ElasticSearch入门篇Ⅰ --- ES核心知识概括

C01.什么是Elasticsearch

1.什么是搜索

垂直搜索(站内搜索)

  • 互联网的搜索:电商网站,招聘网站,各种app

  • IT系统的搜索:OA软件,办公自动化软件,会议管理,员工管理,后台管理系

2.如果用数据库做搜索会怎么样

数据库在做某些搜索(模糊搜索)时,效率会很差,是不太靠谱的。

3. 什么是全文检索?

数据库搜索的弊端:数据库里有100万条数据,模糊匹配要扫描100万次,每次扫描都要匹配文本所有字符,还无法拆解开来检索。

全文检索:会将100万条数据拆分开来,建立倒排索引,搜索的时也许第一次就可以搜素到对应的数据,可能是100次,1000次,上述过程就叫全文检索。

Lucene:就是一个jar包,里面包含各种建立倒排索引,以及搜索的代码,包括各种算法。我们Java开发时,引入lucene的jar进行开发就可以了。使用lucene,我们可以去将已有的数据建立索引,lucene会在本地磁盘上面给我们组织索引的数据结构。

lucene的弊端:数据量大,一台机器难以放下,需要多台机器,可用性,可维护性差。

4.什么是Elasticsearch

  • 自动维护数据的分布到多个节点的索引的建立,还有搜索请求分不到多个节点执行

  • 自动维护数据的冗余副本,保证说一些机器宕机了,不会丢失任何的数据

  • 分装了更多的高级功能,以给我们提供更多高级的支持,让我们快速地开发应用,开发更复杂的应用,复杂的搜素功能,聚合分析的功能。

 

 

C02.Elasticsearch的功能、适用场景

1.Elasticsearch的功能

  • 分布式搜索引擎和数据分析引擎

    搜索:百度,网站站内搜索,It系统检索

    数据分析: 电商网站,最近7天牙膏销量排行较前有哪些;新闻网站,最近一个月访问量排行前十的有哪些

  • 全文检索:结构化检索,数据分析

    结构化检索:我想搜索的商品分类为日化用品的有哪些: select* from prod where cate_id = '日化用品'

    全文检索:想搜索商品名称包含牙膏的商品: select * from prod where prod_name like "%牙膏%"

    数据分析: 分析一下每一个商品分类有多少商品,select cate_id,count(*) from prod group by cate_id

  • 对海量数据近实时处理

    分布式: ES可以自动将海量数据分散到多台服务器上存储和检索

    海量数据的处理:分布式以后,就可以采用大量服务器去检索和存储数据。

    近实时:在秒级别对数据进行搜索和分析。

    与海量数据/分布式相反:lucene,单机应用,只能在单台服务器上用,最多只能处理单台服务器的数据

     

2.ES的适用场景

  • 维基百科,全文检索,高亮,搜索推荐

  • 电商网站,检索商品

  • 新闻网站,用户行为日志(点赞,评论),数据分析

  • 论坛网站,全文检索,搜索问题和答案

  • Github,搜索代码和项目

  • 日志数据分析,logstash采集日志,ES进行复杂的数据分析(ELK技术,elasticsearch+logstash+kibana)

  • 商品价格监控网站,用户设定某商品的价格阈值,低于阈值时,发送通知给用户。

  • BI系统,商业智能,ES执行数据分析和挖掘

  • 站内搜索(电商,招聘,门户),IT搜索(OA,CRM,ERP)等

     

3.ES的特点

  • 可以作为大型分布式集群的技术,处理PB级的数据,服务大公司,也可以运行在单机上

  • ES不是什么新技术,主要是将全文检索,数据分析以及分布式技术合并在了一起

  • 对用户而言,开箱即用,较为简单

  • 数据库的功能面对很多领域是不够用的,比如全文检索,同义词处理,相关度排名,复杂数据分析,海量数据近实时处理。ES可以作为传统数据库的不错,提供数据库不足的功能。

 

 

 

 

C03.Elasticsearch的核心概念

1.lucene和ES

lucene,最先进,最强大的搜索库,基于lucene开发,非常复杂,api复杂,需要深入原理。

ES基于lucene,隐藏其复杂性,提供简单易用的restful接口,java api接口。

  • 分布式的文档存储引擎

  • 分布式的搜索引擎和分析引擎

  • 分布式,支持PB级数据

 

2.ES的核心概念

  • 1.Near Realtime(NRT): 近实时,从写入数据到ES到可以被搜索到大概有1秒延迟,基于ES执行搜索和分析可以达到秒级

  • 2.Cluster: 集群,包含多个节点,每个节点属于哪个集群是通过一个配置(集群名称,默认是elasticsearch)来决定的,对于中小型应用来说,刚开始一个集群就一个节点很正常。

  • 3.Node: 节点,集群中的一个节点,节点也有一个名称(默认是随机),节点名称很重要(在执行运维管理操作的时候),默认节点会去加入一个名称为"elasticsearch"的集群,如果直接启动一堆节点,那么他们会自动组成一个elasticsearch集群,当然一个节点也可以组成一个es集群

  • 4.Document: 文档。es中的最小单元,一个document可以是客户的一条数据,一条商品数据,订单数据,通常用JSON数据结构表示,每个index下的type中,都可以存储多个doucument,一个document里面有多个field,每个field就是一个数据字段

  • Index: 索引,包含一堆有相似结构的文档数据,比如一个商品索引,订单索引,索引有一个名称。一个index包含多个document,比如建立了一个商品索引,product index,里面可能就存放了所有商品的数据。

  • Type:类型,每个索引里面都可以有一个或多个type,type是index的一个逻辑数据分类,一个type下的document,都有相同的field(有例外),比如博客系统,有一个索引,可以定义用户数据的type,博客数据的type

  • shard: 单台机器无法存储大量数据,es可以将一个索引中的数据切分为多个shard,分布在多台服务器上存储。有了shard就可以横向扩展,存储更多数据,让数据搜索和分析等操作分布到多台服务器上执行,提高吞吐量和性能。

    PS:index会被拆分为多个shard,每个shard会存放这个index的部分数据,这些shard分布在多台服务器上分布执行,提升吞吐量与性能。

  • replica: 任何一个服务器随时可能故障或宕机,此时shard可能就会丢失,因此可以为每个shard创建多个replica,replica可以在shard故障时随时提供服务,保证数据不丢失,多个replica还可以提高吞吐量和性能。primary shard(建索引是一次设置,不能修改,默认5个),replica shard(随时修改,默认1个),默认每个索引10个shard,5个primary shard,5个replica shard,最小高可用配置,是两台服务器。

    PS: shard其实叫primary shard,replica叫replica shard,其实都shard

    replica的好处:

    1).提升了高可用性,一个shard宕机,数据不丢,服务继续提供

    2).提升了搜索这类请求的吞吐量和性能

 

 

 

C04.ES与Kibana的安装与使用

  • 安装JDK,至少Java1.8以上

  • 下载解压ES安装包

  • 启动ES(使用终端命令行工具启动,bin目录下的elasticsearch)

  • 检查ES是否启动成功(默认是localhost 9200端口)

  • 修改集群名称:elasticsearch.yml

  • 下载和解压缩Kibana安装包,使用里面的开发界面,操作es,是学习es的主要界面入口

  • 启动kibana(默认localhost:5601)

 

 

 

 

 

C05.电商网站商品管理(一):CRUD基础操作

1.document数据格式

  • 应用系统的数据结构都是面向对象的,复杂的

  • 对象数据存储到数据库中,只能拆解开来,变为扁平的多张表,每次查询返回原对象的格式,相当麻烦

  • ES是面向文档的,文档中存储的数据结构,与面向对象的数据结构是一样的,基于这种文档数据结构,es可以提供复杂的索引,全文检索,分析聚合等功能

  • ES的document用json数据格式来表达

2.电商网站商品管理案例背景介绍

有一个电商网站,需要为其基于ES构建一个后台系统,提供以下功能:

  • 对商品信息进行CRUD(增删改查)操作

  • 执行简单的结构化查询

  • 可以执行简单的全文检索,以及复杂的phrase(短语)检索

  • 对于全文检索的结果,可以进行高亮显示

  • 对数据进行简单的聚合分析

3.简单的集群管理

  • 1、快速检查集群的健康状况

    es提供了一套api,叫做cat api,可以查看es中各种各样的数据

    GET /_cat/health?v

     

    如何快速了解集群的健康状况?green、yellow、red?

    green:每个索引的primary shard和replica shard都是active状态的 yellow:每个索引的primary shard都是active状态的,但是部分replica shard不是active状态,处于不可用的状态 red:不是所有索引的primary shard都是active状态的,部分索引有数据丢失了

    为什么现在会处于一个yellow状态?

    我们现在就一个笔记本电脑,就启动了一个es进程,相当于就只有一个node。现在es中有一个index,就是kibana自己内置建立的index。由于默认的配置是给每个index分配5个primary shard和5个replica shard,而且primary shard和replica shard不能在同一台机器上(为了容错)。现在kibana自己建立的index是1个primary shard和1个replica shard。当前就一个node,所以只有1个primary shard被分配了和启动了,但是一个replica shard没有第二台机器去启动。

    做一个小实验:此时只要启动第二个es进程,就会在es集群中有2个node,然后那1个replica shard就会自动分配过去,然后cluster status就会变成green状态。

  • 2、快速查看集群中有哪些索引

    GET /_cat/indices?v

  • 3、简单的索引操作

    创建索引:PUT /test_index?pretty

    删除索引:DELETE /test_index?pretty

4.商品的CRUD操作

1.新增商品:新增文档,建立索引

语法: PUT /index/type/id

{
  "json数据"
}

 

示例:

PUT /ecommerce/product/1
{
    "name" : "gaolujie yagao",
    "desc" :  "gaoxiao meibai",
    "price" :  30,
    "producer" :      "gaolujie producer",
    "tags": [ "meibai", "fangzhu" ]
}
 

 

Return:

{
  "_index": "ecommerce",  
  "_type": "product",
  "_id": "1",
  "_version": 1,
  "result": "created",
  "_shards": {
    "total": 2,
    "successful": 1,
    "failed": 0
  },
  "created": true
}

PS:ES会自动建立index和type,不需要提前创建,而且es默认会对document每个field都建立倒排索引,让其可以被搜索

2.查询商品:检索文档

语法: GET /index/type/id

GET /ecommerce/product/1

 

 

3.修改商品:替换文档

PUT /ecommerce/product/1
{
    "name" : "jiaqiangban gaolujie yagao",
    "desc" :  "gaoxiao meibai",
    "price" :  30,
    "producer" :      "gaolujie producer",
    "tags": [ "meibai", "fangzhu" ]
}

 

PS:替换方式有一个不好,即使必须带上所有的field,才能去进行信息的修改

4.修改商品:更新文档

POST /ecommerce/product/1/_update
{
  "doc": {
    "name": "jiaqiangban gaolujie yagao"
  }
}

 

5.删除商品:删除文档

DELETE /ecommerce/product/1

 

 

 

 

C06.电商网站商品管理(二):多种搜索方式

*搜索全部商品: GET /ecommerce/product/search

took: 耗费了几毫秒 timed_out: 是否超时,这里是没有 shards: 数据拆成了5个分片,所以对于搜索请求,会打到所有的primary shard(或者是它的某个replica shard也可以) hits.total: 查询结果的数量,3个document hits.max_score: score的含义,就是document对于一个search的相关度的匹配分数,越相关,就越匹配,分数也高 hits.hits: 包含了匹配搜索的document的详细数据

 

1. query string search

query string search的由来,因为search参数都是以http请求的query string来附带的

搜索商品名称中包含yagao的商品,而且按照售价降序排序:GET /ecommerce/product/_search?q=name:yagao&sort=price:desc

PS: 适用于临时的在命令行使用一些工具,比如curl,快速的发出请求,来检索想要的信息;但是如果查询请求很复杂,是很难去构建的,在生产环境中,几乎很少使用query string search

2. query DSL

DSL: Domain Specified Language,特定领域的语言 http request body: 请求体,可以用json的格式来构建查询语法,比较方便,可以构建各种复杂的语法,比query string search肯定强大多了

查询所有的商品

GET /ecommerce/product/_search
{
  "query": { "match_all": {} }
}
 

 

查询名称包含yagao的商品,同时按照价格降序排序

GET /ecommerce/product/_search
{
    "query" : {
        "match" : {
            "name" : "yagao"
        }
    },
    "sort": [
        { "price": "desc" }
    ]
}
 

 

分页查询商品,总共3条商品,假设每页就显示1条商品,现在显示第2页,所以就查出来第2个商品

GET /ecommerce/product/_search
{
  "query": { "match_all": {} },
  "from": 1,
  "size": 1
}

 

 

指定要查询出来商品的名称和价格就可以

GET /ecommerce/product/search
{
  "query": { "match_all": {} },
  "source": ["name", "price"]
}

 

 

PS: 更加适合生产环境的使用,可以构建复杂的查询

3. query filter

搜索商品名称包含yagao,而且售价大于25元的商品

GET /ecommerce/product/_search
{
    "query" : {
        "bool" : {
            "must" : {
                "match" : {
                    "name" : "yagao" 
                }
            },
            "filter" : {
                "range" : {
                    "price" : { "gt" : 25 } 
                }
            }
        }
    }
}

 

  

4. full-text search(全文检索)

全文检索会将输入的搜索串拆解开来,去倒排索引里面去一一匹配,只要能匹配上任意一个拆解后的单词,就可以作为结果返回。

GET /ecommerce/product/_search
{
    "query" : {
        "match" : {
            "producer" : "yagao producer"
        }
    }
}

 

  

Result:

{
  "took": 4,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 4,
    "max_score": 0.70293105, //最高分,匹配度最高的那个
    "hits": [
      {
        "_index": "ecommerce",
        "_type": "product",
        "_id": "4",
        "_score": 0.70293105,
        "_source": {
          "name": "special yagao",
          "desc": "special meibai",
          "price": 50,
          "producer": "special yagao producer",
          "tags": [
            "meibai"
          ]
        }
      },
      {
        "_index": "ecommerce",
        "_type": "product",
        "_id": "1",
        "_score": 0.25811607,
        "_source": {
          "name": "gaolujie yagao",
          "desc": "gaoxiao meibai",
          "price": 30,
          "producer": "gaolujie producer",
          "tags": [
            "meibai",
            "fangzhu"
          ]
        }
      },
      {
        "_index": "ecommerce",
        "_type": "product",
        "_id": "3",
        "_score": 0.25811607,
        "_source": {
          "name": "zhonghua yagao",
          "desc": "caoben zhiwu",
          "price": 40,
          "producer": "zhonghua producer",
          "tags": [
            "qingxin"
          ]
        }
      },
      {
        "_index": "ecommerce",
        "_type": "product",
        "_id": "2",
        "_score": 0.1805489,
        "_source": {
          "name": "jiajieshi yagao",
          "desc": "youxiao fangzhu",
          "price": 25,
          "producer": "jiajieshi producer",
          "tags": [
            "fangzhu"
          ]
        }
      }
    ]
  }
}

 

  

5. phrase search (短语搜索)

跟全文检索相对应,相反,phrase search,要求输入的搜索串,必须在指定的字段文本中,完全包含一模一样的,才可以算匹配,才能作为结果返回。

GET /ecommerce/product/_search
{
    "query" : {
        "match_phrase" : {
            "producer" : "yagao producer"
        }
    }
}

 

Return:

{
  "took": 11,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 1,
    "max_score": 0.70293105,
    "hits": [
      {
        "_index": "ecommerce",
        "_type": "product",
        "_id": "4",
        "_score": 0.70293105,
        "_source": {
          "name": "special yagao",
          "desc": "special meibai",
          "price": 50,
          "producer": "special yagao producer",
          "tags": [
            "meibai"
          ]
        }
      }
    ]
  }
}

 

 

6.highlight search(高亮搜索结果)

GET /ecommerce/product/_search
{
    "query" : {
        "match" : {
            "producer" : "producer"
        }
    },
    "highlight": {
        "fields" : {
            "producer" : {}
        }
    }
}

 

 

 

 

 

C07. 电商网站商品管理(三): 聚合分析

1.计算每个tag下的商品数量:

GET /ecommerce/product/_search
{
  "aggs": {
    "group_by_tags": {
      "terms": { "field": "tags" } 
    }
  }
}

 

将文本field的fielddata属性设置为true:

PUT /ecommerce/_mapping/product
{
  "properties": {
    "tags": {
      "type": "text",
      "fielddata": true
    }
  }
}

GET /ecommerce/product/_search
{
  "size": 0,
  "aggs": {
    "all_tags": {
      "terms": { "field": "tags" }
    }
  }
}
{
  "took": 20,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 4,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "group_by_tags": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 0,
      "buckets": [
        {
          "key": "fangzhu",
          "doc_count": 2
        },
        {
          "key": "meibai",
          "doc_count": 2
        },
        {
          "key": "qingxin",
          "doc_count": 1
        }
      ]
    }
  }
}

 

 

2.对名称中包含yagao的商品,计算每个tag下的商品数量

GET /ecommerce/product/_search
{
  "size": 0,
  "query": {
    "match": {
      "name": "yagao"
    }
  },
  "aggs": {
    "all_tags": {
      "terms": {
        "field": "tags"
      }
    }
  }
}

 

 

3.计算每个tag下的商品的平均价格,并且按照平均价格降序排序

GET /ecommerce/product/_search
{
    "size": 0,
    "aggs" : {
        "group_by_tags" : {
            "terms" : { "field" : "tags" },
            "aggs" : {
                "avg_price" : {
                    "avg" : { "field" : "price" }
                }
            }
        }
    }
}

 

Result:

{
  "took": 8,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 4,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "group_by_tags": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 0,
      "buckets": [
        {
          "key": "fangzhu",
          "doc_count": 2,
          "avg_price": {
            "value": 27.5
          }
        },
        {
          "key": "meibai",
          "doc_count": 2,
          "avg_price": {
            "value": 40
          }
        },
        {
          "key": "qingxin",
          "doc_count": 1,
          "avg_price": {
            "value": 40
          }
        }
      ]
    }
  }
}

 


 

4.计算每个tag下的商品的平均价格,并且按照平均价格降序排序

GET /ecommerce/product/_search
{
    "size": 0,
    "aggs" : {
        "all_tags" : {
            "terms" : { "field" : "tags", "order": { "avg_price": "desc" } },
            "aggs" : {
                "avg_price" : {
                    "avg" : { "field" : "price" }
                }
            }
        }
    }
}

 

 

5.按照指定的价格范围区间进行分组,然后在每组内再按照tag进行分组,最后再计算每组的平均价格

GET /ecommerce/product/_search
{
  "size": 0,
  "aggs": {
    "group_by_price": {
      "range": {
        "field": "price",
        "ranges": [
          {
            "from": 0,
            "to": 20
          },
          {
            "from": 20,
            "to": 40
          },
          {
            "from": 40,
            "to": 50
          }
        ]
      },
      "aggs": {
        "group_by_tags": {
          "terms": {
            "field": "tags"
          },
          "aggs": {
            "average_price": {
              "avg": {
                "field": "price"
              }
            }
          }
        }
      }
    }
  }
}

 

posted @ 2019-09-15 23:33  薛定谔病态猫  阅读(852)  评论(0编辑  收藏  举报