aggregations.get(;sum_price;);//返回的类型是求和数据, 所以使用ParsedSum
System.out.println(parsedSum.getValue());
}
}
求不同价格的数量
// 求不同价格的数量
;Test
public void testAggsPrice() throws IOException {
SearchRequest searchRequest = new SearchRequest(;fruit;);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
sourceBuilder.aggregation(AggregationBuilders.terms(;group_price;).field(;price;));
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
Aggregations aggregations = searchResponse.getAggregations();
ParsedDoubleTerms terms = aggregations.get(;group_price;);
List<? extends Terms.Bucket> buckets = terms.getBuckets();
for (Terms.Bucket bucket : buckets) {
System.out.println(bucket.getKey() ; ;, ;; bucket.getDocCount());
}
}
求不同名称的数量
// 求不同名称的数量
;Test
public void testAggsTitle() throws IOException {
SearchRequest searchRequest = new SearchRequest(;fruit;);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
sourceBuilder.aggregation(AggregationBuilders.terms(;group_title;).field(;title;));
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
Aggregations aggregations = searchResponse.getAggregations();
ParsedStringTerms terms = aggregations.get(;group_title;);
List<? extends Terms.Bucket> buckets = terms.getBuckets();
for (Terms.Bucket bucket : buckets) {
System.out.println(bucket.getKey() ; ;, ;; bucket.getDocCount());
}
}
求和
// 求和
;Test
public void testAggsSum() throws IOException {
SearchRequest searchRequest = new SearchRequest(;fruit;);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
sourceBuilder.aggregation(AggregationBuilders.sum(;sum_price;).field(;price;));
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
ParsedSum parsedSum = searchResponse.getAggregations().get(;sum_price;);
System.out.println(parsedSum.getValue());
}
集群 Cluster
相关概念
集群
一个集群就是由一个或多个节点组织在一起;它们共同持有你整个的数据;并一起提供索引和搜索功能。一个集群由一个唯一的名字标识;这个名字默认就是elasticsearch。这个名字是重要的;因为一个节点只能通过指定某个集群的名字;来加入这个集群。
节点
一个节点是你集群中的一个服务器;作为集群的一部分;它存储你的数据;参与集群的索引和搜索功能。和集群类似;一个节点也是由一个名字来标识的;默认情况下;这个名字是一个随机的漫威漫画角色的名字;这个名字会在启动的时候赋予节点。
索引
一组相似文档的集合
映射
用来定义索引存储文档的结构如;字段、类型等。
文档
索引中一条记录,可以被索引的最小单元
分片
Elasticsearch提供了将索引划分成多份的能力;这些份就叫做分片。当你创建一个索引的时候;你可以指定你想要的分片的数量。每个分片本身也是一个功能完善并且独立的“索引”;这个“索引”可以被放置 到集群中的任何节点上。
复制
Index的分片中一份或多份副本。
搭建集群
集群规划
因为没有很多的机器,这里我们在一台机器上启动三个es服务,做一个伪分布式.
# 1.准备3个ES节点和一个kibana 节点 ES 9200 9300
- web: 9201 tcp:9301 node-1 elasticsearch.yml
- web: 9202 tcp:9302 node-2 elasticsearch.yml
- web: 9203 tcp:9303 node-3 elasticsearch.yml
- kibana: 5602
注意
所有节点集群名称必须一致 cluster.name每个节点必须有一个唯一名字 node.name开启每个节点远程连接 network.host: 0.0.0.0指定使用 IP地址进行集群节点通信 network.publish_host:修改 web 端口 tcp 端口 http.port: transport.tcp.port指定集群中所有节点通信列表 discovery.seed_hosts: node-1 node-2 node-3 相同允许集群初始化 master 节点节点数: cluster.initial_master_nodes: [“node-1”, “node-2”,“node-3”]集群最少几个节点可用 gateway.recover_after_nodes: 2开启每个节点跨域访问http.cors.enabled: true http.cors.allow-origin: “*”
配置文件
# node-1 配置文件
# 指定集群名称 3个节点必须一致
cluster.name: es-cluster
# 指定节点名称 每个节点名字唯一
node.name: node-1
# 开放远程链接
network.host: 0.0.0.0
# 指定使用发布地址进行集群间通信
network.publish_host: 192.168.204.137
# 指定 web 端口
http.port: 9201
# 指定 tcp 端口
transport.tcp.port: 9301
# 指定所有节点的 tcp 通信
discovery.seed_hosts: [;192.168.204.137:9301;, ;192.168.204.137:9302;,;192.168.204.137:9303;]
# 指定可以初始化集群的节点名称
cluster.initial_master_nodes: [;node-1;, ;node-2;,;node-3;]
# 集群最少几个几点可用
gateway.recover_after_nodes: 2
# 解决跨域问题
http.cors.enabled: true
http.cors.allow-origin: ;*;
# node-2 配置文件
# 指定集群名称 3个节点必须一致
cluster.name: es-cluster
# 指定节点名称 每个节点名字唯一
node.name: node-2
# 开放远程链接
network.host: 0.0.0.0
# 指定使用发布地址进行集群间通信
network.publish_host: 192.168.204.137
# 指定 web 端口
http.port: 9202
# 指定 tcp 端口
transport.tcp.port: 9302
# 指定所有节点的 tcp 通信
discovery.seed_hosts: [;192.168.204.137:9301;, ;192.168.204.137:9302;,;192.168.204.137:9303;]
# 指定可以初始化集群的节点名称
cluster.initial_master_nodes: [;node-1;, ;node-2;,;node-3;]
# 集群最少几个几点可用
gateway.recover_after_nodes: 2
# 解决跨域问题
http.cors.enabled: true
http.cors.allow-origin: ;*;
# node-3 配置文件
# 指定集群名称 3个节点必须一致
cluster.name: es-cluster
# 指定节点名称 每个节点名字唯一
node.name: node-2
# 开放远程链接
network.host: 0.0.0.0
# 指定使用发布地址进行集群间通信
network.publish_host: 192.168.204.137.3
# 指定 web 端口
http.port: 9202
# 指定 tcp 端口
transport.tcp.port: 9302
# 指定所有节点的 tcp 通信
discovery.seed_hosts: [;192.168.204.137:9301;, ;192.168.204.137:9302;,;192.168.204.137:9303;]
# 指定可以初始化集群的节点名称
cluster.initial_master_nodes: [;node-1;, ;node-2;,;node-3;]
# 集群最少几个几点可用
gateway.recover_after_nodes: 2
# 解决跨域问题
http.cors.enabled: true
http.cors.allow-origin: ;*;
编写 compose 文件
version: ;3.8;
networks:
escluster:
services:
es01:
image: elasticsearch:7.14.0
ports:
- ;9201:9201;
- ;9301:9301;
networks:
- ;escluster;
volumes:
- ./node-1/data:/usr/share/elasticsearch/data
- ./node-1/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml
- ./node-1/plugins/ik:/usr/share/elasticsearch/plugins/ik
environment:
- ;ES_JAVA_OPTS=-Xms512m -Xmx512m;
es02:
image: elasticsearch:7.14.0
ports:
- ;9202:9202;
- ;9302:9302;
networks:
- ;escluster;
volumes:
- ./node-2/data:/usr/share/elasticsearch/data
- ./node-2/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml
- ./node-2/plugins/ik:/usr/share/elasticsearch/plugins/ik
environment:
- ;ES_JAVA_OPTS=-Xms512m -Xmx512m;
es03:
image: elasticsearch:7.14.0
ports:
- ;9203:9203;
- ;9303:9303;
networks:
- ;escluster;
volumes:
- ./node-3/data:/usr/share/elasticsearch/data
- ./node-3/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml
- ./node-3/plugins/ik:/usr/share/elasticsearch/plugins/ik
environment:
- ;ES_JAVA_OPTS=-Xms512m -Xmx512m;
kibana:
image: kibana:7.14.0
ports:
- ;5602:5601;
networks:
- ;escluster;
volumes:
- ./kibana.yml:/usr/share/kibana/config/kibana.yml
kibana 配置文件
# kibana配置文件 连接到ES
server.host: ;0;
server.shutdownTimeout: ;5s;
elasticsearch.hosts: [ ;http://192.168.204.137:9201; ] #链接任意节点即可
monitoring.ui.container.elasticsearch.enabled: true
查看集群状态
http://192.168.204.137:9201/_cat/health?v
安装head插件
1. 访问github网站
搜索: elasticsearch-head 插件
2. 安装git
yum install git
3. 将elasticsearch-head下载到本地
git clone git://github.com/mobz/elasticsearch-head.git
4. 安装nodejs
#注意: 没有wget的请先安装 yum install -y wget
wget http://cdn.npm.taobao.org/dist/node/latest-v8.x/node-v8.1.2-linux-x64.tar.xz
5. 解压缩nodejs
xz -d node-v10.15.3-linux-arm64.tar.xz
tar -xvf node-v10.15.3-linux-arm64.tar
6. 配置环境变量
mv node-v10.15.3-linux-arm64 nodejs
mv nodejs /usr/nodejs
vim /etc/profile
export NODE_HOME=/usr/nodejs
export PATH=$PATH:$JAVA_HOME/bin:$NODE_HOME/bin
7. 进入elasticsearch-head的目录
npm config set registry https://registry.npm.taobao.org
npm install
npm run start
8. 启动访问head插件 默认端口9100
http://ip:9100 查看集群状态
加载全部内容