Elasticsearch快速入门，掌握这些刚恰好！
SpringBoot实战电商项目mall（30k+star）地址：github.com/macrozheng/…html
摘要
记得刚接触Elasticsearch的时候，没找啥资料，直接看了遍Elasticsearch的中文官方文档，中文文档好久没更新了，一直都是2.3的版本。最近又从新看了遍6.0的官方文档，因为官方文档介绍的内容比较多，每次看都很费力，因此此次整理了其中最经常使用部分，写下了这篇入门教程，但愿对你们有所帮助。node
简介
Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式的全文搜索引擎，基于restful web接口。Elasticsearch是用Java语言开发的，基于Apache协议的开源项目，是目前最受欢迎的企业搜索引擎。Elasticsearch普遍运用于云计算中，可以达到实时搜索，具备稳定，可靠，快速的特色。git
安装
Windows下的安装
Elasticsearch
- 下载Elasticsearch 6.2.2的zip包，并解压到指定目录，下载地址：www.elastic.co/cn/download…
- 安装中文分词插件，在elasticsearch-6.2.2\bin目录下执行如下命令；
elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.2.2/elasticsearch-analysis-ik-6.2.2.zip
复制代码
- 运行bin目录下的elasticsearch.bat启动Elasticsearch；
Kibana
- 下载Kibana,做为访问Elasticsearch的客户端，请下载6.2.2版本的zip包，并解压到指定目录，下载地址：artifacts.elastic.co/downloads/k…
- 运行bin目录下的kibana.bat，启动Kibana的用户界面
- 访问http://localhost:5601 便可打开Kibana的用户界面：
Linux下的安装
Elasticsearch
- 下载elasticsearch 6.4.0的docker镜像；
docker pull elasticsearch:6.4.0
复制代码
- 修改虚拟内存区域大小，不然会由于太小而没法启动；
sysctl -w vm.max_map_count=262144
复制代码
- 使用docker命令启动；
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
复制代码
- 启动时会发现
/usr/share/elasticsearch/data目录没有访问权限，只须要修改该目录的权限，再从新启动便可；
chmod 777 /mydata/elasticsearch/data/
复制代码
- 安装中文分词器IKAnalyzer，并从新启动；
docker exec -it elasticsearch /bin/bash
#此命令须要在容器中运行
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
复制代码
- 访问会返回版本信息：http://192.168.3.101:9200/
Kibina
- 下载kibana 6.4.0的docker镜像；
docker pull kibana:6.4.0
复制代码
- 使用docker命令启动；
docker run --name kibana -p 5601:5601 \
--link elasticsearch:es \
-e "elasticsearch.hosts=http://es:9200" \
-d kibana:6.4.0
复制代码
- 访问地址进行测试：http://192.168.3.101:5601
相关概念
- Near Realtime（近实时）：Elasticsearch是一个近乎实时的搜索平台，这意味着从索引文档到可搜索文档之间只有一个轻微的延迟(一般是一秒钟)。
- Cluster（集群）：群集是一个或多个节点的集合，它们一块儿保存整个数据，并提供跨全部节点的联合索引和搜索功能。每一个群集都有本身的惟一群集名称，节点经过名称加入群集。
- Node（节点）：节点是指属于集群的单个Elasticsearch实例，存储数据并参与集群的索引和搜索功能。能够将节点配置为按集群名称加入特定集群，默认状况下，每一个节点都设置为加入一个名为
elasticsearch的群集。 - Index（索引）：索引是一些具备类似特征的文档集合，相似于MySql中数据库的概念。
- Type（类型）：类型是索引的逻辑类别分区，一般，为具备一组公共字段的文档类型，相似MySql中表的概念。
注意：在Elasticsearch 6.0.0及更高的版本中，一个索引只能包含一个类型。 - Document（文档）：文档是可被索引的基本信息单位，以JSON形式表示，相似于MySql中行记录的概念。
- Shards（分片）：当索引存储大量数据时，可能会超出单个节点的硬件限制，为了解决这个问题，Elasticsearch提供了将索引细分为分片的概念。分片机制赋予了索引水平扩容的能力、并容许跨分片分发和并行化操做，从而提升性能和吞吐量。
- Replicas（副本）：在可能出现故障的网络环境中，须要有一个故障切换机制，Elasticsearch提供了将索引的分片复制为一个或多个副本的功能，副本在某些节点失效的状况下提供高可用性。
集群状态查看
- 查看集群健康状态；
GET /_cat/health?v
复制代码
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%
复制代码
- 查看节点状态；
GET /_cat/nodes?v
复制代码
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
复制代码
- 查看全部索引信息；
GET /_cat/indices?v
复制代码
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
复制代码
索引操做
- 建立索引并查看；
PUT /customer
GET /_cat/indices?v
复制代码
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
复制代码
- 删除索引并查看；
DELETE /customer
GET /_cat/indices?v
复制代码
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
复制代码
类型操做
- 查看文档的类型；
GET /bank/account/_mapping
复制代码
{
"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
}
}
}
}
}
}
}
}
复制代码
文档操做
- 在索引中添加文档；
PUT /customer/doc/1
{
"name": "John Doe"
}
复制代码
{
"_index": "customer",
"_type": "doc",
"_id": "1",
"_version": 1,
"result": "created",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 3,
"_primary_term": 1
}
复制代码
- 查看索引中的文档；
GET /customer/doc/1
复制代码
{
"_index": "customer",
"_type": "doc",
"_id": "1",
"_version": 2,
"found": true,
"_source": {
"name": "John Doe"
}
}
复制代码
- 修改索引中的文档：
POST /customer/doc/1/_update
{
"doc": { "name": "Jane Doe" }
}
复制代码
{
"_index": "customer",
"_type": "doc",
"_id": "1",
"_version": 2,
"result": "updated",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 4,
"_primary_term": 1
}
复制代码
- 删除索引中的文档；
DELETE /customer/doc/1
复制代码
{
"_index": "customer",
"_type": "doc",
"_id": "1",
"_version": 3,
"result": "deleted",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 2,
"_primary_term": 1
}
复制代码
- 对索引中的文档执行批量操做；
POST /customer/doc/_bulk
{"index":{"_id":"1"}}
{"name": "John Doe" }
{"index":{"_id":"2"}}
{"name": "Jane Doe" }
复制代码
{
"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
}
}
]
}
复制代码
数据搜索
查询表达式(Query DSL)是一种很是灵活又富有表现力的查询语言，Elasticsearch使用它能够以简单的JSON接口来实现丰富的搜索功能，下面的搜索操做都将使用它。github
数据准备
- 首先咱们须要导入必定量的数据用于搜索，使用的是银行帐户表的例子，数据结构以下：
{
"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"
}
复制代码
-
咱们先复制下须要导入的数据，数据地址： github.com/macrozheng/…web
-
而后直接使用批量操做来导入数据，注意本文全部操做都在Kibana的Dev Tools中进行；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"
}
......省略若干条数据
复制代码
- 导入完成后查看索引信息，能够发现
bank索引中已经建立了1000条文档。
GET /_cat/indices?v
复制代码
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
复制代码
搜索入门
- 最简单的搜索，使用
match_all来表示，例如搜索所有；
GET /bank/_search
{
"query": { "match_all": {} }
}
复制代码
- 分页搜索，
from表示偏移量，从0开始，size表示每页显示的数量；
GET /bank/_search
{
"query": { "match_all": {} },
"from": 0,
"size": 10
}
复制代码
- 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" } }
}
复制代码
- 搜索并返回指定字段内容，使用
_source表示，例如只返回account_number和balance两个字段内容：
GET /bank/_search
{
"query": { "match_all": {} },
"_source": ["account_number", "balance"]
}
复制代码
条件搜索
- 条件搜索，使用
match表示匹配条件，例如搜索出account_number为20的文档：
GET /bank/_search
{
"query": {
"match": {
"account_number": 20
}
}
}
复制代码
- 文本类型字段的条件搜索，例如搜索
address字段中包含mill的文档，对比上一条搜索能够发现，对于数值类型match操做使用的是精确匹配，对于文本类型使用的是模糊匹配；
GET /bank/_search
{
"query": {
"match": {
"address": "mill"
}
},
"_source": [
"address",
"account_number"
]
}
复制代码
- 短语匹配搜索，使用
match_phrase表示，例如搜索address字段中同时包含mill和lane的文档：
GET /bank/_search
{
"query": {
"match_phrase": {
"address": "mill lane"
}
}
}
复制代码
组合搜索
- 组合搜索，使用
bool来进行组合，must表示同时知足，例如搜索address字段中同时包含mill和lane的文档；
GET /bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}
复制代码
- 组合搜索，
should表示知足其中任意一个，搜索address字段中包含mill或者lane的文档；
GET /bank/_search
{
"query": {
"bool": {
"should": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}
复制代码
- 组合搜索，
must_not表示同时不知足，例如搜索address字段中不包含mill且不包含lane的文档；
GET /bank/_search
{
"query": {
"bool": {
"must_not": [
{ "match": { "address": "mill" } },
{ "match": { "address": "lane" } }
]
}
}
}
复制代码
- 组合搜索，组合
must和must_not，例如搜索age字段等于40且state字段不包含ID的文档；
GET /bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "age": "40" } }
],
"must_not": [
{ "match": { "state": "ID" } }
]
}
}
}
复制代码
过滤搜索
- 搜索过滤，使用
filter来表示，例如过滤出balance字段在20000~30000的文档；
GET /bank/_search
{
"query": {
"bool": {
"must": { "match_all": {} },
"filter": {
"range": {
"balance": {
"gte": 20000,
"lte": 30000
}
}
}
}
}
}
复制代码
搜索聚合
- 对搜索结果进行聚合，使用
aggs来表示，相似于MySql中的group by，例如对state字段进行聚合，统计出相同state的文档数量；
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state.keyword"
}
}
}
}
复制代码
- 嵌套聚合，例如对
state字段进行聚合，统计出相同state的文档数量，再统计出balance的平均值；
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state.keyword"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
复制代码
- 对聚合搜索的结果进行排序，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"
}
}
}
}
}
}
复制代码
- 按字段值的范围进行分段聚合，例如分段范围为
age字段的[20,30][30,40][40,50]，以后按gender统计文档个数和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"
}
}
}
}
}
}
}
}
复制代码
参考资料
www.elastic.co/guide/en/el…数据库
公众号
mall项目全套学习教程连载中，关注公众号第一时间获取。json
相关文章
- 1. MongoDB快速入门，掌握这些刚恰好！
- 2. 快速掌握mongodb入门手册
- 3. html入门之—一天快速掌握
- 4. Elasticsearch 快速入门
- 5. elasticsearch快速入门
- 6. ElasticSearch快速入门
- 7. Elasticsearch【快速入门】
- 8. 快速掌握this
- 9. 快速掌握SpringMVC
- 10. Zookeeper快速掌握
- 更多相关文章...
- • SQL 快速参考 - SQL 教程
- • Eclipse 快速修复 - Eclipse 教程
- • YAML 入门教程
- • Java Agent入门实战（一）-Instrumentation介绍与使用
相关标签/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. 升级Gradle后报错Gradle‘s dependency cache may be corrupt (this sometimes occurs
- 2. Smarter, Not Harder
- 3. mac-2019-react-native 本地环境搭建(xcode-11.1和android studio3.5.2中Genymotion2.12.1 和VirtualBox-5.2.34 )
- 4. 查看文件中关键字前后几行的内容
- 5. XXE萌新进阶全攻略
- 6. Installation failed due to: ‘Connection refused: connect‘安卓studio端口占用
- 7. zabbix5.0通过agent监控winserve12
- 8. IT行业UI前景、潜力如何？
- 9. Mac Swig 3.0.12 安装
- 10. Windows上FreeRDP-WebConnect是一个开源HTML5代理，它提供对使用RDP的任何Windows服务器和工作站的Web访问
欢迎关注本站公众号,获取更多信息
相关文章
- 1. MongoDB快速入门，掌握这些刚恰好！
- 2. 快速掌握mongodb入门手册
- 3. html入门之—一天快速掌握
- 4. Elasticsearch 快速入门
- 5. elasticsearch快速入门
- 6. ElasticSearch快速入门
- 7. Elasticsearch【快速入门】
- 8. 快速掌握this
- 9. 快速掌握SpringMVC
- 10. Zookeeper快速掌握