一 elasticsearch概念
1 概念
Elasticsearch是用Java开发并且是当前最流行的开源的企业级搜索引擎。能够达到实时搜索,稳定,可靠,快速,安装使用方便。
客户端支持Java、.NET(C#)、PHP、Python、Ruby等多种语言。
官方网站:Elasticsearch Platform --- Find real-time answers at scale | Elastic
下载地址:https://www.elastic.co/cn/start
创始人:Shay Banon(谢巴农)
2 应用场景
- 百度搜索
-
电商检索商品
-
在打车软件搜索附近的车
3 ElasticSearch与Lucene的关系
Lucene可以被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库(框架)
但是想要使用Lucene,必须使用Java来作为开发语言并将其直接集成到你的应用中,并且Lucene的配置及使用非常复杂,你需要深入了解检索的相关知识来理解它是如何工作的。
Lucene缺点:
1)只能在Java项目中使用,并且要以jar包的方式直接集成项目中.
2)使用非常复杂-创建索引和搜索索引代码繁杂
3)不支持集群环境-索引数据不同步(不支持大型项目)
4)索引数据如果太多就不行,索引库和应用所在同一个服务器,共同占用硬盘.共用空间少.
上述Lucene框架中的缺点,ES全部都能解决.
4 哪些公司在使用ElasticSearch
京东、携程、 去哪儿、58同城、 滴 滴、今日头条、小米、哔哩哔哩、联想、GitHup、微 软、Facebook
5 ES 和 solr比较
-
当单纯的对已有数据进行搜索时,Solr更快。
-
当实时建立索引时, Solr会产生io阻塞,查询性能较差, Elasticsearch具有明显的优势。
-
大型互联网公司,实际生产环境测试,将搜索引擎从Solr转到 Elasticsearch以后的平均查询速度有了50倍的提升。
虽然在早期,Apache Solr是最主要的搜索引擎技术,但随着发展elasticsearch已经渐渐超越了Solr,独占鳌头:
6总结
什么是elasticsearch?
- 一个开源的分布式搜索引擎,可以用来实现搜索、日志统计、分析、系统监控(ELK)等功能。
什么是elastic stack(ELK)?
- 是以elasticsearch为核心的技术栈,包括Logstash、kibana、elasticsearch
什么是Lucene?
- 是Apache的开源搜索引擎类库,提供了搜索引擎的核心API
二 Lucene全文检索框架
1 什么是全文检索
全文检索是指:
通过一个程序扫描文本中的每一个单词,针对单词建立索引,并保存该单词在文本中的位置、以及出现的次数,用户查询时,通过之前建立好的索引来查询,将索引中单词对应的文本位置、出现的次数返回给用户,因为有了具体文本的位置,所以就可以将具体内容读取出来了
2 分词原理之倒排索引
倒排索引的概念是基于MySQL这样的正向索引而言的。
1 正向索引
那么什么是正向索引呢?例如给下表(tb_goods)中的id创建索引:
如果是根据id查询,那么直接走索引,查询速度非常快。
但如果是基于title做模糊查询,只能是逐行扫描数据,流程如下:
1)用户搜索数据,条件是title符合"%手机%"
2)逐行获取数据,比如id为1的数据
3)判断数据中的title是否符合用户搜索条件
4)如果符合则放入结果集,不符合则丢弃。回到步骤1
逐行扫描,也就是全表扫描,随着数据量增加,其查询效率也会越来越低。当数据量达到数百万时,就是一场灾难。
2 倒排索引
倒排索引中有两个非常重要的概念:
-
文档(
Document
):用来搜索的数据,其中的每一条数据就是一个文档。例如一个网页、一个商品信息 -
词条(
Term
):对文档数据或用户搜索数据,利用某种算法分词,得到的具备含义的词语就是词条。例如:我是中国人,就可以分为:我、是、中国人、中国、国人这样的几个词条
创建倒排索引是对正向索引的一种特殊处理,流程如下:
-
将每一个文档的数据利用算法分词,得到一个个词条
-
创建表,每行数据包括词条、词条所在文档id、位置等信息
-
因为词条唯一性,可以给词条创建索引,例如hash表结构索引
如图:
倒排索引:根据分词算法,我们把文档中的词条和对应的文档id记录下来,当我们下次搜索的时候,我们输入词条信息,就能获取到文档的id,然后再根据id找到对应的文档。
倒排索引的搜索流程如下(以搜索"华为手机"为例):
1)用户输入条件"华为手机"
进行搜索。
2)对用户输入内容分词 ,得到词条:华为
、手机
。
3)拿着词条在倒排索引中查找,可以得到包含词条的文档id:1、2、3。
4)拿着文档id到正向索引中查找具体文档。
如图:
虽然要先查询倒排索引,再查询正向索引,但是无论是词条、还是文档id都建立了索引,查询速度非常快!无需全表扫描。
3 正向和倒排
那么为什么一个叫做正向索引,一个叫做倒排索引呢?
-
正向索引 是最传统的,根据id索引的方式。但根据词条查询时,必须先逐条获取每个文档,然后判断文档中是否包含所需要的词条,是根据文档找词条的过程。
-
而倒排索引 则相反,是先找到用户要搜索的词条,根据词条得到保护词条的文档的id,然后根据id获取文档。是根据词条找文档的过程。
是不是恰好反过来了?
那么两者方式的优缺点是什么呢?
正向索引:
-
优点:
-
可以给多个字段创建索引
-
根据索引字段搜索、排序速度非常快
-
-
缺点:
- 根据非索引字段,或者索引字段中的部分词条查找时,只能全表扫描。
倒排索引:
-
优点:
- 根据词条搜索、模糊搜索时,速度非常快
-
缺点:
-
只能给词条创建索引,而不是字段
-
无法根据字段做排序
-
3 ES中的概念
elasticsearch中有很多独有的概念,与mysql中略有差别,但也有相似之处。
ES7以前 索引 库 和 type 表
ES7以后,取消了type的概念,我们的ES里面只有一个库/一张表
1 索引 index
索引(Index) ,就是相同类型的文档的集合,相当于数据库中库的概念。 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。
例如:
-
所有用户文档,就可以组织在一起,称为用户的索引;
-
所有商品的文档,可以组织在一起,称为商品的索引;
-
所有订单的文档,可以组织在一起,称为订单的索引;
因此,我们可以把索引当做是数据库中的表。
2 映射 mapping
ElasticSearch中的映射(Mapping)用来定义一个文档,mapping是处理数据的方式和规则方面做一些限制,如某个字段的数据类型、默认值、分词器、是否被索引等等,这些都是映射里面可以设置的。
mapping可以理解为是用来对字段做限制的
3 文档 document
elasticsearch是面向**文档(Document)**存储的,一个文档是一个可被索引的基础信息单元,类似一条记录,可以是数据库中的一条商品数据,一个订单信息。文档以JSON(Javascript Object Notation)格式来表示
document就是我们搜索的时候,得到的一条记录。
4 字段Field
分词:
我们把一句话,按照某些规则切割出来,把一句话切分成一个一个的词(虚词,标点,实词),拿到实词以后,和我们自己规定好的词做对比
相当于是数据表的列,ES中Field可以指定的类型
- 字符串类型:
text:一般备用于全文检索。将当前Field进行分词。 我 叫 刘德华
keyword:当前Field不会被分词。 我是中国人
- 数值类型:
long、 integer、short、byte、double、float
- 时间类型:
date类型,针对时间类型指定具体的格式
- 布尔类型:
boolean类型,表达true和false
- 二进制类型:
binary类型暂时支持Base64 encodestring
5 mysql与elasticsearch
我们统一的把mysql与elasticsearch的概念做一下对比:
MySQL | Elasticsearch | 说明 |
---|---|---|
Table | Index | 索引(index),就是文档的集合,类似数据库的表(table) |
Row | Document | 文档(Document),就是一条条的数据,类似数据库中的行(Row),文档都是JSON格式 |
Column | Field | 字段(Field),就是JSON文档中的字段,类似数据库中的列(Column) |
Schema | Mapping | Mapping(映射)是索引中文档的约束,例如字段类型约束。类似数据库的表结构(Schema) |
SQL | DSL | DSL是elasticsearch提供的JSON风格的请求语句,用来操作elasticsearch,实现CRUD |
注意:
- Mapping: 可以理解为规定了es中field字段的数据类型
是不是说,我们学习了elasticsearch就不再需要mysql了呢?
并不是如此,两者各自有自己的擅长之处:
-
Mysql:擅长事务类型操作,可以确保数据的安全和一致性
-
Elasticsearch:擅长海量数据的搜索、分析、计算
因此在企业中,往往是两者结合使用:
-
对安全性要求较高的写操作,使用mysql实现
-
对查询性能要求较高的搜索需求,使用elasticsearch实现
-
两者再基于某种方式,实现数据的同步,保证一致性。(一般通过mq来同步的)
三 安装
7.x版本以上的es安装需要jdk11版本,否则需要使用es自带的jdk,如何使用自带jdk下面也会讲到。
1 ES安装
md-end-block
<span style="background-color:#f8f8f8"><strong><span style="color:#0000ff"># 1 将安装包放到/usr/local目录下,并执行解压命令</span></strong>
<span style="color:#aa5500">tar -zxvf elasticsearch-7.12.1-linux-x86_64.tar.gz </span>
<strong><span style="color:#0000ff"># 2 修改文件名称</span></strong>
<span style="color:#aa5500">mv elasticsearch-7.12.1 es</span>
<strong><span style="color:#0000ff"># 3 新增es用户</span></strong>
<span style="color:#aa5500">useradd es</span>
<strong><span style="color:#0000ff"># 4 为es用户设置密码</span></strong>
<span style="color:#aa5500">passwd es</span>
<strong><span style="color:#0000ff"># 5 设置文件夹的权限</span></strong>
<span style="color:#aa5500">chown -R es:es /usr/local/es/</span></span>
jdk8启动ES7.x以上版本会报错,在es的bin/elasticsearch文件打开,最前面添加这几句,配置了jdk11可以不用
md-end-block
<span style="background-color:#f8f8f8">#配置自己的jdk11
export JAVA_HOME=/usr/es/jdk
export PATH=$JAVA_HOME/bin:$PATH
#添加jdk判断
if [ -x "$JAVA_HOME/bin" ]; then
<span style="color:#aa5500">JAVA="/usr/es/jdk/bin/java"</span>
else
<span style="color:#aa5500">JAVA=`which java`</span>
fi</span>
修改/etc/security/limits.conf
vi /etc/security/limits.conf
md-end-block
<span style="background-color:#f8f8f8"><strong><span style="color:#0000ff"># 每个进程可以打开的文件数的限制</span></strong>
es soft nofile 65536
es hard nofile 65536</span>
修改/etc/security/limits.d/20-nproc.conf
vi /etc/security/limits.d/20-nproc.conf
md-end-block
<span style="background-color:#f8f8f8"><strong><span style="color:#0000ff"># 每个进程可以打开的文件数的限制</span></strong>
es soft nofile 65536
es hard nofile 65536
* hard nproc 4096</span>
修改/etc/sysctl.conf
vi /etc/sysctl.conf
md-end-block
<span style="background-color:#f8f8f8"><strong><span style="color:#0000ff"># 一个进程可以拥有的VMA(虚拟内存区域)的数量,默认值为65536</span></strong>
vm.max_map_count=655360</span>
- 配置文件修改 vi /usr/local/es/config/elasticsearch.yml
md-end-block
<span style="background-color:#f8f8f8"><span style="color:#aa5500">#集群名称</span>
<span style="color:#221199">cluster.name</span><span style="color:#555555">: </span>elasticsearch
<span style="color:#aa5500">#节点名称</span>
<span style="color:#221199">node.name</span><span style="color:#555555">: </span>node-1
<span style="color:#aa5500">#ip地址</span>
<span style="color:#221199">network.host</span><span style="color:#555555">: </span><span style="color:#116644">0.0.0.0</span>
<span style="color:#aa5500">#端口号</span>
<span style="color:#221199">http.port</span><span style="color:#555555">: </span><span style="color:#116644">9200</span>
<span style="color:#aa5500">#主节点设置</span>
<span style="color:#221199">cluster.initial_master_nodes</span><span style="color:#555555">: [</span><span style="color:#aa1111">"node-1"</span><span style="color:#555555">]</span></span>
cluster.name: elasticsearch node.name: node-1 network.host: 0.0.0.0 http.port: 9200 cluster.initial_master_nodes: ["node-1"]
执行 sysctl -p 所有得配置文件生效
chown -R es:es /usr/local/es/
-
切换到es账户,启动服务,并访问 ip:9200 su es 远程服务器一定要开启远程端口 9200
-
关闭防火墙
systemctl stop firewalld
systemctl disable firewalld
md-end-block
<span style="background-color:#f8f8f8">./elasticsearch -d</span>
2分词器
1 分词器安装
-
下载:https://github.com/medcl/elasticsearch-analysis-ik/releases (已经提供)
-
安装解压命令:
yum install zip
yum install unzip
-
切换到es用户 ,在es的安装目录下/plugins创建ik。
su es mkdir -p /usr/local/es/plugins/ik
-
将下载的ik分词器上传并解压到该目录
cd /usr/local/es/plugins/ik
unzip elasticsearch-analysis-ik-7.12.1.zip
-
记得将zip 文件删除,否则可能报错。
-
查看插件是否起作用 切换到es的bin目录
./elasticsearch-plugin list
2 分词说明
-
ik分词器,有两种ik_smart和ik_max_word
-
ik_smart会将"清华大学"整个分为一个词。
-
ik_max_word会将"清华大学"分为"清华大学","清华"和"大学"。
-
es默认分词是ik_max_word
3 安装kibana
-
下载Kibana放之/usr/local/es目录中
-
解压文件:
tar -zxvf kibana-7.12.1-linux-x86_64.tar.gz
-
进入kibana配置目录
cd /usr/local/es/kibana-7.12.1-linux-x86_64/config
-
使用vi编辑器:vi kibana.yml
server.port: 5601
server.host: "服务器IP" 如果是云服务器 0.0.0.0
elasticsearch.hosts: ["http://IP:9200"]
server.port: 5601
server.host: "192.168.56.181"
elasticsearch.hosts: ["http://192.168.56.181:9200"]
-
启动kibana,进入kibana的启动目录, 县启动ES再启动kibana,否则启动不了。
/usr/local/es/kibana-7.12.1-linux-x86_64/bin
nohup ./kibana &
-
访问
http://192.168.192.181:5601/app/kibana
4 安装header插件
什么是Head ealsticsearch只是后端提供各种api,那么怎么直观的使用它呢?elasticsearch-head将是一款专门针对于elasticsearch的客户端工具,类似mysql的sqlyog或者navicat
elasticsearch-head配置包,下载地址:https://github.com/mobz/elasticsearch-head安装
es5以上版本安装head需要安装node和grunt
第一步:从地址:Download | Node.js 下载相应系统的msi,双击安装。
第二步:安装完成用cmd进入安装目录执行 node -v可查看版本号
第三步:执行 npm install -g grunt-cli 安装grunt ,安装完成后执行grunt -version查看是否安装成功,会显示安装的版本号
第四步:进入D:\devlop\elasticsearch-head-master文件夹,执行npm install命令,如果报错,可以执行 npm -g install phantomjs-prebuilt@2.1.16 --ignore-script
第五步:运行head插件,下面命令二选一
-
命令一:npm run start
-
命令二:grunt server
连接测试时发现,存在跨域问题:配置vi /usr/local/es/config/elasticsearch.yml
md-end-block<span style="background-color:#f8f8f8"><span style="color:#333333"><span style="color:#000000">http</span>.<span style="color:#000000">cors</span>.<span style="color:#000000">enabled</span>: <span style="color:#221199">true</span> <span style="color:#000000">http</span>.<span style="color:#000000">cors</span>.<span style="color:#000000">allow</span><span style="color:#981a1a">-</span><span style="color:#000000">origin</span>: <span style="color:#aa1111">"*"</span></span></span>
重启服务,然后再次连接。
如果不小心用root账户操作了es文件,那么记得先把进程kill,chown -R es:es /usr/local/es/ ,在切换到你的es账户操作。最好是用xshell开两个窗口,一个root 一个es
-