Elasticsearch构建全文搜索系统

[toc] # 前言 Elasticsearch 是一个分布式、可扩展、实时的搜索与数据分析引擎，通过它我们可以构建出一个强大的全文搜索系统，解决诸如文章检索慢，商品检索慢、MySQL的like查询慢这样的问题。 Elasticsearch是基于hadoop创始人道哥的另一杰作Lucene实现的，速度非常快，核心是使用了倒排索引这样的结构。关于倒排索引是什么，可以参考[搜索引擎中的倒排索引是什么](https://www.cnblogs.com/chenqionghe/p/12464671.html) 接下来，就以这篇倒排索引中的例子，演示一下ElasticSearch的使用 假设我们有海量文章，如下 页码 | 内容 -|-| 1| 生命在于运动 | 2| 运动是生命的源泉| 3| 日复一日地坚持练下去吧,只有活动适量才能保持训练的热情和提高运动的技能.——塞涅卡 | 4 | 活动是生活的基础!——歌德 | 5| 人的健全,不但靠饮食,尤靠运动 | 6| 奥林匹克的格言是“更高,更快,更强” | 7| 身体的健康因静止不动而破坏,因运动练习而长期保持.——苏格拉底| 8| chenqionghe喜欢运动，绳命是如此的精彩，绳命是如此的辉煌| 我们想像这是千万级别的表，最后需要实现传入关键字，返回相应的文章 例如：搜索“运动”返回页码1,2,3,5,7,8对应的文章、搜索“chenqionghe”返回页码为8的文章 # 一、安装 ## 1.安装elasticsearch 查看[官网地址](https://www.elastic.co/cnhttps://img.qb5200.com/download-x/downloads/elasticsearch)，直接下载安装就行了，我用的是mac直接下了mac版本的，另外也可以使用[dokcer安装](https://www.elastic.co/guide/en/elasticsearch/reference/currenthttps://img.qb5200.com/download-x/docker.html) 解压后长这样  es依赖java环境，需要指定jdk版本，我们加入一下java相关环境变量 ``` export JAVA_HOME=/Users/chenqionghe/web/elk/elasticsearch-7.6.1/jdk.app/Contents/Home/ export PATH=$JAVA_HOME/bin:$PATH ``` 启动一下看看 ``` ./bin/elasticsearch ``` 看到启动报错 ``` uncaught exception in thread [main] ElasticsearchException[Failure running machine learning native code. This could be due to running on an unsupported OS or distribution, missing OS libraries, or a problem with the temp directory. To bypass this problem by running Elasticsearch without machine learning functionality set [xpack.ml.enabled: false].] ``` 解决办法，修改`./config/elasticsearch.yml`添加 ``` xpack.ml.enabled: false ``` 再次启动，成功运行，画风如下  默认启动的是9200端口，我们来测试一下 ``` ➜ ~ curl localhost:9200 ``` yeah, it's running，you konw, for search !  ## 2.启动集群cluster 编辑`./config/elasticsearch.yml` 指定集群名称，这里注释打开，集群名称指定成了chenqionghe ``` cluster.name: chenqionghe ``` 指定节点名称 ``` ode.name: chenqionghe-1 ``` 设置初始化的节点 ``` cluster.initial_master_nodes: ["chenqionghe-1"] ``` 设置监听的端口，这里不限定ip，指定为0.0.0.0 ``` network.host: 0.0.0.0 ``` 端口默认9200 ``` http.port: 9200 ``` 添加支持elasticsearch-head界面参数 ``` http.cors.enabled: true http.cors.allow-origin: "*" http.cors.allow-methods: OPTIONS, HEAD, GET, POST, PUT, DELETE http.cors.allow-headers: "X-Requested-With, Content-Type, Content-Length, X-User" ``` 再次启动 ``` ./bin/elasticsearch ``` ## 3.安装管理界面elasticsearch-head 官网地址:[elasticsearch-head](https://github.com/mobz/elasticsearch-head) ``` git clone git://github.com/mobz/elasticsearch-head.git cd elasticsearch-head npm install npm run start ``` 打开http://localhost:9100/，如下  ## 4.安装分词插件elasticsearch-analysis-ik 参考地址：[elasticsearch-analysis-ik/](https://github.com/medcl/elasticsearch-analysis-ik/) ``` ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releaseshttps://img.qb5200.com/download-x/download/v7.6.1/elasticsearch-analysis-ik-7.6.1.zip ``` 验证一下分插件 ``` curl -X POST "localhost:9200/_analyze?pretty" -H 'Content-Type: application/json' -d '{ "analyzer": "ik_smart", "text": "chenqionghe徒手健身" }' ```  可以看到，已经可以分词了，oh yeah~ # 二、使用 ES中有index、document、filed、mapping这样的概念，我们以MySQL的结构为参考对照一下，如下 ElasticSearch | MySQL | -|-|- Iindex| 表 | document | 行 | field | 列 | mapping| 表结构 | Elasticsearch主要还是使用API，具体使用请参考：[Document APIs](https://www.elastic.co/guide/en/elasticsearch/reference/currenthttps://img.qb5200.com/download-x/docs.html) ## 1.创建索引 这里index我取名叫book ``` ➜ ~ curl -X PUT "localhost:9200/book" -H 'Content-Type: application/json' -d '{ "mappings": { "properties": { "page": { "type": "long" }, "content": { "type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word" } } } }' {"acknowledged":true,"shards_acknowledged":true,"index":"book"} ``` 创建成功，但是查看head界面，但是这个黄色不怎么优雅呀，原因是虽然启用了集群，但是还是单节点运行的，群集无法放置副本。  集群的健康状况为 yellow 则表示全部主分片(number_of_shards)都正常运行，但是副本分片没有全部处在正常状态,单节点无论有多少个副本分片（number_of_replicas）都是 unassigned ,它们都没有被分配到任何节点。 在同一个节点上既保存原始数据又保存副本是没有意义的，因为一旦失去了那个节点，我们也将丢失该节点上的所有副本数据。 我们需要把这个副本设置为0，因为索引一旦建立，分片数量不能变，我们需要删除再重新建立一下索引 ``` curl -XDELETE http://localhost:9200/book curl -X PUT "localhost:9200/book" -H 'Content-Type: application/json' -d '{ "settings":{ "number_of_shards": "1", "number_of_replicas": "0" }, "mappings": { "properties": { "page": { "type": "long" }, "content": { "type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word" } } } }' ``` 再次查看，健康了  ## 2.插入数据 ``` curl -X POST "localhost:9200/book/_doc/" -H 'Content-Type: application/json' -d '{ "page":1, "content": "生命在于运动" }' ``` 我们可以看到已经成功插入一条数据  ## 3.批量插入数据（bulk） ``` curl -X POST "localhost:9200/book/_doc/_bulk?pretty" -H 'Content-Type: application/json' -d' { "index":{} } { "page":2 , "content": "运动是生命的源泉"} { "index":{} } { "page":3 , "content": "日复一日地坚持练下去吧,只有活动适量才能保持训练的热情和提高运动的技能.——塞涅卡"} { "index":{} } { "page":4 , "content": "活动是生活的基础!——歌德"} { "index":{} } { "page":5 , "content": "人的健全,不但靠饮食,尤靠运动"} { "index":{} } { "page":6 , "content": "奥林匹克的格言是“更高,更快,更强”"} { "index":{} } { "page":7 , "content": "身体的健康因静止不动而破坏,因运动练习而长期保持.——苏格拉底"} { "index":{} } { "page":8 , "content": "chenqionghe喜欢运动，绳命是如此的精彩，绳命是如此的辉煌"} ' ``` 可以看到成功批量插入  ## 4.查询数据 * 搜索“chenqionghe” ``` curl -s -X GET 'localhost:9200/book/_search?pretty' -H 'Content-Type: application/json' -d '{ "query" : { "match" : { "content" : "chenqionghe" }} }'|jq ``` 可以看到匹配到了  * 搜索“运动”，应该是会返回1,2,3,5,7,8这几条 ``` curl -s -XGET 'localhost:9200/book/_search?pretty' -H 'Content-Type: application/json' -d '{ "query" : { "match" : { "content" : "运动" }} }'|jq .hits.hits|jq '.[]._source' ``` 可以看到，验证通过  ## 5.修改数据 拉下来，我们将chenqionghe这条记录的绳命改为生命， ``` curl -X POST "localhost:9200/book/_doc/HFn_2XABkofzJYzpQIy4" -H 'Content-Type: application/json' -d '{ "page":8, "content": "chenqionghe喜欢运动，生命是如此的精彩，生命是如此的辉煌" }' ``` 可以看到，更新成功  ## 6.删除数据 * 根据id删除 ``` curl -X DELETE "localhost:9200/book/_doc/GFn_2XABkofzJYzpQIy4" ``` * 根据条件删除 ``` curl -X POST "localhost:9200/book/_delete_by_query?pretty" -H 'Content-Type: application/json' -d' { "query": { "match": { "content": "chenqionghe" } } } ' ``` ## 7.索引关闭和开启 如果关闭了一个索引，就无法通过ES来读取和写入其中的数据，直到道再次打开它 ``` # 关闭 curl -XPOST 'localhost:9200/book/_close' # 开启 curl -XPOST 'localhost:9200/book/_open' ``` # 总结 通过Elasticsearch，我们可以快速构建出一个强大的全文搜索系统，安装简单，通过API使用也简单。 倒排索引为搜索而生，先对需要索引的字段进行分词，再通过词直接匹配出文档，速度非常快，这是优点。但是，相比数据库采用的 B 树索引，它的写入和更新性能都比较差，因此倒排索引也只是适合全文搜索，不适合更新频繁的交易类数据。 更多资料请参考 ：[Eelasticsearch权威指南](https://www.elastic.co/guide/cn/elasticsearch/guide/cn/preface.html)