071. ElasticSearch 应用场景及核心概念

山海散人

发布于 2021-03-03 10:21:44

1.4K0

文章被收录于专栏：山海散人技术山海散人技术

1. ES 使用场景

给网站 / APP 添加搜索功能。
存储、分析数据。
管理、交互、分析空间信息，将 ES 用于 GIS。

2. ES 简介

Elasticsearch 是一个基于 Lucene 构建的开源、分布式、RESTful 接口全文检索引擎。
Elasticsearch 也是一个分布式文档数据库。
Elasticsearch 可以在很短的时间内存储、搜索大量数据。
Elasticsearch 有很强的水平扩展能力。

3. ES 发展历程

4. ES 架构

5. ES 核心概念

在 ES 最初的设计中，index 被当做类似 DB 的级别，能够对数据进行物理隔离，type 相当于数据库中的表，对数据进行逻辑划分，document 是 ES 中的一条数据记录。

但这样的设计在 ES5.6 之后开始有了变化，新版本的 ES 会逐步弱化 type 的概念，直到将其移除。

6. ES Java Client

Java Low Level REST Client：低级别的 REST 客户端，通过 http 与集群交互，用户需自己编组请求 JSON 串，及解析响应 JSON 串。兼容所有 ES 版本。（https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-low.html）
Java High Level REST Client：高级别的 REST 客户端，基于低级别的 REST 客户端，增加了编组请求、解析响应等相关 api，High Level REST Client 中的操作 API 和 java client 大多数一样的。
Java Client：ES 的发展规划中在 7.0 版本开始将废弃 TransportClient，8.0 版本中将完全移除 TransportClient，取而代之的是 High Level REST Client。

7. index alias 的应用

在 Elasticsearch 中给 index 起一个 alias（别名），能够非常优雅地解决两个索引无缝切换的问题。
可以使用同一个别名指向多个 index，可以实现同时查询多个索引的数据。

8. ES 核心操作

1. index 操作

创建/删除 index、开启/关闭 index、添加/查看 mapping、设置/查看 settings。

# 创建索引
PUT /songs_v3

# 删除索引
DELETE /songs_v3

# 创建 index，指定 settings
PUT /songs_v4
{
  "settings": {
    "number_of_shards": 6,
    "number_of_replicas": 1
  }
}

# 获取 index 的 settings 信息
GET /songs_v4/_settings

# 修改 index 的配置信息
# index 的配置分为两类：
# static（number of shards/index.shard.check_on_startup）
# dynamic（index 正常工作时，能修改的配置信息）
PUT /songs_v4/_settings
{
  "number_of_replicas": 2
}
# index 开启状态，不允许执行
PUT /songs_v4/_settings
{
  "index.shard.check_on_startup": true
}

# 关闭 index
POST /songs_v4/_close

# 开启 index
POST /songs_v4/_open

# 获取 index 中的 mapping types
GET /songs_v4/_mapping

# 删除 mapping_type（不支持）
DELETE /songs_v4/_mapping

2. document 操作

索引/查询/更新/删除 document、搜索 document、执行 script

# 索引文档
# 显示指定文档 ID
PUT /songs_v4/_doc/5
{
  "songName": "could this be love",
  "singer": "Jennifer Lopez",
  "lyrics": "Could This Be love, work up This Morning Just..."
}
# 随机生成文档 ID
POST /songs_v4/_doc
{
  "songName": "could this be love",
  "singer": "Jennifer Lopez",
  "lyrics": "Could This Be love, work up This Morning Just..."
}

# 更新文档
PUT /songs_v4/_doc/5
{
  "songName": "could this be love",
  "singer": "zp",
  "lyrics": "Could This Be love, work up This Morning Just..."
}

# 根据 ID 明确查询某个文档
GET /songs_v4/_doc/5

# 根据 ID 删除文档
DELETE /songs_v4/_doc/5

# 搜索一个文档
GET /songs_v4/_search?q=singer:Jennifer

GET /songs_v4/_mapping

9. 映射详解

1. 映射（mapping）操作

# 创建 index 后，创建 mapping
PUT /books
PUT /books/_mapping
{
  "properties": {
    "bookName": {"type": "text"},
    "content": {"type": "text"}
  }
}
GET /books/_mapping
DELETE /books

# 创建 index，并指定 mapping
PUT /books
{
  "mappings": {
    "properties": {
      "bookName": {"type": "text"},
      "content": {"type": "text"}
    }
  }
}
GET /books/_mapping
DELETE /books

# 给 mapping 添加字段
PUT /books/_mappings
{
  "properties": {
    "author": {"type": "text"}
  }
}
GET /books/_mapping

2. 映射方式

ES 中支持静态映射、动态映射两种方式。
通过 dynamic 字段来指定 mapping 的动态效果，dynamic 字段可以有如下选项：选项有新增字段的文档索引时 true（默认值） mapping 会被更新 false mapping 不会被更新，新增字段的数据无法被索引，_source 会存储新字段 strict 直接报错

3. 字段类型

官网描述：https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-types.html

4. 映射参数

官网描述：https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-params.html

5. 分词器

https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-analyzers.html

在 ES 中，一个分析器（Analyzer）由下面三种组件组合而成。
- character filter：字符过滤器，对文本进行字符过滤处理，如处理文本中的 html 标签字符。处理完后再交给 tokenizer 进行分词。一个 analyzer 中可包含 0 个或多个字符过滤器，多个按配置顺序依次进行处理。
- tokenizer：分词器，对文本进行分词。一个 analyzer 必须且只可包含一个 tokenizer。
- token filter：词项过滤器，对 tokenizer 分出的词进行过滤处理。如转小写、停用词处理、同义词处理。一个 analyzer 可包含 0 个或多个词项过滤器，按配置顺序进行过滤。

6. 多重字段

当我们需要对一个字段进行多种不同方式的索引时，可以使用 fields 多重字段定义。如一个字符串字段既需要进行 text 分词索引，也需要进行 keyword 关键字索引来支持排序、聚合；或需要用不同的分词器进行分词索引。

PUT my_index
{
  "mappings": {
    "properties": {
      "city": {
        "type": "text",
        "fields": {
          "raw": {
            "type": "keyword"
          }
        }
      }
    }
  }
}

PUT my_index/_doc/1
{
  "city": "New York"
}

PUT my_index/_doc/2
{
  "city": "York"
}

GET my_index/_search
{
  "query": {
    "match": {
      "city": "york"
    }
  },
  "sort": [
    {
      "city.raw": {
        "order": "asc"
      }
    }
  ],
  "aggs": {
    "citys": {
      "terms": {
        "field": "city.raw"
      }
    }
  }
}

7. doc_values、fielddata、index

doc_values：大多数字段进行了反向索引，因此可以用于搜索，但排序、聚合、scripts 操作等需要正向索引。
fielddata：大多数字段可利用 doc_values 来进行排序、聚合、scripts 等操作，但 doc_values 不支持 text 字段，text 字段利用 fielddata 机制来替代。（常驻内存，非常昂贵）
index：doc_values 指定文档是否进行正向索引，index 指定文档是否进行反向索引。
反向索引，词 -> 文章词内容包含该词的文章 id zp {1,2,5,6,8} 钓鱼岛 {2,3,9,11} 火锅 {1,2,8,9} 中国 {2,9}
正向索引，文章 -> 词文章 id Age 字段包含的关键词 1 24 2 28 3 24 4 28

8. store

默认情况下，_source 会存储文档所有的字段，当一个字段的 store 属性设置为 true 时，ES 会单独存储一份该字段。
使用场景，比如书籍，content 字段会保存几百万个字符，在几百万字符中提取 name、author 是很麻烦的事情，所以会考虑将 content 字段通过 store 存储。

PUT books
{
  "mappings": {
    "properties": {
      "name": {"type": "text"},
      "author": {"type": "text"},
      "content": {"type": "text", "store": true}
    },
    "_source": {
      "excludes": [
        "content"  
      ]
    }
  }
}

9. 元字段

字段名	说明
_index	文档所属的 index
_id	文档的 id
_type	文档所属的 type
_uid	_type#_id 的组合
_source	文档的原生 json 字符串
_all	自动组合所有的字段值，已过时
_field_names	索引了每个字段的名称
_parent	指定文档之间父子关系，已过时
_routing	将一个文档根据路由存储到指定分片上
_meta	用于自定义元数据