ElasticSearch_elasticsearch-plugin list

Elasticsearch是什么

Elasticsearch和lucene的关系
Elasticsearch是基于lucene，做了一些增强和封装。
lucene是一个全文检索殷勤工具包，API十分繁琐，它包含索引结构，读写索引的工具，排序，搜索规则，工具类。
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(大数据时代）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。

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/2

2、The Guardian (国外新闻网站) ,类似搜狐新闻,用户行为日志(点击,浏览,收藏,评论) +社交网络数据(对某某新闻的相关看法) ,数据分析,给到每篇新闻文章的作者,让他知道他的文章的公众反馈(好,坏,热门，垃圾,鄙视，崇拜)

3、Stack Overflow (国外的程序异常讨论论坛) , IT问题,程序的报错,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,程序报错了,就会将报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、电商网站,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、商品价格监控网站,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,产出相关的数张报表, **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-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
的一一个使用场景)

ES和Solr区别

es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。

英国卫报使用Elasticsearch结合用户日志和社交网络数据提供给他们的编辑以实时的反馈,以便及时了解公众对新发表的文章的回应。

StackOverflow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letty. Tomcat等这些Selrvlet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-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。

比较

1. 当单纯的对已有数据进行搜索时，Solr更快
2. 当实时建立索引时，Solr会产生io阻塞，查询性能较差，ElasticSearch具有明显的优势
3. 随着数据量的增加，Solr的搜索效率会变得更低，而ElasticSearch却没有明显的变化

总结
4. es基本是开箱即用(解压就可以用!) ,非常简单。Solr安装略微复杂一丢丢!
5. 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。
6. 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。
7. 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
8. 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。
9. Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而Elasticsearch相对开发维护者较少,更新太快,学习使用成本较高。

window下安装

JDK1.8以上
使用Java开发，必须保证ElasticSearch的版本与Java的核心jar包版本对应

下载

下载地址：https://www.elastic.co/cn/downloads/

历史版本下载：https://www.elastic.co/cn/downloads/past-releases/

解压即用

视频资源是7.6.1，就用7.6.1，免得出现版本问题

目录

• bin 启动文件
• conf 配置文件
  • 1og4j2 日志配置文件
  • jvm.options java 虚拟机相关的配置(默认启动占1g内存，内容不够需要自己调整)
  • elasticsearch.ym1 elasticsearch 的配置文件! 默认9200端口!跨域!
• lib
  • 相关jar包
• modules 功能模块目录
• plugins 插件目录 ik分词器

启动

bin目录下

默认访问地址：127.0.0.1:9200

访问默认地址看看

安装可视化插件 ES HEAD的插件

依赖

1. 下载地址
   https://github.com/mobz/elasticsearch-head
   解压
2. 安装依赖
   在解压的文件目录下执行命令安装

npm install
1

3. 启动
   在文件目录下执行启动

npm run start
1

启动成功，访问一下

如果健康值不是绿色的，存在跨域问题，开启跨域（在elasticsearch目录config下elasticsearch.yml中添加以下内容）

# 开启跨域访问支持，默认为false
http.cors.enabled: true
# 跨域访问允许的域名地址
http.cors.allow-origin: "*"
1
2
3
4

配置完成重启服务

索引 可以看做 “数据库” 类型
可以看做 “表” 文档
可以看做 “库中的数据（表中的行）”

ES HEAD，我们只是把它当做可视化数据展示工具，之后所有的查询都在kibana中进行
因为不支持json格式化，不方便

Kibana

https://www.elastic.co/cn/downloads/past-releases/

1. 下载解压
2. 启动
   
   
   默认端口5601
3. 访问

http://localhost:5601
1

4. 汉化
   默认英文界面
   在kibana目录找到config,然后找到kibana.yml
   
   找到kibana.yml后改变i18
   
   保存后重启
   
   操作命令
   

ES核心概念

1. 索引
2. 字段类型
3. 文档
4. ==

ElasticSearch是面向文档，关系行数据库和ElasticSearch客观对比！一切都是JSON！

elasticsearch（集群）中可以包含多个索引（数据库） ,每个索引中可以包含多个类型（表） ,每个类型下又包含多个文档（行） ,每个文档中又包含多个字段（列）

es只要启动，就是一个集群，默认集群名是elasticsearch

1. 文档（行）
   就是一条条数据

name:zhangsan
name:lisi
name:wangwu
1
2
3

elasticsearch是面向文档的，索引和搜索数据的最小单位是文档

• 一篇文档同时包含字段和对应的值，也就是同时包含key:value (name:zhangsan)
• 一个文档中包含自文档，复杂的逻辑实体就是这么来的! {就是一个json对象 ! fastjson进行自动转换 !}

2. 类型（表）
   就是数据库表和实体类的数据类型，逐渐废弃了
3. 索引（库）
   索引就是数据库，
   创建索引
   
   一个集群至少有一个节点，而一个节点就是一个elasricsearch进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有个5个分片(primary shard ,又称主分片)构成的，每一个主分片会有一个副本(replica shard，又称复制分片)
   
   一个分片是一个Lucene索引（一个ElasticSearch索引包含多个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
4. 倒排索引
   
   一个elasticsearch索引由多个Luncene倒排索引组成的

IK分词器

分词：即把一段中文或者别的划分成一个个的关键字
IK提供了两个分词算法: ik_smart和ik_max_word ,其中ik_smart为最少切分, ik_max_word为最细粒度划分

安装

1. 下载

https://github.com/medcl/elasticsearch-analysis-ik/releases
尽量下载版本对应的

2. 解压

在ElastciSearch文件夹下的plugins中创建一个文件夹，命名ik，然后把下载好的压缩包解压到ik中

3. 重启ES

显示了加载了ik插件

4. elasticsearch-plugin list
   如果不确定有没有加载插件，也可以在ES的bin目录下使用命令查看elasticsearch-plugin list
   

5. 使用kibana测试

最小切分

最细粒度划分

6. 添加自定义分词
   分词都是一个个的dic文件，可以打开一个看一下
   
   有些专业术语或者指定的词，没有包含在这些dic中，又想让他能够识别，就要手动添加
   首先创建一个dic，随便命名，但是也别太奇葩了。这里新建名叫wzw.dic,内容如下，然后保存
   
   保存以后就需要把我们的dic添加到配置文件中，IKAnalyzer.cfg.xml,如果有多个，用英文逗号分隔
   
   重启ES以后，查看效果，之前是没有华为云这一项的，现在可以看到，不管是最少切分还是最细粒度，都已经成功分词，
   
   

Rest风格

基础测试

ES-HEAD删除索引

打开ES-HEAD，访问地址，点击动作，然后选择删除，在输入删除，删除完成

创建索引

类型名以后不使用

PUT /索引名/类型名/文档id
{请求体}

PUT /test1/type1/1
{
  "name" : "张三",
  "age" : 18
}
1
2
3
4
5

查看数据

数据类型

• 字符串类型
  • text、keyword
    • text：支持分词，全文检索,支持模糊、精确查询,不支持聚合,排序操作;text类型的最大支持的字符长度无限制,适合大字段存储；
    • keyword：不进行分词，直接索引、支持模糊、支持精确匹配，支持聚合、排序操作。keyword类型的最大支持的长度为——32766个UTF-8类型的字符,可以通过设置ignore_above指定自持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。
• 数值型
  • long、Integer、short、byte、double、float、half float、scaled float
• 日期类型
  • date
• te布尔类型
  • boolean
• 二进制类型
  • binary
    等等…

指定字段的类型

创建规则

创建索引和字段都成功了

获得规则，通过GET获得具体信息

查看默认的信息

如果文档字段没有指定默认类型，ES会自动配置数据类型

扩展

通过get _cat/ 可以获取ElasticSearch的当前的很多信息

GET _cat/indices
GET _cat/aliases
GET _cat/allocation
GET _cat/count
GET _cat/fielddata
GET _cat/health
GET _cat/indices
GET _cat/master
GET _cat/nodeattrs
GET _cat/nodes
GET _cat/pending_tasks
GET _cat/plugins
GET _cat/recovery
GET _cat/repositories
GET _cat/segments
GET _cat/shards
GET _cat/snapshots
GET _cat/tasks
GET _cat/templates
GET _cat/thread_pool
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

修改索引

两种方式

• PUT覆盖
  如果使用put，但是没有包含所有字段，没有重新设置的字段就会丢失
  
  看一下结果，使用put修改的时候，没有设置的属性就丢失了
  
• update修改
  使用了_update修改，只修改doc中的值，其他值不变，也不会丢失

POST /test3/_doc/1/_update
{
  "doc":{
    "name":"张三2"
  }
}
1
2
3
4
5
6

doc里面就是要修改的文档

查看结果，字段没有遗失，也修改成功了

delete删除索引

DELETE test1
1

指定库就删库，指定文档就删除指定库下的文档

DELETE /test2/_doc/1
1

文档的操作

match在匹配时会对所查找的关键词进行分词，然后按分词匹配查找，而term会直接对关键词进行查找。一般模糊查找的时候，多用match，而精确查找时可以使用term。

1. 添加数据

PUT /wzw/user/1
{
  "name":"zhangsan",
  "age":20,
  "desc":"今天下大雨了，明天也要下",
  "tages":["今天","明天","后天"]
}
1
2
3
4
5
6
7

简单查询

GET /wzw/user/_search?q=name:zhangsan
1

查不到的话是因为分词器没有这个词

复杂查询

• match：匹配（会使用分词器解析（先分析文档，然后进行查询））

• _source：过滤字段

• sort：排序

• form、size 分页

_source过滤字段
没有加条件，查询的是所有字段，通过_source只查询想要的字段，相当于select name from这个效果，不加的话，就是select * from这个效果

GET wzw/user/_search
{
  "query": {
    "match": {
      "name": "华为云"
    }
  },
  "_source":["name"]
}
1
2
3
4
5
6
7
8
9

sort降序排列,跟数据的排序一个效果

GET wzw/user/_search
{
  "query": {
    "match": {
      "name": "华为云"
    }
  },
  "sort":[
    {
      "price":{
        "order":"desc"
     }
    }
  ]
  
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

form、size 分页，相当于mysql的limit

GET wzw/user/_search
{
  "query": {
    "match": {
      "name": "华为云"
    }
  },
  "sort":[
    {
      "price":{
        "order":"desc"
     }
    }
  ],
  "from": 0,
  "size": 2
  
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

布尔值查询

• must 相当于 and

where id=1 and name=***

• should 相当于 or

where id=1 or name=***

• must_not 相当于 not (… and …)

where id !=20

• filter 过滤

gt >  大于
gte >= 大于等于
lt < 小于
lte  <= 小于等于
1
2
3
4

匹配多个条件

精确查询

1. 精确查询多个值

PUT testdb/_doc/3
{
  "t1": "22",
  "t2": "2022-5-13"
}

PUT testdb/_doc/4
{
  "t1": "33",
  "t2": "2022-5-19"
}


GET testdb/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "t1": "22"
          }
        },
        {
          "term": {
              "t1": "33"
            }
        }
      ]
    }
  }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

关于分词

• text：

支持分词，全文检索、支持模糊、精确查询,不支持聚合,排序操作;
text类型的最大支持的字符长度无限制,适合大字段存储；

• keyword：

不进行分词，直接索引、支持模糊、支持精确匹配，支持聚合、排序操作。
keyword类型的最大支持的长度为——32766个UTF-8类型的字符,可以通过设置ignore_above指定自持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。

高亮查询

自定义高亮

集成SpringBoot

导入依赖

    <properties>
        <java.version>1.8</java.version>
        <!-- 自定义ES依赖，保证版本一致 -->
        <elasticsearch.version>7.6.2</elasticsearch.version>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-devtools</artifactId>
            <scope>runtime</scope>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-configuration-processor</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <configuration>
                    <excludes>
                        <exclude>
                            <groupId>org.projectlombok</groupId>
                            <artifactId>lombok</artifactId>
                        </exclude>
                    </excludes>
                </configuration>
            </plugin>
        </plugins>
    </build>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54

配置类

@Configuration
public class ElasticSearchConfig {
    // 注册 rest高级客户端 
    @Bean
    public RestHighLevelClient restHighLevelClient(){
        RestHighLevelClient client = new RestHighLevelClient(
                RestClient.builder(
                        new HttpHost("127.0.0.1",9200,"http")
                )
        );
        return client;
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13

测试

测试方法较多，直接上示例链接
链接：https://pan.baidu.com/s/1WHmP73Ulmk4H2njzQRLM8A
提取码：ouz6

实战

创建项目

引入依赖

引入以上依赖，再引入fastjson，定义本地ES的版本

        <!-- 自定义ES依赖，保证版本一致 -->
        <elasticsearch.version>7.6.2</elasticsearch.version>
1
2

        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.2.75</version>
        </dependency>
1
2
3
4
5

爬数据

爬数据用来测试ES的效果

引入依赖

        <!-- 解析网页 -->
        <dependency>
            <groupId>org.jsoup</groupId>
            <artifactId>jsoup</artifactId>
            <version>1.13.1</version>
        </dependency>
1
2
3
4
5
6

测试是否正常获取

        //请求地址https://search.jd.com/Search?keyword=java
        String url="https://search.jd.com/Search?keyword=java";
        //解析网页,返回值就是浏览器Document页面对象
        Document document = Jsoup.parse(new URL(url), 30000);
        // js的方法这里一样可以使用
        Element element = document.getElementById("J_goodsList");
        // 获取所有li元素
        Elements elements = element.getElementsByTag("li");
        
        for (Element e:elements){
            //有些网站的图片没显示，是因为延迟加载的，或者查看有没有其它属性
            String img=e.getElementsByTag("img").eq(0).attr("data-lazy-img");
            String price=e.getElementsByClass("p-price").eq(0).text();
            String title=e.getElementsByClass("p-name").eq(0).text();
            System.out.println("----------------------------------------------------");
            System.out.println(img);
            System.out.println(price);
            System.out.println(title);
        }
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

创建工具类

如果中文不能搜，是因为字符转义的问题，不用纠结，这里主要是查数据，做ES测试，主题不是爬数据，不能搜中文就搜英文的，有数据就行

import com.wzw.esjd.pojo.Content;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.springframework.stereotype.Component;

import java.net.URL;
import java.util.ArrayList;
import java.util.List;

@Component
public class HtmlParseUtil {

    //测试工具类
    public static void main(String[] args) throws Exception {
        //传入查询关键字
        new HtmlParseUtil().parseJD("java").forEach(System.out::println);



    }

    /**
     *
     * @param keyword   查询关键字
     * @return
     * @throws Exception
     */
    public List<Content> parseJD(String keyword) throws Exception {

        String url="https://search.jd.com/Search?keyword="+keyword;
        Document document = Jsoup.parse(new URL(url), 30000);
        Element element = document.getElementById("J_goodsList");
        Elements elements = element.getElementsByTag("li");

        List<Content> contents=new ArrayList<>();

        for (Element e:elements){
            String img=e.getElementsByTag("img").eq(0).attr("data-lazy-img");
            String price=e.getElementsByClass("p-price").eq(0).text();
            String title=e.getElementsByClass("p-name").eq(0).text();
            Content content=new Content();
            content.setTitle(title);
            content.setImg(img);
            content.setPrice(price);
            contents.add(content);

        }

        return contents;

    }

}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55

具体的测试代码和前后端，示例中查看
示例代码
链接：https://pan.baidu.com/s/1NzEvOwjjDrAiP0QIWi3vIg
提取码：8hkb
资源来源：https://www.bilibili.com/video/BV17a4y1x7zq?p=20&spm_id_from=333.880.my_history.page.click