首页  思维导图  详情

Elasticsearch 学习

2023-02-10 17:20:18   1  举报





AI智能生成

Elasticsearch 学习总结

学习总结

作者其他创作

大纲/内容

特点

具有分布式的功能 数据高可用，集群高可用 API简单 多语言支持 支持PB级别的数据 完成搜索的功能和分析功能 基于Lucene，隐藏了Lucene的复杂性，提供简单的API

原理

1. elasticsearch 写入过程

2. elasticsearch Translog 事务日志

3. elasticsearch flash操作

4. elasticsearch 删除更新

5. elasticsearch segment 合并

核心概念

索引 index

类型 type

文档 document

字段Field

映射 mapping

集群 cluster

节点 node

分片 shards

复制 replicas

安装

这里使用docker镜像下载

docker pull elasticsearch:5.6.8

安装es容器

docker run -di --name=es -p 9200:9200 -p 9300:9300 elasticsearch:5.6.8

测试

9200端口为Web管理平台端口 9300为服务默认端口 浏览器输入地址访问： http://虚拟机IP地址:9200/

开启远程连接（默认不开启）

#1.进入容器 docker exec -it es /bin/bash #2.进入config目录 cd config #3.vi命令无法识别，因为docker容器里面没有该命令，我们可以安装该编辑器。 apt-get update apt-get install vim #4.等待安装好了后，修改elasticsearch.yml配置 vi elasticsearch.yml #添加下面一行代码： cluster.name: my-elasticsearch #5.重启docker docker restart es

系统调优

#6.修改limits.conf   vi/etc/security/limits.conf #7.添加下面两行代码： * soft nofile 65536 * hard nofile 65536 修改vi /etc/sysctl.conf #8.修改sysctl.conf  vi /etc/sysctl.conf #9.添加下面一行代码 #限制一个进程可以拥有的VMA(虚拟内存区域)的数量  vm.max_map_count=655360 #10.执行下面命令 修改内核参数马上生效 sysctl -p #11.重启 reboot

nofile是单个进程允许打开的最大文件个数 soft nofile 是软限制 hard nofile是硬限制

跨域配置

#12修改配置文件：elasticsearch.yml增加三句命令 http.cors.enabled: true  #允许elasticsearch跨域访问，默认是false http.cors.allow-origin: "*"  #表示跨域访问允许的域名地址 network.host: 192.168.220.100  #这里写自己的虚拟机地址 #13.重启docker docker restart es #如果想让容器开启重启，可以执行下面命令 docker update --restart=always 容器名称或者容器id

客户端操作

使用elasticsearch-head

下载head插件

下载nodejs

将grunt安装为全局命令

使用Postman工具进行Restful接口访问

ElasticSearch的接口语法

curl -X<VERB> '<PROTOCOL>://<HOST>:<PORT>/<PATH>?<QUERY_STRING>' -d '<BODY>

创建索引index

#请求url： PUT      192.168.23.129:9200/aaa #请求体： {     "mappings": {         "article": {             "properties": {                 "id": {                     "type": "long",                     "store": true,                     "index":"not_analyzed"                     },                 "title": {                     "type": "text",                     "store": true,                     "index":"analyzed",                     "analyzer":"standard"                     },                 "content": {                     "type": "text",                     "store": true,                     "index":"analyzed",                     "analyzer":"standard"                     }                 }             }         } }

设置映射mapping

#请求url： POST        http://192.168.23.129:9200/bbb/hello/_mappin #请求体： {     "hello": {             "properties": {                 "id": {                     "type": "long",                     "store": true                     },                 "title": {                     "type": "text",                     "store": true,                     "index":true,                     "analyzer":"standard"                     },                 "content": {                     "type": "text",                     "store": true,                     "index":true,                     "analyzer":"standard"                     }                 }             } }

创建文档document

#请求url： POST        192.168.23.129:9200/bbb/hello/1 #请求体： {     "id":1,     "title":"aaa",     "content":"bbb" }

修改文档document

#请求url： POST        192.168.23.129:9200/bbb/hello/1 #请求体： {     "id":1,     "title":"ccc",     "content":"ddd" }

删除文档document

#请求url： DELETE         192.168.23.129:9200/aaa

查询文档-根据id查询

#新建一个document POST        192.168.23.129:9200/bbb/hello/1 {     "id":1,     "title":"床前明月光aaa",     "content":"疑是地上霜bbb" } #查询文档-根据id查询 GET         192.168.23.129:9200/bbb/hello/1

查询文档-querystring查询

用querystring查询会进行分词，此时用的是Standard分词

#请求url： POST        192.168.23.129:9200/bbb/hello/_search {     "query": {         "query_string": {         "default_field": "title",         "query": "床前明月光"         }     } }

查询文档-term查询

term查询不会进行分词

#请求url： POST        192.168.23.129:9200/bbb/hello/_search {     "query": {         "term": {             "title": "前"         }     } }

IK分词器

概念

基于 java 语言开发的轻量级的中文分词工具包

ik_smart为最少切分

ik_max_word为最细粒度划分

安装

#解压 unzip elasticsearch-analysis-ik-5.6.8.zip #改名为ik mv elasticsearch ik #将ik目录拷贝到docker容器的plugins目录下 docker cp ./ik es:/usr/share/elasticsearch/plugins

使用

新建索引

PUT        192.168.23.129:9200/ccc {     "mappings": {         "article": {             "properties": {                 "id": {                     "type": "long",                     "store": true,                     "index":"not_analyzed"                 },                 "title": {                     "type": "text",                     "store": true,                     "index":"analyzed",                     "analyzer":"ik_max_word"                 },                 "content": {                     "type": "text",                     "store": true,                     "index":"analyzed",                     "analyzer":"ik_max_word"                 }             }         }     } } }

Kibana使用

概念

Kibana 是一款开源的数据分析和可视化平台 使大数据通俗易懂

下载安装

#镜像下载 docker pull docker.io/kibana:5.6.8 #安装kibana容器 docker run -it -d -e ELASTICSEARCH_URL=http://192.168.23.129:9200 --name kibana -p 5601:5601 kibana:5.6.8

DSL语句使用

java操作Elasticsearch

创建索引index

创建映射mapping

建立文档document

查询文档操作

使用termQuery查询

使用QueryString

使用MatchQuery

使用Id查询

查询MathAll

高亮显示代码实现

Spring Data ElasticSearch

Spring Data是一个用于简化数据库访问，并支持云服务的开源框架。 其主要目标是使得对数据的访问变得方便快捷，并支持map-reduce框架和云计算数据服务。  Spring Data可以极大的简化JPA的写法，可以在几乎不用写实现的情况下，实现对数据的访问和操作。 除了CRUD外，还包括如分页、排序等一些常用的功能