ElasticSearch介绍+使用

ElasticSearch

1.背景

ElasticSearch的最明显的优势在于其分布式特性，能够扩展到上百台服务器，极大地提高了服务器的容错率。在大数据时代背景下，ElasticSearch与传统的数据库相比较，能够应对大规模的并发搜索请求，同时提供了包括布尔查询、短语查询、模糊匹配、排序等强大便捷的功能。

ElasticSearch是基于lucene实现的，而lucene是一个只限于Java语言的搜索引擎类库，属于Apache公司的1999年开发的项目。而ElasticSearch在lucene的基础上支持分布式，并且提供了Restful接口，减少了整合进项目的复杂度，同时也支持任何语言调用，使得其成为最流行的搜索引擎类库。

总结下来，ElasticSearch就是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、系统监控等功能，同时具有很好地扩展性，且通过RestFulAPI简化了其使用。

相较于MySQL来说，ElasticSearch擅长海量数据的搜索、分析、计算，但在事务操作的安全和一致方面来说不如MySQL，在使用时往往采取二者结合使用，如对安全性要求较高的操作使用MySQL，而对于查询性能要求较高的操作采用ElasticSearch。

2.倒排索引

ElasticSearch之所以能够高效率地实现模糊查询、词组查询等功能，是由于其采用了一种倒排索引的模式。所谓倒排索引其实是相较于MySQL中的正向索引而言的。

sql 复制代码

select * from student where name like %张三%;

对于以上的SQL来说，由于采用了%前缀模糊查询，因此必定会导致全表扫描，在数据量大的情况下效率会非常低下。为了解决这种问题，ElasticSearch采用的是倒排索引。

了解倒排索引前，需要知道在ElasticSearch中有几个关键的概念，类比于数据库而言，ElasticSearch中有索引(indices)、类型(types)、文档(documents)、字段(fields)，对应于数据库中的数据库(database)、表(tables)、行(rows)、列(columns)。其实在ElasticSearch中，面向的是Json文档，其字段就是Json中的键，而文档内容就是其值，另外，在ElasticSearch中的请求语句是Json风格的，被称为DSL。

例如：

json 复制代码

{
    "id":"1",
    "姓名":"张大三",
    "专业":"计算机软件工程",
    "绩点":"4.0"
},
{
    "id":"2",
    "姓名":"李小四",
    "专业":"电子与计算机工程",
    "绩点":"3.5"
},
{
    "id":"3",
    "姓名":"王小五",
    "学号":"电子与自动化控制",
    "绩点":"3.0"
}

	姓名	专业	绩点
1	张大三	计算机软件工程	4.0
2	李小四	电子与计算机工程	3.5
3	王小五	电子与自动化控制	3.0

不同类型的文档可以组织在一起成为一个索引，如商品索引、学生索引、用户索引等。

倒排索引会对每一个文档的数据利用算法进行分词，得到一个个词条，然后根据词条以及其位置信息创建一个索引。

词条	文档id
计算机	1,2
软件	1
工程	1,2
电子	2,3
自动化控制	3

这样当用户输入如"计算机软件"进行搜索的时候就可以根据分词查找计算机和软件，去词条列表中查询到文档id，再根据文档id去原索引中查询得到1，2两条数据。这种根据词条找文档的过程就体现了倒排索引的特点。

注意：由倒排索引的原理不难看出，倒排索引提高模糊查询的办法是预先对已有的数据进行了分词处理，然后形成了一个词条的索引，相当于将原本查询所需的时间提前到了增加数据时处理的时候，因此倒排索引不适合高频动态数据，且对于数值型或者范围查询而言更擅长处理文本查询。

3.ELK

ELK是ElasticSearch技术栈的三大开源框架的首字母大写简称，分别是ElasticSearch、Logstash、Kibana，三者也被并称为ElasticStack。

Logstash是中央数据流引擎，主要功能是从各种数据源中收集、转换并将数据传送到目标存储中，比如 Elasticsearch 或者文件系统。其典型使用场景有日志管理、事件数据处理、数据ETL。

Kibana 是一个开源的数据可视化与探索工具，专为与 Elasticsearch 配合使用而设计。它提供了强大的图形界面，用户可以通过 Kibana 从 Elasticsearch 中查询、分析和可视化数据。Kibana 是 Elastic Stack (ELK Stack) 的重要组成部分，主要用于展示和监控存储在 Elasticsearch 中的数据。

ELK的代表性作用就是日志分析和收集，除此之外也支持数据分析等功能。

4.Mapping

在ES中，Mapping（映射）定义了字段的结构和类型，决定了ES如何存储和索引文档中的数据。

Mapping常见的映射属性有：

tex 复制代码

1.type
定义字段的类型。常见类型有字符串、数字、布尔值、日期等。
2.index
定义字段是否需要被索引。index:true表示字段可以被搜索，index:false表示该字段不会被索引，不能用于搜索。
3.format
对于日期字段，format属性定义了日期的格式，例如format:"yyyy-MM-dd HH:mm:ss"。
4.analyzer
用于文本字段，定义文本分词器。例如，可以使用标准分词器、简单分词器或者自定义分词器。
5.field name
定义字段的名称。通常ES会更具文档中的字段名称自动生成映射，也可以自定义字段名。
6.muti-fields
定义一个字段可以以多种方式索引。例如，一个文本字段可以既用于全文搜索（分词），又用于精准匹配（不分词）。

Mapping常见的数据类型(type)有：

tex 复制代码

1.文本类型
text：用于存储需要全文搜索的文本。会进行分词。
keyword：用于存储不分词的精确值，比如标签、状态、URL等。
2.数字类型
integer：整数类型
long：长整型数值
float：单精度浮点数
double：双精度浮点数
3.日期类型
date：存储日期和时间数据，支持多种格式。
4.布尔类型
boolean：true或false。
5.二进制类型
binary：存储二进制数据，通常用于需要存储原始数据但是不用于搜索的情况。
6.对象类型
object：用于嵌套的JSON对象，允许在文档内存储复杂的嵌套结构。
7.数组类型
array：在ElasticSearch中，任何字段都可以是数组，数组的每个元素都具有相同的数据类型。

例如：

json 复制代码

{
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "standard"
      },
      "age": {
        "type": "integer"
      },
      "birthdate": {
        "type": "date",
        "format": "yyyy-MM-dd"
      },
      "is_active": {
        "type": "boolean"
      }
    }
  }
}

5.索引库的CRUD

创建索引及映射

bash 复制代码

PUT /{my_index}
{
	"settings":{
		"number_of_shards":3,
		"number_of_replicas":2
	},
	"mappings":{
		"properties":{
			"name":{
				"type":"text"
			},
			"age":{
				"type":"integer"
			},
			"email":{
				"type":"keyword"
			}
		}
	}
}

这里的settings是配置索引的分片数和副本数。比如这里设置了3个主分片和2个副本分片。

查询

bash 复制代码

GET /{my_index}

修改

索引库一旦创建，就无法修改mapping，因为数据结构改变就需要重新创建倒排索引，耗费巨大。但是可以添加新的字段到mapping中。

bash 复制代码

PUT /{my_index}/_mapping
{
	"properties":{
		"new_field":{
			"type":"integer"
		}
	}
}

删除

bash 复制代码

DELETE /{my_index}

6.文档的CRUD

新增文档

bash 复制代码

#POST /{my_index}/_doc/{id}
POST /student/_doc/1

查询文档

bash 复制代码

#GET /{my_index}/_doc/{id}
GET /student/_doc/1

删除文档

bash 复制代码

#DELETE /{my_index}/_doc/{id}
DELETE /my_index/_doc/1

修改文档

bash 复制代码

#全量修改：覆盖原来的文档
PUT /{my_index}/_doc/{id}
{
	"field1":"value1",
	"field2":"value2",
	// ...
}

#增量修改：只修改指定id匹配的文档中的部分字段
POST /{my_index}/_update/{id}
{
	"doc":{
		"field":"new_value"
	}
}

7.在Java中封装使用

使用ElasticSearch客户端（Java为例）

依赖：

xml 复制代码

<dependencies>
    <!-- Elasticsearch Client -->
    <dependency>
        <groupId>org.elasticsearch.client</groupId>
        <artifactId>elasticsearch-rest-high-level-client</artifactId>
        <version>7.10.2</version>
    </dependency>

    <!-- Jackson for JSON Parsing -->
    <dependency>
        <groupId>com.fasterxml.jackson.core</groupId>
        <artifactId>jackson-databind</artifactId>
        <version>2.12.3</version>
    </dependency>

    <!-- Apache HttpComponents for Elasticsearch -->
    <dependency>
        <groupId>org.apache.httpcomponents</groupId>
        <artifactId>httpclient</artifactId>
        <version>4.5.13</version>
    </dependency>
</dependencies>

封装思路：使用Java操作ES时需要创建ES客户端和索引请求，如果每次执行CRUD操作时都要创建那么会导致代码冗余，且频繁创建和关闭客户端连接会降低性能。所以通常的做法是将客户端的初始化和管理独立出来以确保高效、复用和易维护。这里采用单例模式将客户端封装为一个单例类，确保在整个声明周期中复用同一个客户端实例。

java 复制代码

import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.RestClient;
import org.apache.http.HttpHost;

public class ElasticsearchClientSingleton {
    private static RestHighLevelClient client = null;

    private ElasticsearchClientSingleton() { }

    public static RestHighLevelClient getClient() {
        if (client == null) {
            synchronized (ElasticsearchClientSingleton.class) {
                if (client == null) {
                    client = new RestHighLevelClient(
                        RestClient.builder(
                            new HttpHost("localhost", 9200, "http")
                        )
                    );
                }
            }
        }
        return client;
    }

    public static void closeClient() throws IOException {
        if (client != null) {
            client.close();
        }
    }
}

然后将索引创建放在应用启动时执行一次，避免每次CRUD操作都重复创建索引：

java 复制代码

import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.indices.CreateIndexRequest;
import org.elasticsearch.client.indices.GetIndexRequest;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.common.settings.Settings;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.fasterxml.jackson.databind.node.ObjectNode;

public class ElasticsearchIndexManager {

    public static void createIndexIfNotExists(String indexName) throws IOException {
        RestHighLevelClient client = ElasticsearchClientSingleton.getClient();

        // 检查索引是否存在
        GetIndexRequest getIndexRequest = new GetIndexRequest(indexName);
        boolean exists = client.indices().exists(getIndexRequest, RequestOptions.DEFAULT);
        
        if (!exists) {
            // 如果索引不存在，则创建索引
            CreateIndexRequest createIndexRequest = new CreateIndexRequest(indexName);
            createIndexRequest.settings(Settings.builder()
                .put("index.number_of_shards", 3)
                .put("index.number_of_replicas", 2)
            );
            
            // 使用 Jackson 构建 mapping
            ObjectMapper mapper = new ObjectMapper();
            ObjectNode mapping = mapper.createObjectNode();
            ObjectNode properties = mapping.putObject("properties");
            properties.putObject("name").put("type", "text");
            properties.putObject("age").put("type", "integer");
            properties.putObject("email").put("type", "keyword");
            
            createIndexRequest.mapping(mapping.toString(), XContentType.JSON);
            
            client.indices().create(createIndexRequest, RequestOptions.DEFAULT);
            System.out.println("索引创建成功！");
        } else {
            System.out.println("索引已存在！");
        }
    }
}

由于将CRUD操作与索引和客户端管理分离，只需要专注于数据的操作，客户端和索引的创建在应用启动时已经完成：

java 复制代码

public class ElasticsearchCrudOperations {

    // 创建文档
    public static void createDocument(String indexName, String documentId, String jsonString) throws IOException {
        RestHighLevelClient client = ElasticsearchClientSingleton.getClient();

        // 确保索引存在
        ElasticsearchIndexManager.createIndexIfNotExists(indexName);

        IndexRequest indexRequest = new IndexRequest(indexName)
            .id(documentId)
            .source(jsonString, XContentType.JSON);

        client.index(indexRequest, RequestOptions.DEFAULT);
        System.out.println("文档创建成功！");
    }

    // 读取文档
    public static void getDocument(String indexName, String documentId) throws IOException {
        RestHighLevelClient client = ElasticsearchClientSingleton.getClient();

        // 确保索引存在
        ElasticsearchIndexManager.createIndexIfNotExists(indexName);

        GetRequest getRequest = new GetRequest(indexName, documentId);
        GetResponse getResponse = client.get(getRequest, RequestOptions.DEFAULT);

        if (getResponse.isExists()) {
            String sourceAsString = getResponse.getSourceAsString();
            System.out.println("文档内容: " + sourceAsString);
        } else {
            System.out.println("文档不存在！");
        }
    }

    // 更新文档
    public static void updateDocument(String indexName, String documentId, String jsonString) throws IOException {
        RestHighLevelClient client = ElasticsearchClientSingleton.getClient();

        // 确保索引存在
        ElasticsearchIndexManager.createIndexIfNotExists(indexName);

        UpdateRequest updateRequest = new UpdateRequest(indexName, documentId)
            .doc(jsonString, XContentType.JSON);

        client.update(updateRequest, RequestOptions.DEFAULT);
        System.out.println("文档更新成功！");
    }

    // 删除文档
    public static void deleteDocument(String indexName, String documentId) throws IOException {
        RestHighLevelClient client = ElasticsearchClientSingleton.getClient();

        // 确保索引存在
        ElasticsearchIndexManager.createIndexIfNotExists(indexName);

        DeleteRequest deleteRequest = new DeleteRequest(indexName, documentId);
        client.delete(deleteRequest, RequestOptions.DEFAULT);

        System.out.println("文档删除成功！");
    }
}