---
title: ElasticSearch-入门篇
tags:
- ElasticSearch
- ELK
- 全文检索
categories:
- ElasticSearch
- 用法
keywords: ElasticSearch,全文检索
description: ElasticSearch-入门篇，适合做入门，或者知识回顾。
cover: 'https://cdn.jsdelivr.net/gh/youthlql/lqlp@v1.0.0/ElasticSearch/logo.jpg'
abbrlink: 7f60dde9
date: 2020-02-03 13:11:45
---
> 文章很长，喜欢的话，可以关注下博客。这段时间秋招忙完之后，会持续更新新内容
# ElasticSearch介绍
## 介绍
1、elasticsearch是一个基于Lucene的高扩展的分布式搜索服务器，支持开箱即用。
2、elasticsearch隐藏了Lucene的复杂性，对外提供Restful 接口来操作索引、搜索。
**突出优点：**
1. 扩展性好，可部署上百台服务器集群，处理PB级数据。
2. 近实时的去索引数据、搜索数据。
**es和solr选择哪个？**
1. 如果你公司现在用的solr可以满足需求就不要换了。
2. 如果你公司准备进行全文检索项目的开发，建议优先考虑elasticsearch，因为像Github这样大规模的搜索都在用它。
## 倒排索引
下图是ElasticSearch的索引结构，下边黑色部分是物理结构，上边黄色部分是逻辑结构，逻辑结构也是为了更好的 去描述ElasticSearch的工作原理及去使用物理结构中的索引文件。
逻辑结构部分是一个倒排索引表：
1、将要搜索的文档内容分词，所有不重复的词组成分词列表。
2、将搜索的文档最终以Document方式存储起来。
3、每个词和docment都有关联。
如下：
现在，如果我们想搜到`quick brown`我们只需要查找包含每个词条的文档：
两个文档都匹配，但是第一个文档比第二个匹配度更高。如果我们使用仅计算匹配词条数量的简单 相似性算法 ， 那么，我们可以说，对于我们查询的相关性来讲，第一个文档比第二个文档更佳
# 基本概念
1.创建索引库 --------------------->类似于:数据库的建表
2.创建映射 --------------------->类似于:数据库的添加表中字段
3.创建(添加)文档 --------------------->类似于:数据库的往表中添加数据。术语称这个过程为:创建索引
5.搜索文档 --------------------->类似于:从数据库里查数据
6.文档 --------------------->类似于:数据库中的一行记录(数据)
7.Field(域) --------------------->类似于:数据库中的字段
## 创建索引库
### 概念：
ES的索引库是一个逻辑概念，它包括了分词列表及文档列表，同一个索引库中存储了相同类型的文档。它就相当于MySQL中的表，或相当于Mongodb中的集合。
索引(index)
```shell
# 索引是 ES 对逻辑数据的逻辑存储，所以可以被分为更小的部分
# 可以将索引看成 MySQL 的 Table，索引的结构是为快速有效的全文索引准备的，特别是它不存储原始值
# 可以将索引存放在一台机器，或分散在多台机器上
# 每个索引有一或多个分片(shard)，每个分片可以有多个副本(replica)
```
### 操作：
使用postman这样的工具创建： put http://localhost:9200/索引库名称
```shell
# ES 中提供非结构化索引，实际上在底层 ES 会进行结构化操作，对用户透明
PUT http://localhost:9200/索引库名称
{
"settings":{
"index":{
"number_of_shards":"1", # 分片数
"number_of_replicas":"0" # 副本数
}
}
}
```
- number_of_shards：设置分片的数量，在集群中通常设置多个分片，表示一个索引库将拆分成多片分别存储不同 的结点，提高了ES的处理能力和高可用性，入门程序使用单机环境，这里设置为1。
- number_of_replicas：设置副本的数量，设置副本是为了提高ES的高可靠性，单机环境设置为0.
## 创建映射
### 概念
在索引中每个文档都包括了一个或多个field，创建映射就是向索引库中创建field的过程，下边是document和field 与关系数据库的概念的类比：
文档（Document）----- Row记录
字段（Field）----- Columns 列
注意：6.0之前的版本有type（类型）概念，type相当于关系数据库的表，ES官方将在ES9.0版本中彻底删除type。 上边讲的创建索引库相当于关系数据库中的数据库还是表？
1、如果相当于数据库就表示一个索引库可以创建很多不同类型的文档，这在ES中也是允许的。
2、如果相当于表就表示一个索引库只能存储相同类型的文档，ES官方建议在一个索引库中只存储相同类型的文档。
3、所以索引库相当于数句酷的一个表
### 操作
1、我们要把课程信息存储到ES中，这里我们创建课程信息的映射，先来一个简单的映射，如下：
发送：post http://localhost:9200/索引库名称/类型名称/_mapping
2、创建类型为xc_course的映射，共包括三个字段：name、description、studymondel 由于ES6.0版本还没有将type彻底删除，所以暂时把type起一个没有特殊意义的名字doc。post 请求：http://localhost:9200/xc_course/doc/_mapping
表示：在xc_course索引库下的doc类型下创建映射。doc是类型名，可以自定义，在ES6.0中要弱化类型的概念， 给它起一个没有具体业务意义的名称。
```json
{
"properties": {
"name": {
"type": "text"
},
"description":{
"type": "text"
},
"studymodel":{
"type":"keyword"
}
}
}
```
## 创建文档
### 概念
ES中的文档相当于MySQL数据库表中的记录。
```shell
# 存储在 ES 中的主要实体叫文档，可以看成 MySQL 的一条记录
# ES 与 Mongo 的 document 类似，都可以有不同的结构，但 ES 相同字段必须有相同类型
# document 由多个字段组成，每个字段可能多次出现在一个文档里，这样的字段叫多值字段(multivalued)
# 每个字段的类型，可以使文本、数值、日期等。
# 字段类型也可以是复杂类型，一个字段包含其他子文档或者数组
# 在 ES 中，一个索引对象可以存储很多不同用途的 document，例如一个博客App中，可以保存文章和评论
# 每个 document 可以有不同的结构
# 不同的 document 不能为相同的属性设置不同的类型，例 : title 在同一索引中所有 Document 都应该相同数据类型
```
### 操作
发送：put 或Post http://localhost:9200/xc_course/doc/id值
（如果不指定id值ES会自动生成ID）
http://localhost:9200/xc_course/doc/4028e58161bcf7f40161bcf8b77c0000
```json
{
"name":”Bootstrap开发框架",
"description" : "Bootstrap是由Twitter推出的一个前台页面开发框架,在行业之中使用较为广泛。此开发框架包含 了大量的CSS、JS程序代码，可以帮助开发者(尤其是不擅长页面开发的程序人员)轻松的实现个不受浏览器限制的精美界面 效果。”,
"studymodel": "201001"
}
```
## 搜索文档
1、根据课程id查询文档
发送：get http://localhost:9200/xc_course/doc/4028e58161bcf7f40161bcf8b77c0000
使用postman测试：
2、查询所有记录
发送 get http://localhost:9200/xc_course/doc/_search
3、查询名称中包括spring 关键字的的记录
发送：get http://localhost:9200/xc_course/doc/_search?q=name:bootstrap
4、查询学习模式为201001的记录
发送 get http://localhost:9200/xc_course/doc/_search?q=studymodel:201001
**查询结果分析：**
```json
{
"took": 1,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 1,
"max_score": 0.2876821,
"hits": [
{
"_index": "xc_course",
"_type": "doc",
"_id": "4028e58161bcf7f40161bcf8b77c0000",
"_score": 0.2876821,
"_source": {
"name": "Bootstrap开发框架",
"description": "Bootstrap是由Twitter推出的一个前台页面开发框架，在行业之中使用较 为广泛。此开发框架包含了大量的CSS、JS程序代码，可以帮助开发者（尤其是不擅长页面开发的程序人员）轻松的实现 一个不受浏览器限制的精美界面效果。",
"studymodel": "201001"
}
}
]
}
}
```
**结果说明：**
took：本次操作花费的时间，单位为毫秒。timed_out：请求是否超时
_shards：说明本次操作共搜索了哪些分片hits：搜索命中的记录
hits.total ： 符合条件的文档总数 hits.hits ：匹配度较高的前N个文档
hits.max_score：文档匹配得分，这里为最高分
_score：每个文档都有一个匹配度得分，按照降序排列。
_source：显示了文档的原始内容。
# 分词
## 内置分词
### 分词API
分词是将一个文本转换成一系列单词的过程，也叫文本分析，在 ES 中称之为 Analysis
例如 : 我是中国人 -> 我 | 是 | 中国人
```json
# 指定分词器进行分词
POST http://['自己的ip 加 port']/_analyze
{
"analyzer":"standard",
"text":"hello world"
}
# 结果中不仅可以看出分词的结果，还返回了该词在文本中的位置
# 指定索引分词
POST http://['自己的ip 加 port']/beluga/_analyze
{
"analyzer":"standard",
"field":"hobby",
"text":"听音乐"
}
```
### Standard
```shell
# Standard 标准分词，按单词切分，并且会转换成小写
POST http://['自己的ip 加 port']/_analyze
{
"analyzer":"standard",
"text": "A man becomes learned by asking questions."
}
```
### Simple
```shell
# Simple 分词器，按照非单词切分，并且做小写处理
POST http://['自己的ip 加 port']/_analyze
{
"analyzer":"simple",
"text":"If the document does't already exist"
}
```
### Whitespace
```shell
# Whitespace 是按照空格切分
POST http://['自己的ip 加 port']/_analyze
{
"analyzer":"whitespace",
"text":"If the document does't already exist"
}
```
### Stop
```shell
# Stop 去除 Stop Word 语气助词，如 the、an 等
POST http://['自己的ip 加 port']/_analyze
{
"analyzer":"stop",
"text":"If the document does't already exist"
}
```
### Keyword
```shell
# keyword 分词器，意思是传入就是关键词，不做分词处理
POST http://['自己的ip 加 port']/_analyze
{
"analyzer":"keyword",
"text":"If the document does't already exist"
}
```
### 中文分词
```shell
# 中文分词的难点在于，汉语中没有明显的词汇分界点
# 常用中文分词器，IK jieba THULAC 等，推荐 IK
# IK Github 站点<自定义词典扩展，禁用词典扩展等>
https://github.com/medcl/elasticsearch-analysis-ik
```
## IK分词器
安装过程这里不介绍，主要是解决常见中文分词的问题
Github地址：https://github.com/medcl/elasticsearch-analysis-ik
### 两种分词模式
ik分词器有两种分词模式：ik_max_word和ik_smart模式。
1、ik_max_word
会将文本做最细粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、 华人、人民共和国、人民、共和国、大会堂、大会、会堂等词语。
2、ik_smart
会做最粗粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为中华人民共和国、人民大会堂。 测试两种分词模式：
# 映射
上边章节安装了ik分词器，如果在索引和搜索时去使用ik分词器呢？如何指定其它类型的field，比如日期类型、数 值类型等。本章节学习各种映射类型及映射维护方法。
## 映射维护方法
1、查询所有索引的映射：
GET： http://localhost:9200/_mapping
2、创建映射
post 请求：http://localhost:9200/xc_course/doc/_mapping
在上面提到过
```
{
"properties": {
"name": {
"type": "text"
},
"description":{
"type": "text"
},
"studymodel":{
"type":"keyword"
}
}
}
```
3、更新映射
映射创建成功可以添加新字段，已有字段不允许更新。
4、删除映射
通过删除索引来删除映射。
## 常用映射类型
### text文本字段
**1）text**
字符串包括text和keyword两种类型： 通过analyzer属性指定分词器。
下边指定name的字段类型为text，使用ik分词器的ik_max_word分词模式。
```json
{
"name": {
"type": "text",
"analyzer": "ik_max_word"
}
}
```
上边指定了analyzer是指在索引和搜索都使用ik_max_word，如果单独想定义搜索时使用的分词器则可以通过search_analyzer属性。
对于ik分词器建议是索引时使用ik_max_word将搜索内容进行细粒度分词，搜索时使用ik_smart提高搜索精确性。
```json
{
"name": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
}
}
```
**2） index**
通过index属性指定是否索引。
默认为index=true，即要进行索引，只有进行索引才可以从索引库搜索到。
但是也有一些内容不需要索引，比如：商品图片地址只被用来展示图片，不进行搜索图片，此时可以将index设置 为false。
删除索引，重新创建映射，将pic的index设置为false，尝试根据pic去搜索，结果搜索不到数据
```json
{
"pic": {
"type": "text",
"index": false
}
}
```
**3）store**
是否在source之外存储，每个文档索引后会在 ES中保存一份原始文档，存放在"_source"中，一般情况下不需要设置 store为true，因为在_source中已经有一份原始文档了。
### keyword关键字字段
上边介绍的text文本字段在映射时要设置分词器，keyword字段为关键字字段，通常搜索keyword是按照整体搜 索，所以创建keyword字段的索引时是不进行分词的，比如：邮政编码、手机号码、身份证等。keyword字段通常 用于过虑、排序、聚合等。
**测试：**
更改映射：
```json
{
"properties": {
"studymodel": {
"type": "keyword"
},
"name": {
"type": "keyword"
}
}
}
```
添加文档：
```json
{
"name": "java编程基础",
"description": "java语言是世界第一编程语言，在软件开发领域使用人数最多。",
"pic": "group1/M00/00/01/wKhlQFqO4MmAOP53AAAcwDwm6SU490.jpg",
"studymodel": "201001"
}
```
根据name查询文档。搜索：http://localhost:9200/xc_course/_search?q=name:java name是keyword类型，所以查询方式是精确查询。
### 日期类型
日期类型不用设置分词器。
通常日期类型的字段用于排序。
1)format
通过format设置日期格式例子：
下边的设置允许date字段存储年月日时分秒、年月日及毫秒三种格式
```json
{
"properties": {
"timestamp": {
"type": "date",
"format": "yyyy‐MM‐dd HH:mm:ss||yyyy‐MM‐dd"
}
}
}
```
插入文档：
Post :http://localhost:9200/xc_course/doc/3
```json
{
"name": "spring开发基础",
"description": "spring 在java领域非常流行，java程序员都在用。",
"studymodel": "201001",
"pic": "group1/M00/00/01/wKhlQFqO4MmAOP53AAAcwDwm6SU490.jpg",
"timestamp": "2018‐07‐04 18:28:58"
}
```
### 综合例子
post：http://localhost:9200/xc_course/doc/_mapping
```json
{
"properties": {
"description": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"name": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"pic": {
"type": "text",
"index": false
},
"price": {
"type": "float"
},
"studymodel": {
"type": "keyword"
},
"timestamp": {
"type": "date",
"format": "yyyy‐MM‐dd HH:mm:ss||yyyy‐MM‐dd||epoch_millis"
}
}
}
```