Elasticsearch入门教程

中间件

关于Elasticsearch

Elasticsearch （以下简称 Elastic）是一个开源的搜索引擎，具有如下的特点：

  • 一个分布式的实时文档存储，每个字段 可以被索引与搜索
  • 一个分布式实时分析搜索引擎
  • 能胜任上百个服务节点的扩展，并支持 PB 级别的结构化或者非结构化数据

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 建立在一个全文搜索引擎库 Apache Lucene™ 基础之上，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。

本篇只是入门级讲解，大部分常用的功能基本涉及到了。如果需要更深层次的理解，需要详细阅读 官方文档 。

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。

1
2
3
4
5
wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-6.3.0.tar.gz
wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-6.3.0.tar.gz.sha512
shasum -a 512 -c elasticsearch-6.3.0.tar.gz.sha512 ![](https://www.elastic.co/guide/en/elasticsearch/reference/current/images/icons/callouts/1.png)
tar -xzf elasticsearch-6.3.0.tar.gz
cd elasticsearch-6.3.0/

然后在命令行运行下面的命令，启动Elastic。

1
./bin/elasticsearch

如果一切正常，Elastic 就会在默认的9200端口运行。这时，打开浏览器请求http://localhost:9200/，会得到说明信息。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
{
  "name": "diLqLcS",
  "cluster_name": "elasticsearch",
  "cluster_uuid": "yDtqdAFkR_6FjHXcqv3aaw",
  "version": {
    "number": "6.3.0",
    "build_flavor": "default",
    "build_type": "tar",
    "build_hash": "424e937",
    "build_date": "2018-06-11T23:38:03.357887Z",
    "build_snapshot": false,
    "lucene_version": "7.3.1",
    "minimum_wire_compatibility_version": "5.6.0",
    "minimum_index_compatibility_version": "5.0.0"
  },
  "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。

1
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。

基本概念

Node和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）。

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。

在浏览器输入下面的地址可以查看当前节点的所有 Index。

1
localhost:9200/_cat/indices?v&pretty

响应如下 :

1
health status index uuid pri rep docs.count docs.deleted store.size pri.store.size

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。

1
2
3
4
5
{
   "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。

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）。

在浏览器访问下面的地址可以列出每个 Index 所包含的 Type。

1
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。

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，我们使用postman发送一个PUT请求。

1
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。

1
2
3
4
5
{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "weather"
}

然后，我们发出 DELETE 请求，删除这个 Index。

1
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。

1
2
3
{
    "acknowledged": true
}

中文分词设置

1
$ ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.3.0/elasticsearch-analysis-ik-6.3.0.zip

上面代码安装的是6.3.0版的插件，与 Elastic 6.3.0 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。

在postman中发送PUT请求localhost:9200/accounts

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
{
  "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"
        }
      }
    }
  }
}

返回结果：

1
2
3
4
5
{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "accounts"
}

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。

1
2
3
4
5
"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。

数据操作

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。现在我们通过postman发送一个PUT请求localhost:9200/accounts/person/1

1
2
3
4
5
{
   "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。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
{
    "_index": "accounts",
    "_type": "person",
    "_id": "1",
    "_version": 1,
    "result": "created",
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "_seq_no": 0,
    "_primary_term": 1
}

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。现在我们通过postman发送一个POST请求localhost:9200/accounts/person

1
2
3
4
5
{
  "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。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
{
    "_index": "accounts",
    "_type": "person",
    "_id": "_CIaF2QB-g2YHqYH1pZW",
    "_version": 1,
    "result": "created",
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "_seq_no": 0,
    "_primary_term": 1
}

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。

查看记录

通过postman发送一个GET请求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。

1
2
3
4
5
6
7
8
9
10
11
12
{
    "_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。比如我们发送这样一个GET请求localhost:9200/accounts/person/2?pretty=true

1
2
3
4
5
6
{
    "_index": "accounts",
    "_type": "person",
    "_id": "2",
    "found": false
}

删除记录

删除记录就是发出 DELETE 请求localhost:9200/accounts/person/1。

这里先不要删除这条记录，后面还要用到。

更新记录

更新记录就是使用 PUT 请求localhost:9200/accounts/person/1，重新发送一次数据。

1
2
3
4
5
{
    "user" : "张三",
    "title" : "工程师",
    "desc" : "数据库管理，软件开发"
}

返回的JSON数据：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
{
    "_index": "accounts",
    "_type": "person",
    "_id": "1",
    "_version": 2,
    "result": "updated",
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "_seq_no": 1,
    "_primary_term": 1
}

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。

1
2
3
"_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。

数据查询

返回所有记录

使用GET方法，在浏览器直接请求/Index/Type/_search，就会返回所有记录。比如我们请求下localhost:9200/accounts/person/_search

返回JSON数据：

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
{
  "took": 183,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 2,
    "max_score": 1.0,
    "hits": [
      {
        "_index": "accounts",
        "_type": "person",
        "_id": "_CIaF2QB-g2YHqYH1pZW",
        "_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。

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。

我们通过postman发送这样一个GET请求localhost:9200/accounts/person/_search，参数如下：

1
2
3
4
5
6
7
{
	"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。

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
{
    "took": 31,
    "timed_out": false,
    "_shards": {
        "total": 5,
        "successful": 5,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": 1,
        "max_score": 0.2876821,
        "hits": [
            {
                "_index": "accounts",
                "_type": "person",
                "_id": "1",
                "_score": 0.2876821,
                "_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。请求参数如下：

1
2
3
4
5
6
7
8
{
	"query": {
		"match": {
			"desc": "软件"
		}
	},
	"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。

1
2
3
4
5
6
7
8
9
{
	"query": {
		"match": {
			"desc": "软件"
		}
	},
	"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。

逻辑运算

如果有多个搜索关键字， Elastic 认为它们是or关系。

1
2
3
4
5
6
7
{
	"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。

1
2
3
4
5
6
7
8
9
10
{
  "query": {
    "bool": {
      "must": [
        { "match": { "desc": "软件" } },
        { "match": { "desc": "系统" } }
      ]
    }
  }
}

参考链接