別隻會搜日誌了，求你懂點檢索原理吧

時間  2020-10-10
標籤 javascript html java node mysql nginx git github 面試 sql 欄目 搜索引擎 简体版
原文   原文鏈接

本篇主要內容以下：javascript

主要內容

前言

項目中咱們老是用 Kibana 界面來搜索測試或生產環境下的日誌，來看下有沒有異常信息。Kibana 就是 咱們常說的 ELK 中的 K。html

​Kibana 界面以下圖所示：java

Kibana 界面

但這些日誌檢索原理是什麼呢？這裏就該咱們的 Elasticsearch 搜索引擎登場了。node

我會分爲三篇來說解 Elasticsearch 的原理、實戰及部署。 本篇是講解 ES 的上篇。mysql

  • 上篇： 講解 Elasticsearch（簡稱ES）的原理、中文分詞的配置。
  • 中篇： 實戰 ES 應用。
  • 下篇： ES 的集羣部署。

爲何要分紅三篇，由於每一篇都很長，並且側重點不同，因此分紅三篇來說解。nginx

1、Elasticsearch 簡介

1.1 什麼是 Elasticsearch?

Elasticsearch 是一個分佈式的開源搜索和分析引擎，適用於全部類型的數據，包括文本、數字、地理空間、結構化和非結構化數據。簡單來講只要涉及搜索和分析相關的， ES 均可以作。git

1.2 Elasticsearch 的用途？

Elasticsearch 在速度和可擴展性方面都表現出色，並且還可以索引多種類型的內容，這意味着其可用於多種用例：github

  • 好比一個在線網上商店，您能夠在其中容許客戶搜索您出售的產品。在這種狀況下，您可使用Elasticsearch 存儲整個產品目錄和庫存，併爲它們提供搜索和自動完成建議。

搜索手機

  • 好比收集日誌或交易數據，而且要分析和挖掘此數據以查找趨勢，統計信息，摘要或異常。在這種狀況下，您可使用 Logstash（Elasticsearch / Logstash / Kibana堆棧的一部分）來收集，聚合和解析數據，而後讓 Logstash 將這些數據提供給 Elasticsearch。數據放入 Elasticsearch 後，您能夠運行搜索和聚合以挖掘您感興趣的任何信息。

1.3 Elasticsearch 的工做原理？

ELK 原理圖

Elasticsearch 是在 Lucene 基礎上構建而成的。ES 在 Lucence 上作了不少加強。面試

Lucene 是apache軟件基金會 4 的 jakarta 項目組的一個子項目，是一個開放源代碼的全文檢索引擎工具包，但它不是一個完整的全文檢索引擎，而是一個全文檢索引擎的架構，提供了完整的查詢引擎和索引引擎，部分文本分析引擎（英文與德文兩種西方語言）。Lucene的目的是爲軟件開發人員提供一個簡單易用的工具包，以方便的在目標系統中實現全文檢索的功能，或者是以此爲基礎創建起完整的全文檢索引擎。（來自百度百科）sql

Elasticsearch 的原始數據從哪裏來？

原始數據從多個來源 ( 包括日誌、系統指標和網絡應用程序 ) 輸入到 Elasticsearch 中。

Elasticsearch 的數據是怎麼採集的？

數據採集指在 Elasticsearch 中進行索引以前解析、標準化並充實這些原始數據的過程。這些數據在 Elasticsearch 中索引完成以後，用戶即可針對他們的數據運行復雜的查詢，並使用聚合來檢索自身數據的複雜彙總。這裏用到了 Logstash，後面會介紹。

怎麼可視化查看想要檢索的數據？

這裏就要用到 Kibana 了，用戶能夠基於本身的數據進行搜索、查看數據視圖等。

1.4 Elasticsearch 索引是什麼？

Elasticsearch 索引指相互關聯的文檔集合。Elasticsearch 會以 JSON 文檔的形式存儲數據。每一個文檔都會在一組鍵 ( 字段或屬性的名稱 ) 和它們對應的值 ( 字符串、數字、布爾值、日期、數值組、地理位置或其餘類型的數據 ) 之間創建聯繫。

Elasticsearch 使用的是一種名爲倒排索引的數據結構，這一結構的設計能夠容許十分快速地進行全文本搜索。倒排索引會列出在全部文檔中出現的每一個特有詞彙，而且能夠找到包含每一個詞彙的所有文檔。

在索引過程當中，Elasticsearch 會存儲文檔並構建倒排索引，這樣用戶即可以近實時地對文檔數據進行搜索。索引過程是在索引 API 中啓動的，經過此 API 您既可向特定索引中添加 JSON 文檔，也可更改特定索引中的 JSON 文檔。

1.5 Logstash 的用途是什麼？

Logstash 就是 ELK 中的 L。

Logstash 是 Elastic Stack 的核心產品之一，可用來對數據進行聚合和處理，並將數據發送到 Elasticsearch。Logstash 是一個開源的服務器端數據處理管道，容許您在將數據索引到 Elasticsearch 以前同時從多個來源採集數據，並對數據進行充實和轉換。

1.6 Kibana 的用途是什麼？

Kibana 是一款適用於 Elasticsearch 的數據可視化和管理工具，能夠提供實時的直方圖、線性圖等。

1.7 爲何使用 Elasticsearch

  • ES 很快，近實時的搜索平臺。
  • ES 具備分佈式的本質特質。
  • ES 包含一系列普遍的功能，好比數據彙總和索引生命週期管理。

官方文檔：https://www.elastic.co/cn/what-is/elasticsearch

2、ES 基本概念

2.1 Index ( 索引 )

動詞：至關於 Mysql 中的 insert

名詞：至關於 Mysql 中的 database

與 mysql 的對比

序號 Mysql Elasticsearch
1 Mysql 服務 ES 集羣服務
2 數據庫 Database 索引 Index
3 表 Table 類型 Type
4 記錄 Records ( 一行行記錄 ) 文檔 Document ( JSON 格式 )

2.2 倒排索引

假如數據庫有以下電影記錄：

1-大話西遊

2-大話西遊外傳

3-解析大話西遊

4-西遊降魔外傳

5-夢幻西遊獨家解析

分詞：將整句分拆爲單詞

序號 保存到 ES 的詞 對應的電影記錄序號
A 西遊 1,2, 3,4, 5
B 大話 1,2, 3
C 外傳 2,4, 5
D 解析 3,5
E 降魔 4
F 夢幻 5
G 獨家 5

檢索：獨家大話西遊

將 獨家大話西遊 解析拆分紅 獨家、大話、西遊

ES 中 A、B、G 記錄 都有這三個詞的其中一種， 因此 1,2, 3,4, 5 號記錄都有相關的詞被命中。

1 號記錄命中 2 次， A、B 中都有 ( 命中 2 次 ) ，並且 1 號記錄有 2 個詞，相關性得分：2 次/2 個詞=1

2 號記錄命中 2 個詞 A、B 中的都有 ( 命中 2 次 ) ，並且 2 號記錄有 2 個詞，相關性得分：2 次/3 個詞= 0.67

3 號記錄命中 2 個詞 A、B 中的都有 ( 命中 2 次 ) ，並且 3 號記錄有 2 個詞，相關性得分：2 次/3 個詞= 0.67

4 號記錄命中 2 個詞 A 中有 ( 命中 1 次 ) ，並且 4 號記錄有 2 個詞，相關性得分：1 次/3 個詞= 0.33

5 號記錄命中 2 個詞 A 中有 ( 命中 2 次 ) ，並且 4 號記錄有 4 個詞，相關性得分：2 次/4 個詞= 0.5

因此檢索出來的記錄順序以下：

​ 1-大話西遊 ( 想關性得分：1 )

​ 2-大話西遊外傳 ( 想關性得分：0.67 )

​ 3-解析大話西遊 ( 想關性得分：0.67 )

​ 5-夢幻西遊獨家解析 ( 想關性得分：0.5 )

​ 4-西遊降魔 ( 想關性得分：0.33 )

3、Docker 搭建環境

3.1. 搭建 Elasticsearch 環境

搭建虛擬機環境和安裝 docker 能夠參照以前寫的文檔：

1 ) 下載鏡像文件

docker pull elasticsearch:7.4.2

2 ) 建立實例

    1. 映射配置文件
配置映射文件夾
mkdir -p /mydata/elasticsearch/config

配置映射文件夾
mkdir -p /mydata/elasticsearch/data

設置文件夾權限任何用戶可讀可寫
chmod 777 /mydata/elasticsearch -R

配置 http.host
echo "http.host: 0.0.0.0" >> /mydata/elasticsearch/config/elasticsearch.yml
    1. 啓動 elasticsearch 容器
docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e "discovery.type"="single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx128m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.2
    1. 訪問 elasticsearch 服務

訪問：http://192.168.56.10:9200

返回的 reponse

{
  "name" : "8448ec5f3312",
  "cluster_name" : "elasticsearch",
  "cluster_uuid" : "xC72O3nKSjWavYZ-EPt9Gw",
  "version" : {
    "number" : "7.4.2",
    "build_flavor" : "default",
    "build_type" : "docker",
    "build_hash" : "2f90bbf7b93631e52bafb59b3b049cb44ec25e96",
    "build_date" : "2019-10-28T20:40:44.881551Z",
    "build_snapshot" : false,
    "lucene_version" : "8.2.0",
    "minimum_wire_compatibility_version" : "6.8.0",
    "minimum_index_compatibility_version" : "6.0.0-beta1"
  },
  "tagline" : "You Know, for Search"
}

訪問：http://192.168.56.10:9200/_cat 訪問節點信息

127.0.0.1 62 90 0 0.06 0.10 0.05 dilm * 8448ec5f3312

3.2. 搭建 Kibana 環境

docker pull kibana:7.4.2

docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.56.10:9200 -p 5601:5601 -d kibana:7.4.2

訪問 kibana: http://192.168.56.10:5601/

kibana

4、初階檢索玩法

4.1._cat 用法

GET /_cat/nodes: 查看全部節點
GET /_cat/health: 查看 es 健康情況
GET /_cat/master: 查看主節點
GET /_cat/indices: 查看全部索引

查詢彙總：
/_cat/allocation
/_cat/shards
/_cat/shards/{index}
/_cat/master
/_cat/nodes
/_cat/tasks
/_cat/indices
/_cat/indices/{index}
/_cat/segments
/_cat/segments/{index}
/_cat/count
/_cat/count/{index}
/_cat/recovery
/_cat/recovery/{index}
/_cat/health
/_cat/pending_tasks
/_cat/aliases
/_cat/aliases/{alias}
/_cat/thread_pool
/_cat/thread_pool/{thread_pools}
/_cat/plugins
/_cat/fielddata
/_cat/fielddata/{fields}
/_cat/nodeattrs
/_cat/repositories
/_cat/snapshots/{repository}
/_cat/templates

4.2. 索引一個文檔 ( 保存 )

例子：在 customer 索引下的 external 類型下保存標識爲 1 的數據。

  • 使用 Kibana 的 Dev Tools 來建立
PUT member/external/1

{
"name":"jay huang"
}

Reponse:

{
    "_index": "member", //在哪一個索引
    "_type": "external",//在那個類型
    "_id": "2",//記錄 id
    "_version": 7,//版本號
    "result": "updated",//操做類型
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "_seq_no": 9,
    "_primary_term": 1
}
  • 也能夠經過 Postman 工具發送請求來建立記錄。

建立一條記錄

注意：

PUT 和 POST 均可以建立記錄。

POST：若是不指定 id，自動生成 id。若是指定 id，則修改這條記錄，並新增版本號。

PUT：必須指定 id，若是沒有這條記錄，則新增，若是有，則更新。

4.3 查詢文檔

請求：http://192.168.56.10:9200/member/external/2

Reposne:
{
    "_index": "member",   //在哪一個索引
    "_type": "external",  //在那個類型
    "_id": "2",           //記錄 id
    "_version": 7,        //版本號
    "_seq_no": 9,         //併發控制字段，每次更新就會+1，用來作樂觀鎖
    "_primary_term": 1,   //同上，主分片從新分配，如重啓，就會變化
    "found": true,
    "_source": { //真正的內容
        "name": "jay huang"
 }
}

_seq_no 用做樂觀鎖

每次更新完數據後，_seq_no 就會+1，因此能夠用做併發控制。

當更新記錄時，若是_seq_no 與預設的值不一致，則表示記錄已經被至少更新了一次，不容許本次更新。

用法以下：

請求更新記錄 2: http://192.168.56.10:9200/member/external/2?if_seq_no=9&&if_primary_term=1
返回結果：
{
    "_index": "member",
    "_type": "external",
    "_id": "2",
    "_version": 9,
    "result": "updated",
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "_seq_no": 11,
    "_primary_term": 1
}

_seq_no 等於 10，且_primary_term=1 時更新數據，執行一次請求後，再執行上面的請求則會報錯：版本衝突

{
    "error": {
        "root_cause": [
 {
                "type": "version_conflict_engine_exception",
                "reason": "[2]: version conflict, required seqNo [10], primary term [1]. current document has seqNo [11] and primary term [1]",
                "index_uuid": "CX6uwPBKRByWpuym9rMuxQ",
                "shard": "0",
                "index": "member"
 }
        ],
        "type": "version_conflict_engine_exception",
        "reason": "[2]: version conflict, required seqNo [10], primary term [1]. current document has seqNo [11] and primary term [1]",
        "index_uuid": "CX6uwPBKRByWpuym9rMuxQ",
        "shard": "0",
        "index": "member"
    },
    "status": 409
}

4.4 更新文檔

  • 用法

POST 帶 _update 的更新操做，若是原數據沒有變化，則 repsonse 中的 result 返回 noop ( 沒有任何操做 ) ，version 也不會變化。

請求體中須要用 doc 將請求數據包裝起來。

POST 請求：http://192.168.56.10:9200/member/external/2/_update
{
    "doc":{
        "name":"jay huang"
 }
}
響應：
{
    "_index": "member",
    "_type": "external",
    "_id": "2",
    "_version": 12,
    "result": "noop",
    "_shards": {
        "total": 0,
        "successful": 0,
        "failed": 0
    },
    "_seq_no": 14,
    "_primary_term": 1
}

使用場景：對於大併發更新，建議不帶 _update。對於大併發查詢，少許更新的場景，能夠帶_update，進行對比更新。

  • 更新時增長屬性

    請求體中增長 age 屬性

http://192.168.56.10:9200/member/external/2/_update
request:
{
    "doc":{
        "name":"jay huang",
        "age": 18
 }
}
response:
{
    "_index": "member",
    "_type": "external",
    "_id": "2",
    "_version": 13,
    "result": "updated",
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "_seq_no": 15,
    "_primary_term": 1
}

4.5 刪除文檔和索引

  • 刪除文檔
DELETE 請求：http://192.168.56.10:9200/member/external/2
response:
{
    "_index": "member",
    "_type": "external",
    "_id": "2",
    "_version": 2,
    "result": "deleted",
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "_seq_no": 1,
    "_primary_term": 1
}
  • 刪除索引
DELETE 請求：http://192.168.56.10:9200/member
repsonse:
{
    "acknowledged": true
}
  • 沒有刪除類型的功能

4.6 批量導入數據

使用 kinaba 的 dev tools 工具，輸入如下語句

POST /member/external/_bulk
{"index":{"_id":"1"}}
{"name":"Jay Huang"}
{"index":{"_id":"2"}}
{"name":"Jackson Huang"}

執行結果以下圖所示：

批量插入數據

  • 拷貝官方樣本數據

    https://raw.githubusercontent.com/elastic/elasticsearch/master/docs/src/test/resources/accounts.json

    官方樣本數據

  • 在 kibana 中執行腳本
POST /bank/account/_bulk
{"index":{"_id":"1"}}
{"account_number":1,"balance":39225,"firstname":"Amber","lastname":"Duke","age":32,"gender":"M","address":"880 Holmes Lane","employer":"Pyrami","email":"amberduke@pyrami.com","city":"Brogan","state":"IL"}
{"index":{"_id":"6"}}
......

批量插入樣本數據的執行結果

  • 查看全部索引

    查看全部索引

能夠從返回結果中看到 bank 索引有 1000 條數據，佔用了 440.2kb 存儲空間。

5、高階檢索玩法

5.1 兩種查詢方式

5.1.1 URL 後接參數

GET bank/_search?q=*&sort=account_number: asc

``/_search?q=*&sort=account_number: asc

查詢出全部數據，共 1000 條數據，耗時 1ms，只展現 10 條數據 ( ES 分頁 )

URL 後接參數

屬性值說明：

took – ES 執行搜索的時間 ( 毫秒 )
timed_out – ES 是否超時
_shards – 有多少個分片被搜索了，以及統計了成功/失敗/跳過的搜索的分片
max_score – 最高得分
hits.total.value - 命中多少條記錄
hits.sort - 結果的排序 key 鍵，沒有則按 score 排序
hits._score - 相關性得分
參考文檔：
https://www.elastic.co/guide/en/elasticsearch/reference/current/getting-started-search.html

5.1.2 URL 加請求體進行檢索 ( QueryDSL )

請求體中寫查詢條件

語法：

GET bank/_search
{
  "query":{"match_all": {}},
  "sort": [
    {"account_number": "asc" }
 ]
}

示例：查詢出全部，先按照 accout_number 升序排序，再按照 balance 降序排序

URL 加請求體進行檢索

5.2 詳解 QueryDSL 查詢

DSL: Domain Specific Language

5.2.1 所有匹配 match_all

示例：查詢全部記錄，按照 balance 降序排序，只返回第 11 條記錄到第 20 條記錄，只顯示 balance 和 firstname 字段。

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
 {
      "balance": {
        "order": "desc"
 }
 }
  ],
  "from": 10,
  "size": 10,
  "_source": ["balance", "firstname"]
}

5.2.2 匹配查詢 match

  • 基本類型 ( 非字符串 ) ，精確匹配
GET bank/_search
{
  "query": {
    "match": {"account_number": "30"}
 }
}
  • 字符串，全文檢索
GET bank/_search
{
  "query": {
    "match": {
      "address": "mill road"
 }
 }
}

字符串全文檢索

全文檢索按照評分進行排序，會對檢索條件進行分詞匹配。

查詢 address 中包含 mill 或者 road 或者 mill road 的全部記錄，並給出相關性得分。

查到了 32 條記錄，最高的一條記錄是 Address = "990 Mill Road"，得分：8.926605. Address="198 Mill Lane" 評分 5.4032025，只匹配到了 Mill 單詞。

5.2.3 短語匹配 match_phase

將須要匹配的值當成一個總體單詞 ( 不分詞 ) 進行檢索

GET bank/_search
{
  "query": {
    "match_phrase": {
      "address": "mill road"
 }
 }
}

查出 address 中包含 mill road 的全部記錄，並給出相關性得分

5.2.4 多字段匹配 multi_match

GET bank/_search
{
  "query": {
    "multi_match": {
      "query": "mill land",
      "fields": [
        "state",
        "address"
 ]
 }
 }
}

multi_match 中的 query 也會進行分詞。

查詢 state 包含 mill 或 land 或者 address 包含 mill 或 land 的記錄。

5.2.5 複合查詢 bool

複合語句能夠合併任何其餘查詢語句，包括複合語句。複合語句之間能夠相互嵌套，能夠表達複雜的邏輯。

搭配使用 must,must_not,should

must: 必須達到 must 指定的條件。 ( 影響相關性得分 )

must_not: 必須不知足 must_not 的條件。 ( 不影響相關性得分 )

should: 若是知足 should 條件，則能夠提升得分。若是不知足，也能夠查詢出記錄。 ( 影響相關性得分 )

示例：查詢出地址包含 mill，且性別爲 M，年齡不等於 28 的記錄，且優先展現 firstname 包含 Winnie 的記錄。

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
 {
          "match": {
            "address": "mill"
 }
        },
 {
          "match": {
            "gender": "M"
 }
 }
      ],
      "must_not": [
 {
          "match": {
            "age": "28"
 }
 }
      ],
      "should": [
 {
          "match": {
            "firstname": "Winnie"
 }
 }
 ]
 }
 }
}

5.2.6 filter 過濾

不影響相關性得分，查詢出知足 filter 條件的記錄。

在 bool 中使用。

GET bank/_search
{
  "query": {
    "bool": {
      "filter": [
 {
          "range": {
            "age": {
              "gte":18,
              "lte":40
 }
 }
 }
 ]
 }
 }
}

5.2.7 term 查詢

匹配某個屬性的值。

全文檢索字段用 match，其餘非 text 字段匹配用 term

keyword：文本精確匹配 ( 所有匹配 )

match_phase：文本短語匹配

非 text 字段精確匹配
GET bank/_search
{
  "query": {
    "term": {
      "age": "20"
 }
 }
}

5.2.8 aggregations 聚合

聚合：從數據中分組和提取數據。相似於 SQL GROUP BY 和 SQL 聚合函數。

Elasticsearch 能夠將命中結果和多個聚合結果同時返回。

聚合語法：

"aggregations" : {
    "<聚合名稱 1>" : {
        "<聚合類型>" : {
            <聚合體內容>
        }
        [,"元數據" : {  [<meta_data_body>] }]?
        [,"aggregations" : { [<sub_aggregation>]+ }]?
    }
    [,"聚合名稱 2>" : { ... }]*
}
  • 示例 1：搜索 address 中包含 big 的全部人的年齡分佈 ( 前 10 條 ) 以及平均年齡，以及平均薪資
GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
 }
  },
  "aggs": {
    "ageAggr": {
      "terms": {
        "field": "age",
        "size": 10
       }
    },
    "ageAvg": {
      "avg": {
        "field": "age"
      }
    },
    "balanceAvg": {
      "avg": {
        "field": "balance"
      }
   }
 }
}

檢索結果以下所示：

hits 記錄返回了，三種聚合結果也返回了，平均年齡 34 隨，平均薪資 25208.0，品駿年齡分佈：38 歲的有 2 個，28 歲的有一個，32 歲的有一個

示例 1

若是不想返回 hits 結果，能夠在最後面設置 size:0

GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
 }
  },
  "aggs": {
    "ageAggr": {
      "terms": {
        "field": "age",
        "size": 10
      }
    }
  },
  "size": 0
}
  • 示例 2：按照年齡聚合，而且查詢這些年齡段的平均薪資

從結果能夠看到 31 歲的有 61 個，平均薪資 28312.9，其餘年齡的聚合結果相似。

示例 2

  • 示例 3：按照年齡分組，而後將分組後的結果按照性別分組，而後查詢出這些分組後的平均薪資
GET bank/_search
{
  "query": {
    "match_all": {
 }
  },
  "aggs": {
    "ageAggr": {
      "terms": {
        "field": "age",
        "size": 10
      },
      "aggs": {
        "genderAggr": {
          "terms": {
            "field": "gender.keyword",
            "size": 10
          },
          "aggs": {
            "balanceAvg": {
              "avg": {
                "field": "balance"
          }
        }
      }
    }
  }
 }
  },
  "size": 0
}

從結果能夠看到 31 歲的有 61 個。其中性別爲 M 的 35 個，平均薪資 29565.6，性別爲 F 的 26 個，平均薪資 26626.6。其餘年齡的聚合結果相似。

聚合結果

5.2.9 Mapping 映射

Mapping 是用來定義一個文檔 ( document ) ，以及它所包含的屬性 ( field ) 是如何存儲和索引的。

  • 定義哪些字符串屬性應該被看作全文本屬性 ( full text fields )
  • 定義哪些屬性包含數字，日期或地理位置
  • 定義文檔中的全部屬性是否都能被索引 ( _all 配置 )
  • 日期的格式
  • 自定義映射規則來執行動態添加屬性

Elasticsearch7 去掉 tpye 概念：

關係型數據庫中兩個數據庫表示是獨立的，即便他們裏面有相同名稱的列也不影響使用，但 ES 中不是這樣的。elasticsearch 是基於 Lucence 開發的搜索引擎，而 ES 中不一樣 type 下名稱相同的 field 最終在 Lucence 中的處理方式是同樣的。

爲了區分不一樣 type 下的同一名稱的字段，Lucence 須要處理衝突，致使檢索效率降低

ES7.x 版本：URL 中的 type 參數爲可選。

ES8.x 版本：不支持 URL 中的 type 參數

全部類型能夠參考文檔：https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-types.html

  • 查詢索引的映射

如查詢 my-index 索引的映射

GET /my-index/_mapping
返回結果：
{
  "my-index" : {
    "mappings" : {
      "properties" : {
        "age" : {
          "type" : "integer"
        },
        "email" : {
          "type" : "keyword"
        },
        "employee-id" : {
          "type" : "keyword",
          "index" : false
        },
        "name" : {
          "type" : "text"
      }
    }
  }
 }
}
  • 建立索引並指定映射

如建立 my-index 索引，有三個字段 age,email,name，指定類型爲 interge, keyword, text

PUT /my-index
{
  "mappings": {
    "properties": {
      "age": { "type": "integer" },
      "email": { "type": "keyword"  },
      "name": { "type": "text" }
    }
 }
返回結果：
{
  "acknowledged" : true,
  "shards_acknowledged" : true,
  "index" : "my-index"
}
  • 添加新的字段映射

如在 my-index 索引裏面添加 employ-id 字段，指定類型爲 keyword

PUT /my-index/_mapping
{
  "properties": {
    "employee-id": {
      "type": "keyword",
      "index": false
    }
 }
}
  • 更新映射

咱們不能更新已經存在的映射字段，必須建立新的索引進行數據遷移。

  • 數據遷移
POST _reindex
{
  "source": {
    "index": "twitter"
  },
  "dest": {
    "index": "new_twitter"
 }
}

6、中文分詞

ES 內置了不少種分詞器，可是對中文分詞不友好，因此咱們須要藉助第三方中文分詞工具包。

6.1 ES 中的分詞的原理

6.1.1 ES 的分詞器概念

ES 的一個分詞器 ( tokenizer ) 接收一個字符流，將其分割爲獨立的詞元 ( tokens ) ，而後輸出詞元流。

ES 提供了不少內置的分詞器，能夠用來構建自定義分詞器 ( custom ananlyzers )

6.1.2 標準分詞器原理

好比 stadard tokenizer 標準分詞器，遇到空格進行分詞。該分詞器還負責記錄各個詞條 ( term ) 的順序或 position 位置 ( 用於 phrase 短語和 word proximity 詞近鄰查詢 ) 。每一個單詞的字符偏移量 ( 用於高亮顯示搜索的內容 ) 。

6.1.3 英文和標點符號分詞示例

查詢示例以下：

POST _analyze
{
  "analyzer": "standard",
  "text": "Do you know why I want to study ELK? 2 3 33..."
}

查詢結果：

do, you, know, why, i, want, to, study, elk, 2,3,33

從查詢結果能夠看到：

（1）標點符號沒有分詞。

（2）數字會進行分詞。

英文句子分詞

6.1.4 中文分詞示例

可是這種分詞器對中文的分詞支持不友好，會將詞語分詞爲單獨的漢字。好比下面的示例會將 悟空聊架構 分詞爲 悟,空,聊,架,構，指望分詞爲 悟空，聊，架構。

POST _analyze
{
  "analyzer": "standard",
  "text": "悟空聊架構"
}

中文分詞悟空聊架構

咱們能夠安裝 ik 分詞器來更加友好的支持中文分詞。

6.2 安裝 ik 分詞器

6.2.1 ik 分詞器地址

ik 分詞器地址：

https://github.com/medcl/elasticsearch-analysis-ik/releases

先檢查 ES 版本，我安裝的版本是 7.4.2，因此咱們安裝 ik 分詞器的版本也選擇 7.4.2

http://192.168.56.10:9200/
{
  "name" : "8448ec5f3312",
  "cluster_name" : "elasticsearch",
  "cluster_uuid" : "xC72O3nKSjWavYZ-EPt9Gw",
  "version" : {
    "number" : "7.4.2",
    "build_flavor" : "default",
    "build_type" : "docker",
    "build_hash" : "2f90bbf7b93631e52bafb59b3b049cb44ec25e96",
    "build_date" : "2019-10-28T20:40:44.881551Z",
    "build_snapshot" : false,
    "lucene_version" : "8.2.0",
    "minimum_wire_compatibility_version" : "6.8.0",
    "minimum_index_compatibility_version" : "6.0.0-beta1"
  },
  "tagline" : "You Know, for Search"
}

選擇 ik 分詞器

6.2.2 安裝 ik 分詞器的方式

6.2.2.1 方式一：容器內安裝 ik 分詞器

  • 進入 es 容器內部 plugins 目錄
docker exec -it <容器 id> /bin/bash
  • 獲取 ik 分詞器壓縮包
wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-analysis-ik-7.4.2.zip
  • 解壓縮 ik 壓縮包
unzip 壓縮包
  • 刪除下載的壓縮包
rm -rf *.zip

6.2.2.2 方式二：映射文件安裝 ik 分詞器

進入到映射文件夾

cd /mydata/elasticsearch/plugins

下載安裝包

wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-analysis-ik-7.4.2.zip
  • 解壓縮 ik 壓縮包
unzip 壓縮包
  • 刪除下載的壓縮包
rm -rf *.zip

6.2.2.3 方式三：Xftp 上傳壓縮包到映射目錄

先用 XShell 工具鏈接虛擬機 ( 操做步驟能夠參考以前寫的文章 [02. 快速搭建 Linux 環境-運維必備] ( http://www.jayh.club/#/05. 安裝部署篇/01. 環境搭建篇 )) ，而後用 Xftp 將下載好的安裝包複製到虛擬機。

Xftp 上傳壓縮包

6.3 解壓 ik 分詞器到容器中

  • 若是沒有安裝 unzip 解壓工具，則安裝 unzip 解壓工具。
apt install unzip
  • 解壓 ik 分詞器到當前目錄的 ik 文件夾下。

命令格式：unzip <ik 分詞器壓縮包>

實例：

unzip ELK-IKv7.4.2.zip -d ./ik

解壓 ik 分詞器

  • 修改文件夾權限爲可讀可寫。
chmod -R 777 ik/
  • 刪除 ik 分詞器壓縮包
rm ELK-IKv7.4.2.zip

6.4 檢查 ik 分詞器安裝

  • 進入到容器中
docker exec -it <容器 id> /bin/bash
  • 查看 Elasticsearch 的插件
elasticsearch-plugin list

結果以下，說明 ik 分詞器安裝好了。是否是很簡單。

ik

ik 分詞器插件

而後退出 Elasticsearch 容器，並重啓 Elasticsearch 容器

exit
docker restart elasticsearch

6.5 使用 ik 中文分詞器

ik 分詞器有兩種模式

  • 智能分詞模式 ( ik_smart )

  • 最大組合分詞模式 ( ik_max_word )

咱們先看下 智能分詞 模式的效果。好比對於 一顆小星星 進行中文分詞，獲得的兩個詞語：一顆、小星星

咱們在 Dev Tools Console 輸入以下查詢

POST _analyze
{
  "analyzer": "ik_smart",
  "text": "一顆小星星"
}

獲得以下結果，被分詞爲 一顆和小星星。

一顆小星星分詞結果

再來看下 最大組合分詞模式。輸入以下查詢語句。

POST _analyze
{
  "analyzer": "ik_max_word",
  "text": "一顆小星星"
}

一顆小星星 被分紅了 6 個詞語：一顆、1、顆、小星星、小星、星星。

一顆小星星分詞結果

咱們再來看下另一箇中文分詞。好比搜索悟空哥聊架構，指望結果：悟空哥、聊、架構三個詞語。

實際結果：悟、空哥、聊、架構四個詞語。ik 分詞器將悟空哥分詞了，認爲 空哥 是一個詞語。因此須要讓 ik 分詞器知道 悟空哥 是一個詞語，不須要拆分。那怎麼辦作呢？

悟空哥聊架構分詞

6.5 自定義分詞詞庫

6.5.1 自定義詞庫的方案

  • 方案

    新建一個詞庫文件，而後在 ik 分詞器的配置文件中指定分詞詞庫文件的路徑。能夠指定本地路徑，也能夠指定遠程服務器文件路徑。這裏咱們使用遠程服務器文件的方案，由於這種方案能夠支持熱更新 ( 更新服務器文件，ik 分詞詞庫也會從新加載 ) 。

  • 修改配置文件

ik 分詞器的配置文件在容器中的路徑：

/usr/share/elasticsearch/plugins/ik/config/IKAnalyzer.cfg.xml。

修改這個文件能夠經過修改映射文件，文件路徑：

/mydata/elasticsearch/plugins/ik/config/IKAnalyzer.cfg.xml

編輯配置文件：

vim /mydata/elasticsearch/plugins/ik/config/IKAnalyzer.cfg.xml

配置文件內容以下所示：

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
    <comment>IK Analyzer 擴展配置</comment>
    <!--用戶能夠在這裏配置本身的擴展字典 -->
    <entry key="ext_dict">custom/mydict.dic;custom/single_word_low_freq.dic</entry>
     <!--用戶能夠在這裏配置本身的擴展中止詞字典-->
    <entry key="ext_stopwords">custom/ext_stopword.dic</entry>
     <!--用戶能夠在這裏配置遠程擴展字典 -->
    <entry key="remote_ext_dict">location</entry>
     <!--用戶能夠在這裏配置遠程擴展中止詞字典-->
    <entry key="remote_ext_stopwords">http://xxx.com/xxx.dic</entry>
</properties>

修改配置 remote_ext_dict 的屬性值，指定一個 遠程網站文件的路徑，好比 http://www.xxx.com/ikwords.text。

這裏咱們能夠本身搭建一套 nginx 環境，而後把 ikwords.text 放到 nginx 根目錄。

6.5.2 搭建 nginx 環境

方案：首先獲取 nginx 鏡像，而後啓動一個 nginx 容器，而後將 nginx 的配置文件拷貝到根目錄，再刪除原 nginx 容器，再用映射文件夾的方式來從新啓動 nginx 容器。

  • 經過 docker 容器安裝 nginx 環境。
docker run -p 80:80 --name nginx -d nginx:1.10
  • 拷貝 nginx 容器的配置文件到 mydata 目錄的 conf 文件夾
cd /mydata
docker container cp nginx:/etc/nginx ./conf
  • mydata 目錄 裏面建立 nginx 目錄
mkdir nginx
  • 移動 conf 文件夾到 nginx 映射文件夾
mv conf nginx/
  • 終止並刪除原 nginx 容器
docker stop nginx
docker rm <容器 id>
  • 啓動新的容器
docker run -p 80:80 --name nginx \
-v /mydata/nginx/html:/usr/share/nginx/html \
-v /mydata/nginx/logs:/var/log/nginx \
-v /mydata/nginx/conf:/etc/nginx \
-d nginx:1.10
  • 訪問 nginx 服務
192.168.56.10

報 403 Forbidden, nginx/1.10.3 則表示 nginx 服務正常啓動。403 異常的緣由是 nginx 服務下沒有文件。

  • nginx 目錄新建一個 html 文件
cd /mydata/nginx/html
vim index.html
hello passjava

  • 再次訪問 nginx 服務

    瀏覽器打印 hello passjava。說明訪問 nginx 服務的頁面沒有問題。

  • 建立 ik 分詞詞庫文件
cd /mydata/nginx/html
mkdir ik
cd ik
vim ik.txt

填寫 悟空哥，並保存文件。

  • 訪問詞庫文件
http://192.168.56.10/ik/ik.txt

瀏覽器會輸出一串亂碼，能夠先忽略亂碼問題。說明詞庫文件能夠訪問到。

  • 修改 ik 分詞器配置
cd /mydata/elasticsearch/plugins/ik/config
vim IKAnalyzer.cfg.xml

修改 ik 分詞器配置

  • 重啓 elasticsearch 容器並設置每次重啓機器後都啓動 elasticsearch 容器。
docker restart elasticsearch
docker update elasticsearch --restart=always
  • 再次查詢分詞結果

能夠看到 悟空哥聊架構 被拆分爲 悟空哥、聊、架構 三個詞語，說明自定義詞庫中的 悟空哥 有做用。

自定義詞庫後的分詞結果

7、寫在最後

中篇和下篇繼續肝，加油衝呀！

  • 中篇： 實戰 ES 應用。
  • 下篇： ES 的集羣部署。

你好，我是悟空哥，「7年項目開發經驗，全棧工程師，開發組長，超喜歡圖解編程底層原理」。
我還手寫了 2 個小程序，Java 刷題小程序，PMP 刷題小程序，點擊個人公衆號菜單打開！
另外有 111 本架構師資料以及 1000 道 Java 面試題，都整理成了PDF。
能夠關注公衆號 「悟空聊架構」 回覆 悟空 領取優質資料。

「轉發->在看->點贊->收藏->評論！！！」 是對我最大的支持！

我是悟空哥，努力變強，變身超級賽亞人！咱們下期見！

相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程