【笔记】Elasticsearch学习笔记

发表于 更新于 分类于 阅读次数：

前言

Elasticsearch学习笔记

概念

  • 文档（document）：每条数据就是一个文档
  • 词条（term）：文档中按照语意分开后的词语
  • 索引（index）：相同类型文档的集合
  • 映射（mapping）：索引对文档字段的约束，类似于数据表的结构约束

Elasticsearch中的概念

MySQL与Elasticsearch的概念对比

Elasticsearch中的概念 说明 MySQL
Index 索引，相同类型文档的集合。类似于MySQL的数据表 Table
Document 文档，每条数据就是一个文档，文档都是JSON格式字符串。类似于与MySQL的行 Row
Field 字段，JSON文档中的各个key。类似于MySQL的列 Column
Mapping 映射，JSON文档中各个value的约束。类似于MySQL的表结构 Schema
DSL JSON风格的请求语句，用来操作Elasticsearch实现CRUD的语句。类似于MySQL的SQL语句 SQL

ik分词器

添加扩展词

  • 除了内置的词库，ik分词器还可以根据扩展词库进行分词

  • 创建/plugins/ik/config/ext.dic文件，文件内每行指定一条扩展词

添加停止词

  • 如果定义了停止词库，ik分词器在遇到扩展词时将不会分词

  • 创建/plugins/ik/config/stopword.dic文件，文件内每行指定一条停止词

分词操作

"analyzer": ""：指定分词的方式

standard：标准方式。逐字分词
chinese：内置的中文分词。逐字分词
ik_smart：ik分词器最少词
ik_max_word：ik分词器最多词

"text": ""：指定分词的内容

1
2
3
4
5
POST /_analyze
{
  "analyzer": "standard",
  "text": ""
}

在指定索引库中进行分词操作

1
2
3
4
5
POST /索引库名/_analyze
{
  "analyzer": "standard",
  "text": ""
}

对索引库的操作

新增索引库

  • 在Elasticsearch中id通常定义为keyword类型

type: ""：字段数据类型

字符串

text：可分词的文本
keyword：精确值，不能被拆开的词

数值

long
integer
short
byte
double
float

布尔

boolean

日期

date

数组

elasticsearch中没有数组类型，但是任何数据类型都可以指定多个值

地理坐标

geo_point: "3.1415926, 3.1415926"：地理上的一个点
geo_shape: "LINESTARING(第一个点经度 第一个点纬度, 第二个点经度 第二个点纬度)"：地理上由多个点组成的一个范围

自动补全

completion：允许通过前缀关键字模糊搜索

index: ""：是否创建倒排索引。如果字段参与搜索，才需要创建倒排索引；如果不需要搜索，就不用创建倒排索引

true：缺省值，创建倒排索引
false：不创建倒排索引

analyzer: ""：指定使用哪种分词器

standard：标准方式。逐字分词
chinese：内置的中文分词。逐字分词
ik_smart：ik分词器最少词
ik_max_word：ik分词器最多词

properties: {"": "", "": ""}：字段的子字段
copy_to: "其他字段名"：将当前字段的值拷贝到其他字段（底层只是创建了一个索引，并不是真的拷贝了一份），这样当搜索其他字段时，当前字段的值也会被搜索到

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
POST /索引库名
{
  "mappings": {
    "properties": {
      "字段名": {
        "type": "字段类型"
      },
      "id": {
        "type": "keyword",
        "index": false
      },
      "name": {
        "type": "text",
        "analyzer": "ik_smart"
      },
      "engilshname": {
        "type": "text",
        "copy_to": "name"
      },
      "father": {
        "properties": {
          "son": {
            "type": "keyword"
          }
        }
      }
    }
  }
}

指定自定义分词器

  • 将pinyin分词器重新配置后，作为过滤器，与ik分词器组合成新的自定义分词器
  • 创建索引库时，指定新增文档时使用的分词器为自定义分词器，指定查询文档时使用的分词器为ik分词器

character filter：在分词之间对原文档做处理
tokenizer：将文本按照指定的规则或分词器切成词条term，如果不分词就指定为keyword
filter：将tokenizer输出的词条交给指定过滤器或分词器作进一步处理

"analyzer": ""：指定创建时使用的分词器
"search_analyzer": ""：指定搜索时使用的分词器

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
PUT /索引库名
{
  "settings": {
    "analysis": {
      "analyzer": {
        "自定义分词器名": {
          "tokenizer": "ik_max_word",
          "filter": "过滤器名"
        }
      },
      "filter": {
        "过滤器名": {
          "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": {
          "字段名": {
            "type": "字段类型",
            "analyzer": "自定义分词器名",
            "search_analyzer": "ik_smart"
          }
        }
      }
    }
  }
}

查询索引库

1
GET /索引库名

删除索引库

1
DELETE /索引库名

修改索引库

  • 索引库不允许修改旧字段，只能添加新字段
1
2
3
4
5
6
7
8
PUT /索引库名/_mapping
{
  "properties": {
    "新字段名": {
      "type": "字段类型"
    }
  }
}

对文档操作

新增文档

文档id：如果不指定文档id，则索引库会自动随机生成一个id

1
2
3
4
5
6
7
POST /索引库名/_doc/文档id
{
  "key": "value"
  "key": {
    "key": "value"
  }
}
  • 结果中result如果为created表示新增成功
  • 每次写操作都会导致version自增

删除文档

1
DELETE /索引库名/_doc/文档id
  • 结果中result如果为deleted表示删除成功

修改文档

全量修改

  • 先通过文档id查询旧文档
    • 如果查询到了旧文档，就删除旧文档，新增新文档
    • 如果没有查询到旧文档，就直接新增文档
1
2
3
4
5
6
7
PUT /索引库名/_doc/文档id
{
  "key": "value"
  "key": {
    "key": "value"
  }
}
  • 结果中result如果为updated表示全量修改成功
  • 结果中result如果为created表示新增成功

局部修改

  • 只修改某个字段的值
1
2
3
4
5
6
POST /索引库名/_update/文档id
{
  "doc": {
    "字段名": "字段值"
  }
}
  • 结果中result如果为updated表示局部修改成功

查询文档

1
GET /索引库名/_doc/文档id
  • 结果中found如果为true表示查询成功，如果为false表示查询失败
  • 如果查询成功，数据会存在_source中

搜索文档的操作

1
2
3
4
5
6
7
8
GET /索引库名/_search
{
  "query": {
    "查询类型": {
      "查询条件": "查询值"
    }
  }
}

简单查询

查询所有

  • 查询所有默认返回的结果并不是全部结果，只会返回部分结果
1
2
3
4
5
6
GET /索引库名/_search
{
  "query": {
    "match_all": {}
  }
}
查看分片信息

"explain": true：列出信息存储的节点位置

1
2
3
4
5
6
7
GET /索引库名/_search
{
  "explain": true,
  "query": {
    "match_all": {}
  }
}

全文检索

根据指定的单个字段全文检索
  • 只要指定字段的关键字中，任意子关键字满足条件，即可查询出
1
2
3
4
5
6
7
8
GET /索引库名/_search
{
  "query": {
    "match": {
      "字段名": "关键字"
    }
  }
}
根据指定的多个字段全文检索
  • 只要多个字段的关键字中，任意子关键字满足条件，即可查询出
  • 多个字段全文检索比单个字段全文检索效率更低，推荐将字段的集合复制为一个单独字段all进行单字段检索

"query": ""：指定关键字
"fields": ["", ""]：指定字段名

1
2
3
4
5
6
7
8
9
GET /索引库名/_search
{
  "query": {
    "mult_match": {
      "query": "关键字",
      "fields": ["字段名", "字段名"]
    }
  }
}

精确查询

完全匹配
  • 指定字段的值必须与关键字完全匹配时，才能查询出
1
2
3
4
5
6
7
8
9
10
GET /索引库名/_search
{
  "query": {
    "term": {
      "字段名": {
        "value": "关键字"
      }
    }
  }
}
匹配数值范围
  • 指定字段的值必须属于范围内时，才能查询出

gt：大于
gte：大于等于
lt：小于
lte：小于等于

1
2
3
4
5
6
7
8
9
10
11
GET /索引库名/_search
{
  "query": {
    "range": {
      "字段名": {
        "gte": "最小值",
        "lte": "最大值"
      }
    }
  }
}

地理查询

矩形范围
  • 指定矩形左上角和右下角的坐标，查询矩形范围内的所有文档

top_left：矩形左上角的坐标

lat：经度
lon：纬度

bottom_right：矩形右下角的坐标

lat：经度
lon：纬度

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
GET /索引库名/_search
{
  "query": {
    "geo_bounding_box": {
      "字段名": {
        "top_left": {
          "lat": 1.1,
          "lon": 1.1
        },
        "bottom_rignt": {
          "lat": 1.1,
          "lon": 1.1
        }
      }
    }
  }
}
圆形范围
  • 指定圆心和半径，查询圆形范围内的所有文档

"distance": ""：指定半径距离
"中心点坐标": "经度,纬度"：指定中心点坐标

1
2
3
4
5
6
7
8
9
GET /索引库名/_search
{
  "query": {
    "geo_distance": {
      "distance": "15km",
      "中心点坐标": "经度,纬度"
    }
  }
}

复合查询

布尔查询

  • 布尔查询是把多个简单查询语句进行组合，形成复合查询语句

must：（与）必须匹配所有子查询
should：（或）选择性匹配子查询
must_not：（非）必须不匹配所有子查询，不参与算分
filter：必须匹配，不参与算分

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
GET /索引库名/_search
{
  "query": {
    "bool": {
      "must": [
        {}
      ],
      "should": [
        {}
      ],
      "must_not": [
        {}
      ],
      "filter": [
        {}
      ]
    }
  }
}

算分函数查询

  • Elasticsearch 5.0之前默认采用TF-IDF算法，会随着词频增加而无限增加
  • Elasticsearch 5.0之后默认采用BM25算法，会随着词频增加而趋于水平
有加分规则
  • 为了能人工干预算法默认的分数，可以采用Function Score Query
    • 通过query获取查询的文档
    • 通过filter过滤，得到需要加分的文档
    • 通过运算函数，将运算函数的结果与原始的分进行组合运算
    • 通过boost_mode指定运算的方式

function_score：通过算分函数重新算分

"query": {}：初始条件，通过简单查询添加条件，得到原始得分

"filter": {}：过滤条件，通过简单查询添加条件
运算函数

weight：给定一个常量值作为函数结果
field_value_factor：用文档的某个字段作为函数结果
random_score：用一个随机数作为函数结果
script_score：自定义一个公式，公式结果作为函数结果

boost_mode：指定算分方式

multiply：缺省值，将原始得分和额外分相乘
add：将原始得分和额外分相加
avg：将原始得分和额外分取平均值
max：将原始得分和额外分取最大值
min：将原始得分和额外分取最小值
replace：将额外分数替换原始分数

1
2
3
4
5
6
7
8
9
10
11
12
13
GET /索引库名/_search
{
  "query": {
    "function_score": {
      "query": {},
      "functions": [
        "filter": {}
        "weight": 10
      ],
      "boost_mode": "multiply"
    }
  }
}
  • 返回的数据中，_score表示最终分数，分数越高排名越靠前
没有加分规则
  • 没有加分规则实际上就是不进行加分
1
2
3
4
5
6
7
8
GET /索引库名/_search
{
  "query": {
    "function_score": {
      "query": {}
    }
  }
}

搜索结果处理

排序

  • 默认排序规则是按照相关度算分排序

order：指定排序规则

asc：升序
desc：降序

1
2
3
4
5
6
7
8
9
10
11
12
GET /索引库名/_search
{
  "query": {},
  "sort": [
    "字段名": {
      "order": "asc"
    },
    "字段名": {
      "order": "desc"
    }
  ]
}
  • 简化写法
1
2
3
4
5
6
7
8
9
10
11
12
GET /索引库名/_search
{
  "query": {},
  "sort": [
    {
      "字段名": "asc"
    },
    {
      "字段名": "desc"
    }
  ]
}
地理类型排序
  • 不会参与打分
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
GET /索引库名/_search
{
  "query": {},
  "sort": [
    {
      "_geo_distance": {
        "地理字段名": {
          "lat": 纬度,
          "lon"：经度
        },
        "order": "asc",
        "unit": "km"
      }
    }
  ]
}
简化写法
1
2
3
4
5
6
7
8
9
10
11
12
13
GET /索引库名/_search
{
  "query": {},
  "sort": [
    {
      "_geo_distance": {
        "地理字段名": "纬度, 经度",
        "order": "asc",
        "unit": "km"
      }
    }
  ]
}

分页

  • form+size的值不能大于10000

from：分页起始下标位置，默认为0
size：每页的数据数，默认为10

1
2
3
4
5
6
7
GET /索引库名/_search
{
  "query": {},
  "sort": [],
  "from": 0,
  "size": 10
}

高亮

  • 原理：后端得到数据后，先将关键字添加标签，再返回给前端；前端添加指定标签的样式，实现高亮

require_field_match：是否开启搜索字段与高亮字段匹配

true：缺省值，开启搜索字段与高亮字段匹配。如果匹配才会实现高亮，如果不匹配就无法实现高亮
false：关闭搜索字段与高亮字段匹配。即便是不匹配也能实现高亮

pre_tags：添加标签前缀，如果没有指定，缺省值是<em>
post_tags：添加标签后缀，如果没有指定，缺省值是</em>

1
2
3
4
5
6
7
8
9
10
11
12
13
GET /索引库名/_search
{
  "query": {},
  "highlight": {
    "fields": {
      "字段名": {
        "require_field_match": "true",
        "pre_tags": "<em>",
        "post_tags": "</em>"
      }
    }
  }
}

聚合查询

  • 官方文档
  • 聚合可以实现对文档数据的统计、分析、运算
  • 聚合可以嵌套，在一个聚合的结果上继续做聚合

query：限定聚合条件，可以不指定聚合条件
size：展示的原数文档的个数，0表示不展示原文档
aggs：定义聚合，可以指定多个聚合

1
2
3
4
5
6
7
8
9
10
11
GET /索引库名/_search
{
  "query": {},
  "size": 0,
  "aggs": {
    "聚合名": {
      "聚合类型": {},
      "聚合类型": {}
    }
  }
}
  • 返回的数据中，aggregations.聚合名表示聚合的结果

桶聚合（Bucket）

  • Term Aggregation方式桶聚合：按照文档字段值分组，统计指定字段相同的文档的数量。类似于MySQL中的分组（Group By）

terms：Term方式的桶聚合
field：指定参与聚合的字段名
size：指定聚合结果数量，默认值为10
_count：返回数据按照文档数量的排序规则

desc：缺省值,按照文档数量的降序排序
asc：按照文档数量的降序升序

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
GET /索引库名/_search
{
  "query": {},
  "size": 0,
  "aggs": {
    "聚合名": {
      "terms": {
        "field": "字段名",
        "size": 10,
        "order": {
          "_count": "asc"
        }
      }
    }
  }
}

aggregations.聚合名.buckets.key：文档的字段名
aggregations.聚合名.buckets.doc_count：文档的个数

度量聚合（Metric）

  • 在桶聚合的基础上，用于计算数据的值，包括文档个数、文档评分最小值、文档评分最大值、文档评分平均值、文档评分总和
  • 如果没有在桶聚合的基础上，则将所有数据参与分值计算
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
GET /索引库名/_search
{
  "query": {},
  "size": 0,
  "aggs": {
    "聚合名": {
      "terms": {
        "field": "桶聚合字段名",
        "size": 10,
        "order": {
          "_count": "asc"
        }
      }
      "aggs": {
        "度量聚合名": {
          "stats": {
            "field": "度量聚合字段名"
          }
        }
      }
    }
  }
}

aggregations.聚合名.buckets.度量聚合名.count：文档的个数
aggregations.聚合名.buckets.度量聚合名.min：文档评分最小值
aggregations.聚合名.buckets.度量聚合名.max：文档评分最大值
aggregations.聚合名.buckets.度量聚合名.avg：文档评分平均值
aggregations.聚合名.buckets.度量聚合名.sum：文档评分总和

自动补全搜索

自动补全类型

completion：通过前缀关键字模糊搜索

field：指定需要补全查询的字段名
skip_duplicates：跳过重复项
size：查询结果的个数

1
2
3
4
5
6
7
8
9
10
11
12
13
GET /索引库名/_search
{
  "suggest": {
    "查询名称": {
      "text": "前缀关键字",
      "completion": {
        "field": "字段名",
        "skip_duplicates": true,
        "size": 10
      }
    }
  }
}

Elasticsearch集群

集群中节点的职责

  • 默认情况下每个节点同时具有这4种职责
节点类型 配置参数 默认值 节点职责
master eligible node.master true 备选主节点：主节点可以管理和记录集群状态、决定分片在哪个节点、处理创建和删除索引库的请求
data node.data true 数据节点：存储数据、搜索、聚合、CRUD
ingest node.ingest true 数据预处理节点：数据存储之前的预处理
coordinating 以上节点如果都为false，则coordinating为true 无 协调节点：路由请求到其他节点，合并其他节点处理的结果，返回给用户

脑裂现象

  • 主节点由于网络原因导致与其他节点失联，此时其他节点会重新选举出新的主节点，当旧的主节点恢复连接时，集群中会出现多个主节点，这种现象就是脑裂现象
  • 当选举票数 > (所有节点个数 + 1) / 2时，可以避免脑裂现象
  • Elasticsearch7.x版本以上，选举算法直接作为了配置的缺省值，所以不需要任何配置即可解决脑裂现象

分布式新增

  1. 将得到的数据交给主节点，主节点通过计算hash(文档id) % 所有节点个数的值，可以得到将数据存储到哪个分片
  2. 将数据交给指定节点进行存储
  3. 将数据交给其他节点进行备份

分布式查询

  1. 分散阶段（scatter phase）：coordinating节点会把请求分发给集群中的每一个节点
  2. 聚集阶段（gather phase）：coordinating节点会将从所有data节点中搜索到的结果进行汇总后返回给用户

故障转移

  • 主节点会监控集群中所有节点的健康状态，当集群中其中一个节点宕机，会立即将宕机节点的数据重新备份给其他健康的节点，这就是故障转移

    • 如果是数据节点宕机，直接进行转移数据
    • 如果是主节点宕机，先进行主节点选举，再进行转移数据

  • 如果宕机的节点恢复健康，则新的主节点会将备份数据重新从其他节点转移给恢复健康的节点

完成

参考文献

哔哩哔哩——黑马程序员