Elasticsearch——数据聚合、数据同步与集群搭建

代码星辰2024-10-04 3:01

目录

本文笔记整理自黑马 Elasticsearch 教程，相关资料在该视频评论区进行获取。

1.数据聚合

聚合 (aggregations)可以让我们极其方便的实现对数据的统计、分析、运算。例如：

  • 什么品牌的手机最受欢迎？
  • 这些手机的平均价格、最高价格、最低价格？
  • 这些手机每月的销售情况如何？

实现这些统计功能的比数据库的 SQL 要方便的多，而且查询速度非常快，可以实现近实时搜索效果。

1.1.聚合的种类

聚合常见的有三类：

  • 桶 (Bucket) 聚合 ：用来对文档做分组
    • TermAggregation：按照文档字段值分组，例如按照品牌值分组、按照国家分组
    • Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组
  • 度量 (Metric) 聚合 ：用以计算一些值，比如：最大值、最小值、平均值等
    • Avg：求平均值
    • Max：求最大值
    • Min：求最小值
    • Stats：同时求 max、min、avg、sum 等
  • 管道 (pipeline) 聚合：其它聚合的结果为基础做聚合

注意：参加聚合的字段必须是 keyword、日期、数值、布尔类型

1.2.DSL实现聚合

现在，我们要统计所有数据中的酒店品牌有几种，其实就是按照品牌对数据分组。此时可以根据酒店品牌的名称做聚合，也就是 Bucket 聚合。

1.2.1.Bucket 聚合语法

语法如下：

json 复制代码 
GET /hotel/_search
{
  "size": 0,  				//设置 size 为 0，结果中不包含文档，只包含聚合结果
  "aggs": { 				//定义聚合
    "brandAgg": { 			//给聚合起个名字
      "terms": { 			//聚合的类型，按照品牌值聚合，所以选择 term
        "field": "brand", 	//参与聚合的字段
        "size": 20 			//希望获取的聚合结果数量
      }
    }
  }
}

结果如图：

1.2.2.聚合结果排序

默认情况下，Bucket 聚合会统计 Bucket 内的文档数量，记为 _count，并且按照 _count 降序排序。我们可以指定 order 属性，自定义聚合的排序方式：

json 复制代码 
GET /hotel/_search
{
  "size": 0, 
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "order": {
          "_count": "asc" 	// 按照 _count 升序排列
        },
        "size": 20
      }
    }
  }
}

1.2.3.限定聚合范围

默认情况下，Bucket 聚合是对索引库的所有文档做聚合，但在真实场景下，用户会输入搜索条件，因此聚合必须是对搜索结果聚合。那么聚合必须添加限定条件。我们可以限定要聚合的文档范围，只要添加 query 条件即可：

json 复制代码 
GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "lte": 200 	// 只对 200 元以下的文档聚合
      }
    }
  }, 
  "size": 0, 
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "size": 20
      }
    }
  }
}

这次，聚合得到的品牌明显变少了：

1.2.4.Metric 聚合语法

前面我们对酒店按照品牌分组，形成了一个个桶。现在我们需要对桶内的酒店做运算，获取每个品牌的用户评分的 min、max、avg 等值。这就要用到 Metric 聚合了，例如 stats 聚合：就可以获取 min、max、avg 等结果。语法如下：

json 复制代码 
GET /hotel/_search
{
  "size": 0, 
  "aggs": {
    "brandAgg": { 
      "terms": { 
        "field": "brand", 
        "size": 20
      },
      "aggs": { 				// 是 brands 聚合的子聚合，也就是分组后对每组分别计算
        "score_stats": { 		// 聚合名称
          "stats": { 			// 聚合类型，这里 stats 可以计算 min、max、avg 等
            "field": "score" 	// 聚合字段，这里是 score
          }
        }
      }
    }
  }
}

这次的 score_stats 聚合是在 brandAgg 的聚合内部嵌套的子聚合。因为我们需要在每个桶分别计算。另外，我们还可以给聚合结果做个排序，例如按照每个桶的酒店平均分做排序：

1.2.5.小结

（1）aggs 代表聚合，与 query 同级，此时 query 的作用是：限定聚合的的文档范围

（2）聚合必须的三要素：

  • 聚合名称
  • 聚合类型
  • 聚合字段

（3）聚合可配置属性有：

  • size：指定聚合结果数量
  • order：指定聚合结果排序方式
  • field：指定聚合字段

1.3.RestAPI 实现聚合

1.3.1.API 语法

聚合条件与 query 条件同级别，因此需要使用 request.source() 来指定聚合条件。聚合条件的语法：

聚合的结果也与查询结果不同，API 也比较特殊。不过同样是 JSON 逐层解析：

java 复制代码 
@Test
void testAggregation() throws IOException {
    SearchRequest request = new SearchRequest("hotel");
    request.source().size(0);
    request.source().aggregation(AggregationBuilders
            .terms("brandAgg")
            .field("brand")
            .size(10));
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    Aggregations aggregations = response.getAggregations();
    //根据聚合名称获取聚合结果
    Terms brandTerms = aggregations.get("brandAgg");
    List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
    //遍历每一个 bucket（默认遍历奇拿 10 个）
    for (Terms.Bucket bucket : buckets) {
        String key = bucket.getKeyAsString();
        long docCount = bucket.getDocCount();
        System.out.println(key + ": " + docCount);
    }
}

结果如下：

java 复制代码 
7天酒店: 30
如家: 30
皇冠假日: 17
速8: 15
万怡: 13
华美达: 13
和颐: 12
万豪: 11
喜来登: 11
希尔顿: 10

1.3.2.业务需求

需求：搜索页面的品牌、城市等信息不应该是在页面写死，而是通过聚合索引库中的酒店数据得来的：

分析：目前，页面的城市列表、星级列表、品牌列表都是写死的，并不会随着搜索结果的变化而变化。但是用户搜索条件改变时，搜索结果会跟着变化。例如：用户搜索"东方明珠"，那搜索的酒店肯定是在上海东方明珠附近，因此，城市只能是上海，此时城市列表中就不应该显示北京、深圳、杭州这些信息了。

也就是说，搜索结果中包含哪些城市，页面就应该列出哪些城市；搜索结果中包含哪些品牌，页面就应该列出哪些品牌。如何得知搜索结果中包含哪些品牌？如何得知搜索结果中包含哪些城市？

使用聚合功能，利用 Bucket 聚合，对搜索结果中的文档基于品牌分组、基于城市分组，就能得知包含哪些品牌、哪些城市了。因为是对搜索结果聚合，因此聚合是限定范围的聚合，也就是说聚合的限定条件跟搜索文档的条件一致。

查看浏览器可以发现，前端其实已经发出了这样的一个请求：

请求参数与搜索文档的参数完全一致。返回值类型就是页面要展示的最终结果：

结果是一个 Map 结构：

  • key是字符串，城市、星级、品牌、价格
  • value是集合，例如多个城市的名称

1.3.3.业务实现

在 cn.itcast.hotel.web 包的 HotelController 中添加一个方法，遵循下面的要求：

  • 请求方式：POST
  • 请求路径：/hotel/filters
  • 请求参数：RequestParams，与搜索文档的参数一致
  • 返回值类型：Map<String, List<String>>

代码：

java 复制代码 
@PostMapping("/filters")
public Map<String, List<String>> getFilters(@RequestBody RequestParams params){
    return hotelService.getFilters(params);
}

这里调用了 IHotelService 中的 getFilters 方法，尚未实现。在 cn.itcast.hotel.service.IHotelService 中定义新方法：

java 复制代码 
Map<String, List<String>> filters(RequestParams params);

在 cn.itcast.hotel.service.impl.HotelService 中实现该方法：

java 复制代码 
@Override
public Map<String, List<String>> filters(RequestParams params) {
    try {
        // 1.准备 Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备 DSL
        // 2.1.query
        buildBasicQuery(params, request);
        // 2.2.设置size
        request.source().size(0);
        // 2.3.聚合
        buildAggregation(request);
        // 3.发出请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析结果
        Map<String, List<String>> result = new HashMap<>();
        Aggregations aggregations = response.getAggregations();
        // 4.1.根据品牌名称，获取品牌结果
        List<String> brandList = getAggByName(aggregations, "brandAgg");
        result.put("brand", brandList);
        // 4.2.根据品牌名称，获取品牌结果
        List<String> cityList = getAggByName(aggregations, "cityAgg");
        result.put("city", cityList);
        // 4.3.根据品牌名称，获取品牌结果
        List<String> starList = getAggByName(aggregations, "starAgg");
        result.put("starName", starList);

        return result;
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

private void buildAggregation(SearchRequest request) {
    request.source().aggregation(AggregationBuilders
                                 .terms("brandAgg")
                                 .field("brand")
                                 .size(100)
                                );
    request.source().aggregation(AggregationBuilders
                                 .terms("cityAgg")
                                 .field("city")
                                 .size(100)
                                );
    request.source().aggregation(AggregationBuilders
                                 .terms("starAgg")
                                 .field("starName")
                                 .size(100)
                                );
}

private List<String> getAggByName(Aggregations aggregations, String aggName) {
    // 4.1.根据聚合名称获取聚合结果
    Terms brandTerms = aggregations.get(aggName);
    // 4.2.获取buckets
    List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
    // 4.3.遍历
    List<String> brandList = new ArrayList<>();
    for (Terms.Bucket bucket : buckets) {
        // 4.4.获取key
        String key = bucket.getKeyAsString();
        brandList.add(key);
    }
    return brandList;
}

2.自动补全

当用户在搜索框输入字符时，我们应该提示出与该字符有关的搜索项，如图：

这种根据用户输入的字母，提示完整词条的功能，就是自动补全了。因为需要根据拼音字母来推断，因此要用到拼音分词功能。

2.1.拼音分词器

要实现根据字母做补全，就必须对文档按照拼音分词。在 GitHub 上恰好有 Elasticsearch 的拼音分词插件。地址：https://github.com/medcl/elasticsearch-analysis-pinyin

课前资料中也提供了拼音分词器的安装包：

安装方式与 IK 分词器一样，分以下几步：

  • 解压
  • 上传到虚拟机中，Elasticsearch 的 plugin 目录，即 /var/lib/docker/volumes/es-plugins/_data 目录下
  • 重启 Elasticsearch
  • 测试

详细安装步骤可以参考 IK 分词器的安装过程。测试用法如下：

json 复制代码 
POST /_analyze
{
  "text": "如家酒店还不错",
  "analyzer": "pinyin"
}

结果：

2.2.自定义分词器

（1）默认的拼音分词器会将每个汉字单独分为拼音，而我们希望的是每个词条形成一组拼音，需要对拼音分词器做个性化定制，形成自定义分词器。Elasticsearch 中分词器 (analyzer) 的组成包含三部分：

  • character filters：在 tokenizer 之前对文本进行处理。例如删除字符、替换字符
  • tokenizer：将文本按照一定的规则切割成词条 (term)。例如 keyword，就是不分词；还有 ik_smart
  • tokenizer filter：将 tokenizer 输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

（2）文档分词时会依次由这三部分来处理文档：

声明自定义分词器的语法如下：

json 复制代码 
PUT /test
{
  "settings": {
    "analysis": {
      "analyzer": { 		// 自定义分词器
        "my_analyzer": {  	// 分词器名称
          "tokenizer": "ik_max_word",
          "filter": "py"
        }
      },
      "filter": { 				// 自定义tokenizer filter
        "py": { 				// 过滤器名称
          "type": "pinyin", 	// 过滤器类型，这里是pinyin
		  "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "my_analyzer",		//创建索引时使用的分词器
        "search_analyzer": "ik_smart"	//搜索时使用的分词器
      }
    }
  }
}

测试：

但需要注意的是，拼音分词器适合在创建倒排索引的时候使用，但不能再搜索的时候使用。

总结：

如何使用拼音分词器？

  • 下载 pinyin 分词器
  • 解压并放到 Elasticsearch 的 plugin 目录
  • 重启即可

如何自定义分词器？

创建索引库时，在 settings 中配置，可以包含三部分

  • character filter
  • tokenizer
  • filter

拼音分词器注意事项？

  • 为了避免搜索到同音字，搜索时不要使用拼音分词器

2.3.自动补全查询

Elasticsearch 提供了 Completion Suggester 查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率，对于文档中字段的类型有一些约束：

  • 参与补全查询的字段必须是 completion 类型。
  • 字段的内容一般是用来补全的多个词条形成的数组。

比如，一个这样的索引库：

json 复制代码 
// 创建索引库
PUT test
{
  "mappings": {
    "properties": {
      "title":{
        "type": "completion"
      }
    }
  }
}

然后插入下面的数据：

json 复制代码 
// 示例数据
POST test/_doc
{
  "title": ["Sony", "WH-1000XM3"]
}
POST test/_doc
{
  "title": ["SK-II", "PITERA"]
}
POST test/_doc
{
  "title": ["Nintendo", "switch"]
}

查询的 DSL 语句如下：

json 复制代码 
// 自动补全查询
GET /test/_search
{
  "suggest": {
    "title_suggest": {
      "text": "s", 					// 关键字
      "completion": {
        "field": "title", 			// 补全查询的字段
        "skip_duplicates": true, 	// 跳过重复的
        "size": 10 					// 获取前 10 条结果
      }
    }
  }
}

2.4.实现酒店搜索框自动补全

现在，我们的 hotel 索引库还没有设置拼音分词器，需要修改索引库中的配置。但是我们知道索引库是无法修改的，只能删除然后重新创建。另外，我们需要添加一个字段，用来做自动补全，将 brand、suggestion、city 等都放进去，作为自动补全的提示。因此，总结一下，我们需要做的事情包括：

  • 修改 hotel 索引库结构，设置自定义拼音分词器
  • 修改索引库的 name、all 字段，使用自定义分词器
  • 索引库添加一个新字段 suggestion，类型为 completion 类型，使用自定义的分词器
  • 给 HotelDoc 类添加 suggestion 字段，内容包含 brand、business
  • 重新导入数据到 hotel 库

2.4.1.修改酒店映射结构

代码如下：

json 复制代码 
//删除之前存在的索引库
DELETE /hotel

//酒店数据索引库
PUT /hotel
{
  "settings": {
    "analysis": {
      "analyzer": {
        "text_anlyzer": {					//自定义分词器
          "tokenizer": "ik_max_word",
          "filter": "py"
        },
        "completion_analyzer": {
          "tokenizer": "keyword",			//自动补全分词器，参与自动补全的是固定的词条（不可切分）
          "filter": "py"
        }
      },
      "filter": {
        "py": {								//自定义拼音过滤器
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "text_anlyzer",			//使用自定义的分词器
        "search_analyzer": "ik_smart",
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type": "integer"
      },
      "brand":{
        "type": "keyword",
        "copy_to": "all"
      },
      "city":{
        "type": "keyword"
      },
      "starName":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword",
        "copy_to": "all"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "text_anlyzer",			//使用自定义的分词器
        "search_analyzer": "ik_smart"
      },
      "suggestion":{						//自动补全
          "type": "completion",
          "analyzer": "completion_analyzer"
      }
    }
  }
}

2.4.2.修改 HotelDoc 实体

HotelDoc 中要添加一个字段，用来做自动补全，内容可以是酒店品牌、城市、商圈等信息。按照自动补全字段的要求，最好是这些字段的数组。因此我们在 HotelDoc 中添加一个 suggestion 字段，类型为 List<String>，然后将 brand、city、business 等信息放到里面。代码如下：

java 复制代码 
package cn.itcast.hotel.pojo;

import lombok.Data;
import lombok.NoArgsConstructor;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.List;

@Data
@NoArgsConstructor
public class HotelDoc {
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String location;
    private String pic;
    private Object distance;
    private Boolean isAD;
    private List<String> suggestion;

    public HotelDoc(Hotel hotel) {
        this.id = hotel.getId();
        this.name = hotel.getName();
        this.address = hotel.getAddress();
        this.price = hotel.getPrice();
        this.score = hotel.getScore();
        this.brand = hotel.getBrand();
        this.city = hotel.getCity();
        this.starName = hotel.getStarName();
        this.business = hotel.getBusiness();
        this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
        this.pic = hotel.getPic();
        // 组装 suggestion
        if (this.business.contains("/")) {
            // business 有多个值，需要切割
            String[] arr = this.business.split("/");
            // 添加元素
            this.suggestion = new ArrayList<>();
            this.suggestion.add(this.brand);
            Collections.addAll(this.suggestion, arr);
        } else {
            this.suggestion = Arrays.asList(this.brand, this.business);
        }
    }
}

2.4.3.重新导入

（1）重新执行之前编写的导入数据功能，可以看到新的酒店数据中包含了 suggestion：

java 复制代码 
@Test
void testBulkRequest() throws IOException {
    // 批量查询酒店数据
    List<Hotel> hotels = hotelService.list();

    // 1.创建Request
    BulkRequest request = new BulkRequest();
    // 2.准备参数，添加多个新增的Request
    for (Hotel hotel : hotels) {
        // 2.1.转换为文档类型HotelDoc
        HotelDoc hotelDoc = new HotelDoc(hotel);
        // 2.2.创建新增文档的Request对象
        request.add(new IndexRequest("hotel")
                .id(hotelDoc.getId().toString())
                .source(JSON.toJSONString(hotelDoc), XContentType.JSON));
    }
    // 3.发送请求
    client.bulk(request, RequestOptions.DEFAULT);
}
json 复制代码 
GET /hotel/_search
{
  "query": {
    "match_all": {}
  }
}

（2）测试自动补全功能

java 复制代码 
GET /hotel/_search
{
  "suggest": {
    "test_suggestion": {
      "text": "h",
      "completion": {
        "field": "suggestion",
        "skip_duplicates": true, 
        "size": 10
      }
    }
  }
}

结果如下：

2.4.4.自动补全查询的 Java API

之前我们学习了自动补全查询的 DSL，而没有学习对应的 Java API，这里给出一个示例：

而自动补全的结果也比较特殊，解析的代码如下：

完整代码如下：

java 复制代码 
@Test
void testSuggestion() throws IOException {
    //1.准备 request
    SearchRequest request = new SearchRequest("hotel");
    //2.准备 DSL
    request.source().suggest(new SuggestBuilder().addSuggestion(
      "mySuggestion",
            SuggestBuilders.completionSuggestion("suggestion")
                            .prefix("h")
                            .skipDuplicates(true)
                            .size(10)
    ));
    //3.发起请求
    SearchResponse response = client.search(request, RequestOptions.DEFAULT);
    //4.解析结果
    Suggest suggest = response.getSuggest();
    CompletionSuggestion suggestion = suggest.getSuggestion("mySuggestion");
    for (CompletionSuggestion.Entry.Option option : suggestion.getOptions()) {
        //获取一个 option 中的 text，即补全的词条
        String text = option.getText().toString();
        System.out.println(text);
    }
}

结果如下：

java 复制代码 
和颐
横沙岛
汉庭
海岸城
淮海路
火车站
皇冠假日
豪生

2.4.5.实现搜索框自动补全

查看前端页面，可以发现当我们在输入框键入时，前端会发起 Ajax 请求：

返回值是补全词条的集合，类型为List<String>

1）在 cn.itcast.hotel.web 包下的 HotelController 中添加新接口，接收新的请求：

java 复制代码 
@GetMapping("/suggestion")
public List<String> getSuggestions(@RequestParam("key") String prefix) {
    return hotelService.getSuggestions(prefix);
}

2）在 cn.itcast.hotel.service 包下的 IhotelService 中添加方法：

java 复制代码 
List<String> getSuggestions(String prefix);

3）在 cn.itcast.hotel.service.impl.HotelService 中实现该方法：

java 复制代码 
@Override
public List<String> getSuggestions(String prefix) {
    try {
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source().suggest(new SuggestBuilder().addSuggestion(
            "mySuggestion",
            SuggestBuilders.completionSuggestion("suggestion")
            .prefix(prefix)
            .skipDuplicates(true)
            .size(10)
        ));
        // 3.发起请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析结果
        Suggest suggest = response.getSuggest();
        // 4.1.根据补全查询名称，获取补全结果
        CompletionSuggestion suggestions = suggest.getSuggestion("mySuggestion");
        // 4.2.获取options
        List<CompletionSuggestion.Entry.Option> options = suggestions.getOptions();
        // 4.3.遍历
        List<String> list = new ArrayList<>(options.size());
        for (CompletionSuggestion.Entry.Option option : options) {
            String text = option.getText().toString();
            list.add(text);
        }
        return list;
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

启动项目后进行测试：

3.数据同步

Elasticsearch 中的酒店数据来自于 MySQL 数据库，因此 MySQL 数据发生改变时，Elasticsearch 也必须跟着改变，这个就是 Elasticsearch 与 MySQL 之间的数据同步。

3.1.思路分析

常见的数据同步方案有三种：

  • 同步调用
  • 异步通知
  • 监听 binlog

3.1.1.同步调用

方案一：同步调用

基本步骤如下：

  • hotel-demo 对外提供接口，用来修改 Elasticsearch 中的数据
  • 酒店管理服务在完成数据库操作后，直接调用 hotel-demo 提供的接口

3.1.2.异步通知

方案二：异步通知

流程如下：

  • hotel-admin 对 MySQL 数据库数据完成增、删、改后，发送 MQ 消息
  • hotel-demo 监听 MQ，接收到消息后完成 Elasticsearch 数据修改

3.1.3.监听 binlog

方案三：监听 binlog

流程如下：

  • 给 MySQL 开启 binlog 功能
  • MySQL 完成增、删、改操作都会记录在 binlog 中
  • hotel-demo 基于 canal 监听 binlog 变化，实时更新 Elasticsearch 中的内容

3.1.4.选择

  • 方式一：同步调用
    • 优点：实现简单，粗暴
    • 缺点：业务耦合度高
  • 方式二：异步通知
    • 优点：低耦合，实现难度一般
    • 缺点：依赖 MQ 的可靠性
  • 方式三：监听 binlog
    • 优点：完全解除服务间耦合
    • 缺点：开启 binlog 增加数据库负担、实现复杂度高

3.2.实现数据同步

这里我们选择第二种方式来实现数据同步，有关 RabbitMQ 的安装和使用可以参考 RabbitMQ------入门介绍这篇文章。

3.2.1.思路

利用资料提供的 hotel-admin 项目作为酒店管理的微服务。当酒店数据发生增、删、改时，要求对 Elasticsearch 中数据也要完成相同操作。步骤：

  • 导入课前资料提供的 hotel-admin 项目，启动并测试酒店数据的 CRUD
  • 声明 exchange、queue、RoutingKey
  • 在 hotel-admin 中的增、删、改业务中完成消息发送
  • 在 hotel-demo 中完成消息监听，并更新 Elasticsearch 中数据
  • 启动并测试数据同步功能

3.2.2.导入 demo

导入课前资料提供的 hotel-admin 项目：

运行后，访问 http://localhost:8099

其中包含了酒店的 CRUD 功能：

3.2.3.声明交换机、队列

MQ结构如图：

3.2.3.1.引入依赖和添加配置

（1）在 hotel-admin、hotel-demo 中引入 RabbitMQ 的依赖：

xml 复制代码 
<!--amqp-->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-amqp</artifactId>
</dependency>

（2）在 hotel-admin、hotel-demo 的 application.yaml 文件中添加如下 RabbitMQ 配置：

yml 复制代码 
spring:
  rabbitmq:
    host: 192.168.101.65
    port: 5672
    username: admin
    password: 123
    virtual-host: /
3.2.3.2.声明队列交换机名称

在 hotel-admin 和 hotel-demo 中的 cn.itcast.hotel.constatnts 包下新建一个类 MqConstants：

java 复制代码 
package cn.itcast.hotel.constatnts;

public class MqConstants {
    /**
     * 交换机
     */
    public final static String HOTEL_EXCHANGE = "hotel.topic";
    /**
     * 监听新增和修改的队列
     */
    public final static String HOTEL_INSERT_QUEUE = "hotel.insert.queue";
    /**
     * 监听删除的队列
     */
    public final static String HOTEL_DELETE_QUEUE = "hotel.delete.queue";
    /**
     * 新增或修改的 RoutingKey
     */
    public final static String HOTEL_INSERT_KEY = "hotel.insert";
    /**
     * 删除的 RoutingKey
     */
    public final static String HOTEL_DELETE_KEY = "hotel.delete";
}
3.2.3.3.声明队列交换机

在 hotel-demo 中，定义配置类，声明队列、交换机：

java 复制代码 
package cn.itcast.hotel.config;

import cn.itcast.hotel.constants.MqConstants;
import org.springframework.amqp.core.Binding;
import org.springframework.amqp.core.BindingBuilder;
import org.springframework.amqp.core.Queue;
import org.springframework.amqp.core.TopicExchange;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class MqConfig {
    @Bean
    public TopicExchange topicExchange(){
        return new TopicExchange(MqConstants.HOTEL_EXCHANGE, true, false);
    }

    @Bean
    public Queue insertQueue(){
        return new Queue(MqConstants.HOTEL_INSERT_QUEUE, true);
    }

    @Bean
    public Queue deleteQueue(){
        return new Queue(MqConstants.HOTEL_DELETE_QUEUE, true);
    }

    @Bean
    public Binding insertQueueBinding(){
        return BindingBuilder.bind(insertQueue()).to(topicExchange()).with(MqConstants.HOTEL_INSERT_KEY);
    }

    @Bean
    public Binding deleteQueueBinding(){
        return BindingBuilder.bind(deleteQueue()).to(topicExchange()).with(MqConstants.HOTEL_DELETE_KEY);
    }
}

3.2.4.发送 MQ 消息

在 hotel-admin 中的增、删、改业务中分别发送 MQ 消息：

java 复制代码 
package cn.itcast.hotel.web;

import cn.itcast.hotel.constants.MqConstants;
import cn.itcast.hotel.pojo.Hotel;
import cn.itcast.hotel.pojo.PageResult;
import cn.itcast.hotel.service.IHotelService;
import com.baomidou.mybatisplus.extension.plugins.pagination.Page;
import org.springframework.amqp.rabbit.core.RabbitTemplate;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.*;

import java.security.InvalidParameterException;

@RestController
@RequestMapping("/hotel")
public class HotelController {

    @Autowired
    private IHotelService hotelService;

    @Autowired
    private RabbitTemplate rabbitTemplate;

    @GetMapping("/{id}")
    public Hotel queryById(@PathVariable("id") Long id){
        return hotelService.getById(id);
    }

    @GetMapping("/list")
    public PageResult hotelList(@RequestParam(value = "page", defaultValue = "1") Integer page,
            @RequestParam(value = "size", defaultValue = "1") Integer size
    ){
        Page<Hotel> result = hotelService.page(new Page<>(page, size));

        return new PageResult(result.getTotal(), result.getRecords());
    }

    @PostMapping
    public void saveHotel(@RequestBody Hotel hotel){
        hotelService.save(hotel);
        rabbitTemplate.convertAndSend(MqConstants.HOTEL_EXCHANGE, MqConstants.HOTEL_INSERT_KEY, hotel.getId());
    }

    @PutMapping()
    public void updateById(@RequestBody Hotel hotel){
        if (hotel.getId() == null) {
            throw new InvalidParameterException("id不能为空");
        }
        hotelService.updateById(hotel);
        rabbitTemplate.convertAndSend(MqConstants.HOTEL_EXCHANGE, MqConstants.HOTEL_INSERT_KEY, hotel.getId());
    }

    @DeleteMapping("/{id}")
    public void deleteById(@PathVariable("id") Long id) {
        hotelService.removeById(id);
        rabbitTemplate.convertAndSend(MqConstants.HOTEL_EXCHANGE, MqConstants.HOTEL_DELETE_KEY, id);
    }
}

3.2.5.接收 MQ 消息

hotel-demo 接收到 MQ 消息要做的事情包括：

  • 新增消息：根据传递的 hotel 的 id 查询 hotel 信息，然后新增一条数据到索引库
  • 删除消息：根据传递的 hotel 的 id 删除索引库中的一条数据

1）首先在 hotel-demo 的 cn.itcast.hotel.service 包下的 IHotelService 中新增新增、删除业务

java 复制代码 
void deleteById(Long id);

void insertById(Long id);

2）给 hotel-demo 中的 cn.itcast.hotel.service.impl 包下的 HotelService 中实现业务：

java 复制代码 
@Override
public void deleteById(Long id) {
    try {
        // 1.准备 Request
        DeleteRequest request = new DeleteRequest("hotel", id.toString());
        // 2.发送请求
        client.delete(request, RequestOptions.DEFAULT);
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

@Override
public void insertById(Long id) {
    try {
        // 0.根据 id 查询酒店数据
        Hotel hotel = getById(id);
        // 转换为文档类型
        HotelDoc hotelDoc = new HotelDoc(hotel);

        // 1.准备 Request 对象
        IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());
        // 2.准备 Json 文档
        request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);
        // 3.发送请求
        client.index(request, RequestOptions.DEFAULT);
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

3）编写监听器

在 hotel-demo 中的 cn.itcast.hotel.mq 包新增一个类：

java 复制代码 
package cn.itcast.hotel.mq;

import cn.itcast.hotel.constants.MqConstants;
import cn.itcast.hotel.service.IHotelService;
import org.springframework.amqp.rabbit.annotation.RabbitListener;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;

@Component
public class HotelListener {

    @Autowired
    private IHotelService hotelService;

    /**
     * 监听酒店新增或修改的业务
     * @param id 酒店 id
     */
    @RabbitListener(queues = MqConstants.HOTEL_INSERT_QUEUE)
    public void listenHotelInsertOrUpdate(Long id){
        hotelService.insertById(id);
    }

    /**
     * 监听酒店删除的业务
     * @param id 酒店 id
     */
    @RabbitListener(queues = MqConstants.HOTEL_DELETE_QUEUE)
    public void listenHotelDelete(Long id){
        hotelService.deleteById(id);
    }
}

3.3.测试

（1）启动 hotel-demo、hotel-admin；

（2）在 RabbitMQ 管理页面查看队列和交换机是否存在：

（3）测试修改数据：

  • 修改上海希尔顿酒店的数据，其 id 为 60223
  • 编辑该酒店信息
  • 将价格从原来的 2688 修改为 2686
  • 再次搜索价格1500元以上的酒店，此时发现该酒店的价格已经变为 2686，这说明数据同步成功。
  • 此外，我们在 RabbitMQ 的管理页面也看到了队列 hotel.insert.queue 确实接收到了消息：

4.集群

（1）单机的 Elasticsearch 做数据存储，必然面临两个问题：海量数据存储问题、单点故障问题。

  • 海量数据存储问题：将索引库从逻辑上拆分为 N 个分片 (shard)，存储到多个节点
  • 单点故障问题：将分片数据在不同节点备份 (replica)

（2）Elasticsearch 集群相关概念:

  • 集群（cluster）：一组拥有共同的 cluster name 的节点。
  • 节点 (node)：集群中的一个 Elasticearch 实例
  • 分片 (shard)：索引可以被拆分为不同的部分进行存储，称为分片。在集群环境下，一个索引的不同分片可以拆分到不同的节点中

（3）解决问题：数据量太大，单点存储量有限的问题。

此处，我们把数据分成 3 片：shard0、shard1、shard2

  • 主分片（Primary shard）：相对于副本分片的定义。

  • 副本分片（Replica shard）每个主分片可以有一个或者多个副本，数据和主分片一样。

数据备份可以保证高可用，但是每个分片备份一份，所需要的节点数量就会翻一倍，成本非常高！为了在高可用和成本间寻求平衡，我们可以这样做：

  • 首先对数据分片，存储到不同节点
  • 然后对每个分片进行备份，放到对方节点，完成互相备份

这样可以大大减少所需要的服务节点数量，如图，我们以 3 分片，每个分片备份一份为例：

现在，每个分片都有 1 个备份，存储在 3 个节点：

  • node0：保存了分片 0 和 1
  • node1：保存了分片 0 和 2
  • node2：保存了分片 1 和 2

4.1.创建 Elasticsearch 集群

我们在单机上利用 Docker 容器运行多个 Elasticsearch 实例来模拟 Elasticsearch 集群 。不过在实际生产环境中推荐每一台服务节点仅部署一个 Elasticsearch 的实例。部署 Elasticsearch 集群可以直接使用 docker-compose 来完成，但这要求 Linux 虚拟机至少有 4GB 的内存空间

4.1.1.编写 docker-compose.yml 文件

首先编写一个 docker-compose.yml 文件，并将其上传到 Linux 中，内容如下：

shell 复制代码 
version: '2.2'
services:
  es01:
    image: elasticsearch:7.12.1
    container_name: es01
    environment:
      - node.name=es01								# 节点名称
      - cluster.name=es-docker-cluster				# 节点所在的集群名称
      - discovery.seed_hosts=es02,es03				# 当前节点所在的集群中的其它节点的 IP 地址(Docker 容器中可用节点名称替代)
      - cluster.initial_master_nodes=es01,es02,es03	# 可参与选举产生的主节点
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"			# JVM 的最小和最大堆内存大小
    volumes:	
      - data01:/usr/share/elasticsearch/data		# 数据卷
    ports:
      - 9200:9200									# 容器外的端口号(唯一) | 容器内的端口号(不唯一)
    networks:
      - elastic
  es02:
    image: elasticsearch:7.12.1
    container_name: es02
    environment:
      - node.name=es02
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data02:/usr/share/elasticsearch/data
    ports:
      - 9201:9200
    networks:
      - elastic
  es03:
    image: elasticsearch:7.12.1
    container_name: es03
    environment:
      - node.name=es03
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es02
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data03:/usr/share/elasticsearch/data
    networks:
      - elastic
    ports:
      - 9202:9200
volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local

networks:
  elastic:
    driver: bridge

docker-compose.yml 文件的作用主要是定义和管理多容器 Docker 应用程序的配置。它使用 YAML 格式来描述应用的服务、网络和卷等。

4.1.2.修改 Linux 系统配置

Elasticsearch 运行需要修改一些 Linux 系统权限，修改 /etc/sysctl.conf 文件：

shell 复制代码 
vi /etc/sysctl.conf

添加下面的内容：

shell 复制代码 
# vm.max_map_count 通常在 Linux 系统中用于配置进程可以拥有的最大内存映射区域数，这个参数对于一些需要大量内存映射的软件特别重要
vm.max_map_count=262144

然后执行命令，让配置生效：

shell 复制代码 
sysctl -p

通过 docker-compose 启动集群（为了防止 Linux 占用过多内存，需提前关闭之前单机版的 Elasticsearch）：

shell 复制代码 
docker-compose up -d

有关 docker-compose 的安装可以参考 https://blog.csdn.net/qq_45868731/article/details/131743699 这篇文章。

4.1.2.集群状态监控

Kibana 可以监控 Elasticsearch 集群，不过新版本需要依赖 Elasticsearch 的 x-pack 功能，配置比较复杂。这里推荐使用 cerebro 来监控 Elasticsearch 集群状态，官方网址：https://github.com/lmenezes/cerebro。课前资料已经提供了安装包：

解压即可使用，非常方便。解压好的目录如下：

进入对应的 bin 目录：

双击其中的 cerebro.bat 文件即可启动服务。

访问 http://localhost:9000 即可进入管理界面：

输入你的 Elasticsearch 的任意节点的地址和端口，点击 connect 即可：

绿色的条，代表集群处于绿色（健康状态）。

4.1.3.创建索引库

4.1.3.1.利用 Kibana 的 DevTools 创建索引库

在 DevTools 中输入指令：

json 复制代码 
PUT /itcast
{
  "settings": {
    "number_of_shards": 3, // 分片数量
    "number_of_replicas": 1 // 副本数量
  },
  "mappings": {
    "properties": {
      // mapping映射定义 ...
    }
  }
}
4.1.3.2.利用 cerebro 创建索引库

利用 cerebro 还可以创建索引库：

填写索引库信息：

点击右下角的 create 按钮：

4.1.4.查看分片效果

回到首页，即可查看索引库分片效果：

4.2.集群脑裂问题

4.2.1.集群职责划分

Elasticsearch 中集群节点有不同的职责划分：

默认情况下，集群中的任何一个节点都同时具备上述四种角色。但是真实的集群一定要将集群职责分离：

  • master 节点：对 CPU 要求高，但是内存要求第
  • data 节点：对 CPU 和内存要求都高
  • coordinating 节点：对网络带宽、CPU 要求高

职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。

一个典型的 Elasticsearch 集群职责划分如图：

4.2.2.脑裂问题

脑裂是因为集群中的节点失联导致的。例如一个集群中，主节点与其它节点失联：

此时，node2 和 node3 认为 node1 宕机，就会重新选主：

当 node3 当选后，集群继续对外提供服务，node2 和 node3 自成集群，node1 自成集群，两个集群数据不同步，出现数据差异。当网络恢复后，因为集群中有两个 master 节点，集群状态的不一致，出现脑裂的情况：

解决脑裂的方案是，要求选票超过 (eligible 节点数量 + 1 ）/ 2 才能当选为主，因此 eligible 节点数量最好是奇数。对应配置项是discovery.zen.minimum_master_nodes，在 Elasticsearch 7.0 以后，已经成为默认配置，因此一般不会发生脑裂问题。例如：3 个节点形成的集群，选票必须超过 （3 + 1）/ 2 ，也就是 2 票。node3 得到 node2 和 node3 的选票，当选为主。node1 只有自己 1 票，没有当选。集群中依然只有 1 个主节点，没有出现脑裂。

4.2.3.小结

（1）master eligible 节点的作用是什么？

  • 参与集群选主
  • 主节点可以管理集群状态、管理分片信息、处理创建和删除索引库的请求

（2）data 节点的作用是什么？

  • 数据的 CRUD

（3）coordinator 节点的作用是什么？

  • 路由请求到其它节点
  • 合并查询到的结果，返回给用户

4.3.集群分布式存储

当新增文档时，应该保存到不同分片，保证数据均衡，那么coordinating node如何确定数据该存储到哪个分片呢？

4.3.1.分片存储测试

插入三条数据：

测试可以看到，三条数据分别在不同分片：

结果：

4.3.2.分片存储原理

Elasticsearch 会通过 hash 算法来计算文档应该存储到哪个分片：

说明：

  • _routing 默认是文档的 id
  • 算法与分片数量有关，因此索引库一旦创建，分片数量不能修改！

新增文档的流程如下：

解读：

  • 1）新增一个 id = 1 的文档
  • 2）对 id 做 hash 运算，假如得到的是 2，则应该存储到 shard-2
  • 3）shard-2 的主分片在 node3 节点，将数据路由到 node3
  • 4）保存文档
  • 5）同步给 shard-2 的副本 replica-2，在 node2 节点
  • 6）返回结果给 coordinating-node 节点

4.4.集群分布式查询

Elasticsearch 的查询分成两个阶段：

  • scatter phase：分散阶段，coordinating node 会把请求分发到每一个分片
  • gather phase：聚集阶段，coordinating node 汇总 data node 的搜索结果，并处理为最终结果集返回给用户

4.5.集群故障转移

集群的 master 节点会监控集群中的节点状态，如果发现有节点宕机，会立即将宕机节点的分片数据迁移到其它节点，确保数据安全，这个叫做故障转移。

1）例如一个集群结构如图：

现在，node1是主节点，其它两个节点是从节点。

2）突然，node1发生了故障：

宕机后的第一件事，需要重新选主，例如选中了node2：

node2 成为主节点后，会检测集群监控状态，发现：shard-1、shard-0 没有副本节点。因此需要将 node1 上的数据迁移到 node2、node3：

相关推荐
Elastic 中国社区官方博客42 分钟前
Elasticsearch：什么是查询语言？
大数据·数据库·elasticsearch·搜索引擎·oracle
启明真纳1 小时前
elasticache备份
运维·elasticsearch·云原生·kubernetes
幽弥千月11 小时前
【ELK】ES单节点升级为集群并开启https【亲测可用】
elk·elasticsearch·https
运维&陈同学11 小时前
【Elasticsearch05】企业级日志分析系统ELK之集群工作原理
运维·开发语言·后端·python·elasticsearch·自动化·jenkins·哈希算法
Y编程小白1 天前
Git版本控制工具--基础命令和分支管理
大数据·git·elasticsearch
酱学编程1 天前
ES搜索原理
大数据·elasticsearch·搜索引擎
龙少95431 天前
【SpringBoot中怎么使用ElasticSearch】
spring boot·elasticsearch·jenkins
liupenglove1 天前
Kibana8.17.0在mac上的安装
elasticsearch·macos·kibana
Aliano2171 天前
ES对比Hbase
elasticsearch·信息可视化·hbase
xcg3401232 天前
【Elasticsearch】使用游标遍历所有数据
elasticsearch·游标·数据遍历·scroll api
热门推荐
01〔AI 绘画〕Stable Diffusion 之 解决绘制多人或面部很小的人物时面部崩坏问题 篇02YOLOv8训练好模型后，追加轮数继续训练、或者提前终止训练，缩减训练轮数03玄机平台应急响应—webshell查杀04SQL 主从数据库实时备份05HCIA-datacom数通题库和录播视频资料06Docker 夺命连环 15 问07VSCode插件 —— Cody AI （免费AI助手！）08校验 GPT-4 真实性的三个经典问题：快速区分 GPT-3.5 与 GPT-4，并提供免费测试网站09(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明10组基轨迹建模 GBTM的介绍与实现（Stata 或 R）