全文检索基础
全文检索流程
流程：
创建索引
返回结果
查询索引
原始文档
创建索引
索引库
查询索引
创建索引：
获取文档
构建文档对象
分析文档'分词'
创建索引
查询索引：
用户查询结构
创建查询
执行查询
渲染结果
相关概念
索引库
索引库就是存储索引的保存在磁盘上的一系列的文件。里面存储了建立好的索引消息以及文档对象。
** 一个索引库相当于数据库中的一张表，一个文档对象相当于数据库中的一行数据
doucument对象
获取原始内容的目的是为了索引，在索引前需要将原始内容建成文档，文档中包含一个一个的域（字段），域中存储内容。每个文档都有一个唯一的编号，就是文档id。
field对象
如果我们把document看作是数据库中的一条记录的话，field相当于是记录中的字段。field是索引库中存储数据的最小单位。field的数据类型大致可以分为数值类型和文本类型，一般需要查询的字段都是文本类型的，field还有如下属性：
是否分词：是否对域的内容进行分词处理。前提是我们对域的内容进行查询
是否索引：将Field分析后的词或整个Field值进行索引，只有索引方可搜索到
是否存储：Field值存储在文档中，存储在文档中的Field才可以从Document中获取
term对象
从文档对象中拆分出来的每个单词叫做term，不同域中拆分出来的相同的单词是不同term。term中包含两部分,一部分是文档的域名。另一部分是单词的内容。term是创建索引的关键词对象。
ElasticSearch相关概念
概述
ES是面对文档的，这意味这它可以存储整个对象或文档。然而它不仅仅是存储，还会索引每个文档的内容使之可以被搜索。在ES中，你可以对文档（而非成行成列的数据）进行索引、搜索、排序、过滤。
ES比较传统关系型数据库如下：
Relational DB -> Databases->Tables->Rows ->Columns
ES->Indices->Types->Documents->Fields
ES核心概念
索引index
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，你可以有一个客户数据的索引，另一个产品目录的索引，还有一个订单数据的索引。一个索引由一个名字来标识（必须全部是小写字母的），并且当我们要对对应于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。在一个集群中，可以定义任意多的索引。
类型type
在一个索引中，你可以定义一种或多种类型。一个类型是你的索引的一个逻辑上的分类/分区，其语义完全由你来定，通常，会为具有一组共同字段文档定义一个类型。比如说，我们假设你运营一个博客平台
字段Field
相当于是字段表的字段，对文档数据根据不同属性进行的分类标识
映射mapping
mapping是处理数据的范式和规则方面做一些限制，如某个字段的数据类型、默认值、分析器、是否被索引等等，这些都是映射里面可以设置的，其他就是处理es里面的数据的一些使用规则设置也叫做映射，按着最优规则处理数据对性能提高很大，因此才需要建立映射，并且需要思考如何建立映射才能对性能更好。
文档document
一个文档是一个可被索引的基础消息单元。比如，你可以拥有某一个客户的文档，某个产品的一个文档，当然，也可以拥有某个订单的一个文档。文档以JSON格式来表示，而JSON是一个到处存在的互联网数据交互格式
在一个index/type里面，你可以存储任意多的文档。注意，尽管一个文档，物理上存在于一个索引之中，文档必须被索引/赋予一个索引的type
接近实时NRT
ES是一个接近实时的搜索平台，这意味这，从索引一个文档直到这个文档能够被搜索到有一个轻微的延迟
集群cluster
集群就是有一个或多个节点组织在一起，它们共同持有整个数据，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es。这个名字是重要的，意味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node
一个节点是集群的一个服务器，作为集群的一部分，它存储数据，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，默认情况下，这个名字是一个随机的名字。
分片和复制 shards&replicas
一个索引可以存储超出单个节点硬件限制的大量数据。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的任何节点上。分片很重要，主要有两方面：
1）允许你水平分割/扩展你的内容容量
2）允许你的分片（潜在地，位于多个节点上）之上进行分布式、并行的操作，进而提高性能/吞吐量
要复制的两个原因：在分片/节点失败的情况下，提高了高可用性。因为这个原因，主要到复制分片从不与原/主要分片置于同一节点上是非常重要的。扩展你的搜索量/吞吐量。因为搜索可以在所有的复制上并行运行。总之，每个索引可以被分成多个分片，一个索引也可以被复制0次或多次，一旦复制了，每个索引就有了主分片（作为复制源的原来的分片）和复制分片（主分片的拷贝）之别。分片和复制的数量可以在索引创建的时候指定。在索引创建之后，你可以在任何时候动态地改变复制的数量，但是你是不能改变分片的数量
安装
docker安装
sudo docker pull elasticsearch:5.6.8
1
启动
sudo docker run -id --name=zys_es -p 9200:9200 -p 9300:9300 elasticsearch:5.6.8
1
注意：可能因为内存不够或者进程满等原因会中断es进程
安装包安装
sudo apt-get install openjdk-8-jdk #1、安装open-jdk
#2、官网查找需要的es版本 es官网：https://www.elastic.co/cn/downloads/elasticsearch
#点击【apt-get】
#查找自己想要的版本，点击使用deb方式安装
#安装es-7.6.2
1、wgethttps://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.6.2-amd64.deb
2、wgethttps://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.6.2-amd64.deb.sha512
3、shasum -a 512 -c elasticsearch-7.6.2-amd64.deb.sha512
4、sudo dpkg -i elasticsearch-7.6.2-amd64.deb
#修改配置文件elasticsearch.yml
vi /etc/elasticsearch/elasticsearch.yml
{
node.name: node-1
network.host: 0.0.0.0 #允许外网访问
http.port: 9200 #指定es端口号
clauster.initial_master_nodes: ["node-1"]
}
#修改jvm.options
{
-Xms4g
-Xms4g
}
#启动es
sudo chown -R elasticsearch:elasticsearch /usr/share/elasticsearch/ #目录的owner和group改成elasticsearch
systemctl enable elasticsearch.service #设置es开机自启动
sudo systemctl start elasticsearch.service #启动es
sudo systemctl stop elasticsearch.service #停止es
#查看es运行状态
service elasticsearch status
#查看报错日志
tail -f /var/log/elasticsearch/elasticsearch.log
#检查是否运行正常
curl localhost:9200
开启跨域访问支持，默认为false
http.cors.enabled: true
跨域访问允许的域名地址
http.cors.allow-origin: "*"
通过为 cluster.initial_master_nodes 参数设置符合主节点条件的节点的 IP 地址来引导启动集群
cluster.initial_master_nodes: ["node-1"]
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
34
35
36
37
38
39
40
41
42
ElasticSearch的客户端操作
三种方式：
第一种：elasticsearch-head操作
第二种：使用elasticsearch提供的Restful接口直接访问
第三种：使用es提供的API直接访问
elasticsearch-head
下载elasticsearch-head安装包
进入目录下打开cmd
npm install -g grunt-cli
启动
npm install
grunt server
1
2
3
4
5
6
Postman
创建索引index和映射Mapping
注意：elasticsearch7默认不在支持指定索引类型，默认索引类型是_doc，如果想改变，则配置include_type_name: true 即可(这个没有测试，官方文档说的，无论是否可行，建议不要这么做，因为elasticsearch8后就不在提供该字段)。官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/removal-of-types.html
7.x之前：
{
"settings":{
"number_of_shards" : 3,
"number_of_replicas" : 0
},
"mappings":{
"books":{ //指定索引
"properties":{
"title":{"type":"text"},
"name":{"type":"text","index":false}, //有index
"publish_date":{"type":"date","index":false},
"price":{"type":"double"},
"number":{
"type":"object",
"dynamic":true
}
}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
7.x之后：
{
"settings":{
"number_of_shards":3, #分片数量
"number_of_replicas":2 #每个分片副本
},
"mappings":{
//无索引
"properties":{
"id":{"type":"long"},
"name":{"type":"text","analyzer":"standard"}, //无指定index为true或为false，standard为分词器的一种，standard一个汉字一个词
"text":{"type":"text","analyzer":"ik_max_word"}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
创建索引后设置Mapping
http://120.78.130.50:9200/blog7/hello/mapping
{
"properties":{
"id":{"type":"long"},
"name":{"type":"text","analyzer":"ik_smart"}, //无指定index为true或为false
"text":{"type":"text","analyzer":"ik_max_word"}
}
}
1
2
3
4
5
6
7
8
9
10
创建文档document
请求url：
post http://120.78.130.50:9200/blog1/_doc/1
请求体：
{
"id":1,
"name":"es是一个lucene的搜索服务器",
"text":"阿萨的贺卡收到萨拉DHL收到啦收到啦实打实的拉萨机的卡拉卡斯德拉夫拉上来就"
}
1
2
3
4
5
修改文档
请求url：
post http://120.78.130.50:9200/blog1/_doc/1
请求体：
{
"id":1,
"name":"es是一个lucene的搜索服务器反对犯得上",
"text":"阿萨的贺卡收到萨拉DHL收到啦收到啦实打实的拉萨机的卡拉卡斯德拉夫拉上来就"
}
1
2
3
4
5
文档删除document
delete http://120.78.130.50:9200/blog1/_doc/1
根据id查询文档
GET http://120.78.130.50:9200/blog1/_doc/2
结果
{
"_index": "blog1", //索引名称
"_type": "_doc", //索引类型
"_id": "2",
"_version": 1,
"_seq_no": 2,
"_primary_term": 1,
"found": true,
"_source": { //数据
"id": 1,
"name": "es是一个lucene的搜索服务器", //无指定index为true或为false
"text": "阿萨的贺卡收到萨拉DHL收到啦收到啦实打实的拉萨机的卡拉卡斯德拉夫拉上来就"
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
查询文档-querystring查询
url：
POST http://120.78.130.50:9200/blog1/_doc/_search
请求体：
{
"query": {
"query_string": {
"default_field": "name",
"query": "搜索服务器"
}
}
}
1
2
3
4
5
6
7
8
钢索->"钢"，"索"，搜索是分为两个词，注意Standard标准分词器，会把汉字每个字分为一个词存到索引库中的name，也就是按照Standard进行的分词，所以搜索钢索能搜到这个document
查询文档-term查询
url:
POST http://120.78.130.50:9200/blog1/_doc/_search
body
{
"query": {
"term": {
"name": "搜索"
}
}
}
1
2
3
4
5
6
7
query_string ：搜索之前对搜索的关键词分词
term：对搜索的关键词不分词
IK分词器
安装
下载安装包 ：https://github.com/medcl/elasticsearch-analysis-ik/releases
放到/ usr/share/elasticsearch/plugins
重启es
7.x之前测试：
http://120.78.130.50:9200/_analyze?analyzer=ik_smart\&pretty=true\&text=我是程序员
http://120.78.130.50:9200/_analyze?analyzer=ik_max_word\&pretty=true\&text=我是程序员
7.x之后测试：url+body
http://120.78.130.50:9200/_analyze
{
"analyzer": "ik_smart",
"text": "我是傻逼"
}
注意：
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
注意出错：将ik解压成功后es可能就启动不了，可能是ik中所有文件的用户组和所有者属于root，需要改成当前的用户组和所有者，用
sudo chmod zys_ergou ./ik/*
sudo chown zys_ergou ./ik/*
还有一种情况就是es和ik的版本不兼容，需要进入plugin-descriptor.properties文件更改es的version