一、全文檢索

全文檢索是計(jì)算機(jī)程序通過(guò)掃描文章中的每一個(gè)詞，對(duì)每一個(gè)詞簡(jiǎn)歷索引，指明改詞在文章中出現(xiàn)的次數(shù)和位置。當(dāng)用戶查詢時(shí)根據(jù)建立的索引查找，類似通過(guò)字典的檢索字表查字的過(guò)程，衡量全文檢索系統(tǒng)的關(guān)鍵性指標(biāo)：全面，準(zhǔn)確，快速。

• 只處理文本，不處理語(yǔ)義，不進(jìn)行語(yǔ)義轉(zhuǎn)換查詢；
• 檢索時(shí)英文不區(qū)分大小寫；
• 檢索出的結(jié)果按相關(guān)性進(jìn)行排序。

二、簡(jiǎn)介

You Know, for Search.

ElasticSearch是基于Apache Lucene構(gòu)建的分布式開(kāi)源搜索引擎，是當(dāng)前最流行的企業(yè)級(jí)搜索引擎。Lucene本身被認(rèn)為是迄今為止性能最好的一款開(kāi)源搜索引擎工具包，但Lucene的API相對(duì)復(fù)雜，需要深厚的搜索理論，很難集成到實(shí)際的應(yīng)用中。ES采用java語(yǔ)言編寫，提供了簡(jiǎn)單易用的Restful API，開(kāi)發(fā)者可以使用簡(jiǎn)單的Restful API，開(kāi)發(fā)相關(guān)的搜索功能，避免Lucene的復(fù)雜性。

三、ES安裝（7.14.0版本）

• 傳統(tǒng)安裝方式：下載安裝包，解壓
• Docker方式安裝：推薦

3.1 傳統(tǒng)安裝方式

# 1.環(huán)境準(zhǔn)備
- centos7.x+，windows，macos
- 安裝jdk11.0+,并設(shè)置環(huán)境變量

# 2.下載ES
- https://www.elastic.co/cn/start

# 3.安裝ES不要使用root用戶，創(chuàng)建普通用戶
# 添加用戶名
$ useradd es
#修改密碼
$ passwd es

# 4.解壓縮ES安裝包，解壓后的目錄如下圖
$ tar -zxvf elasticsearch-7.14.0-linux-86_64.tar.gz

# 5.啟動(dòng)es，啟動(dòng)完，訪問(wèn)127.0.0.1:9200
$ ./elasticsearch

解壓后的目錄如下：

image.png

image.png

啟動(dòng)錯(cuò)誤

• 虛擬內(nèi)存過(guò)?。篺ailure [1]:max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144].

解決方法：
$ vim /etc/sysctl.conf
vm.max_map_count=655360 #centos7 系統(tǒng)
vm.max_map_count=262144 #ubuntu 系統(tǒng)
$ sysctl -p

• 默認(rèn)配置模式以集群?jiǎn)?dòng)：failure[2]:the default discovery settings are unsuitable for production use; at least one of[discoery.seed_hosts, discovery.seed_providers...

解決方法：
$ vim conf/elastic_search.yml
cluster.initial_master_nodes: [ "node-1" ].

• 必須已非root用戶啟動(dòng)
  解決方法：切換到普通用戶啟動(dòng)。

解決上述錯(cuò)誤后重啟elasticsearch服務(wù)即可。

3.2 Docker方式安裝

# 1.獲取鏡像
- docker pull elasticsearch:7.14.0

# 2.運(yùn)行ES
- docker run -d -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" elasticsearch:7.14.0

# 3.訪問(wèn)ES
- http://127.0.0.1:9200/

3.3 elasticsearch.yml配置詳解

network.host: 0.0.0.0 //配置遠(yuǎn)程訪問(wèn)
cluster.initial_master_nodes: [ "node-1" ] //設(shè)置單節(jié)點(diǎn)啟動(dòng)

四、Kibana（官方ES客戶端工具）

Kibana是一個(gè)針對(duì)ElasticSearch的開(kāi)源分析及可視化平臺(tái)，使用Kibana可以查詢、查看并與存儲(chǔ)在ES索引的數(shù)據(jù)進(jìn)行交互操作，使用Kibana能執(zhí)行高級(jí)的數(shù)據(jù)分析，并能以圖標(biāo)、表格與地圖的形式可視化數(shù)據(jù)。

4.1 Kibana傳統(tǒng)方式安裝

# 1. 下載Kibana
- https://elastic.co/download/kibana

# 2. 安裝下載的Kibana
$ tar -zxvf kibana-7.14.0-linux-x86_64.tar.gz

# 3. 編輯kibana配置文件
$ vim ./kibana安裝目錄conf目錄/kibana.yml

# 4.修改配置如下
- server.host: "0.0.0.0"   #開(kāi)啟kibana遠(yuǎn)程訪問(wèn)
- elsaticsearch.hosts: [ "http://localhost:9200" ] #ES服務(wù)器地址

# 5. 啟動(dòng)kibana
- ./bin/kibana
輸出"Kibana is now available(was degraded)"表示啟動(dòng)成功。

# 6. 訪問(wèn)kibana
- http://localhost:5601

4.1 Kibana Docker方式安裝

# 1.獲取鏡像
- docker pull kibana:7.14.0

# 2.運(yùn)行kibana
- docker run -d --name kibana -p 5601:5601 kibana:7.14.0

# 3.進(jìn)入容器連接到ES，重啟kibana容器，訪問(wèn)
- http://127.0.0.1:5601

# 4.基于數(shù)據(jù)卷加載配置文件方式運(yùn)行
- a.從容器復(fù)制kibana配置文件出來(lái)
- b.修改配置文件對(duì)應(yīng)的ES服務(wù)器地址
- c.通過(guò)數(shù)據(jù)卷加載配置文件方式啟動(dòng)
- docker run -d -v /宿主機(jī)kibana.yml目錄/kibana.yml:/usr/share/kibana/config/kibana.yml --name kibana -p 5601:5601 kibana:7.14.0

4.3 compose方式安裝（推薦）

# kibana配置文件連接到es
server.host: "0"
server.shutdownTimeout: "5s"
elasticsearch.hosts: [ "http://elasticsearch:9200" ]
#monitoring.ui.container.elasticsearch.enable: true

version: "3.8"
volumes:
  data:
  config:
  plugin:
networks:
  es:
services:
  elasticsearch:
    environment:
      - "discovery.type=single-node"
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    image: "elasticsearch:7.14.0"
    ports:
      - "9200:9200"
      - "9300:9300"
    networks:
      - "es"
    volumes:
      - data:/usr/share/elasticsearch/data
      - config:/usr/share/elasticsearch/config
      - plugin:/usr/share/elasticsearch/plugin

  kibana:
    image: kibana:7.14.0
    ports:
      - "5601:5601"
    networks:
      - "es"
    volumes:
      - ./kibana.yml:/usr/share/kibana/config/kibana.yml

五、核心概念（索引，映射，文檔）

索引(index)：索引就是一個(gè)擁有相似文檔的集合，索引由一個(gè)名字來(lái)唯一標(biāo)識(shí)（全小寫），在對(duì)這個(gè)索引中的文檔進(jìn)行索引、搜索、更新和刪除的時(shí)候都要使用這個(gè)索引名。

映射(mapping)：定義一個(gè)文檔和它所包含的字段如何被存儲(chǔ)和索引的過(guò)程，mapping中主要包括字段及其類型。動(dòng)態(tài)映射，根據(jù)文檔自動(dòng)創(chuàng)建mapping，靜態(tài)映射，存儲(chǔ)文檔前自定義mapping(更符合業(yè)務(wù)實(shí)際場(chǎng)景）。

文檔(document)：文檔中存儲(chǔ)的一條條數(shù)據(jù)，一條文檔是可被索引的最小單元，文檔采用輕量級(jí)的JSON數(shù)據(jù)格式來(lái)表示。

image.png

基本操作

索引

# 1.查看索引
GET /_cat/indices?v
health status index                           uuid                   pri rep docs.count docs.deleted store.size pri.store.size
green  open   .kibana-event-log-7.14.0-000001 fEP5eEZ5SmavP6C8FY6iSQ   1   0          4            0     21.8kb         21.8kb
green  open   .geoip_databases                2HuyGoOZRmuFBfbz5khHuw   1   0         41           34     41.5mb         41.5mb
green  open   .kibana_7.14.0_001              Nur7JeOSQkiqJZ8ek-N3dA   1   0         52            5      4.3mb          4.3mb
green  open   .apm-custom-link                Lyy8YHKmRguONODxP6p2Vw   1   0          0            0       208b           208b
green  open   .apm-agent-configuration        1MwrINkORBiqoBipgvhycA   1   0          0            0       208b           208b
green  open   .kibana_task_manager_7.14.0_001 rihXKN13TF-q57ZXRJPyVw   1   0         14         2004       17mb           17mb
yellow open   backup_products                 ijd5atmoQlKf2jC4MuA86g   1   1          0            0       208b           208b
green  open   products                        7w2ie_Q0SIm7OHIOsBG_PQ   1   0          0            0       208b           208b
green  open   .tasks                          BE5vwDh0QgWJJorQJRdeCA   1   0          4            0     21.3kb         21.3kb

# 2.創(chuàng)建索引
#PUT  /索引名  ====> PUT /products
- 注意：
    1.ES中的索引健康狀態(tài) red(索引不可用) yellow(索引可用，存在風(fēng)險(xiǎn)) green(健康)
    2.默認(rèn)ES創(chuàng)建索引時(shí)會(huì)為索引創(chuàng)建一個(gè)備份索引和一個(gè)primary索引
    
# 3.創(chuàng)建索引 進(jìn)行索引分片配置
PUT /products
{
  "settings": {
    "number_of_shards": 1,  #指定主分片的數(shù)量
    "number_of_replicas": 0  #指定副本分片的數(shù)量
  }
}

# 4.創(chuàng)建成功返回
{
  "acknowledged" : true,
  "shards_acknowledged" : true,
  "index" : "products"
}

# 5.刪除索引(不允許修改）
DELETE /products

映射

# 1.創(chuàng)建索引&映射
PUT /products
{
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 0
  }, 
  "mappings": {
    "properties": {
      "title":{
        "type":"keyword",
        "store": true
      },
      "price":{
        "type":"double"
      },
      "create_at":{
        "type":"date"
      },
      "description":{
        "type":"text",
        "store": true,
        "analyzer": "standard"
      }
    }
  }
}

# 2.查看已創(chuàng)建的索引映射
GET /products/_mapping

# 3.映射不允許修改，只能刪除

文檔

# 1.添加文檔
# 指定文檔id
POST /products/_doc/1
{
  "title":"iphone13",
  "price":7999.0,
  "create_at":"2019-10-01",
  "description":"Iphone13是一款性能不錯(cuò)的手機(jī)，價(jià)格偏貴"
}

# 自動(dòng)生成文檔id
POST /products/_doc/
{
  "title":"HuaweiP50",
  "price":5999.0,
  "create_at":"2021-10-01",
  "description":"HuaweiP50是一款性能不錯(cuò)的手機(jī)，喜歡拍照的女生可以購(gòu)買"
}

# 2.文檔的查詢
#基于id查詢
GET /products/_doc/1

#3.刪除文檔
#根據(jù)id刪除
DELETE /products/_doc/1

# 4.更新文檔
#根據(jù)id更新，刪除原始文檔再添加新文檔，若不想刪除原文檔，將原文檔全部字段傳遞
PUT /products/_doc/1
{
   "title":"小米10"
}

#根據(jù)指定字段更新，保留原文檔
POST /products/_doc/1/_update
{
  "doc":{
    "title":"小米10"
  }
}

# 5.批量操作文檔
# 增加兩條記錄，修改一條記錄，刪除一條記錄
POST /products/_doc/_bulk
{"index":{}}
{"title":"HuaweiMate40","price":6999.0,"create_at":"2020-10-01","description":"Huawei Mate 20是華為手機(jī)的謝幕之作"}
{"index":{}}
{"title":"Honor 60 Pro","price":3699.0,"create_at":"2021-10-01","description":"榮耀最新手機(jī)60 pro還是不錯(cuò)的"}
{"update":{"_id":3}}
{"doc":{"tilte":"華為P40 pro"}}
{"delete":{"_id":"R8WrNX8Be4vXDspnRdKS"}}
#批量操作時(shí)不會(huì)因?yàn)橐粋€(gè)失敗而全部失敗，而是繼續(xù)執(zhí)行后續(xù)操作，攢返回時(shí)按照?qǐng)?zhí)行的狀態(tài)返回！

六、高級(jí)查詢Query DSL

ES提供強(qiáng)大的數(shù)據(jù)檢索方式，這種方式稱之為Query DSL(Domain Specific Language)，Query DSL是利用Rest API傳遞JSON格式的請(qǐng)求體數(shù)據(jù)與ES進(jìn)行交互，這種方式的豐富查詢語(yǔ)法讓ES檢索變得更強(qiáng)大，更簡(jiǎn)潔。

語(yǔ)法

GET /索引名/_search {json格式請(qǐng)求體數(shù)據(jù)}

# 1.查詢所有,match_all
GET /products/_search
{
  "query": {
    "match_all": {}
  }
}

# 2.基于term查詢,term，注意text類型字段會(huì)分詞，其余類型均不會(huì)分詞
# 默認(rèn)text字段使用標(biāo)準(zhǔn)分詞器，英語(yǔ)是單個(gè)單詞分詞，中文是單字分詞
GET /products/_search
{
  "query": {
    "term": {
      "title": {
        "value": "iphone13"
      }
    }
  }
}

# 3.基于范圍查詢查詢,range
GET /products/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 5000,
        "lte": 7000
      }
    }
  }
}

# 4.基于前綴查詢,prefix
GET /products/_search
{
  "query": {
    "prefix": {
      "title": {
        "value": "iphone"
      }
    }
  }
}

# 5.通配符查詢，?匹配任意一個(gè)字符， *匹配任意多個(gè)字符,wildcard
GET /products/_search
{
  "query": {
    "wildcard": {
      "title": {
        "value": "H?aweiMate*"
      }
    }
  }
}

# 6.多ids查詢,ids
GET /products/_search
{
  "query": {
    "ids": {
      "values": [1,2,3]
    }
  }
}

# 7.模糊查詢,fuzzy
#注意，fuzzy模糊查詢，最大模糊錯(cuò)誤必須在0-2之間
- 搜索關(guān)鍵詞長(zhǎng)度為2，不允許存在模糊
- 搜索關(guān)鍵詞長(zhǎng)度為3-5，允許一次模糊
- 搜索關(guān)鍵詞長(zhǎng)度為大于5，允許最大2模糊
GET /products/_search
{
  "query": {
    "fuzzy": {
      "title": "Honor 60 pro"
    }
  }
}

# 8.bool查詢,bool(must,should,must_not)
#bool關(guān)鍵字:用來(lái)組合多個(gè)條件復(fù)雜查詢
- must:相當(dāng)于&&,必須成立
- should:相當(dāng)于||,
- must_not:相當(dāng)于!,必須不成立
GET /products/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "title": {
              "value": "Honor 60 Pro"
            }
          }
        },
        {
          "range": {
            "create_at": {
              "lt": "2021-10-01"
            }
          }
        }
      ]
    }
  }
}

# 9.多字段查詢
# 注意：query輸入關(guān)鍵詞 輸入一段文本，搜索詞會(huì)分詞
GET /products/_search
{
  "query": {
    "multi_match": {
      "query": "iphone13",
      "fields": ["title","description"]
    }
  }
}

# 10.默認(rèn)字段查詢
# 注意：查詢字段類型是分詞則查詢條件會(huì)分詞查詢，查詢字段類型部分詞則查詢條件不會(huì)分詞查詢
GET /products/_search
{
  "query": {
    "query_string": {
      "default_field": "description",
      "query": "真貴"
    }
  }
}

# 11.高亮查詢，highlight
#只有分詞字段能高亮,通過(guò)pre_tags和post_tags自定義高亮標(biāo)簽
GET /products/_search
{
  "query": {
   "term": {
     "description": {
       "value": "iphone13"
     }
   }
  },
  "highlight": {
    "fields": {
      "description":{}
    }, 
    "pre_tags":"<a>",
    "post_tags": "</a>"
  }
}

# 12.分頁(yè)查詢，from,size
# 默認(rèn)from = 0, size = 10
GET /products/_search
{
  "query": {
    "match_all": {}
  },
  "size": 5,
  "from": 2
}

# 13.查詢后排序，sort
#先按日期降序，再按價(jià)格升序排序
GET /products/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "create_at": {
        "order": "desc"
      }
    },
    {
      "price": {
        "order": "asc"
      }
    }
  ]
}

# 14.查詢后返回指定字段，_source
GET /products/_search
{
  "query": {
    "match_all": {}
  },
  "_source": ["title","price","create_at"]
}

七、索引原理

倒排索引：也叫反向索引，與數(shù)據(jù)庫(kù)的正向索引對(duì)應(yīng)。反向索引是通過(guò)value找key,再根據(jù)key拿記錄，ES底層再檢索使用的就是倒排索引。

現(xiàn)有索引和映射如下：

{
  "products" : {
    "mappings" : {
      "properties" : {
       "description" : {
          "type" : "text",
        },
        "price" : {
          "type" : "integer"
        },
        "title" : {
          "type" : "keyword"
        }
      }
    }
  }
}

先錄入如下數(shù)據(jù)，有三個(gè)字段title，price, description等

es.png

八、分詞器

Analysis:文本分詞是把全文本轉(zhuǎn)換成一系列單詞(term/token)的過(guò)程，也叫分詞(Analyzer)。Analysis是通過(guò)Analyzer來(lái)實(shí)現(xiàn)的。 分詞就是將文檔通過(guò)Analyzer分成一個(gè)一個(gè)的Term(關(guān)鍵詞查詢)，每一個(gè)Term都指向包含這個(gè)Term的文檔。

分詞器由三種構(gòu)建組成：Character Filters(0或多個(gè))->Tokenizers->Token Filters(0或多個(gè))
Character Filters：對(duì)文本進(jìn)行預(yù)處理，如過(guò)濾html標(biāo)簽；
Tokenizers分詞器: 標(biāo)準(zhǔn)分詞器將英文按空格分詞為單詞，中文單個(gè)漢字分詞；
Token Filters: 將切分單詞進(jìn)行加工，大小寫轉(zhuǎn)換，去除停用詞，加入同義詞等。

內(nèi)置分詞器

• Standard Analyzer：默認(rèn)分詞器，英文按單詞詞切分，并小寫處理；
• Simple Analyzer：按照單詞切分（符號(hào)被過(guò)濾），小寫處理；
• Stop Analyzer：小寫處理，停用詞過(guò)濾；
• Whitespace Analyzer：按照空格切分，不轉(zhuǎn)小寫；
• Keyword Analyzer：不分詞，直接將輸入作為輸出。

# 1.標(biāo)準(zhǔn)分詞器
GET /_analyze
{
  "analyzer": "standard",
  "text":"中華人民共和國(guó),I am Chinese"
}

# 2.simple分詞器
GET /_analyze
{
  "analyzer": "simple",
  "text":"中華人民共和國(guó),I am Chinese"
}

# 3.stop分詞器
GET /_analyze
{
  "analyzer": "stop",
  "text":"中華人民共和國(guó),I am Chinese"
}


# 4.whitespace分詞器
GET /_analyze
{
  "analyzer": "whitespace",
  "text":"中華人民共和國(guó),I am Chinese"
}

# 5.keyword分詞器
GET /_analyze
{
  "analyzer": "keyword",
  "text":"中華人民共和國(guó),I am Chinese"
}

# 6.ik分詞器（ik_smart）
{
  "analyzer": "ik_smart",
  "text":"中華人民共和國(guó),I am Chinese"
}

# 7.ik分詞器（ik_max_word,切分更細(xì)）
{
  "analyzer": "ik_smart",
  "text":"中華人民共和國(guó),I am Chinese"
}

IK中文分詞器

安裝IK分詞器
# github地址:https://github.com/medcl/elasticsearch-analysis-ik
- 注意IK分詞器的版本與ES的版本要一致
- Docker容器運(yùn)行ES安裝插件目錄為：/usr/share/elasticsearch/plugins

# 1.下載對(duì)應(yīng)版本
- wget https://github.com/medcl/elasticsearch-analysis-ik/release/download/v7.14.0/elasticsearch-analysis-ik.zip

# 2.解壓安裝包
- tar -zxvf elasticsearch-analysis-ik.zip ./

# 3.映射plugins
- ./plugins/ik-7.14.0:/usr/share/elasticsearch/plugins/ik-7.14.0

IK的兩種顆粒度拆分

• ik_smart: 做最粗粒度的拆分
• ik_max_word:文本按最細(xì)粒度的拆分

擴(kuò)展詞、停用詞

• 擴(kuò)展詞典：有些詞不是關(guān)鍵詞，但是也希望被ES用來(lái)作為檢索的關(guān)鍵詞，可以將這些詞加入到擴(kuò)展詞典。
• 停用詞典：有些詞是關(guān)鍵詞，但出于業(yè)務(wù)場(chǎng)景不想使用這些關(guān)鍵詞被檢索到，可以將這些詞放入停用詞典。
  定義擴(kuò)展詞典和停用詞典可以修改IK分詞器中config目錄中IKAnalyzer.cfg.xml文件。

#1.修改vim IKAnalyzer.cfg.xml,配置擴(kuò)展詞典項(xiàng)與停用詞典項(xiàng)
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 擴(kuò)展配置</comment>
        <!--用戶可以在這里配置自己的擴(kuò)展字典 -->
        <entry key="ext_dict">my_ext.dic<entry>
         <!--用戶可以在這里配置自己的擴(kuò)展停止詞字典-->
        <entry key="ext_stopwords">my_stop.dic</entry>
        <!--用戶可以在這里配置遠(yuǎn)程擴(kuò)展字典 -->
        <!-- <entry key="remote_ext_dict">words_location</entry> -->
        <!--用戶可以在這里配置遠(yuǎn)程擴(kuò)展停止詞字典-->
        <!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

#2.重啟elasticsearch服務(wù)即可

九、過(guò)濾查詢

Filter查詢:過(guò)濾查詢只會(huì)篩選符合條件的文檔并不會(huì)計(jì)算得分，而且它可以緩存文檔，查詢性能優(yōu)于query。適合在大范圍篩選數(shù)據(jù)，而query適合精確匹配數(shù)據(jù)。一般應(yīng)用是，應(yīng)先使用過(guò)濾操作過(guò)濾數(shù)據(jù)，然后使用查詢匹配數(shù)據(jù)。

elasticsearch-Page-2.drawio.png

# 注意：
- filter查詢必須配合bool使用；
- 在執(zhí)行filter和query時(shí)，先執(zhí)行filter再執(zhí)行query；
- ElasticSearch會(huì)自動(dòng)緩存經(jīng)常使用的過(guò)濾器，以加快性能。

#常用的過(guò)濾類型：term, terms, range, exists, ids等f(wàn)ilter
GET /products/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_all": {}
        }
      ],
      "filter": [
        {
          "terms": {
            "title": [
              "Honor 60 Pro",
              "iphone13"
            ]
          }
        }
      ]
    }
  }
}

十、集群cluster

集群主要是為了高可用，單節(jié)點(diǎn)的問(wèn)題主要是：

• 存在單節(jié)點(diǎn)故障問(wèn)題；
• 存在單節(jié)點(diǎn)并發(fā)壓力問(wèn)題，高并發(fā)場(chǎng)景下崩潰；
• 存在單節(jié)點(diǎn)物理上線問(wèn)題，存儲(chǔ)磁盤不夠用等。

相關(guān)概念

集群搭建

# 1.準(zhǔn)備三個(gè)ES節(jié)點(diǎn)，ES 9200 9300
- http:9201 tcp:9301 node-1 elasticsearch.yml
- http:9202 tcp:9302 node-1 elasticsearch.yml
- http:9203 tcp:9303 node-1 elasticsearch.yml

-注意

• 所有節(jié)點(diǎn)集群名稱必須一直 cluster.name
• 每個(gè)節(jié)點(diǎn)必須有唯一名字 node.name
• 開(kāi)啟每個(gè)節(jié)點(diǎn)遠(yuǎn)程連接 network.host: 0.0.0.0
• 指定使用IP地址進(jìn)行集群節(jié)點(diǎn)通信： network.publish_host
• 修改web端口與tcp端口：http:port transport.tcp.port
• 指定集群中所有節(jié)點(diǎn)通信列表：discovery.seed_hosts:node-1 node-2 node-3
• 允許集群初始化master節(jié)點(diǎn)數(shù)：cluster.initial_master_nodes:[ "node-1", "node-2", "node-3" ]
• 集群最少幾個(gè)節(jié)點(diǎn)可用：gateway.recover_after_nodes:2
• 開(kāi)啟每個(gè)節(jié)點(diǎn)跨域訪問(wèn)：http.cors.enabled:true http.cors.allow-origin: "*"

# node1配置
cluster.name: my-application
node.name: node-1
network.host: 127.0.0.1
network.publlish_host: 127.0.0.1
http.port: 9201
transport.tcp.port: 9301
discovery.seed_hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
cluster.initial_master_nodes: ["node-1", "node-2", "node-3"]
gateway.recover_after_nodes: 2
http.cors.enabled: true
http.cors.allow-origin: "*"

# node2配置
cluster.name: my-application
node.name: node-2
network.host: 127.0.0.1
network.publlish_host: 127.0.0.1
http.port: 9202
transport.tcp.port: 9302
discovery.seed_hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
cluster.initial_master_nodes: ["node-1", "node-2", "node-3"]
gateway.recover_after_nodes: 2
http.cors.enabled: true
http.cors.allow-origin: "*"

# node3配置
cluster.name: my-application
node.name: node-3
network.host: 127.0.0.1
network.publlish_host: 127.0.0.1
http.port: 9203
transport.tcp.port: 9303
discovery.seed_hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
cluster.initial_master_nodes: ["node-1", "node-2", "node-3"]
gateway.recover_after_nodes: 2
http.cors.enabled: true
http.cors.allow-origin: "*"

# docker-compose.yml配置
version: "3.8"
volumes:
  data:
  config:
networks:
  esclusetr:
services:
  es01:
    image: elasticsearch:7.14.0
    environment:
      - "discovery.type=single-node"
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    image: "elasticsearch:7.14.0"
    ports:
      - "9200:9201"
      - "9300:9301"
    networks:
      - "esclusetr"
    volumes:
      - ./node-1/data:/usr/share/elasticsearch/data
      - ./node-1/config:/usr/share/elasticsearch/config
      - ./node-1/plugins/ik-7.14.0:/usr/share/elasticsearch/plugins/ik-7.14.0
  es02:
    image: elasticsearch:7.14.0
    environment:
      - "discovery.type=single-node"
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    image: "elasticsearch:7.14.0"
    ports:
      - "9200:9202"
      - "9300:9302"
    networks:
      - "esclusetr"
    volumes:
      - ./node-2/data:/usr/share/elasticsearch/data
      - ./node-2/config:/usr/share/elasticsearch/config
      - ./node-2/plugins/ik-7.14.0:/usr/share/elasticsearch/plugins/ik-7.14.0
 es03:
    image: elasticsearch:7.14.0
    environment:
      - "discovery.type=single-node"
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    image: "elasticsearch:7.14.0"
    ports:
      - "9200:9203"
      - "9300:9303"
    networks:
      - "esclusetr"
    volumes:
      - ./node-3/data:/usr/share/elasticsearch/data
      - ./node-3/config:/usr/share/elasticsearch/config
      - ./node-3/plugins/ik-7.14.0:/usr/share/elasticsearch/plugins/ik-7.14.0
  kibana:
    image: kibana:7.14.0
    ports:
      - "5601:5601"
    networks:
      - "es"
    volumes:
      - ./kibana.yml:/usr/share/kibana/config/kibana.yml

#查看集群狀態(tài)
http://127.0.0.1:9201/_cat/health?v

Head插件查看集群狀態(tài)

# 1.訪問(wèn)github網(wǎng)站
搜索:elasticsearch-head插件

# 2.安裝git
yum install git

# 3.下載elasticsearch-head到本地
git clone git://github.com/mobz/elasticsearch-head.git

# 4.安裝node.js
wget http://cdn.npm.taobao.org/dist/node/lastest-v8.x/node-v8.1.2-linux-x64.tar.xz

# 5.解壓縮node.js
tar -xvf node-v10.15.3-linux-arm64.tar

# 6.設(shè)置環(huán)境變量
mv node-v10.15.3-linux-arm64 nodejs
mv nodejs /usr/nodejs
vim /etc/profile
    - export NODE_HOME=/usr/nodejs
    - export PATH=$PATH:$JAVA_HOME/bin:$NODE_HOME/bin

# 7.進(jìn)入elasticsearch-head目錄
npm config set registry https://registry.npm.taobao.org
npm install
npm run start

# 8.啟動(dòng)訪問(wèn)head插件 默認(rèn)端口9100
http://127.0.0.1:9100 查看集群狀態(tài)

image.png

十一、核心原理

11.1 ES的寫入與檢索原理

image.png

1. 假如選擇了Node2（DataNode）發(fā)送請(qǐng)求，此時(shí)Node2稱為coordinating node（協(xié)調(diào)節(jié)點(diǎn)）
2. 計(jì)算得到文檔要寫入的分片 shard = hash(routing) % number_of_primary_shards routing 是一個(gè)可變值，默認(rèn)是文檔的 _id
3. coordinating node會(huì)進(jìn)行路由，將請(qǐng)求轉(zhuǎn)發(fā)給其他DataNode（對(duì)應(yīng)某個(gè)primary shard，假如主分片在Node1節(jié)點(diǎn)上）
4. Node1上的Primary Shard處理請(qǐng)求，寫入數(shù)據(jù)到索引庫(kù)中，并將數(shù)據(jù)同步到其他的Replica Shard中
5. Primary Shard 和 Replica Shard都保存完文檔后，返回客戶端。

image.png

1. 假如選擇了Node2，此時(shí)Node2稱為coordinating node（協(xié)調(diào)節(jié)點(diǎn)）
2. 協(xié)調(diào)節(jié)點(diǎn)（Coordinating Node）將查詢請(qǐng)求廣播到每一個(gè)數(shù)據(jù)節(jié)點(diǎn)，這些數(shù)據(jù)節(jié)點(diǎn)的分片會(huì)處理該查詢請(qǐng)求。
3. 每個(gè)分片進(jìn)行數(shù)據(jù)查詢，將符合條件的數(shù)據(jù)放在一個(gè)優(yōu)先隊(duì)列中，并將這些數(shù)據(jù)的文檔ID、節(jié)點(diǎn)信息、分片信息返回給協(xié)調(diào)節(jié)點(diǎn)。
4. 協(xié)調(diào)節(jié)點(diǎn)將所有的結(jié)果進(jìn)行匯總，并進(jìn)行全局排序。
5. 協(xié)調(diào)節(jié)點(diǎn)向包含這些文檔ID的分片發(fā)送get請(qǐng)求，對(duì)應(yīng)的分片將文檔數(shù)據(jù)返回給協(xié)調(diào)節(jié)點(diǎn)，最后協(xié)調(diào)節(jié)點(diǎn)將數(shù)據(jù)返回給客戶端。

ES的文檔算分原理

十二、高頻面試題