聊聊 Doug Cutting
本故事内容来自公众号:鲜枣课堂
1998 年 9 月 4 日,Google
公司在美国硅谷成立。正如大家所知,它是一家做搜索引擎起家的公司。
无独有偶,一位名叫Doug Cutting的美国工程师,也迷上了搜索引擎。他做了一个用于文本搜索的函数库(姑且理解为软件的功能组件),命名为Lucene。
Lucene
是用 JAVA
写成的,目标是为各种中小型应用软件加入全文检索功能。因为好用而且开源(代码公开),非常受程序员们的欢迎。
早期的时候,这个项目被发布在 Doug Cutting 的个人网站和 SourceForge
(一个开源软件网站)。后来,2001 年底,Lucene
成为Apache软件基金会jakarta
项目的一个子项目。
2004 年,Doug Cutting 再接再励,在 Lucene
的基础上,和 Apache
开源伙伴 Mike Cafarella
合作,开发了一款可以代替当时的主流搜索的开源搜索引擎,命名为Nutch。
Nutch
是一个建立在 Lucene
核心之上的网页搜索应用程序,可以下载下来直接使用。它在 Lucene
的基础上加了网络爬虫和一些网页相关的功能,目的就是从一个简单的站内检索推广到全球网络的搜索上,就像 Google
一样。
Nutch
在业界的影响力比 Lucene
更大。
大批网站采用了 Nutch
平台,大大降低了技术门槛,使低成本的普通计算机取代高价的 Web
服务器成为可能。甚至有一段时间,在硅谷有了一股用 Nutch
低成本创业的潮流。(大数据!)
随着时间的推移,无论是 Google
还是 Nutch
,都面临搜索对象“体积”不断增大的问题。
尤其是 Google
,作为互联网搜索引擎,需要存储大量的网页,并不断优化自己的搜索算法,提升搜索效率。
在这个过程中,Google 确实找到了不少好办法,并且无私地分享了出来。
大数据就两个问题:存储 + 计算!
2003 年,Google
发表了一篇技术学术论文,公开介绍了自己的谷歌文件系统GFS(Google File System )。这是 Google
公司为了存储海量搜索数据而设计的专用文件系统。
第二年,也就是 2004 年,Doug Cutting 基于 Google 的 GFS 论文,实现了分布式文件存储系统,并将它命名为NDFS(Nutch Distributed File System)。
还是 2004 年,Google
又发表了一篇技术学术论文,介绍自己的MapReduce编程模型。这个编程模型,用于大规模数据集(大于 1TB)的并行分析运算。
第二年(2005 年),Doug Cutting 又基于 MapReduce
,在 Nutch
搜索引擎实现了该功能。
2006 年,当时依然很厉害的Yahoo(雅虎)公司,招安了 Doug Cutting。
加盟 Yahoo 之后,Doug Cutting 将 NDFS
和 MapReduce
进行了升级改造,并重新命名为Hadoop(NDFS
也改名为 HDFS
,Hadoop Distributed File System
)。
这个,就是后来大名鼎鼎的大数据框架系统——Hadoop
的由来。而 Doug Cutting,则被人们称为Hadoop之父。
Hadoop
这个名字,实际上是 Doug Cutting 他儿子的黄色玩具大象的名字。所以,Hadoop
的 Logo
,就是一只奔跑的黄色大象。
我们继续往下说。
还是 2006 年,Google
又发论文了。
这次,它们介绍了自己的BigTable。这是一种分布式数据存储系统,一种用来处理海量数据的非关系型数据库。
Doug Cutting 当然没有放过,在自己的 hadoop
系统里面,引入了 BigTable
,并命名为HBase。
好吧,反正就是紧跟 Google
时代步伐,你出什么,我学什么。
所以,Hadoop
的核心部分,基本上都有 Google
的影子。
2008 年 1 月,Hadoop
成功上位,正式成为 Apache
基金会的顶级项目。
同年 2 月,Yahoo
宣布建成了一个拥有 1 万个内核的 Hadoop
集群,并将自己的搜索引擎产品部署在上面。
7 月,Hadoop
打破世界纪录,成为最快排序 1TB 数据的系统,用时 209 秒。
回到主题
Lucene
是一套信息检索工具包! jar
包! 不包含 搜索引擎系统!
包含的:索引结构! 读写索引的工具!排序,搜索规则… 工具类!
Lucene 和 ElasticSearch 关系:
ElasticSearch
是基于 Lucene
做了一些封装和增强(我们上手是十分简单!)
ElasticSearch 概述
Elaticsearch
,简称为 es
, es 是一个开源的高扩展的分布式全文检索引擎,它可以近乎实时的存储、检索数据;本身扩展性很好,可以扩展到上百台服务器,处理 PB
级别(大数据时代)的数据。es
也使用 Java
开发并使用 Lucene
作为其核心来实现所有索引和搜索的功能,但是它的目的是通过简单的 RESTful API
来隐藏 Lucene
的复杂性,从而让全文搜索变得简单。
据国际权威的数据库产品评测机构 DB Engines
的统计,在 2016 年 1 月,ElasticSearch
已超过 Solr
等,成为排名第一的搜索引擎类应用。
历史
多年前,一个叫做 Shay Banon 的刚结婚不久的失业开发者,由于妻子要去伦敦学习厨师,他便跟着也去了。在他找工作的过程中,为了给妻子构建一个食谱的搜索引擎,他开始构建一个早期版本的 Lucene
。
直接基于 Lucene
工作会比较困难,所以 Shay
开始抽象 Lucene
代码以便 Java
程序员可以在应用中添加搜索功能。他发布了他的第一个开源项目,叫做“Compass
”。
后来 Shay
找到一份工作,这份工作处在高性能和内存数据网格的分布式环境中,因此高性能的、实时的、分布式的搜索引擎也是理所当然需要的。然后他决定重写 Compass
库使其成为一个独立的服务叫做 Elasticsearch
。
第一个公开版本出现在 2010 年 2 月,在那之后 Elasticsearch
已经成为 Github
上最受欢迎的项目之一,代码贡献者超过 300 人。一家主营 Elasticsearch
的公司就此成立,他们一边提供商业支持一边开发新功能,不过 Elasticsearch
将永远开源且对所有人可用。
Shay
的妻子依旧等待着她的食谱搜索……
现在我们就知道了 elasticsearch
重要性!
谁在使用:
1、维基百科,类似百度百科,全文检索,高亮,搜索推荐/2 (权重,百度!)
2、The Guardian
(国外新闻网站),类似搜狐新闻,用户行为日志(点击,浏览,收藏,评论)+社交网络数据(对某某新闻的相关看法),数据分析,给到每篇新闻文章的作者,让他知道他的文章的公众反馈(好,坏,热门,垃圾,鄙视,崇拜)
3、Stack Overflow
(国外的程序异常讨论论坛),IT
问题,程序的报错,提交上去,有人会跟你讨论和回答,全文检索,搜索相关问题和答案,程序报错了,就会将报错信息粘贴到里面去,搜索有没有对应的答案
4、GitHub
(开源代码管理),搜索上千亿行代码
5、电商网站,检索商品
6、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
7、商品价格监控网站,用户设定某商品的价格阈值,当低于该阈值的时候,发送通知消息给用户,比如说订阅牙膏的监控,如果高露洁牙膏的家庭套装低于 50 块钱,就通知我,我就去买。
8、BI
系统,商业智能,Business Intelligence
。比如说有个大型商场集团,BI
,分析一下某某区域最近
3 年的用户消费金额的趋势以及用户群体的组成构成,产出相关的数张报表,**区,最近 3 年,每年消费金额呈现 100%的增长,而且用户群体 85%是高级白领,开一个新商场。ES
执行数据分析和挖掘,Kibana
进行数据可视化
9、国内:站内搜索(电商,招聘,门户,等等),IT
系统搜索(OA
,CRM
,ERP
,等等),数据分析(ES
热门的一个使用场景)
ES 和 solr 的差别
架构选择!
Elasticsearch 简介
Elasticsearch
是一个实时分布式搜索和分析引擎。它让你以前所未有的速度处理大数据成为可能。
它用于全文搜索、结构化搜索、分析以及将这三者混合使用:
维基百科使用 Elasticsearch
提供全文搜索并高亮关键字,以及输入实时搜索(search-asyou-type)
和搜索纠错(did-you-mean)
等搜索建议功能。
英国卫报使用 Elasticsearch
结合用户日志和社交网络数据提供给他们的编辑以实时的反馈,以便及时了解公众对新发表的文章的回应。
StackOverflow
结合全文搜索与地理位置查询,以及 more-like-this
功能来找到相关的问题和答案。
Github
使用 Elasticsearch
检索 1300 亿行的代码。
但是 Elasticsearch
不仅用于大型企业,它还让像 DataDog
以及 Klout
这样的创业公司将最初的想法变成可扩展的解决方案。
Elasticsearch
可以在你的笔记本上运行,也可以在数以百计的服务器上处理 PB
级别的数据 。
Elasticsearch
是一个基于 Apache Lucene(TM)
的开源搜索引擎。无论在开源还是专有领域,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。
但是,Lucene
只是一个库。想要使用它,你必须使用 Java
来作为开发语言并将其直接集成到你的应用中,更糟糕的是,Lucene
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。
Elasticsearch
也使用 Java
开发并使用 Lucene
作为其核心来实现所有索引和搜索的功能,但是它的目的是通过简单的 RESTful API
来隐藏 Lucene
的复杂性,从而让全文搜索变得简单。
Solr 简介
Solr
是 Apache
下的一个顶级开源项目,采用 Java
开发,它是基于 Lucene
的全文搜索服务器。Solr
提供了比 Lucene
更为丰富的查询语言,同时实现了可配置、可扩展,并对索引、搜索性能进行了优化
Solr
可以独立运行,运行在 Jetty
、Tomcat
等这些 Servlet
容器中,Solr
索引的实现方法很简单,用 POST
方法向 Solr
服务器发送一个描述 Field
及其内容的 XML
文档,Solr
根据 xml
文档添加、删除、更新索引。Solr 搜索只需要发送 HTTP GET
请求,然后对 Solr
返回 Xml
、json
等格式的查询结果进行解析,组织页面布局。Solr
不提供构建 UI
的功能,Solr
提供了一个管理界面,通过管理界面可以查询 Solr
的配置和运行情况。
solr
是基于 lucene
开发企业级搜索服务器,实际上就是封装了 lucene
。
Solr
是一个独立的企业级搜索应用服务器,它对外提供类似于 Web-service
的 API
接口。用户可以通过 http
请求,向搜索引擎服务器提交一定格式的文件,生成索引;也可以通过提出查找请求,并得到返回结果。
Lucene 简介
Lucene
是 apache
软件基金会 4 jakarta 项目组的一个子项目,是一个开放源代码的全文检索引擎工具包,但它不是一个完整的全文检索引擎,而是一个全文检索引擎的架构,提供了完整的查询引擎和索引引擎,部分文本分析引擎(英文与德文两种西方语言)。Lucene 的目的是为软件开发人员提供一个简单易用的工具包,以方便的在目标系统中实现全文检索的功能,或者是以此为基础建立起完整的全文检索引擎。Lucene 是一套用于全文检索和搜寻的开源程式库,由 Apache 软件基金会支持和提供。Lucene 提供了一个简单却强大的应用程式接口,能够做全文索引和搜寻。在 Java
开发环境里 Lucene
是一个成熟的免费开源工具。就其本身而言,Lucene
是当前以及最近几年最受欢迎的免费 Java
信息检索程序库。人们经常提到信息检索程序库,虽然与搜索引擎有关,但不应该将信息检索程序库与搜索引擎相混淆。
Lucene
是一个全文检索引擎的架构。那什么是全文搜索引擎?
全文搜索引擎是名副其实的搜索引擎,国外具代表性的有 Google
、Fast/AllTheWeb
、AltaVista
、Inktomi
、Teoma
、WiseNut
等,国内著名的有百度(Baidu
)。它们都是通过从互联网上提取的各个网站的信息(以网页文字为主)而建立的数据库中,检索与用户查询条件匹配的相关记录,然后按一定的排列顺序将结果返回给用户,因此他们是真正的搜索引擎。
从搜索结果来源的角度,全文搜索引擎又可细分为两种,一种是拥有自己的检索程序(Indexer
),俗称“蜘蛛”(Spider
)程序或“机器人”(Robot
)程序,并自建网页数据库,搜索结果直接从自身的数据库中调用,如上面提到的 7 家引擎;另一种则是租用其他引擎的数据库,并按自定的格式排列搜索结果,如Lycos
引擎。
Elasticsearch 和 Solr 比较
ElasticSearch vs Solr 总结
1、es
基本是开箱即用(解压就可以用 ! ),非常简单。Solr
安装略微复杂一丢丢!
2、Solr
利用 Zookeeper
进行分布式管理,而 Elasticsearch
自身带有分布式协调管理功能。
3、Solr
支持更多格式的数据,比如 JSON
、XML
、CSV
,而 Elasticsearch
仅支持 json
文件格式。
4、Solr
官方提供的功能更多,而 Elasticsearch
本身更注重于核心功能,高级功能多有第三方插件提供,例如图形化界面需要 kibana
友好支撑~!
5、Solr
查询快,但更新索引时慢(即插入删除慢),用于电商等查询多的应用;
ES
建立索引快(即查询慢),即实时性查询快,用于facebook
新浪等搜索。Solr
是传统搜索应用的有力解决方案,但Elasticsearch
更适用于新兴的实时搜索应用。
6、Solr
比较成熟,有一个更大,更成熟的用户、开发和贡献者社区,而 Elasticsearch
相对开发维护者较少,更新太快,学习使用成本较高。(趋势!)
ElasticSearch 安装
声明:JDK1.8
,最低要求! ElasticSearch
客户端,界面工具!
Java
开发,ElasticSearch
的版本和我们之后对应的 Java
的核心 jar
包! 版本对应!JDK
环境是正常!
下载
下载地址:https://www.elastic.co/cn/downloads/elasticsearch
我们学习的话 Window
和 Linux
都可以学习!
我们这里现在 Window 下学习!
ELK
三剑客,解压即用!(web
项目!前端环境!)
window 下安装
1、解压就可以使用了!
2、熟悉目录!
bin
启动文件
config
配置文件
log4j2
日志配置文件
jvm.options java
虚拟机相关的配置
elasticsearch.yml
elasticsearch
的配置文件! 默认 9200 端口! 跨域!
lib
相关jar包
logs
日志!
modules
功能模块
plugins
插件!
jvm.options java
虚拟机相关的配置
3、启动,访问 9200;
4、访问测试!127.0.0.1:9200
安装可视化界面 es head 的插件
没有前端基础的,先去看我的 Vue
,把基本的环境安装完毕!
1、下载地址:https://github.com/mobz/elasticsearch-head/
2、启动
文档主目录下cmd
命令
1 | npm install |
3、连接测试发现,存在跨域问题:配置 es
1 | http://localhost:9100 |
配置
1 | http.cors.enabled: true |
4、重启 es 服务器,然后再次连接
你们初学,就把 es
当做一个数据库! (可以建立索引(库),文档(库中的数据!))这个 head
我们就把它当做数据展示工具!我们后面所有的查询,Kibana
!
了解 ELK
ELK
是 Elasticsearch
、Logstash
、Kibana
三大开源框架首字母大写简称。市面上也被成为 ElasticStack
。其中 Elasticsearch
是一个基于 Lucene
、分布式、通过 Restful
方式进行交互的近实时搜索平台框架。像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用 Elasticsearch
作为底层支持框架,可见 Elasticsearch
提供的搜索能力确实强大,市面上很多时候我们简称 Elasticsearch
为 es
。Logstash
是 ELK
的中央数据流引擎,用于从不同目标(文件/数据存储/MQ
)收集的不同格式数据,经过过滤后支持输出到不同目的地(文件/MQ
/redis
/elasticsearch
/kafka
等)。Kibana
可以将 elasticsearch
的数据通过友好的页面展示出来,提供实时分析的功能。
市面上很多开发只要提到 ELK
能够一致说出它是一个日志分析架构技术栈总称,但实际上 ELK
不仅仅适用于日志分析,它还可以支持其它任何数据分析和收集的场景,日志分析和收集只是更具有代表性。并非唯一性。
安装 Kibana
Kibana
是一个针对 Elasticsearch
的开源分析及可视化平台,用来搜索、查看交互存储在 Elasticsearch
索引中的数据。使用 Kibana
,可以通过各种图表进行高级数据分析及展示。Kibana
让海量数据更容易理解。它操作简单,基于浏览器的用户界面可以快速创建仪表板(dashboard
)实时显示 Elasticsearch
查询动态。设置 Kibana
非常简单。无需编码或者额外的基础架构,几分钟内就可以完成 Kibana
安装并启动 Elasticsearch
索引监测。
官网:https://www.elastic.co/cn/kibana
Kibana
版本要和 Es
一致!
下载完毕后,解压也需要一些时间!是一个标准的工程!
好处:ELK
基本上都是拆箱即用!
启动测试:
1、解压后端的目录
2、启动
3、访问测试
http://localhost:5601
4、开发工具! (Post
、curl
、head
、谷歌浏览器插件测试!)
我们之后的所有操作都在这里进行编写!很多学习大数据的人,Hadoop
!
5、汉化!自己修改 kibana
配置即可! zh-CN
!
ES 核心概念
1、索引
2、字段类型(mapping)
3、文档(documents)
概述
在前面的学习中,我们已经掌握了 es 是什么,同时也把 es 的服务已经安装启动,那么 es 是如何去存储数据,数据结构是什么,又是如何实现搜索的呢?我们先来聊聊 ElasticSearch 的相关概念吧!
集群,节点,索引,类型,文档,分片,映射是什么?
elasticsearch 是面向文档,关系行数据库 和 elasticsearch 客观的对比!一切都是 JSON!
Relational DB | Elasticsearch |
---|---|
数据库(database) | 索引(indices) |
表(tables) | types |
行(rows) | documents |
字段(columns) | fields |
elasticsearch
(集群)中可以包含多个索引(数据库),每个索引中可以包含多个类型(表),每个类型下又包含多 个文档(行),每个文档中又包含多个字段(列)。
物理设计:
elasticsearch
在后台把每个索引划分成多个分片,每分分片可以在集群中的不同服务器间迁移一个人就是一个集群!默认的集群名称就是 elaticsearh
逻辑设计:
一个索引类型中,包含多个文档,比如说文档 1,文档 2。 当我们索引一篇文档时,可以通过这样的一各顺序找到 它:索引 ▷ 类型 ▷ 文档 ID ,通过这个组合我们就能索引到某个具体的文档。 注意:ID 不必是整数,实际上它是个字 符串。
文档
就是我们的一条条数据
1 | user |
之前说 elasticsearch
是面向文档的,那么就意味着索引和搜索数据的最小单位是文档,elasticsearch
中,文档有几个 重要属性 :
- 自我包含,一篇文档同时包含字段和对应的值,也就是同时包含
key:value
! - 可以是层次型的,一个文档中包含自文档,复杂的逻辑实体就是这么来的! {就是一个
json
对象!fastjson
进行自动转换!} - 灵活的结构,文档不依赖预先定义的模式,我们知道关系型数据库中,要提前定义字段才能使用,在
elasticsearch
中,对于字段是非常灵活的,有时候,我们可以忽略该字段,或者动态的添加一个新的字段。
尽管我们可以随意的新增或者忽略某个字段,但是,每个字段的类型非常重要,比如一个年龄字段类型,可以是字符 串也可以是整形。因为 elasticsearch
会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型,这也是为什么在 elasticsearch
中,类型有时候也称为映射类型。
类型
类型是文档的逻辑容器,就像关系型数据库一样,表格是行的容器。 类型中对于字段的定义称为映射,比如 name
映 射为字符串类型。 我们说文档是无模式的,它们不需要拥有映射中所定义的所有字段,比如新增一个字段,那么 elasticsearch
是怎么做的呢?elasticsearch
会自动的将新字段加入映射,但是这个字段的不确定它是什么类型,elasticsearch
就开始猜,如果这个值是 18
,那么 elasticsearch
会认为它是整形。 但是 elasticsearch
也可能猜不对, 所以最安全的方式就是提前定义好所需要的映射,这点跟关系型数据库殊途同归了,先定义好字段,然后再使用,别 整什么幺蛾子。
索引
就是数据库!
索引是映射类型的容器,elasticsearch 中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。 然后它们被存储到了各个分片上了。 我们来研究下分片是如何工作的。
物理设计 :节点和分片 如何工作
一个集群至少有一个节点,而一个节点就是一个 elasricsearch
进程,节点可以有多个索引默认的,如果你创建索引,那么索引将会有个 5 个分片 ( primary shard
,又称主分片 ) 构成的,每一个主分片会有一个副本 ( replica shard
,又称复制分片 )
上图是一个有 3 个节点的集群,可以看到主分片和对应的复制分片都不会在同一个节点内,这样有利于某个节点挂掉 了,数据也不至于丢失。 实际上,一个分片是一个 Lucene
索引,一个包含倒排索引的文件目录,倒排索引的结构使 得 elasticsearch
在不扫描全部文档的情况下,就能告诉你哪些文档包含特定的关键字。 不过,等等,倒排索引是什 么鬼?
倒排索引
elasticsearch 使用的是一种称为倒排索引的结构,采用 Lucene 倒排索作为底层。这种结构适用于快速的全文搜索, 一个索引由文档中所有不重复的列表构成,对于每一个词,都有一个包含它的文档列表。 例如,现在有两个文档, 每个文档包含如下内容:
1 | Study every day, good good up to forever # 文档1包含的内容 |
为了创建倒排索引,我们首先要将每个文档拆分成独立的词(或称为词条或者 tokens),然后创建一个包含所有不重 复的词条的排序列表,然后列出每个词条出现在哪个文档 :
term | doc_1 | doc_2 |
---|---|---|
Study | √ | × |
To | x | × |
every | √ | √ |
forever | √ | √ |
day | √ | √ |
study | × | √ |
good | √ | √ |
every | √ | √ |
to | √ | × |
up | √ | √ |
现在,我们试图搜索 to forever
,只需要查看包含每个词条的文档 score
term | doc_1 | doc_2 |
---|---|---|
to | √ | × |
forever | √ | √ |
total | 2 | 1 |
两个文档都匹配,但是第一个文档比第二个匹配程度更高。如果没有别的条件,现在,这两个包含关键字的文档都将返回。
再来看一个示例,比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构 :
如果要搜索含有 python
标签的文章,那相对于查找所有原始数据而言,查找倒排索引后的数据将会快的多。只需要 查看标签这一栏,然后获取相关的文章 ID
即可。完全过滤掉无关的所有数据,提高效率!
elasticsearch
的索引和 Lucene
的索引对比
在 elasticsearch
中, 索引 (库)这个词被频繁使用,这就是术语的使用。 在 elasticsearch
中,索引被分为多个分片,每份 分片是一个 Lucene
的索引。所以一个 elasticsearch
索引是由多个 Lucene
索引组成的。别问为什么,谁让 elasticsearch
使用 Lucene
作为底层呢! 如无特指,说起索引都是指 elasticsearch
的索引。
接下来的一切操作都在 kibana
中 Dev Tools
下的 Console
里完成。基础操作!
IK 分词器插件
什么是 IK 分词器?
分词:即把一段中文或者别的划分成一个个的关键字,我们在搜索时候会把自己的信息进行分词,会把数据库中或者索引库中的数据进行分词,然后进行一个匹配操作,默认的中文分词是将每个字看成一个词,比如 “我爱狂神” 会被分为”我”,“爱”,“狂”,“神”,这显然是不符合要求的,所以我们需要安装中文分词器 ik 来解决这个问题。
如果要使用中文,建议使用 ik
分词器!
IK
提供了两个分词算法:ik_smart
和 ik_max_word
,其中 ik_smart
为最少切分,ik_max_word 为最细粒度划分!一会我们测试!
安装
1、https://github.com/medcl/elasticsearch-analysis-ik
2、下载完毕之后,放入到我们的 elasticsearch
插件即可!
放到plugins
中
3、重启观察 ES
,可以看到 ik
分词器被加载了!
4、elasticsearch-plugin
可以通过这个命令来查看加载进来的插件lib
目录下开启cmd
运行命令elasticsearch-plugin list
5、使用 kibana
测试!
查看不同的分词效果
其中 ik_smart
为最少切分
1 | GET _analyze |
ik_max_word
为最细粒度划分!穷尽词库的可能!字典!
1 | GET _analyze |
我们输入 超级喜欢狂神说 Java
发现问题:狂神说被拆开了!
1 | GET _analyze |
这种自己需要的词,需要自己加到我们的分词器的字典中!
ik 分词器增加自己的配置!
此文件是用于配置自己的词
让我们新建自己的词文件xml
中配置
重启 es
,看细节!
再次测试一下狂神说,看下效果!
1 | GET _analyze |
以后的话,我们需要自己配置 分词就在自己定义的 dic
文件中进行配置即可!
Rest 风格说明
一种软件架构风格,而不是标准,只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁,更有层次,更易于实现缓存等机制。
基本 Rest 命令说明:
method | url地址 | 描述 |
---|---|---|
PUT | localhost:9200/索引名称/类型名称/文档 id | 创建文档(指定文档 id) |
POST | localhost:9200/索引名称/类型名称 | 创建文档(随机文档 id) |
POST | localhost:9200/索引名称/类型名称/文档 id/_update | 修改文档 |
DELETE | localhost:9200/索引名称/类型名称/文档 id | 删除文档 |
GET | localhost:9200/索引名称/类型名称/文档 id | 查询文档通过文档 id |
POST | localhost:9200/索引名称/类型名称/_search | 查询所有数据 |
关于索引的基本操作
1、创建一个索引!
1 | PUT /索引名/类型名/文档id |
超时修改es
内存(jvm
配置中),再修改kibana
配置,requestTimeOut
为90000
完成了自动增加了索引!数据也成功的添加了,这就是我说大家在初期可以把它当做数据库学习的原因!
3、那么 name
这个字段用不用指定类型呢。毕竟我们关系型数据库 是需要指定类型的啊 !
字符串类型
数值类型
long, integer, short, byte, double, float, half_float, scaled_float
日期类型
te 布尔值类型
二进制类型
等等…
4、指定字段的类型
1 | PUT /test2 |
获得这个规则! 可以通过 GET
请求获取具体的信息!
1 | GET test2 |
5、查看默认的信息
1 | PUT /test3/_doc/1 |
如果自己的文档字段没有指定,那么 es
就会给我们默认配置字段类型!
1 | GET test3 |
虚心学习,这个世界上大佬很多!
扩展: 通过命令 elasticsearch
索引情况! 通过 get _cat/
可以获得 es
的当前的很多信息!
1 | GET _cat/health |
修改 提交还是使用 PUT 即可! 然后覆盖!最新办法!
曾经!
1 | PUT /test3/_doc/1 |
现在的方法!
1 | POST /test3/_doc/1/_update |
弹幕:POST /{index}/_update/{id}
这个是最新的语法
1 | POST /test3/_update/1 |
删除索引!
通过 DELETE
命令实现删除、 根据你的请求来判断是删除索引还是删除文档记录!
1 | DELETE test1 |
使用 RESTFUL
风格是我们 ES
推荐大家使用的!
关于文档的基本操作(重点)
基本操作
1、添加数据
1 | PUT /kuangshen/user/1 |
再添加两个数据
1 | PUT /kuangshen/user/2 |
2、获取数据 GET
1 | GET kuangshen/user/1 |
3、更新数据 PUT
1 | PUT /kuangshen/user/3 |
4、POST _update
, 推荐使用这种更新方式!
1 | POST /kuangshen/_update/1 |
简单地搜索!
1 | GET kuangshen/user/1 |
简答的条件查询,可以根据默认的映射规则,产生基本的查询!
1 | GET kuangshen/user/_search?q=name:狂神说Java |
复杂操作搜索 select ( 排序,分页,高亮,模糊查询,精准查询!)
1 | GET kuangshen/user/_search |
再加入一条数据
1 | PUT /kuangshen/user/4 |
1 | GET kuangshen/user/_search |
输出结果,不想要那么多!
1 | GET kuangshen/user/_search |
我们之后使用 Java
操作 es
,所有的方法和对象就是这里面的 key
!
排序!
1 | GET kuangshen/user/_search |
分页查询!
1 | GET kuangshen/user/_search |
数据下标还是从 0
开始的,和学的所有数据结构是一样的!
1 | /search/{current}/{pagesize} |
布尔值查询
1 | must` (`and`),所有的条件都要符合 `where id = 1 and name = xxx |
1 | should`(`or`),所有的条件都要符合`where id = 1 or name = xxx |
must_not
(not
)
1 | GET kuangshen/user/_search |
过滤器 filter
1 | GET kuangshen/user/_search |
gt
大于gte
大于等于lt
小于lte
小于等于!
匹配多个条件!
1 | GET kuangshen/user/_search |
精确查询!
term
查询是直接通过倒排索引指定的词条进程精确查找的!
关于分词:
term
,直接查询精确的match
,会使用分词器解析!(先分析文档,然后在通过分析的文档进行查询!)
两个类型 text keyword
新建一个数据库
1 | PUT testdb |
添加数据
1 | PUT testdb/_doc/1 |
分词查看
1 | GET _analyze |
查询数据
1 | GET testdb/_search |
多个值匹配精确查询
添加数据
1 | PUT testdb/_doc/3 |
查询
1 | GET testdb/_search |
高亮查询!
1 | GET testdb/_search |
1 | GET testdb/_search |
这些其实 MySQL 也可以做,只是 MySQL 效率比较低!
回顾
- 匹配
- 按照条件匹配
- 精确匹配
- 区间范围匹配
- 匹配字段过滤
- 多条件查询
- 高亮查询
集成 SpringBoot
找官方文档!
1、找到原生的依赖
1 | <dependency> |
2、找对象
3、分析这个类中的方法即可!
配置基本的项目
项目创建
- 先创建一个空项目
- 然后在空项目中创建一个模块
创建完成之后
- 加JDK
- 改版本
- maven仓库
- 改版本
- 改编码
问题:一定要保证 我们的导入的依赖和我们的 es 版本一致
查看版本
1 | <properties> |
源码中提供对象!
ElasticSearchClientConfig
1 | package com.huang.config; |
虽然这里导入 3 个类,静态内部类,核心类就一个!
1 | /* |
具体的 Api 测试!
1、创建索引
1 | // 测试索引的创建 Request PUT kuang_index |
2、判断索引是否存在
1 | //测试获取索引 |
3、删除索引
1 | // 测试删除索引 |
4、创建文档
首先创建一个User
实体类
1 | package com.huang.pojo; |
导入依赖
1 | <dependency> |
1 | //测试添加文档 |
5、判断文档是否存在
1 | // 获取文档,判断是否存在 get /index/doc/1 |
6、获取文档信息
1 | // 获得文档的信息 |
7、更新文档的信息
1 | // 更新文档的信息 |
8、删除文档记录
1 | // 删除文档记录 |
9、特殊的,真的项目一般都会批量插入数据!
1 | // 特殊的,真的项目一般都会批量插入数据! |
10、查询
1 | // 查询 |
合集
1 | package com.kuang; |
示例代码地址:https://gitee.com/codeming2000/codeming-es-api
实战
准备工作
新建一个项目
1 | <properties> |
配置application.properties
1 | server.port=9090 |
获取资料
粘贴到
编写IndexController
1 | package com.huang.controller; |
启动测试
最终的效果!
爬虫
数据问题?数据库获取,消息队列中获取中,都可以成为数据源,爬虫!
导入依赖解析网页
1 | <dependency> |
爬取数据:(获取请求返回的页面信息,筛选出我们想要的数据就可以了!)
前后端分离(含搜索高亮)
Vue下载
- 随便创建一个文件夹
- 文件夹下启动
cmd
命令 - 执行命令
1 | npm install vue |
- 然后执行
1 | npm install axios |
核心代码编写
config
1 | ElasticSearchClientConfig |
pojo Content
1 | package com.huang.pojo; |
HtmlParseUtil
爬虫工具类HtmlParseUtil
1 | package com.huang.util; |
controller
IndexController
1 | package com.huang.controller; |
ContentController
1 | package com.huang.controller; |
service
ContentService
1 | package com.huang.service; |