ElasticSearch全文搜索引擎-入门篇

前言

1 安装

2 基本概念

2.1 Node 与 Cluster

2.2 Index

2.3 Document

2.4 Type

3 新建和删除 Index

4 中文分词设置

5 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

6 数据查询

6.1 返回所有记录

6.2 全文搜索

6.3 逻辑运算

7 参考链接

8 kibana的安装

前言

全文搜索属于最常见的需求，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。

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。

1 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，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。这里需要注意的是root用户无法启动elasticsearch，故需要另外创建一个系统用户组和系统用户来运行。

# 创建用户组elastic
groupadd elastic
# 在用户组elastic上创建elastic用户
useradd -r -g elastic elastic
# 将elasticsearch-5.5.1文件夹的所有文件的权限赋予elastic用户和用户组
chown -R elastic:elastic elasticsearch-5.5.1# 切换elastic用户
su elastic
# 运行ES
./bin/elasticsearch
# 或者后台以守护进程运行
./bin/elasticsearch -d# elasticsearch没有正常停止服务的命令，只能通过kill命令来停止服务

启动的问题解决：

1.[1]: max file descriptors [4096] for elasticsearch process is too low, increase to at least [65536] 意思是说你的进程不够用了
解决方案：切到root 用户：进入到security目录下的limits.conf；执行命令 vim /etc/security/limits.conf 在文件的末尾添加下面的参数值：

* soft nofile 65536
* hard nofile 65536
* soft nproc 2048
* hard nproc 4096

此文件修改后需要重新登陆用户才能生效，执行完成后可以使用命令 ulimit -n 查看进程数。

2.[2]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144] 需要修改系统变量的最大值
解决方案：切换到root用户修改配置/etc/sysctl.conf 增加配置值：

vm.max_map_count=655360

执行命令 sysctl -p 这样就可以了，然后重新启动ES服务就可以了。

3.max number of threads [3818] for user [es] is too low, increase to at least [4096]

原因：其实在第一个问题上就应该会解决（类似的问题），无法创建本地线程问题,用户最大可创建线程数太小，可以通过如下命令查看

ulimit -Hu
ulimit -Su

解决方案：切换到root用户，修改配置文件/etc/security/limits.conf（和问题1是一个文件），增加配置。

*               soft    nproc           4096
*               hard    nproc           4096

4.the default discovery settings are unsuitable for production use; at least one of [discovery.seed_hosts, discovery.seed_providers, cluster.initial_master_nodes] must be configured

原因：需要在elasticsearch.yml配置文件中至少使用这几个配置项（discovery.seed_hosts, discovery.seed_providers, cluster.initial_master_nodes）中的一个配置项。

解决方案：修改配置文件config/elasticsearch.yml，取消以下两行的注释即可

node.name: node-1

cluster.initial_master_nodes: ["node-1"] #这里的node-1为node-name配置的值

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。

此时若需要elasticsearch在后台运行，即关闭终端的时候也不会停止运行，启动的时候只需用以下命令即可。


$ ./bin/elasticsearch -d

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。

2 基本概念

2.1 Node 与 Cluster

Elastic 本质上是一个分布式数据库，支持数据持久化，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。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，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。

3 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'

4 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。

5 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。

6 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，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，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。


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

7 参考链接

ElasticSearch 官方手册
A Practical Introduction to Elasticsearch

8 kibana的安装

Kibana 可以让您的数据变得有形有样，是一个可扩展的用户界面。通过 Kibana，您可以对自己的 Elasticsearch 进行可视化，还可以在 Elastic Stack 中进行导航，这样您便可以进行各种操作了，从跟踪查询负载，到理解请求如何流经您的整个应用，都能轻松完成。

（1）在官网 https://www.elastic.co/cn/downloads/kibana 下载kibana包 kibana-7.3.2-linux-x86_64.tar.gz。

（2）在服务器上解压下载下来的包

tar -xzvf kibana-7.3.2-linux-x86_64.tar.gz

（3）配置kibana服务的elasticsearch的ip

#修改Kibana配置文件
vim kibana-7.3.2-linux-x86_64/config/kibana.yml#添加以下配置
#绑定的端口号
server.port: 5601
#绑定的ip
server.host: "192.168.66.101"
#服务器名称
server.name: "node1"
#elasticip
elasticsearch.url: "http://192.168.66.101:9200"

（4）启动服务，注意kibana默认也是不允许root用户启动的。

# 可即时启动，即时停止
./kibana-7.3.2-linux-x86_64/bin/kibana# 通过nohup后台启动，后面停止需要通过kill命令来停止
nohup ./kibana-7.3.2-linux-x86_64/bin/kibana >/dev/null 2>&1 &# 查询kibana进程
ps -ef|grep node

注意注意注意：elasticsearch和kibana的版本一定要一致才可以的。