ElasticSearch由浅入深

文章目录

一.elasticsearch简介

Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。Elasticsearch用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。
Lucene是Apache的开源搜索引擎类库，提供了搜索引擎的核心API

mysql采用正向索引（B树，B+树）
elasticsearch采用倒排索引

Mysql：擅长事务类型操作，可以确保数据的安全和一致性
Elasticsearch：擅长海量数据的搜索、分析、计算

概念对比

二.docker部署es和kibana

kibana可以给我们提供一个elasticsearch的可视化界面，便于学习

1.创建互联网联，让es和kibana容器互联

docker network create es-net

2.拉取镜像

docker pull elasticsearch:7.12.1
docker pull kibana:7.12.1

3.部署单点es

docker run -d \
    --name es \
    -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
    -e "discovery.type=single-node" \
    -v es-data:/usr/share/elasticsearch/data \
    -v es-plugins:/usr/share/elasticsearch/plugins \
    --privileged \
    --network es-net \
    -p 9200:9200 \
    -p 9300:9300 \
elasticsearch:7.12.1

命令解释：

• -e "cluster.name=es-docker-cluster"：设置集群名称
• -e "http.host=0.0.0.0"：监听的地址，可以外网访问
• -e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：内存大小
• -e "discovery.type=single-node"：非集群模式
• -v es-data:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录
• -v es-logs:/usr/share/elasticsearch/logs：挂载逻辑卷，绑定es的日志目录
• -v es-plugins:/usr/share/elasticsearch/plugins：挂载逻辑卷，绑定es的插件目录
• --privileged：授予逻辑卷访问权
• --network es-net ：加入一个名为es-net的网络中
• -p 9200:9200：端口映射配置

访问9200端口即可看到elasticsearch的响应结果

4.部署kibana

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601  \
kibana:7.12.1

• --network es-net ：加入一个名为es-net的网络中，与elasticsearch在同一个网络中
• -e ELASTICSEARCH_HOSTS=http://es:9200"：设置elasticsearch的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问elasticsearch
• -p 5601:5601：端口映射配置

访问5601端口即可看到kibana的响应结果

三.IK分词器

es在创建倒排索引时需要对文档分词；在搜索时，需要对用户输入内容分词。但默认的分词规则对中文处理并不友好
处理中文分词，一般会使用IK分词器。https://github.com/medcl/elasticsearch-analysis-ik

1.安装IK分词器

# 进入容器内部
docker exec -it elasticsearch /bin/bash

# 在线下载并安装./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip

#退出exit#重启容器
docker restart elasticsearch

2.IK分词器包含两种模式：

• ik_smart：智能切分 最少切分 粗粒度 分出的词较少
• ik_max_word：最细切分 细粒度 分出的词较多 内存消耗高

3.拓展词库
要拓展ik分词器的词库，只需要修改一个ik分词器目录中的config目录中的IkAnalyzer.cfg.xml文件：

<?xml version="1.0" encoding="UTF-8"?><!DOCTYPEpropertiesSYSTEM"http://java.sun.com/dtd/properties.dtd"><properties><comment>IK Analyzer 扩展配置</comment><!--用户可以在这里配置自己的扩展字典 *** 添加扩展词典--><entrykey="ext_dict">ext.dic</entry></properties>

然后在名为ext.dic的文件中，添加想要拓展的词语即可
4.停用词库
要禁用某些敏感词条，只需要修改一个ik分词器目录中的config目录中的IkAnalyzer.cfg.xml文件：

<?xml version="1.0" encoding="UTF-8"?><!DOCTYPEpropertiesSYSTEM"http://java.sun.com/dtd/properties.dtd"><properties><comment>IK Analyzer 扩展配置</comment><!--用户可以在这里配置自己的扩展字典--><entrykey="ext_dict">ext.dic</entry><!--用户可以在这里配置自己的扩展停止词字典  *** 添加停用词词典--><entrykey="ext_stopwords">stopword.dic</entry></properties>

然后在名为stopword.dic的文件中，添加想要拓展的词语即可

四.DSL及Dev Tools

官网学习地址：https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

GET/  相当于直接访问9200端口

Dev Tools是kibana提供的一种可视化工具

五.索引库操作

1.mapping属性
映射是定义文档及其包含的字段如何存储和索引的过程。
每个文档都是字段的集合，每个字段都有自己的数据类型。 在映射数据时，创建一个映射定义，该定义包含与文档相关的字段列表。 映射定义还包括元数据字段，比如_source字段，它自定义如何处理文档的相关元数据。
mapping是对索引库中文档的约束，常见的mapping属性包括：

• type：字段数据类型，常见的简单类型有： - 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）- 数值：long、integer、short、byte、double、float、- 布尔：boolean- 日期：date- 对象：object
• index：是否创建索引，默认为true
• analyzer：使用哪种分词器
• properties：该字段的子字段

2.创建索引库
ES中通过Restful请求操作索引库、文档。请求内容用DSL语句来表示。创建索引库和mapping的DSL语法如下：

实例

3.查询索引库

GET /索引库名

实例

4.删除索引库

DELETE /索引库名

5.修改索引库
索引库和mapping一旦创建无法修改，但是可以添加新的字段，语法如下：

实例

五.文档操作

1.添加文档

2.查询文档

GET /索引库名/_doc/文档id

3.删除文档

DELETE /索引库名/_doc/文档id

4.修改文档

• 方式一：全量修改，会删除旧文档，添加新文档
• 方式二：增量修改，修改指定字段值

六.RestClient操作索引库

ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发送给ES
官方文档地址：https://www.elastic.co/guide/en/elasticsearch/client/index.html
1.初始化RestClient
指定版本，需要与es版本一致

<properties><java.version>1.8</java.version><elasticsearch.version>7.12.1</elasticsearch.version></properties>

导入包

<dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId></dependency>

初始化RestClient

RestHighLevelClient client =newRestHighLevelClient(RestClient.builder(HttpHost.create("http://101.43.16.42:9200")));;

2.创建索引库

@TestvoidcreateHotelIndex()throwsIOException{// 1.创建Request对象CreateIndexRequest request =newCreateIndexRequest("hotel");// 2.准备请求参数；DSL语句//MAPPING_TEMPLATE是静态常量字符串，内容是创建索引库的DSL语句
    request.source(MAPPING_TEMPLATE,XContentType.JSON);// 3.发送请求
    client.indices().create(request,RequestOptions.DEFAULT);}

3.删除索引库

@TestvoidtestDeleteHotelIndex()throwsIOException{// 1.创建Request对象DeleteIndexRequest request =newDeleteIndexRequest("hotel");// 2.发送请求
    client.indices().delete(request,RequestOptions.DEFAULT);}

4.判断索引库是否存在

@TestvoidtestExitHotelIndex()throwsIOException{// 1.创建Request对象GetIndexRequest request =newGetIndexRequest("hotel");// 2.发送请求boolean exists = client.indices().exists(request,RequestOptions.DEFAULT);//3.输出结果System.out.println(exists);}

七.RestClient操作文档

1.新增文档

@TestvoidtestAddDocument()throwsIOException{//根据id查询酒店数据Hotel hotel = hotelService.getById(61083L);// 1.创建Request对象IndexRequest request =newIndexRequest("hotel").id(hotel.getId().toString());// 2.准备请求参数；DSL语句
    request.source(JSON.toJSONString(hotel),XContentType.JSON);// 3.发送请求
    client.index(request,RequestOptions.DEFAULT);}

2.查询文档

@TestvoidtestGetDocumentById()throwsIOException{// 1.创建Request对象GetRequest request =newGetRequest("hotel","61083");// 2.发送请求GetResponse response = client.get(request,RequestOptions.DEFAULT);// 3.解析响应结果String json = response.getSourceAsString();//反序列化HotelDoc hotelDoc = JSON.parseObject(json,HotelDoc.class);System.out.println(hotelDoc);}

3.更新文档

@TestvoidtestUpdateDocument()throwsIOException{// 1.准备requestUpdateRequest request =newUpdateRequest("hotel","61083");// 2.准备请求参数
    request.doc("price","952","starName","四钻");// 3.发送请求
    client.update(request,RequestOptions.DEFAULT);}

4.删除文档

@TestvoidtestDeleteDocument()throwsIOException{// 1.准备requestDeleteRequest request =newDeleteRequest("hotel","61083");// 2.发送请求
    client.delete(request,RequestOptions.DEFAULT);}

5.批量新增文档

@TestvoidtestBulkDocument()throwsIOException{//批量查询酒店数据List<Hotel> hotels = hotelService.list();// 1.创建Request对象BulkRequest request =newBulkRequest();// 2.准备请求参数，添加多个新增的Requestfor(Hotel hotel:hotels){// 转换为HotelDocHotelDoc hotelDoc =newHotelDoc(hotel);
        request.add(newIndexRequest("hotel").id(hotel.getId().toString()).source(JSON.toJSONString(hotelDoc),XContentType.JSON));}// 3.发送请求
    client.bulk(request,RequestOptions.DEFAULT);}

八.DSL查询语法

Elasticsearch提供了基于JSON的DSL（Domain Specific Language）来定义查询。
官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html

常见的查询类型包括：

• 查询所有：查询出所有数据，一般测试用。例如： - match_all
• 全文检索（full text）查询：利用分词器对用户输入内容分词，然后去倒排索引库中匹配。例如： - match_query- multi_match_query
• 精确查询：根据精确词条值查找数据，一般是查找keyword、数值、日期、boolean等类型字段。例如： - ids- range- term
• 地理（geo）查询：根据经纬度查询。例如： - geo_distance- geo_bounding_box
• 复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。例如： - bool- function_score

查询的语法基本一致：

• 查询类型为match_all
• 没有查询条件1.全文检索 全文检索查询，会对输入框输入内容分词，常用于搜索框搜索 ①match查询：单字段查询②multi_match查询：多字段查询，任意一个字段符合条件就算符合查询条件

ps：multi_match根据多个字段查询，参与查询字段越多，查询性能越差，使用copy_to将多字段拷贝到一个字段中可以提升性能

2.精确查询
精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词
①term：根据词条精确值查询

因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是不分词的词条。查询时，用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多，反而搜索不到数据

②range：根据值的范围查询

gte代表大于等于，gt则代表大于
lte代表小于等于，lt则代表小于

3.地理查询
①geo_distance
附近查询，也叫做距离查询（geo_distance）：查询到指定中心点小于某个距离值的所有文档

②geo_bounding_box
矩形范围查询，也就是geo_bounding_box查询，查询坐标落在某个矩形范围的所有文档

4.复合查询

复合（compound）查询：复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑。常见的有两种：

• fuction score：算分函数查询，可以控制文档相关性算分，控制文档排名
• bool query：布尔查询，利用逻辑关系组合多个其它的查询，实现复杂搜索

相关性算法
TF对比BM25
①fuction score

function score query定义的三要素

• 过滤条件：哪些文档要加分
• 算分函数：如何计算function score
• 加权方式：function score 与 query score如何运算

②bool query

布尔查询是一个或多个查询子句的组合，每一个子句就是一个子查询。子查询的组合方式有：

• must：必须匹配每个子查询，类似“与”
• should：选择性匹配子查询，类似“或”
• must_not：必须不匹配，不参与算分，类似“非”
• filter：必须匹配，不参与算分

需要注意的是，搜索时，参与打分的字段越多，查询的性能也越差。因此这种多条件查询时，一遍这样做：

• 搜索框的关键字搜索，是全文检索查询，使用must查询，参与算分
• 其它过滤条件，采用filter查询。不参与算分

九.搜索结果处理

elasticsearch默认是根据相关度算分（_score）来排序，但是也支持自定义方式对搜索结果排序。可以排序字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。
官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/sort-search-results.html

1.排序

①常规字段排序

②地理位置排序

2.分页

深度分页问题

解决深度分页问题

官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/paginate-search-results.html

• search after：分页时需要排序，原理是从上一次的排序值开始，查询下一页数据。官方推荐使用的方式。
• scroll：原理将排序后的文档id形成快照，保存在内存。官方已经不推荐使用。

分页查询的常见实现方案以及优缺点

• from + size：- 优点：支持随机翻页- 缺点：深度分页问题，默认查询上限（from + size）是10000- 场景：百度、京东、谷歌、淘宝这样的随机翻页搜索
• after search：- 优点：没有查询上限（单次查询的size不超过10000）- 缺点：只能向后逐页查询，不支持随机翻页- 场景：没有随机翻页需求的搜索，例如手机向下滚动翻页
• scroll：- 优点：没有查询上限（单次查询的size不超过10000）- 缺点：会有额外内存消耗，并且搜索结果是非实时的- 场景：海量数据的获取和迁移。从ES7.1开始不推荐，建议用 after search方案。

3.高亮

高亮显示的实现分为两步：
给文档中的所有关键字都添加一个标签，例如标签
页面给标签编写CSS样式**

十.RestClient查询文档

查询的基本步骤是：

1. 创建SearchRequest对象
2. 准备Request.source()，也就是DSL。① QueryBuilders来构建查询条件② 传入Request.source() 的 query() 方法
3. 发送请求，得到结果
4. 解析结果（参考JSON结果，从外到内，逐层解析）

elasticsearch返回的结果是一个JSON字符串，结构包含：

• hits：命中的结果 - total：总条数，其中的value是具体的总条数值- max_score：所有结果中得分最高的文档的相关性算分- hits：搜索结果的文档数组，其中的每个文档都是一个json对象 - _source：文档中的原始数据，也是json对象

因此，解析响应结果，就是逐层解析JSON字符串，流程如下：

• SearchHits：通过response.getHits()获取，就是JSON中的最外层的hits，代表命中的结果 - SearchHits#getTotalHits().value：获取总条数信息- SearchHits#getHits()：获取SearchHit数组，也就是文档数组 - SearchHit#getSourceAsString()：获取文档结果中的_source，也就是原始的json文档数据

完整代码

@TestvoidtestMatchAll()throwsIOException{// 1.创建Request对象SearchRequest request =newSearchRequest("hotel");// 2.准备请求参数；DSL语句
    request.source().query(QueryBuilders.matchAllQuery());// 3.发送请求SearchResponse response = client.search(request,RequestOptions.DEFAULT);// 4.解析响应SearchHits searchHits = response.getHits();// 4.1.获得总条数long total = searchHits.getTotalHits().value;System.out.println(total);// 4.1.文档数组SearchHit[] hits = searchHits.getHits();// 4.3.遍历for(SearchHit hit : hits){// 获取文档sourceString json = hit.getSourceAsString();// 反序列化HotelDoc hotelDoc = JSON.parseObject(json,HotelDoc.class);System.out.println(hotelDoc);}}

1.全文检索查询

@TestvoidtestMatch()throwsIOException{// 1.创建Request对象SearchRequest request =newSearchRequest("hotel");// 2.准备请求参数；DSL语句
    request.source().query(QueryBuilders.matchQuery("all","如家"));// 3.发送请求SearchResponse response = client.search(request,RequestOptions.DEFAULT);// 4.解析响应SearchHits searchHits = response.getHits();// 4.1.获得总条数long total = searchHits.getTotalHits().value;System.out.println(total);// 4.1.文档数组SearchHit[] hits = searchHits.getHits();// 4.3.遍历for(SearchHit hit : hits){// 获取文档sourceString json = hit.getSourceAsString();// 反序列化HotelDoc hotelDoc = JSON.parseObject(json,HotelDoc.class);System.out.println(hotelDoc);}}

Ctrl+Alt+M可以抽取重复代码

privatevoidhandleResponse(SearchResponse response){// 4.解析响应SearchHits searchHits = response.getHits();// 4.1.获得总条数long total = searchHits.getTotalHits().value;System.out.println(total);// 4.1.文档数组SearchHit[] hits = searchHits.getHits();// 4.3.遍历for(SearchHit hit : hits){// 获取文档sourceString json = hit.getSourceAsString();// 反序列化HotelDoc hotelDoc = JSON.parseObject(json,HotelDoc.class);System.out.println(hotelDoc);}}

2.精确查询

3.复合查询

@TestvoidtestBool()throwsIOException{// 1.创建Request对象SearchRequest request =newSearchRequest("hotel");// 2.准备请求参数；DSL语句// 2.1.准备BooleanQueryBoolQueryBuilder boolQuery =QueryBuilders.boolQuery();// 2.2.添加term
    boolQuery.must(QueryBuilders.termQuery("city","上海"));// 2.3.添加range
    boolQuery.filter(QueryBuilders.rangeQuery("price").gte(100));
    request.source().query(boolQuery);// 3.发送请求SearchResponse response = client.search(request,RequestOptions.DEFAULT);handleResponse(response);}

4.排序和分页

@TestvoidtestPageAndSort()throwsIOException{// 页码，每页大小int page =2, size =5;// 1.创建Request对象SearchRequest request =newSearchRequest("hotel");// 2.准备请求参数；DSL语句// 2.1.query
    request.source().query(QueryBuilders.matchAllQuery());// 2.2.sort
    request.source().sort("price",SortOrder.ASC);// 2.3.分页
    request.source().from((page-1)*size).size(size);// 3.发送请求SearchResponse response = client.search(request,RequestOptions.DEFAULT);handleResponse(response);}

距离排序

5.高亮

@TestvoidtestHighlight()throwsIOException{// 1.创建Request对象SearchRequest request =newSearchRequest("hotel");// 2.准备请求参数；DSL语句// 2.1.query
    request.source().query(QueryBuilders.matchQuery("all","如家"));// 2.2.高亮
    request.source().highlighter(newHighlightBuilder().field("name").requireFieldMatch(false));// 3.发送请求SearchResponse response = client.search(request,RequestOptions.DEFAULT);handleResponse(response);}

高亮结果解析

重写解析方法

privatevoidhandleResponse(SearchResponse response){// 4.解析响应SearchHits searchHits = response.getHits();// 4.1.获得总条数long total = searchHits.getTotalHits().value;System.out.println(total);// 4.1.文档数组SearchHit[] hits = searchHits.getHits();// 4.3.遍历for(SearchHit hit : hits){// 获取文档sourceString json = hit.getSourceAsString();// 反序列化HotelDoc hotelDoc = JSON.parseObject(json,HotelDoc.class);// 获取高亮结果Map<String,HighlightField> highlightFields = hit.getHighlightFields();if(!CollectionUtils.isEmpty(highlightFields)){// 根据字段名获取高亮结果HighlightField highlightField = highlightFields.get("name");// 获取高亮值String name = highlightField.getFragments()[0].string();// 覆盖非高亮结果
            hotelDoc.setName(name);}// 覆盖非高亮值System.out.println(hotelDoc);}}

十一.数据聚合

聚合是对文档数据的统计、分析、计算

参与聚合的字段类型必须是：keyword，数值，日期，布尔

聚合常见的有三类：

• 桶（Bucket）聚合：用来对文档做分组- TermAggregation：按照文档字段值分组，例如按照品牌值分组、按照国家分组- Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组
• 度量（Metric）聚合：用以计算一些值，比如：最大值、最小值、平均值等- Avg：求平均值- Max：求最大值- Min：求最小值- Stats：同时求max、min、avg、sum等
• 管道（pipeline）聚合：其它聚合的结果为基础做聚合

1.桶（Bucket）聚合

默认情况下，Bucket聚合会统计Bucket内的文档数量，记为_count，并且按照_count降序排序

可以指定order属性，自定义聚合的排序方式

限定聚合范围

2. 度量（Metric）聚合

十二.RestClient数据聚合

@TestvoidtestAggregation()throwsIOException{// 1.准备RequestSearchRequest request =newSearchRequest("hotel");// 2.准备DSL
    request.source().size(0);
    request.source().aggregation(AggregationBuilders.terms("brandAgg").field("brand").size(10));// 3.发出请求SearchResponse response = client.search(request,RequestOptions.DEFAULT);// 4.解析结果Aggregations aggregations = response.getAggregations();// 4.1.根据聚合名称获取聚合结果Terms brandTerms = aggregations.get("brandAgg");// 4.2.获取bucketsList<?extendsTerms.Bucket> buckets = brandTerms.getBuckets();// 4.3.遍历for(Terms.Bucket bucket : buckets){// 4.4.获取keyString key = bucket.getKeyAsString();System.out.println(key);}}

十三.自动补全

1.拼音分词器

要实现根据字母做补全，就必须对文档按照拼音分词。
在GitHub上有elasticsearch的拼音分词插件。
地址：https://github.com/medcl/elasticsearch-analysis-pinyin

2.自定义分词器

elasticsearch中分词器（analyzer）的组成包含三部分：

character filters：在tokenizer之前对文本进行处理。例如删除字符、替换字符
tokenizer：将文本按照一定的规则切割成词条（term）。例如keyword，就是不分词；还有ik_smart
tokenizer filter：将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

参考官网配置

自定义分词器语法如下

PUT/test
{"settings":{"analysis":{"analyzer":{// 自定义分词器"my_analyzer":{// 分词器名称"tokenizer":"ik_max_word","filter":"py"}},"filter":{// 自定义tokenizer filter"py":{// 过滤器名称"type":"pinyin",// 过滤器类型，这里是pinyin"keep_full_pinyin":false,"keep_joined_full_pinyin":true,"keep_original":true,"limit_first_letter_length":16,"remove_duplicated_term":true,"none_chinese_pinyin_tokenize":false}}}},"mappings":{"properties":{"name":{"type":"text","analyzer":"my_analyzer","search_analyzer":"ik_smart"}}}}

拼音分词器注意事项：

为了避免搜索到同音字，搜索时不要使用拼音分词器

3.自动补全

elasticsearch提供了Completion Suggester查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回

官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/7.6/search-suggesters.html

为了提高补全查询的效率，对于文档中字段的类型有一些约束：

• 参与补全查询的字段必须是completion类型。
• 字段的内容一般是用来补全的多个词条形成的数组。

@TestvoidtestSuggestion()throwsIOException{// 1.准备RequestSearchRequest request =newSearchRequest("hotel");// 2.准备DSL
    request.source().suggest(newSuggestBuilder().addSuggestion("suggestion",SuggestBuilders.completionSuggestion("suggestion").prefix("h").skipDuplicates(true).size(10)));// 3.发起请求SearchResponse response = client.search(request,RequestOptions.DEFAULT);// 4.解析结果Suggest suggest = response.getSuggest();// 4.1.根据补全查询名称，获取补全结果CompletionSuggestion suggestion = suggest.getSuggestion("suggestion");// 4.2.获取optionsList<CompletionSuggestion.Entry.Option> options = suggestion.getOptions();for(CompletionSuggestion.Entry.Option option : options){String text = option.getText().toString();System.out.println(text);}}

十四.数据同步

elasticsearch中的酒店数据来自于mysql数据库，因此mysql数据发生改变时，elasticsearch也必须跟着改变，这个就是elasticsearch与mysql之间的数据同步

常见的数据同步方案有三种：

• 同步调用
• 异步通知
• 监听binlog

1.方式一：同步调用

• 优点：实现简单，粗暴
• 缺点：业务耦合度高

2.方式二：异步通知

• 优点：低耦合，实现难度一般
• 缺点：依赖mq的可靠性

3.方式三：监听binlog

• 优点：完全解除服务间耦合
• 缺点：开启binlog增加数据库负担、实现复杂度高

十五.ES集群

单机的elasticsearch做数据存储，必然面临两个问题：海量数据存储问题、单点故障问题。

• 海量数据存储问题：将索引库从逻辑上拆分为N个分片（shard），存储到多个节点
• 单点故障问题：将分片数据在不同节点备份（replica ）

数据备份可以保证高可用，但是每个分片备份一份，所需要的节点数量就会翻一倍，成本实在是太高了

为了在高可用和成本间寻求平衡，我们可以这样做：

• 首先对数据分片，存储到不同节点
• 然后对每个分片进行备份，放到对方节点，完成互相备份

这样可以大大减少所需要的服务节点数量

1.部署es集群

使用docker-compose

version: '2.2'
services:
  es01:
    image: elasticsearch:7.12.1
    container_name: es01
    environment:
      - node.name=es01
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es02,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data01:/usr/share/elasticsearch/data
    ports:
      - 9200:9200
    networks:
      - elastic
  es02:
    image: elasticsearch:7.12.1
    container_name: es02
    environment:
      - node.name=es02
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es03
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data02:/usr/share/elasticsearch/data
    ports:
      - 9201:9200
    networks:
      - elastic
  es03:
    image: elasticsearch:7.12.1
    container_name: es03
    environment:
      - node.name=es03
      - cluster.name=es-docker-cluster
      - discovery.seed_hosts=es01,es02
      - cluster.initial_master_nodes=es01,es02,es03
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    volumes:
      - data03:/usr/share/elasticsearch/data
    networks:
      - elastic
    ports:
      - 9202:9200
volumes:
  data01:
    driver: local
  data02:
    driver: local
  data03:
    driver: local

networks:
  elastic:
    driver: bridge

es运行需要修改一些linux系统权限，修改

/etc/sysctl.conf

文件

vi /etc/sysctl.conf

添加下面的内容：

vm.max_map_count=262144

然后执行命令，让配置生效：

sysctl -p

通过docker-compose启动集群：

docker-compose up -d

2.集群状态监控

kibana可以监控es集群，不过新版本需要依赖es的x-pack 功能，配置比较复杂。

这里使用cerebro来监控es集群状态

官方网址：https://github.com/lmenezes/cerebro

启动后输入es地址即可监控

3.创建索引库

PUT/itcast
{"settings":{"number_of_shards":3,// 分片数量"number_of_replicas":1// 副本数量},"mappings":{"properties":{// mapping映射定义 ...}}}

4.es集群节点角色

• master节点：对CPU要求高，但是内存要求低
• data节点：对CPU和内存要求都高
• coordinating节点：对网络带宽、CPU要求高

职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。

master eligible节点

• 参与集群选主
• 主节点可以管理集群状态、管理分片信息、处理创建和删除索引库的请求

data节点

• 数据的CRUD

coordinator节点

• 路由请求到其它节点
• 合并查询到的结果，返回给用户

一个典型的es集群职责划分如图：

5.脑裂

脑裂是因为集群中的节点失联导致的。

例如一个集群中，主节点与其它节点失联：

此时，node2和node3认为node1宕机，就会重新选主：

当node3当选后，集群继续对外提供服务，node2和node3自成集群，node1自成集群，两个集群数据不同步，出现数据差异。

当网络恢复后，因为集群中有两个master节点，集群状态的不一致，出现脑裂的情况：

解决脑裂的方案是，要求选票超过 ( eligible节点数量 + 1 ）/ 2 才能当选为主，因此eligible节点数量最好是奇数。对应配置项是discovery.zen.minimum_master_nodes，在es7.0以后，已经成为默认配置，因此一般不会发生脑裂问题

例如：3个节点形成的集群，选票必须超过 （3 + 1） / 2 ，也就是2票。node3得到node2和node3的选票，当选为主。node1只有自己1票，没有当选。集群中依然只有1个主节点，没有出现脑裂。

6.分片存储原理
elasticsearch会通过hash算法来计算文档应该存储到哪个分片：

说明：

• _routing默认是文档的id
• 算法与分片数量有关，因此索引库一旦创建，分片数量不能修改！

新增文档的流程如下：

解读：

• 1）新增一个id=1的文档
• 2）对id做hash运算，假如得到的是2，则应该存储到shard-2
• 3）shard-2的主分片在node3节点，将数据路由到node3
• 4）保存文档
• 5）同步给shard-2的副本replica-2，在node2节点
• 6）返回结果给coordinating-node节点

7.集群分布式查询
elasticsearch的查询分成两个阶段：

• scatter phase：分散阶段，coordinating node会把请求分发到每一个分片
• gather phase：聚集阶段，coordinating node汇总data node的搜索结果，并处理为最终结果集返回给用户

8.集群故障转移

集群的master节点会监控集群中的节点状态，如果发现有节点宕机，会立即将宕机节点的分片数据迁移到其它节点，确保数据安全，这个叫做故障转移

十六.附录

1.相关代码

github仓库：https://github.com/Henrik-Yao/Hotel-ES

2.相关DSL

GET/GET _search
{"query":{"match_all":{}}}POST/_analyze
{"text":"宁可卷死自己，不让其他人休息","analyzer":"ik_smart"}POST/_analyze
{"text":"宁可卷死自己，不让其他人休息","analyzer":"ik_max_word"}POST/_analyze
{"text":"不洗碗工作室宁可卷死自己，不让其他人休息","analyzer":"ik_smart"}PUT/test
{"mappings":{"properties":{"info":{"type":"text","analyzer":"ik_smart"},"email":{"type":"keyword","index":false},"name":{"type":"object","properties":{"firstName":{"type":"keyword","index":false},"lastName":{"type":"keyword","index":false}}}}}}GET/test

DELETE/test

PUT/test/_mapping
{"properties":{"age":{"type":"integer"}}}POST/test/_doc/1{"info":"不洗碗工作室","email":"[email protected]","name":{"firstName":"云","lastName":"赵"}}GET/test/_doc/1DELETE/test/_doc/1PUT/test/_doc/1{"info":"不洗碗工作室","email":"[email protected]","name":{"firstName":"云","lastName":"赵"}}POST/test/_update/1{"doc":{"email":"[email protected]"}}GET/hotel

DELETE/hotel

GET/hotel/_doc/61083GET/hotel/_search

GET/hotel/_search
{"query":{"match_all":{}}}GET/indexName/_search
{"query":{"查询类型":{"查询条件":"条件值"}}}GET/hotel/_search
{"query":{"match":{"all":"外滩如家"}}}DELETE/hotel

PUT/hotel
{"mappings":{"properties":{"id":{"type":"keyword"},"name":{"type":"text","analyzer":"ik_max_word","copy_to":"all"},"address":{"type":"keyword","index":false},"price":{"type":"integer"},"score":{"type":"integer"},"brand":{"type":"keyword","copy_to":"all"},"city":{"type":"keyword"},"starName":{"type":"keyword"},"business":{"type":"keyword","copy_to":"all"},"pic":{"type":"keyword","index":false},"location":{"type":"geo_point"},"all":{"type":"text","analyzer":"ik_max_word"}}}}GET/hotel/_search
{"query":{"match":{"all":"外滩如家"}}}GET/hotel/_search
{"query":{"multi_match":{"query":"外滩如家","fields":["brand","name","business"]}}}GET/hotel/_search
{"query":{"term":{"city":{"value":"上海"}}}}GET/hotel/_search
{"query":{"range":{"price":{"gte":100,"lte":200}}}}GET/hotel/_search
{"query":{"geo_distance":{"distance":"15km","location":"31.21,121.5"}}}GET/hotel/_search
{"query":{"function_score":{"query":{"match":{"all":"外滩"}},"functions":[{"filter":{"term":{"brand":"如家"}},"weight":10}],"boost_mode":"sum"}}}GET/hotel/_search
{"query":{"bool":{"must":[{"match":{"name":"如家"}}],"must_not":[{"range":{"price":{"gt":400}}}],"filter":[{"geo_distance":{"distance":"10km","location":{"lat":31.21,"lon":121.5}}}]}}}GET/hotel/_search
{"query":{"match_all":{}},"sort":[{"score":"desc"},{"price":"asc"}]}GET/hotel/_search
{"query":{"match_all":{}},"sort":[{"_geo_distance":{"location":{"lat":31,"lon":121},"order":"asc","unit":"km"}}]}GET/hotel/_search
{"query":{"match_all":{}},"sort":[{"price":{"order":"asc"}}],"from":0,"size":20}GET/hotel/_search
{"query":{"match_all":{}},"sort":[{"price":{"order":"asc"}}],"from":9999,"size":20}GET/hotel/_search
{"query":{"match":{"all":"如家"}},"highlight":{"fields":{"name":{"require_field_match":"false"}}}}POST/hotel/_update/2056126831{"doc":{"isAD":true}}POST/hotel/_update/1989806195{"doc":{"isAD":true}}POST/hotel/_update/2056105938{"doc":{"isAD":true}}GET/hotel/_search
{"query":{"match":{"isAD":"true"}}}GET/hotel/_search
{"size":0,"aggs":{"brandAgg":{"terms":{"field":"brand","size":10}}}}GET/hotel/_search
{"size":0,"aggs":{"brandAgg":{"terms":{"field":"brand","order":{"_count":"asc"},"size":10}}}}GET/hotel/_search
{"query":{"range":{"price":{"lte":200}}},"size":0,"aggs":{"brandAgg":{"terms":{"field":"brand","size":20}}}}GET/hotel/_search
{"size":0,"aggs":{"brandAgg":{"terms":{"field":"brand","size":20},"aggs":{"scoreAgg":{"stats":{"field":"score"}}}}}}GET/hotel/_search
{"size":0,"aggs":{"brandAgg":{"terms":{"field":"brand","size":20,"order":{"scoreAgg.avg":"desc"}},"aggs":{"scoreAgg":{"stats":{"field":"score"}}}}}}GET/POST/_analyze
{"text":["不洗碗工作室"],"analyzer":"pinyin"}DELETE/test

PUT/test
{"settings":{"analysis":{"analyzer":{"my_analyzer":{"tokenizer":"ik_max_word","filter":"py"}},"filter":{"py":{"type":"pinyin","keep_full_pinyin":false,"keep_joined_full_pinyin":true,"keep_original":true,"limit_first_letter_length":16,"remove_duplicated_term":true,"none_chinese_pinyin_tokenize":false}}}},"mappings":{"properties":{"name":{"type":"text","analyzer":"my_analyzer","search_analyzer":"ik_smart"}}}}POST/test/_doc/1{"id":1,"name":"狮子"}POST/test/_doc/2{"id":2,"name":"虱子"}GET/test/_search
{"query":{"match":{"name":"掉入狮子笼咋办"}}}// 自动补全的索引库PUT test2
{"mappings":{"properties":{"title":{"type":"completion"}}}}// 示例数据POST test2/_doc
{"title":["Sony","WH-1000XM3"]}POST test2/_doc
{"title":["SK-II","PITERA"]}POST test2/_doc
{"title":["Nintendo","switch"]}POST test2/_search
{"query":{"match_all":{}}}

# 自动补全查询
POST/test2/_search
{"suggest":{"title_suggest":{"text":"s","completion":{"field":"title","skip_duplicates":true,"size":10}}}}GET/hotel/_mapping

DELETE/hotel

# 酒店数据索引库
PUT/hotel
{"settings":{"analysis":{"analyzer":{"text_anlyzer":{"tokenizer":"ik_max_word","filter":"py"},"completion_analyzer":{"tokenizer":"keyword","filter":"py"}},"filter":{"py":{"type":"pinyin","keep_full_pinyin":false,"keep_joined_full_pinyin":true,"keep_original":true,"limit_first_letter_length":16,"remove_duplicated_term":true,"none_chinese_pinyin_tokenize":false}}}},"mappings":{"properties":{"id":{"type":"keyword"},"name":{"type":"text","analyzer":"text_anlyzer","search_analyzer":"ik_smart","copy_to":"all"},"address":{"type":"keyword","index":false},"price":{"type":"integer"},"score":{"type":"integer"},"brand":{"type":"keyword","copy_to":"all"},"city":{"type":"keyword"},"starName":{"type":"keyword"},"business":{"type":"keyword","copy_to":"all"},"location":{"type":"geo_point"},"pic":{"type":"keyword","index":false},"all":{"type":"text","analyzer":"text_anlyzer","search_analyzer":"ik_smart"},"suggestion":{"type":"completion","analyzer":"completion_analyzer"}}}}GET/hotel/_search
{"query":{"match_all":{}}}GET/hotel/_search
{"suggest":{"suggestions":{"text":"sd","completion":{"field":"suggestion"}}}}GET/hotel/_doc/60223