ElasticSearch学习笔记（一）

ElasticSearch学习

环境准备

JDK 1.8
Node.js

Doug Cutting

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。

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的基础上加了络爬虫和一些页相关的功能，目的就是从一个简单的站内检索推广到全球络的搜索上，就像Google一样。

Nutch在业界的影响力比Lucene更大。

大批站采用了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。

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，作为互联搜索引擎，需要存储大量的页，并不断优化自己的搜索算法，提升搜索效率。

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。

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

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。

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，并不包含搜索引擎系统，
它包含了索引结构、读写索引工具、相关性工具、排序等功能，
因此在使用Lucene时仍需要关注搜索引擎系统，例如数据获取、解析、分词等方面的东西
为什么要给大家介绍下Lucene呢，因为 solr 和 elasticsearch
都是基于该工具包做的一些封装和增强罢了

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……

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

3、Stack Over?ow（国外的程序异常讨论论坛），IT问题，程序的错，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，程序错了，就会将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

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。

StackOver?ow 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?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/p>

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上提取的各个站的信息（以页文字为主）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。

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，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、开发和贡献者区，而 Elasticsearch 相对开发维护者较少，更新太快，学习使用成本较高。

ElasticSearch安装

说明

我们需要下载和安装ElasticSearch的【服务端】和【客户端】！

注意：

ElasticSearch是使用java开发的，且本版本的es需要的jdk版本要是1.8以上，

所以安装ElasticSearch 之前保证JDK1.8+安装完毕，并正确的配置好JDK环境变量，否则启动 ElasticSearch 会失败。

下载

ElasticSearch的官方地址： https://www.elastic.co/products/elasticsearch

学习的话使用 window 或者 linux 都是可以的，对于我们 java 开发来说没有区别，只是连接的问题！

Windows更加方便一点！所以我们前期都是用 Window 安装使用！后面我们再真正的安装到Linux服务器上跑项目！

window 下安装使用

1、解压window的压缩包！

3、然后在浏览器访问：http://localhost:9200 得到如下信息，说明安装成功了:

3、由于ES进程和客户端进程端口不同，存在跨域问题，所以我们要在ES的配置文件中配置下跨域问题：

4、重新启动ElasticSearch，使用 head 工具，点击【连接】！

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。

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：https://www.elastic.co/cn/kibana

1、下载Kibana https://www.elastic.co/cn/downloads/kibana （注意版本对应关系）

4、然后访问IP:5601，kibana会自动去访问9200，也就是elasticsearch的端口（当然elasticsearch这个时候必须启动着），然后就可以使用kibana了！

6、重启查看效果！成功切换为中文的了!

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。

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：

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（词条）	doc_1（是否存在）	doc_2（是否存在）
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

term	doc_1	doc_2
to	√	×
forever	√	√
total（总计）	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（并携带一个表示匹配度的数据）。

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 :

3、重新启动 ElasticSearch 服务，在启动过程中，你可以看到正在加载**“analysis-ik”**插件的提示信息，服务启动后，在命令行运行 elasticsearch-plugin list 命令，确认 ik 插件安装成功。

ik_smart :

粗粒度分词，优先匹配最长词，只有1个词！

步骤：

进入elasticsearch/plugins/ik/con?g目录
新建一
修改IKAnalyzer.cfg.xml（在ik/con?g目录下）

修改完配置重新启动elasticsearch，再次测试！

发现监视了我们自己写的规则文件：

到了这里，我们就明白了分词器的基本规则和使用了！

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（方法）	url（地址）	描述	类比数据库
PUT	localhost:9200/索引名称/类型名称/文档id	创建文档（指定文档id）	指定库、表后，插入行（指定ID）
POST	localhost:9200/索引名称/类型名称	创建文档（随机文档id）	指定库、表后，插入行（不指定ID）
POST	localhost:9200/索引名称/类型名称/文档id/_update	修改文档	指定库、表，修改指定行
DELETE	localhost:9200/索引名称/类型名称/文档id	删除文档	指定库、表，删除指定行
GET	localhost:9200/索引名称/类型名称/文档id	查询文档通过文档id	指定库、表，获取指定行
POST	localhost:9200/索引名称/类型名称/_search	查询所有数据	指定库，获取指定表的所有行数据

基础测试

1、首先我们浏览器 http://localhost:5601/ 进入 kibana里的Console

2、首先让我们在 Console 中输入 :

声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！

ElasticSearch学习笔记（一）