Elasticsearch快速入門，掌握這些剛恰好！
SpringBoot實戰電商項目mall（30k+star）地址：github.com/macrozheng/…html
摘要
記得剛接觸Elasticsearch的時候，沒找啥資料，直接看了遍Elasticsearch的中文官方文檔，中文文檔好久沒更新了，一直都是2.3的版本。最近又從新看了遍6.0的官方文檔，因爲官方文檔介紹的內容比較多，每次看都很費力，因此此次整理了其中最經常使用部分，寫下了這篇入門教程，但願對你們有所幫助。node
簡介
Elasticsearch是一個基於Lucene的搜索服務器。它提供了一個分佈式的全文搜索引擎，基於restful web接口。Elasticsearch是用Java語言開發的，基於Apache協議的開源項目，是目前最受歡迎的企業搜索引擎。Elasticsearch普遍運用於雲計算中，可以達到實時搜索，具備穩定，可靠，快速的特色。git
安裝
Windows下的安裝
Elasticsearch
- 下載Elasticsearch 6.2.2的zip包，並解壓到指定目錄，下載地址：www.elastic.co/cn/download…
- 安裝中文分詞插件，在elasticsearch-6.2.2\bin目錄下執行如下命令；
elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.2.2/elasticsearch-analysis-ik-6.2.2.zip
複製代碼
- 運行bin目錄下的elasticsearch.bat啓動Elasticsearch；
Kibana
- 下載Kibana,做爲訪問Elasticsearch的客戶端，請下載6.2.2版本的zip包，並解壓到指定目錄，下載地址：artifacts.elastic.co/downloads/k…
- 運行bin目錄下的kibana.bat，啓動Kibana的用戶界面
- 訪問http://localhost:5601 便可打開Kibana的用戶界面：
Linux下的安裝
Elasticsearch
- 下載elasticsearch 6.4.0的docker鏡像；
docker pull elasticsearch:6.4.0
複製代碼
- 修改虛擬內存區域大小，不然會由於太小而沒法啓動；
sysctl -w vm.max_map_count=262144
複製代碼
- 使用docker命令啓動；
docker run -p 9200:9200 -p 9300:9300 --name elasticsearch \
-e "discovery.type=single-node" \
-e "cluster.name=elasticsearch" \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-d elasticsearch:6.4.0
複製代碼
- 啓動時會發現
/usr/share/elasticsearch/data目錄沒有訪問權限，只須要修改該目錄的權限，再從新啓動便可；
chmod 777 /mydata/elasticsearch/data/
複製代碼
- 安裝中文分詞器IKAnalyzer，並從新啓動；
docker exec -it elasticsearch /bin/bash
#此命令須要在容器中運行
elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.4.0/elasticsearch-analysis-ik-6.4.0.zip
docker restart elasticsearch
複製代碼
- 訪問會返回版本信息：http://192.168.3.101:9200/
Kibina
- 下載kibana 6.4.0的docker鏡像；
docker pull kibana:6.4.0
複製代碼
- 使用docker命令啓動；
docker run --name kibana -p 5601:5601 \
--link elasticsearch:es \
-e "elasticsearch.hosts=http://es:9200" \
-d kibana:6.4.0
複製代碼
- 訪問地址進行測試：http://192.168.3.101:5601
相關概念
- Near Realtime（近實時）：Elasticsearch是一個近乎實時的搜索平臺，這意味着從索引文檔到可搜索文檔之間只有一個輕微的延遲(一般是一秒鐘)。
- Cluster（集羣）：羣集是一個或多個節點的集合，它們一塊兒保存整個數據，並提供跨全部節點的聯合索引和搜索功能。每一個羣集都有本身的惟一羣集名稱，節點經過名稱加入羣集。
- Node（節點）：節點是指屬於集羣的單個Elasticsearch實例，存儲數據並參與集羣的索引和搜索功能。能夠將節點配置爲按集羣名稱加入特定集羣，默認狀況下，每一個節點都設置爲加入一個名爲
elasticsearch的羣集。 - Index（索引）：索引是一些具備類似特徵的文檔集合，相似於MySql中數據庫的概念。
- Type（類型）：類型是索引的邏輯類別分區，一般，爲具備一組公共字段的文檔類型，相似MySql中表的概念。
注意：在Elasticsearch 6.0.0及更高的版本中，一個索引只能包含一個類型。 - Document（文檔）：文檔是可被索引的基本信息單位，以JSON形式表示，相似於MySql中行記錄的概念。
- Shards（分片）：當索引存儲大量數據時，可能會超出單個節點的硬件限制，爲了解決這個問題，Elasticsearch提供了將索引細分爲分片的概念。分片機制賦予了索引水平擴容的能力、並容許跨分片分發和並行化操做，從而提升性能和吞吐量。
- Replicas（副本）：在可能出現故障的網絡環境中，須要有一個故障切換機制，Elasticsearch提供了將索引的分片複製爲一個或多個副本的功能，副本在某些節點失效的狀況下提供高可用性。
集羣狀態查看
- 查看集羣健康狀態；
GET /_cat/health?v
複製代碼
epoch timestamp cluster status node.total node.data shards pri relo init unassign pending_tasks max_task_wait_time active_shards_percent
1585552862 15:21:02 elasticsearch yellow 1 1 27 27 0 0 25 0 - 51.9%
複製代碼
- 查看節點狀態；
GET /_cat/nodes?v
複製代碼
ip heap.percent ram.percent cpu load_1m load_5m load_15m node.role master name
127.0.0.1 23 94 28 mdi * KFFjkpV
複製代碼
- 查看全部索引信息；
GET /_cat/indices?v
複製代碼
health status index uuid pri rep docs.count docs.deleted store.size pri.store.size
green open pms xlU0BjEoTrujDgeL6ENMPw 1 0 41 0 30.5kb 30.5kb
green open .kibana ljKQtJdwT9CnLrxbujdfWg 1 0 2 1 10.7kb 10.7kb
複製代碼
索引操做
- 建立索引並查看；
PUT /customer
GET /_cat/indices?v
複製代碼
health status index uuid pri rep docs.count docs.deleted store.size pri.store.size
yellow open customer 9uPjf94gSq-SJS6eOuJrHQ 5 1 0 0 460b 460b
green open pms xlU0BjEoTrujDgeL6ENMPw 1 0 41 0 30.5kb 30.5kb
green open .kibana ljKQtJdwT9CnLrxbujdfWg 1 0 2 1 10.7kb 10.7kb
複製代碼
- 刪除索引並查看；
DELETE /customer
GET /_cat/indices?v
複製代碼
health status index uuid pri rep docs.count docs.deleted store.size pri.store.size
green open pms xlU0BjEoTrujDgeL6ENMPw 1 0 41 0 30.5kb 30.5kb
green open .kibana ljKQtJdwT9CnLrxbujdfWg 1 0 2 1 10.7kb 10.7kb
複製代碼
類型操做
- 查看文檔的類型；
GET /bank/account/_mapping
複製代碼
{
"bank": {
"mappings": {
"account": {
"properties": {
"account_number": {
"type": "long"
},
"address": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"age": {
"type": "long"
},
"balance": {
"type": "long"
},
"city": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"email": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"employer": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"firstname": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"gender": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"lastname": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
},
"state": {
"type": "text",
"fields": {
"keyword": {
"type": "keyword",
"ignore_above": 256
}
}
}
}
}
}
}
}
複製代碼
文檔操做
- 在索引中添加文檔；
PUT /customer/doc/1
{
"name": "John Doe"
}
複製代碼
{
"_index": "customer",
"_type": "doc",
"_id": "1",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 3,
"_primary_term": 1
}
複製代碼
- 查看索引中的文檔；
GET /customer/doc/1
複製代碼
{
"_index": "customer",
"_type": "doc",
"_id": "1",
"_version": 2,
"found": true,
"_source": {
"name": "John Doe"
}
}
複製代碼
- 修改索引中的文檔：
POST /customer/doc/1/_update
{
"doc": { "name": "Jane Doe" }
}
複製代碼
{
"_index": "customer",
"_type": "doc",
"_id": "1",
"_version": 2,
"result": "updated",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 4,
"_primary_term": 1
}
複製代碼
- 刪除索引中的文檔；
DELETE /customer/doc/1
複製代碼
{
"_index": "customer",
"_type": "doc",
"_id": "1",
"_version": 3,
"result": "deleted",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 2,
"_primary_term": 1
}
複製代碼
- 對索引中的文檔執行批量操做；
POST /customer/doc/_bulk
{"index":{"_id":"1"}}
{"name": "John Doe" }
{"index":{"_id":"2"}}
{"name": "Jane Doe" }
複製代碼
{
"took": 45,
"errors": false,
"items": [
{
"index": {
"_index": "customer",
"_type": "doc",
"_id": "1",
"_version": 3,
"result": "updated",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 5,
"_primary_term": 1,
"status": 200
}
},
{
"index": {
"_index": "customer",
"_type": "doc",
"_id": "2",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 0,
"_primary_term": 1,
"status": 201
}
}
]
}
複製代碼
數據搜索
查詢表達式(Query DSL)是一種很是靈活又富有表現力的查詢語言，Elasticsearch使用它能夠以簡單的JSON接口來實現豐富的搜索功能，下面的搜索操做都將使用它。github
數據準備
- 首先咱們須要導入必定量的數據用於搜索，使用的是銀行帳戶表的例子，數據結構以下：
{
"account_number": 0,
"balance": 16623,
"firstname": "Bradshaw",
"lastname": "Mckenzie",
"age": 29,
"gender": "F",
"address": "244 Columbus Place",
"employer": "Euron",
"email": "bradshawmckenzie@euron.com",
"city": "Hobucken",
"state": "CO"
}
複製代碼
-
咱們先複製下須要導入的數據，數據地址： github.com/macrozheng/…web
-
而後直接使用批量操做來導入數據，注意本文全部操做都在Kibana的Dev Tools中進行；docker
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"
}
......省略若干條數據
複製代碼
- 導入完成後查看索引信息，能夠發現
bank索引中已經建立了1000條文檔。
GET /_cat/indices?v
複製代碼
health status index uuid pri rep docs.count docs.deleted store.size pri.store.size
yellow open bank HFjxDLNLRA-NATPKUQgjBw 5 1 1000 0 474.6kb 474.6kb
複製代碼
搜索入門
- 最簡單的搜索，使用
match_all來表示，例如搜索所有；
GET /bank/_search
{
"query": { "match_all": {} }
}
複製代碼
- 分頁搜索，
from表示偏移量，從0開始，size表示每頁顯示的數量；
GET /bank/_search
{
"query": { "match_all": {} },
"from": 0,
"size": 10
}
複製代碼
- 搜索排序，使用
sort表示，例如按balance字段降序排列；
GET /bank/_search
{
"query": { "match_all": {} },
"sort": { "balance": { "order": "desc" } }
}
複製代碼
- 搜索並返回指定字段內容，使用
_source表示，例如只返回account_number和balance兩個字段內容：
GET /bank/_search
{
"query": { "match_all": {} },
"_source": ["account_number", "balance"]
}
複製代碼
條件搜索
- 條件搜索，使用
match表示匹配條件，例如搜索出account_number爲20的文檔：
GET /bank/_search
{
"query": {
"match": {
"account_number": 20
}
}
}
複製代碼
- 文本類型字段的條件搜索，例如搜索
address字段中包含mill的文檔，對比上一條搜索能夠發現，對於數值類型match操做使用的是精確匹配，對於文本類型使用的是模糊匹配；
GET /bank/_search
{
"query": {
"match": {
"address": "mill"
}
},
"_source": [
"address",
"account_number"
]
}
複製代碼
- 短語匹配搜索，使用
match_phrase表示，例如搜索address字段中同時包含mill和lane的文檔：
GET /bank/_search
{
"query": {
"match_phrase": {
"address": "mill lane"
}
}
}
複製代碼
組合搜索
- 組合搜索，使用
bool來進行組合，must表示同時知足，例如搜索address字段中同時包含mill和lane的文檔；
GET /bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}
複製代碼
- 組合搜索，
should表示知足其中任意一個，搜索address字段中包含mill或者lane的文檔；
GET /bank/_search
{
"query": {
"bool": {
"should": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}
複製代碼
- 組合搜索，
must_not表示同時不知足，例如搜索address字段中不包含mill且不包含lane的文檔；
GET /bank/_search
{
"query": {
"bool": {
"must_not": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}
複製代碼
- 組合搜索，組合
must和must_not，例如搜索age字段等於40且state字段不包含ID的文檔；
GET /bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "age": "40" } }
],
"must_not": [
{ "match": { "state": "ID" } }
]
}
}
}
複製代碼
過濾搜索
- 搜索過濾，使用
filter來表示，例如過濾出balance字段在20000~30000的文檔；
GET /bank/_search
{
"query": {
"bool": {
"must": { "match_all": {} },
"filter": {
"range": {
"balance": {
"gte": 20000,
"lte": 30000
}
}
}
}
}
}
複製代碼
搜索聚合
- 對搜索結果進行聚合，使用
aggs來表示，相似於MySql中的group by，例如對state字段進行聚合，統計出相同state的文檔數量；
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state.keyword"
}
}
}
}
複製代碼
- 嵌套聚合，例如對
state字段進行聚合，統計出相同state的文檔數量，再統計出balance的平均值；
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state.keyword"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
複製代碼
- 對聚合搜索的結果進行排序，例如按
balance的平均值降序排列；
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state.keyword",
"order": {
"average_balance": "desc"
}
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
複製代碼
- 按字段值的範圍進行分段聚合，例如分段範圍爲
age字段的[20,30][30,40][40,50]，以後按gender統計文檔個數和balance的平均值；
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_age": {
"range": {
"field": "age",
"ranges": [
{
"from": 20,
"to": 30
},
{
"from": 30,
"to": 40
},
{
"from": 40,
"to": 50
}
]
},
"aggs": {
"group_by_gender": {
"terms": {
"field": "gender.keyword"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
}
}
複製代碼
參考資料
www.elastic.co/guide/en/el…數據庫
公衆號
mall項目全套學習教程連載中，關注公衆號第一時間獲取。json
相關文章
- 1. MongoDB快速入門，掌握這些剛恰好！
- 2. 快速掌握mongodb入門手冊
- 3. html入門之—一天快速掌握
- 4. Elasticsearch 快速入門
- 5. elasticsearch快速入門
- 6. ElasticSearch快速入門
- 7. Elasticsearch【快速入門】
- 8. 快速掌握this
- 9. 快速掌握SpringMVC
- 10. Zookeeper快速掌握
- 更多相關文章...
- • SQL 快速參考 - SQL 教程
- • Eclipse 快速修復 - Eclipse 教程
- • YAML 入門教程
- • Java Agent入門實戰（一）-Instrumentation介紹與使用
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。
最新文章
- 1. python的安裝和Hello，World編寫
- 2. 重磅解讀：K8s Cluster Autoscaler模塊及對應華爲雲插件Deep Dive
- 3. 鴻蒙學習筆記2（永不斷更）
- 4. static關鍵字 和構造代碼塊
- 5. JVM筆記
- 6. 無法啓動 C/C++ 語言服務器。IntelliSense 功能將被禁用。錯誤: Missing binary at c:\Users\MSI-NB\.vscode\extensions\ms-vsc
- 7. 【Hive】Hive返回碼狀態含義
- 8. Java樹形結構遞歸（以時間換空間）和非遞歸（以空間換時間）
- 9. 數據預處理---缺失值
- 10. 都要2021年了，現代C++有什麼值得我們學習的？
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. MongoDB快速入門，掌握這些剛恰好！
- 2. 快速掌握mongodb入門手冊
- 3. html入門之—一天快速掌握
- 4. Elasticsearch 快速入門
- 5. elasticsearch快速入門
- 6. ElasticSearch快速入門
- 7. Elasticsearch【快速入門】
- 8. 快速掌握this
- 9. 快速掌握SpringMVC
- 10. Zookeeper快速掌握