Elasticsearch 入门教程

小鱼儿 2022-10-29 07:42 175阅读 0赞

**目录**

一、安装

二、基本概念

2.1 Node 与 Cluster

2.2 Index

2.3 Document

2.4 Type

三、新建和删除 Index

四、中文分词设置

五、数据操作

5.1 新增记录

5.2 查看记录

5.3 删除记录

5.4 更新记录

六、数据查询

6.1 返回所有记录

6.2 全文搜索

6.3 逻辑运算

七、参考链接

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

[全文搜索][Link 1]属于最常见的需求，开源的 [Elasticsearch][] （以下简称 Elastic）是目前全文搜索引擎的首选。

它可以快速地储存、搜索和分析海量数据。维基百科、Stack Overflow、Github 都采用它。

![e4d018218e0c2edd8cdf2a691548c451.png][]

Elastic 的底层是开源库 [Lucene][]。但是，你没法直接用 Lucene，必须自己写代码去调用它的接口。Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。

本文从零开始，讲解如何使用 Elastic 搭建自己的全文搜索引擎。每一步都有详细的说明，大家跟着做就能学会。

## 一、安装 ##

Elastic 需要 Java 8 环境。如果你的机器还没安装 Java，可以参考[这篇文章][Link 2]，注意要保证环境变量`JAVA_HOME`正确设置。

安装完 Java，就可以跟着[官方文档][Link 3]安装 Elastic。直接下载压缩包比较简单。

>     $ wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-5.5.1.zip
>     $ unzip elasticsearch-5.5.1.zip
>     $ cd elasticsearch-5.5.1/

接着，进入解压后的目录，运行下面的命令，启动 Elastic。

>     $ ./bin/elasticsearch

如果这时[报错][Link 4]"max virtual memory areas vm.max*map*count \[65530\] is too low"，要运行下面的命令。

>     $ sudo sysctl -w vm.max_map_count=262144

如果一切正常，Elastic 就会在默认的9200端口运行。这时，打开另一个命令行窗口，请求该端口，会得到说明信息。

>     $ curl localhost:9200
>     
>     {
>       "name" : "atntrTf",
>       "cluster_name" : "elasticsearch",
>       "cluster_uuid" : "tf9250XhQ6ee4h7YI11anA",
>       "version" : {
>         "number" : "5.5.1",
>         "build_hash" : "19c13d0",
>         "build_date" : "2017-07-18T20:44:24.823Z",
>         "build_snapshot" : false,
>         "lucene_version" : "6.6.0"
>       },
>       "tagline" : "You Know, for Search"
>     }

上面代码中，请求9200端口，Elastic 返回一个 JSON 对象，包含当前节点、集群、版本等信息。

按下 Ctrl + C，Elastic 就会停止运行。

默认情况下，Elastic 只允许本机访问，如果需要远程访问，可以修改 Elastic 安装目录的`config/elasticsearch.yml`文件，去掉`network.host`的注释，将它的值改成`0.0.0.0`，然后重新启动 Elastic。

>     network.host: 0.0.0.0

上面代码中，设成`0.0.0.0`让任何人都可以访问。线上服务不要这样设置，要设成具体的 IP。

## 二、基本概念 ##

### 2.1 Node 与 Cluster ###

Elastic 本质上是一个分布式数据库，允许多台服务器协同工作，每台服务器可以运行多个 Elastic 实例。

单个 Elastic 实例称为一个节点（node）。一组节点构成一个集群（cluster）。

### 2.2 Index ###

Elastic 会索引所有字段，经过处理后写入一个反向索引（Inverted Index）。查找数据的时候，直接查找该索引。

所以，Elastic 数据管理的顶层单位就叫做 Index（索引）。它是单个数据库的同义词。每个 Index （即数据库）的名字必须是小写。

下面的命令可以查看当前节点的所有 Index。

>     $ curl -X GET 'http://localhost:9200/_cat/indices?v'

### 2.3 Document ###

Index 里面单条的记录称为 Document（文档）。许多条 Document 构成了一个 Index。

Document 使用 JSON 格式表示，下面是一个例子。

>     {
>       "user": "张三",
>       "title": "工程师",
>       "desc": "数据库管理"
>     }

同一个 Index 里面的 Document，不要求有相同的结构（scheme），但是最好保持相同，这样有利于提高搜索效率。

### 2.4 Type ###

Document 可以分组，比如`weather`这个 Index 里面，可以按城市分组（北京和上海），也可以按气候分组（晴天和雨天）。这种分组就叫做 Type，它是虚拟的逻辑分组，用来过滤 Document。

不同的 Type 应该有相似的结构（schema），举例来说，`id`字段不能在这个组是字符串，在另一个组是数值。这是与关系型数据库的表的[一个区别][Link 5]。性质完全不同的数据（比如`products`和`logs`）应该存成两个 Index，而不是一个 Index 里面的两个 Type（虽然可以做到）。

下面的命令可以列出每个 Index 所包含的 Type。

>     $ curl 'localhost:9200/_mapping?pretty=true'

根据[规划][Link 6]，Elastic 6.x 版只允许每个 Index 包含一个 Type，7.x 版将会彻底移除 Type。

## 三、新建和删除 Index ##

新建 Index，可以直接向 Elastic 服务器发出 PUT 请求。下面的例子是新建一个名叫`weather`的 Index。

>     $ curl -X PUT 'localhost:9200/weather'

服务器返回一个 JSON 对象，里面的`acknowledged`字段表示操作成功。

>     {
>       "acknowledged":true,
>       "shards_acknowledged":true
>     }

然后，我们发出 DELETE 请求，删除这个 Index。

>     $ curl -X DELETE 'localhost:9200/weather'

## 四、中文分词设置 ##

首先，安装中文分词插件。这里使用的是 [ik][]，也可以考虑其他插件（比如 [smartcn][]）。

>     $ ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v5.5.1/elasticsearch-analysis-ik-5.5.1.zip

上面代码安装的是5.5.1版的插件，与 Elastic 5.5.1 配合使用。

接着，重新启动 Elastic，就会自动加载这个新安装的插件。

然后，新建一个 Index，指定需要分词的字段。这一步根据数据结构而异，下面的命令只针对本文。基本上，凡是需要搜索的中文字段，都要单独设置一下。

>     $ curl -X PUT 'localhost:9200/accounts' -d '
>     {
>       "mappings": {
>         "person": {
>           "properties": {
>             "user": {
>               "type": "text",
>               "analyzer": "ik_max_word",
>               "search_analyzer": "ik_max_word"
>             },
>             "title": {
>               "type": "text",
>               "analyzer": "ik_max_word",
>               "search_analyzer": "ik_max_word"
>             },
>             "desc": {
>               "type": "text",
>               "analyzer": "ik_max_word",
>               "search_analyzer": "ik_max_word"
>             }
>           }
>         }
>       }
>     }'

上面代码中，首先新建一个名称为`accounts`的 Index，里面有一个名称为`person`的 Type。`person`有三个字段。

>  *  user
>  *  title
>  *  desc

这三个字段都是中文，而且类型都是文本（text），所以需要指定中文分词器，不能使用默认的英文分词器。

Elastic 的分词器称为 [analyzer][]。我们对每个字段指定分词器。

>     "user": {
>       "type": "text",
>       "analyzer": "ik_max_word",
>       "search_analyzer": "ik_max_word"
>     }

上面代码中，`analyzer`是字段文本的分词器，`search_analyzer`是搜索词的分词器。`ik_max_word`分词器是插件`ik`提供的，可以对文本进行最大数量的分词。

## 五、数据操作 ##

### 5.1 新增记录 ###

向指定的 /Index/Type 发送 PUT 请求，就可以在 Index 里面新增一条记录。比如，向`/accounts/person`发送请求，就可以新增一条人员记录。

>     $ curl -X PUT 'localhost:9200/accounts/person/1' -d '
>     {
>       "user": "张三",
>       "title": "工程师",
>       "desc": "数据库管理"
>     }'

服务器返回的 JSON 对象，会给出 Index、Type、Id、Version 等信息。

>     {
>       "_index":"accounts",
>       "_type":"person",
>       "_id":"1",
>       "_version":1,
>       "result":"created",
>       "_shards":{"total":2,"successful":1,"failed":0},
>       "created":true
>     }

如果你仔细看，会发现请求路径是`/accounts/person/1`，最后的`1`是该条记录的 Id。它不一定是数字，任意字符串（比如`abc`）都可以。

新增记录的时候，也可以不指定 Id，这时要改成 POST 请求。

>     $ curl -X POST 'localhost:9200/accounts/person' -d '
>     {
>       "user": "李四",
>       "title": "工程师",
>       "desc": "系统管理"
>     }'

上面代码中，向`/accounts/person`发出一个 POST 请求，添加一个记录。这时，服务器返回的 JSON 对象里面，`_id`字段就是一个随机字符串。

>     {
>       "_index":"accounts",
>       "_type":"person",
>       "_id":"AV3qGfrC6jMbsbXb6k1p",
>       "_version":1,
>       "result":"created",
>       "_shards":{"total":2,"successful":1,"failed":0},
>       "created":true
>     }

注意，如果没有先创建 Index（这个例子是`accounts`），直接执行上面的命令，Elastic 也不会报错，而是直接生成指定的 Index。所以，打字的时候要小心，不要写错 Index 的名称。

### 5.2 查看记录 ###

向`/Index/Type/Id`发出 GET 请求，就可以查看这条记录。

>     $ curl 'localhost:9200/accounts/person/1?pretty=true'

上面代码请求查看`/accounts/person/1`这条记录，URL 的参数`pretty=true`表示以易读的格式返回。

返回的数据中，`found`字段表示查询成功，`_source`字段返回原始记录。

>     {
>       "_index" : "accounts",
>       "_type" : "person",
>       "_id" : "1",
>       "_version" : 1,
>       "found" : true,
>       "_source" : {
>         "user" : "张三",
>         "title" : "工程师",
>         "desc" : "数据库管理"
>       }
>     }

如果 Id 不正确，就查不到数据，`found`字段就是`false`。

>     $ curl 'localhost:9200/weather/beijing/abc?pretty=true'
>     
>     {
>       "_index" : "accounts",
>       "_type" : "person",
>       "_id" : "abc",
>       "found" : false
>     }

### 5.3 删除记录 ###

删除记录就是发出 DELETE 请求。

>     $ curl -X DELETE 'localhost:9200/accounts/person/1'

这里先不要删除这条记录，后面还要用到。

### 5.4 更新记录 ###

更新记录就是使用 PUT 请求，重新发送一次数据。

>     $ curl -X PUT 'localhost:9200/accounts/person/1' -d '
>     {
>         "user" : "张三",
>         "title" : "工程师",
>         "desc" : "数据库管理，软件开发"
>     }' 
>     
>     {
>       "_index":"accounts",
>       "_type":"person",
>       "_id":"1",
>       "_version":2,
>       "result":"updated",
>       "_shards":{"total":2,"successful":1,"failed":0},
>       "created":false
>     }

上面代码中，我们将原始数据从"数据库管理"改成"数据库管理，软件开发"。 返回结果里面，有几个字段发生了变化。

>     "_version" : 2,
>     "result" : "updated",
>     "created" : false

可以看到，记录的 Id 没变，但是版本（version）从`1`变成`2`，操作类型（result）从`created`变成`updated`，`created`字段变成`false`，因为这次不是新建记录。

## 六、数据查询 ##

### 6.1 返回所有记录 ###

使用 GET 方法，直接请求`/Index/Type/_search`，就会返回所有记录。

>     $ curl 'localhost:9200/accounts/person/_search'
>     
>     {
>       "took":2,
>       "timed_out":false,
>       "_shards":{"total":5,"successful":5,"failed":0},
>       "hits":{
>         "total":2,
>         "max_score":1.0,
>         "hits":[
>           {
>             "_index":"accounts",
>             "_type":"person",
>             "_id":"AV3qGfrC6jMbsbXb6k1p",
>             "_score":1.0,
>             "_source": {
>               "user": "李四",
>               "title": "工程师",
>               "desc": "系统管理"
>             }
>           },
>           {
>             "_index":"accounts",
>             "_type":"person",
>             "_id":"1",
>             "_score":1.0,
>             "_source": {
>               "user" : "张三",
>               "title" : "工程师",
>               "desc" : "数据库管理，软件开发"
>             }
>           }
>         ]
>       }
>     }

上面代码中，返回结果的 `took`字段表示该操作的耗时（单位为毫秒），`timed_out`字段表示是否超时，`hits`字段表示命中的记录，里面子字段的含义如下。

>  *  `total`：返回记录数，本例是2条。
>  *  `max_score`：最高的匹配程度，本例是`1.0`。
>  *  `hits`：返回的记录组成的数组。

返回的记录中，每条记录都有一个`_score`字段，表示匹配的程序，默认是按照这个字段降序排列。

### 6.2 全文搜索 ###

Elastic 的查询非常特别，使用自己的[查询语法][Link 7]，要求 GET 请求带有数据体。

>     $ curl 'localhost:9200/accounts/person/_search'  -d '
>     {
>       "query" : { "match" : { "desc" : "软件" }}
>     }'

上面代码使用 [Match 查询][Match]，指定的匹配条件是`desc`字段里面包含"软件"这个词。返回结果如下。

>     {
>       "took":3,
>       "timed_out":false,
>       "_shards":{"total":5,"successful":5,"failed":0},
>       "hits":{
>         "total":1,
>         "max_score":0.28582606,
>         "hits":[
>           {
>             "_index":"accounts",
>             "_type":"person",
>             "_id":"1",
>             "_score":0.28582606,
>             "_source": {
>               "user" : "张三",
>               "title" : "工程师",
>               "desc" : "数据库管理，软件开发"
>             }
>           }
>         ]
>       }
>     }

Elastic 默认一次返回10条结果，可以通过`size`字段改变这个设置。

>     $ curl 'localhost:9200/accounts/person/_search'  -d '
>     {
>       "query" : { "match" : { "desc" : "管理" }},
>       "size": 1
>     }'

上面代码指定，每次只返回一条结果。

还可以通过`from`字段，指定位移。

>     $ curl 'localhost:9200/accounts/person/_search'  -d '
>     {
>       "query" : { "match" : { "desc" : "管理" }},
>       "from": 1,
>       "size": 1
>     }'

上面代码指定，从位置1开始（默认是从位置0开始），只返回一条结果。

### 6.3 逻辑运算 ###

如果有多个搜索关键字， Elastic 认为它们是`or`关系。

>     $ curl 'localhost:9200/accounts/person/_search'  -d '
>     {
>       "query" : { "match" : { "desc" : "软件 系统" }}
>     }'

上面代码搜索的是`软件 or 系统`。

如果要执行多个关键词的`and`搜索，必须使用[布尔查询][Link 8]。

>     $ curl 'localhost:9200/accounts/person/_search'  -d '
>     {
>       "query": {
>         "bool": {
>           "must": [
>             { "match": { "desc": "软件" } },
>             { "match": { "desc": "系统" } }
>           ]
>         }
>       }
>     }'

## 七、参考链接 ##

*  [ElasticSearch 官方手册][ElasticSearch]
 *  [A Practical Introduction to Elasticsearch][]

（完）

[Link 1]: https://baike.baidu.com/item/%E5%85%A8%E6%96%87%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E
[Elasticsearch]: https://www.elastic.co/
[e4d018218e0c2edd8cdf2a691548c451.png]: /images/20221024/01ae7e94cc294709b748d19d0e8c5a34.png
[Lucene]: https://lucene.apache.org/
[Link 2]: https://www.digitalocean.com/community/tutorials/how-to-install-java-with-apt-get-on-debian-8
[Link 3]: https://www.elastic.co/guide/en/elasticsearch/reference/current/zip-targz.html
[Link 4]: https://github.com/spujadas/elk-docker/issues/92
[Link 5]: https://www.elastic.co/guide/en/elasticsearch/guide/current/mapping.html
[Link 6]: https://www.elastic.co/blog/index-type-parent-child-join-now-future-in-elasticsearch
[ik]: https://github.com/medcl/elasticsearch-analysis-ik/
[smartcn]: https://www.elastic.co/guide/en/elasticsearch/plugins/current/analysis-smartcn.html
[analyzer]: https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis.html
[Link 7]: https://www.elastic.co/guide/en/elasticsearch/reference/5.5/query-dsl.html
[Match]: https://www.elastic.co/guide/en/elasticsearch/reference/5.5/query-dsl-match-query.html
[Link 8]: https://www.elastic.co/guide/en/elasticsearch/reference/5.5/query-dsl-bool-query.html
[ElasticSearch]: https://www.elastic.co/guide/en/elasticsearch/reference/current/getting-started.html
[A Practical Introduction to Elasticsearch]: https://www.elastic.co/blog/a-practical-introduction-to-elasticsearch