elasticsearch-基本

发表于 更新于

一个分布式的RESTful搜索和分析引擎，能够解决越来越多的用例。 作为Elastic Stack的核心，它集中存储您的数据，以便您发现期望的数据并发现意外的数据。

1. 安装

  1. 使用rpm安装
1
rpm -ivh elasticsearch-7.4.0-x86_64.rpm
  1. 使用安装包
1
2
tar zxvf elasticsearch-7.4.0-linux-x86_64.tar.gz
cd elasticsearch-7.4.0

2. 运行

不能以 root 用户运行，虚拟机需要将核心修改为2，其他用户需要有该目录和文件的权限：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
chmod -R 777 elasticsearch-7.4.0
./bin/elasticsearch
# 若报错：max virtual memory areas vm.maxmapcount [65530] is too low
sudo sysctl -w vm.max_map_count=262144
# 若报错：max file descriptors [4096] for elasticsearch process is too low, increase to at least [65536]
vi /etc/security/limits.conf
    用户名 hard nofile 65536
    用户名 soft nofile 65536
# 其他错误一并处理
vi /etc/sysctl.conf
    vm.max_map_count=655360
vi /etc/security/limits.d/90-nproc.conf
    * soft nproc 1024
    * soft nproc 4096
vi conf/elasticsearch.yml
    bootstrap.memory_lock: false
    bootstrap.system_call_filter: false
    cluster.initial_master_nodes: ["node-1"]

若运行成功，默认开启 9200、9300 端口

1
curl localhost:9200

运行多个实例：

1
2
./elasticsearch -Epath.data=data2 -Epath.logs=log2
./elasticsearch -Epath.data=data3 -Epath.logs=log3

3. 配置

默认只允许本机访问，可修改：

1
2
vi config/elsaticsearch.yml
network host: 0.0.0.0

4. 说明

1. Node 与 Cluster

Elastic 本质上是一个分布式数据库，允许多台服务器协同工作，每台服务器可以运行多个 Elastic 实例。
单个 Elastic 实例称为一个节点（node）。一组节点构成一个集群（cluster）。

2. Index

Elastic 会索引所有字段，经过处理后写入一个反向索引（Inverted Index）。查找数据的时候，直接查找该索引。
所以，Elastic 数据管理的顶层单位就叫做 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。

下面的命令可以查看当前节点的所有 Index：

1
curl -X GET 'http://localhost:9200/_cat/indices?v'

3. Document

Index 里面单条的记录称为 Document（文档）。许多条 Document 构成了一个 Index。
Document 使用 JSON 格式表示，下面是一个例子：

1
2
3
4
5
{
    "user": "张三",
    "title": "工程师",
    "desc": "数据库管理"
}

同一个 Index 里面的 Document，不要求有相同的结构（scheme），但是最好保持相同，这样有利于提高搜索效率。

4. Type

Document 可以分组，比如weather这个 Index 里面，可以按城市分组（北京和上海），也可以按气候分组（晴天和雨天）。
这种分组就叫做 Type，它是虚拟的逻辑分组，用来过滤 Document。

不同的 Type 应该有相似的结构（schema），举例来说，id字段不能在这个组是字符串，在另一个组是数值。
这是与关系型数据库的表的一个区别。
性质完全不同的数据（比如products和logs）应该存成两个 Index，而不是一个 Index 里面的两个 Type（虽然可以做到）。

下面的命令可以列出每个 Index 所包含的 Type：

1
curl 'localhost:9200/_mapping?pretty=true'

根据规划，Elastic 6.x 版只允许每个 Index 包含一个 Type，7.x 版将会彻底移除 Type。

5. 新建和删除 Index

新建 Index，可以直接向 Elastic 服务器发出 PUT 请求。下面的例子是新建一个名叫weather的 Index。

1
curl -X PUT 'localhost:9200/weather'

服务器返回一个 JSON 对象，里面的acknowledged字段表示操作成功。

1
2
3
4
{
    "acknowledged":true,
    "shards_acknowledged":true
}

然后，我们发出 DELETE 请求，删除这个 Index。

1
curl -X DELETE 'localhost:9200/weather'

6. 中文分词设置

首先，安装中文分词插件。这里使用的是 ik，也可以考虑其他插件（比如 smartcn）。

1
./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v5.5.1/elasticsearch-analysis-ik-5.5.1.zip

上面代码安装的是5.5.1版的插件，与 Elastic 5.5.1 配合使用。
接着，重新启动 Elastic，就会自动加载这个新安装的插件。
然后，新建一个 Index，指定需要分词的字段。这一步根据数据结构而异，下面的命令只针对本文。基本上，凡是需要搜索的中文字段，都要单独设置一下。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
curl -X PUT 'localhost:9200/accounts' -d '
{
"mappings": {
    "person": {
        "properties": {
            "user": {
                "type": "text",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word"
            },
            "title": {
                "type": "text",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word"
            },
            "desc": {
                "type": "text",
                "analyzer": "ik_max_word",
                "search_analyzer": "ik_max_word"
            }
        }
    }
}
}'

上面代码中，首先新建一个名称为accounts的 Index，里面有一个名称为person的 Type。
person有三个字段：

1
2
3
user
title
desc

这三个字段都是中文，而且类型都是文本（text），所以需要指定中文分词器，不能使用默认的英文分词器。

Elastic 的分词器称为 analyzer。我们对每个字段指定分词器。

1
2
3
4
5
"user": {
    "type": "text",
    "analyzer": "ik_max_word",
    "search_analyzer": "ik_max_word"
}

上面代码中，analyzer是字段文本的分词器，search_analyzer是搜索词的分词器。
ik_max_word分词器是插件ik提供的，可以对文本进行最大数量的分词。

7. 数据操作

新增记录，向指定的 /Index/Type 发送 PUT 请求，就可以在 Index 里面新增一条记录。
比如，向/accounts/person发送请求，就可以新增一条人员记录。

1
2
3
4
5
6
$ curl -X PUT 'localhost:9200/accounts/person/1' -d '
{
    "user": "张三",
    "title": "工程师",
    "desc": "数据库管理"
}'

服务器返回的 JSON 对象，会给出 Index、Type、Id、Version 等信息。

1
2
3
4
5
6
7
8
9
{
    "_index":"accounts",
    "_type":"person",
    "_id":"1",
    "_version":1,
    "result":"created",
    "_shards":{"total":2,"successful":1,"failed":0},
    "created":true
}

如果你仔细看，会发现请求路径是/accounts/person/1，最后的1是该条记录的 Id。它不一定是数字，任意字符串（比如abc）都可以。

新增记录的时候，也可以不指定 Id，这时要改成 POST 请求。

1
2
3
4
5
6
$ curl -X POST 'localhost:9200/accounts/person' -d '
{
    "user": "李四",
    "title": "工程师",
    "desc": "系统管理"
}'

上面代码中，向/accounts/person发出一个 POST 请求，添加一个记录。这时，服务器返回的 JSON 对象里面，_id字段就是一个随机字符串。

1
2
3
4
5
6
7
8
9
{
    "_index":"accounts",
    "_type":"person",
    "_id":"AV3qGfrC6jMbsbXb6k1p",
    "_version":1,
    "result":"created",
    "_shards":{"total":2,"successful":1,"failed":0},
    "created":true
}

注意，如果没有先创建 Index（这个例子是accounts），直接执行上面的命令，Elastic 也不会报错，而是直接生成指定的 Index。
所以，打字的时候要小心，不要写错 Index 的名称。

查看记录，向/Index/Type/Id发出 GET 请求，就可以查看这条记录。

1
curl 'localhost:9200/accounts/person/1?pretty=true'

上面代码请求查看/accounts/person/1这条记录，URL 的参数pretty=true表示以易读的格式返回。

返回的数据中，found字段表示查询成功，_source字段返回原始记录。

1
2
3
4
5
6
7
8
9
10
11
12
{
    "_index" : "accounts",
    "_type" : "person",
    "_id" : "1",
    "_version" : 1,
    "found" : true,
    "_source" : {
        "user" : "张三",
        "title" : "工程师",
        "desc" : "数据库管理"
    }
}

如果 Id 不正确，就查不到数据，found字段就是false。

1
2
3
4
5
6
7
curl 'localhost:9200/weather/beijing/abc?pretty=true'
{
    "_index" : "accounts",
    "_type" : "person",
    "_id" : "abc",
    "found" : false
}

删除记录，删除记录就是发出 DELETE 请求。

1
curl -X DELETE 'localhost:9200/accounts/person/1'

这里先不要删除这条记录，后面还要用到。

更新记录，更新记录就是使用 PUT 请求，重新发送一次数据。

1
2
3
4
5
6
$ curl -X PUT 'localhost:9200/accounts/person/1' -d '
{
    "user" : "张三",
    "title" : "工程师",
    "desc" : "数据库管理，软件开发"
}'
1
2
3
4
5
6
7
8
9
{
    "_index":"accounts",
    "_type":"person",
    "_id":"1",
    "_version":2,
    "result":"updated",
    "_shards":{"total":2,"successful":1,"failed":0},
    "created":false
}

上面代码中，我们将原始数据从”数据库管理”改成”数据库管理，软件开发”。 返回结果里面，有几个字段发生了变化。

1
2
3
"_version" : 2,
"result" : "updated",
"created" : false

可以看到，记录的 Id 没变，但是版本（version）从1变成2，操作类型（result）从created变成updated，created字段变成false，因为这次不是新建记录。

  1. 数据查询

返回所有记录，使用 GET 方法，直接请求/Index/Type/_search，就会返回所有记录。

1
curl 'localhost:9200/accounts/person/_search'
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
{
    "took":2,
    "timed_out":false,
    "_shards":{"total":5,"successful":5,"failed":0},
    "hits":{
        "total":2,
        "max_score":1.0,
        "hits":[
            {
                "_index":"accounts",
                "_type":"person",
                "_id":"AV3qGfrC6jMbsbXb6k1p",
                "_score":1.0,
                "_source": {
                "user": "李四",
                "title": "工程师",
                "desc": "系统管理"
                }
            },
            {
                "_index":"accounts",
                "_type":"person",
                "_id":"1",
                "_score":1.0,
                "_source": {
                "user" : "张三",
                "title" : "工程师",
                "desc" : "数据库管理，软件开发"
                }
            }
        ]
    }
}

上面代码中，返回结果的 took字段表示该操作的耗时（单位为毫秒），timed_out字段表示是否超时，hits字段表示命中的记录，里面子字段的含义如下。

total：返回记录数，本例是2条。
max_score：最高的匹配程度，本例是1.0。
hits：返回的记录组成的数组。
返回的记录中，每条记录都有一个_score字段，表示匹配的程序，默认是按照这个字段降序排列。

全文搜索，Elastic 的查询非常特别，使用自己的查询语法，要求 GET 请求带有数据体。

1
2
3
4
curl 'localhost:9200/accounts/person/_search'  -d '
{
    "query" : { "match" : { "desc" : "软件" }}
}'

上面代码使用 Match 查询，指定的匹配条件是desc字段里面包含”软件”这个词。返回结果如下。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
{
    "took":3,
    "timed_out":false,
    "_shards":{"total":5,"successful":5,"failed":0},
    "hits":{
        "total":1,
        "max_score":0.28582606,
        "hits":[
            {
                "_index":"accounts",
                "_type":"person",
                "_id":"1",
                "_score":0.28582606,
                "_source": {
                "user" : "张三",
                "title" : "工程师",
                "desc" : "数据库管理，软件开发"
                }
            }
        ]
    }
}

Elastic 默认一次返回10条结果，可以通过size字段改变这个设置。

1
2
3
4
5
curl 'localhost:9200/accounts/person/_search'  -d '
{
"query" : { "match" : { "desc" : "管理" }},
"size": 1
}'

上面代码指定，每次只返回一条结果。
还可以通过from字段，指定位移。

1
2
3
4
5
6
curl 'localhost:9200/accounts/person/_search'  -d '
{
    "query" : { "match" : { "desc" : "管理" }},
    "from": 1,
    "size": 1
}'

上面代码指定，从位置1开始（默认是从位置0开始），只返回一条结果。

逻辑运算，如果有多个搜索关键字， Elastic 认为它们是or关系。

1
2
3
4
curl 'localhost:9200/accounts/person/_search'  -d '
{
"query" : { "match" : { "desc" : "软件 系统" }}
}'

上面代码搜索的是软件 or 系统。

如果要执行多个关键词的and搜索，必须使用布尔查询。

1
2
3
4
5
6
7
8
9
10
11
curl 'localhost:9200/accounts/person/_search'  -d '
{
    "query": {
        "bool": {
            "must": [
                { "match": { "desc": "软件" } },
                { "match": { "desc": "系统" } }
            ]
        }
    }
}'