Elasticsearch（一）-入门以及简单的搜索语法

梦里梦外; 2022-07-10 11:29 274阅读 0赞

# 入门 #

## 后台运行es ##

如果想在后台以守护进程模式运行，添加-d参数。

/bin/elasticsearch -d -p pid
    
    kill ${pid}

测试是否成功

`curl 'http://localhost:9200/?pretty'`

## 对比图来类比传统关系型数据库 ##

Relational DB -> Databases -> Tables -> Rows -> Columns
    Elasticsearch -> Indices   -> Types  -> Documents -> Fields

## 创建 ##

### 创建index ###

`PUT /megacorp`

### 创建Types 和 document ###

PUT
    /megacorp/employee/1
    {
      "first_name": "John",
      "last_name": "Smith",
      "age": 25,
      "about": "I love to go rock climbing",
      "interests": [
        "sports",
        "music"
      ]
    }

## 搜索 ##

### 检索文档 ###

`GET /megacorp/employee/1`

result:

{
      "_index" :   "megacorp",
      "_type" :    "employee",
      "_id" :      "1",
      "_version" : 1,
      "found" :    true,
      "_source" :  { "first_name" : "John", "last_name" : "Smith", "age" : 25, "about" : "I love to go rock climbing", "interests": [ "sports", "music" ] } }

### 简单搜索 ###

1.  搜索全部员工的请求：
    
    `GET /megacorp/employee/_search`
2.  搜索姓氏中包含“Smith”的员工:
    
    `GET /megacorp/employee/_search?q=last_name:Smith`
3.  使用DSL语句查询
    
    查询字符串搜索便于通过命令行完成特定(ad hoc)的搜索，但是它也有局限性（参阅简单搜索章节）。Elasticsearch提供丰富且灵活的查询语言叫做DSL查询(Query DSL),它允许你构建更加复杂、强大的查询。
    
    DSL(Domain Specific Language特定领域语言)以JSON请求体的形式出现。我们可以这样表示之前关于“Smith”的查询:
    
        POST /megacorp/employee/_search
        {
            "query" : {
             "match" : {
                    "last_name" : "Smith"
             }
            }
        }
4.  更复杂的搜索
    
    我们让搜索稍微再变的复杂一些。我们依旧想要找到姓氏为“Smith”的员工，但是我们只想得到年龄大于30岁的员工。我们的语句将添加过滤器(filter),它使得我们高效率的执行一个结构化搜索：
    
        POST /megacorp/employee/_search
        {
          "query": {
            "filtered": {
              "filter": {
                "range": {
                  "age": {
                    "lt": 30
                  }
                }
              },
              "query": {
                "match": {
                  "last_name": "smith"
                }
              }
            }
          }
        }
5.  全文搜索
    
    搜索所有喜欢“rock climbing”的员工：
    
        POST /megacorp/employee/_search
        {
            "query" : {
                "match" : {
                    "about" : "rock climbing"
                }
            }
        }
    
    默认情况下，Elasticsearch根据结果相关性评分来对结果集进行排序，所谓的「结果相关性评分」就是文档与查询条件的匹配程度。很显然，排名第一的John Smith的about字段明确的写到“rock climbing”。
    
    但是为什么Jane Smith也会出现在结果里呢？原因是“rock”在她的abuot字段中被提及了。因为只有“rock”被提及而“climbing”没有，所以她的\_score要低于John。3
    
    这个例子很好的解释了Elasticsearch如何在各种文本字段中进行全文搜索，并且返回相关性最大的结果集。相关性(relevance)的概念在Elasticsearch中非常重要，而这个概念在传统关系型数据库中是不可想象的，因为传统数据库对记录的查询只有匹配或者不匹配。
6.  短语搜索
    
    目前我们可以在字段中搜索单独的一个词，这挺好的，但是有时候你想要确切的匹配若干个单词或者短语(phrases)。例如我们想要查询同时包含”rock”和”climbing”（并且是相邻的）的员工记录。
    
    要做到这个，我们只要将match查询变更为match\_phrase查询即可:
    
        POST /megacorp/employee/_search
        {
            "query" : {
                "match_phrase" : {
                    "about" : "rock climbing"
                }
            }
        }
7.  高亮我们的搜索
    
    每个搜索结果中高亮(highlight)匹配到的关键字.
    
        POST /megacorp/employee/_search
        {
            "query" : {
                "match_phrase" : {
                    "about" : "rock climbing"
                }
            },
            "highlight": {
                "fields" : {
                    "about" : {}
                }
            }
        }

## 聚合 ##

### 分析 ###

Elasticsearch有一个功能叫做聚合(aggregations)，它允许你在数据上生成复杂的分析统计。它很像SQL中的GROUP BY但是功能更强大。

POST /megacorp/employee/_search
    {
      "aggs": {
        "all_interests": {
          "terms": { "field": "interests" }
        }
      }
    }

如果我们想知道所有姓”Smith”的人最大的共同点（兴趣爱好），我们只需要增加合适的语句既可：

POST /megacorp/employee/_search
    {
      "query": {
        "match": {
          "last_name": "smith"
        }
      },
      "aggs": {
        "all_interests": {
          "terms": {
            "field": "interests"
          }
        }
      }
    }

聚合也允许分级汇总

让我们统计每种兴趣下职员的平均年龄：

GET /megacorp/employee/_search
    {
        "aggs" : {
            "all_interests" : {
                "terms" : { "field" : "interests" },
                "aggs" : {
                    "avg_age" : {
                        "avg" : { "field" : "age" }
                    }
                }
            }
        }
    }

# 分布式集群 #

## 空集群 ##

一个节点(node)就是一个Elasticsearch实例，而一个集群(cluster)由一个或多个节点组成，它们具有相同的cluster.name，它们协同工作，分享数据和负载。当加入新的节点或者删除一个节点时，集群就会感知到并平衡数据。

集群中一个节点会被选举为主节点(master),它将临时管理集群级别的一些变更，例如新建或删除索引、增加或移除节点等。主节点不参与文档级别的变更或搜索，这意味着在流量增长的时候，该主节点不会成为集群的瓶颈。任何节点都可以成为主节点。我们例子中的集群只有一个节点，所以它会充当主节点的角色。

做为用户，我们能够与集群中的任何节点通信，包括主节点。每一个节点都知道文档存在于哪个节点上，它们可以转发请求到相应的节点上。我们访问的节点负责收集各节点返回的数据，最后一起返回给客户端。这一切都由Elasticsearch处理。

## 集群健康 ##

在Elasticsearch集群中可以监控统计很多信息，但是只有一个是最重要的：集群健康(cluster health)。集群健康有三种状态：green、yellow或red。

`GET /_cluster/health`

## 添加索引 ##

分片是Elasticsearch在集群中分发数据的关键。把分片想象成数据的容器。文档存储在分片中，然后分片分配到你集群中的节点上。当你的集群扩容或缩小，Elasticsearch将会自动在你的节点间迁移分片，以使集群保持平衡。

分片可以是主分片(primary shard)或者是复制分片(replica shard)。你索引中的每个文档属于一个单独的主分片，所以主分片的数量决定了索引最多能存储多少数据。

复制分片只是主分片的一个副本，它可以防止硬件故障导致的数据丢失，同时可以提供读请求，比如搜索或者从别的shard取回文档。

当索引创建完成的时候，主分片的数量就固定了，但是复制分片的数量可以随时调整。

让我们在集群中唯一一个空节点上创建一个叫做blogs的索引。默认情况下，一个索引被分配5个主分片，但是为了演示的目的，我们只分配3个主分片和一个复制分片（每个主分片都有一个复制分片）：

PUT /blogs
    {
       "settings" : {
          "number_of_shards" : 3,
          "number_of_replicas" : 1
       }
    }

## 故障转移 ##

在单一节点上运行意味着有单点故障的风险——没有数据备份。幸运的是，要防止单点故障，我们唯一需要做的就是启动另一个节点。

当第二个节点加入集群，三个复制分片(replica shards)也已经被分配了——分别对应三个主分片，这意味着在丢失任意一个节点的情况下依旧可以保证数据的完整性。

## 横向扩展 ##

随着应用需求的增长，我们该如何扩展？加入新的节点，我们的集群会重新组织自己。

## 更多扩展 ##

主分片的数量在创建索引时已经确定。实际上，这个数量定义了能存储到索引里数据的最大数量（实际的数量取决于你的数据、硬件和应用场景）。然而，主分片或者复制分片都可以处理读请求——搜索或文档检索，所以数据的冗余越多，我们能处理的搜索吞吐量就越大。

复制分片的数量可以在运行中的集群中动态地变更，这允许我们可以根据需求扩大或者缩小规模。让我们把复制分片的数量从原来的1增加到2：

PUT /blogs/_settings
    {
       "number_of_replicas" : 2
    }

## 应对故障 ##

如果一个主节点出现故障。一个集群必须要有一个主节点才能使其功能正常，所以集群做的第一件事就是各节点选举了一个新的主节点。

--------------------

参考资料：  
Elasticsearch权威指南  
备注：  
转载请注明出处：[http://blog.csdn.net/wsyw126/article/details/57420333][http_blog.csdn.net_wsyw126_article_details_57420333]  
作者：WSYW126

[http_blog.csdn.net_wsyw126_article_details_57420333]: http://blog.csdn.net/wsyw126/article/details/57420333