ES概述

介绍

• elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容。

• elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域，而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。

倒排索引

倒排索引的概念是基于MySQL这样的正向索引而言的。

正向索引

• 如果是根据id查询，那么直接走索引，查询速度非常快。但如果是基于title做模糊查询，只能是逐行扫描数据，流程如下：
1. 用户搜索数据，条件是title符合"%手机%"
2. 逐行获取数据，比如id为1的数据
3. 判断数据中的title是否符合用户搜索条件
4. 如果符合则放入结果集，不符合则丢弃。回到步骤1

逐行扫描，也就是全表扫描，随着数据量增加，其查询效率也会越来越低。当数据量达到数百万时，就是一场灾难。

倒排索引

• 倒排索引中有两个非常重要的概念：
1. 文档（Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息。
2. 词条（Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条。

• 创建倒排索引是对正向索引的一种特殊处理，流程如下：
1. 将每一个文档的数据利用算法分词，得到一个个词条。
2. 创建表，每行数据包括词条、词条所在文档id、位置等信息。
3. 因为词条唯一性，可以给词条创建索引，例如hash表结构索引。

• 倒排索引的搜索流程如下（以搜索"华为手机"为例）：
1. 用户输入条件"华为手机"进行搜索。
2. 对用户输入内容分词，得到词条：华为、手机。
3. 拿着词条在倒排索引中查找，可以得到包含词条的文档id：1、2、3。
4. 拿着文档id到正向索引中查找具体文档。

虽然要先查询倒排索引，再查询倒排索引，但是无论是词条、还是文档id都建立了索引，查询速度非常快！无需全表扫描。

正向和倒排

1. 正向索引是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。

2. 而倒排索引则相反，是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档。是根据词条找文档的过程。

es中的一些概念

文档和字段

索引和映射

• 所有用户文档，就可以组织在一起，称为用户的索引；

• 所有商品的文档，可以组织在一起，称为商品的索引；

• 所有订单的文档，可以组织在一起，称为订单的索引；

因此，我们可以把索引当做是数据库中的表。

es与mysql

是不是说，我们学习了elasticsearch就不再需要mysql了呢？并不是如此，两者各自有自己的擅长支出：

• Mysql：擅长事务类型操作，可以确保数据的安全和一致性

• Elasticsearch：擅长海量数据的搜索、分析、计算

因此在企业中，往往是两者结合使用：

• 对安全性要求较高的写操作，使用mysql实现

• 对查询性能要求较高的搜索需求，使用elasticsearch实现

• 两者再基于某种方式，实现数据的同步，保证一致性

安装es和kibana

部署单点es

部署单点kibana

kibana启动一般比较慢，需要多等待一会，可以通过命令：docker logs -f kibana查看运行日志，当查看到下面的日志，说明成功：

• kibana中提供了一个DevTools界面：这个界面中可以编写DSL来操作elasticsearch。并且对DSL语句有自动补全功能。

安装IK分词器

• 扩展词典
1. 打开IK分词器config目录：

2. 在IKAnalyzer.cfg.xml配置文件内容添加：
3. 新建ext.dic和stopword.dic，并在ext.dic中添加一些扩展词，在stopword.dic中添加停用词。
4. 重启es和kibana。

💡
【注意】：ext.dic和stopword.dic文件的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑。

索引库操作

索引库就类似数据库表，mapping映射就类似表的结构。我们要向es中存储数据，必须先创建“库”和“表”。

mapping映射属性

• mapping是对索引库中文档的约束，常见的mapping属性包括：
• type：字段数据类型，常见的简单类型有：
• 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）
• 数值：long、integer、short、byte、double、float、
• 布尔：boolean
• 日期：date
• 对象：object
• index：是否创建索引，默认为true
• analyzer：使用哪种分词器
• properties：该字段的子字段

• 示例：
对应的每个字段映射（mapping）：
• age：类型为 integer；参与搜索，因此需要index为true；无需分词器
• weight：类型为float；参与搜索，因此需要index为true；无需分词器
• isMarried：类型为boolean；参与搜索，因此需要index为true；无需分词器
• info：类型为字符串，需要分词，因此是text；参与搜索，因此需要index为true；分词器可以用ik_smart
• email：类型为字符串，但是不需要分词，因此是keyword；不参与搜索，因此需要index为false；无需分词器
• score：虽然是数组，但是我们只看元素的类型，类型为float；参与搜索，因此需要index为true；无需分词器
• name：类型为object，需要定义多个子属性
• name.firstName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
• name.lastName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器

索引库的CRUD

这里统一使用Kibana编写DSL的方式来演示。

创建索引库和映射

• 基本语法：
• 请求方式：PUT
• 请求路径：/索引库名，可以自定义
• 请求参数：mapping映射

• 格式：

• 示例：

查询索引库

• 基本语法
• 请求方式：GET
• 请求路径：/索引库名
• 请求参数：无

• 格式：GET /索引库名

• 示例：

修改索引库

倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。因此索引库一旦创建，无法修改mapping。

虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响。

• 语法说明：

• 示例：

删除索引库

• 语法：
• 请求方式：DELETE
• 请求路径：/索引库名
• 请求参数：无

• 格式：DELETE /索引库名

• 示例：

文档操作

新增文档

• 语法：

• 示例：

• 响应：

查询文档

• 语法：GET /{索引库名称}/_doc/{id}

• 示例：GET /frank/_doc/1

• 响应：

修改文档

• 修改有两种方式：
1. 全量修改：直接覆盖原来的文档
2. 增量修改：修改文档中的部分字段

删除文档

• 语法：DELETE /{索引库名}/_doc/{id}

• 示例：DELETE /frank/_doc/1

• 响应：

RestAPI

• ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发送给ES。官方文档地址：https://www.elastic.co/guide/en/elasticsearch/client/index.html

• 其中的Java Rest Client又包括两种：
• Java Low Level Rest Client
• Java High Level Rest Client（推荐）

• 需要导入tb_hotel.sql
tb_hotel.sql
62.0KB

• mapping映射分析
• 创建索引库，最关键的是mapping映射，而mapping映射要考虑的信息包括：
• 字段名
• 字段数据类型
• 是否参与搜索
• 是否需要分词
• 如果分词，分词器是什么？
其中：
• 字段名、字段数据类型，可以参考数据表结构的名称和类型
• 是否参与搜索要分析业务来判断，例如图片地址，就无需参与搜索
• 是否分词呢要看内容，内容如果是一个整体就无需分词，反之则要分词
• 分词器，我们可以统一使用ik_max_word
• 几个特殊字段说明：
• location：地理坐标，里面包含精度、纬度
• all：一个组合字段，其目的是将多字段的值 利用copy_to合并，提供给用户搜索

• 初始化RestClient
1. 引入es的RestHighLevelClient依赖
2. 因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本
3. 初始化RestHighLevelClient

创建索引库

1. 创建Request对象。因为是创建索引库的操作，因此Request是CreateIndexRequest。

2. 添加请求参数，其实就是DSL的JSON参数部分。因为json字符串很长，这里是定义了静态字符串常量MAPPING_TEMPLATE，让代码看起来更加优雅。

3. 发送请求，client.indices()方法的返回值是IndicesClient类型，封装了所有与索引库操作有关的方法。

删除索引库

判断索引库是否存在

RestClient操作文档

新增文档

• 可以看到与创建索引库类似，同样是三步走：
1. 创建Request对象
2. 准备请求参数，也就是DSL中的JSON文档
3. 发送请求

查询文档

删除文档

修改文档

批量导入文档

• 案例需求：利用BulkRequest批量将数据库数据导入到索引库中。步骤如下：
1. 利用mybatis-plus查询酒店数据
2. 将查询到的酒店数据（Hotel）转换为文档类型数据（HotelDoc）
3. 利用JavaRestClient中的BulkRequest批处理，实现批量新增文档