强大的搜索开源框架Elastic Search介绍

范蠡

发布于 2018-08-06 18:35:00

4.8K00

代码可运行

文章被收录于专栏：高性能服务器开发高性能服务器开发

运行总次数：0

代码可运行

项目背景

近期工作需要，需要从成千上万封邮件中搜索一些关键字并返回对应的邮件内容，经调研我选择了Elastic Search。

Elastic Search简介

Elasticsearch ，简称ES 。是一个全文搜索服务器，也可以作为NoSQL 数据库，存储任意格式的文档和数据，同时，也可以做大数据的分析，是一个跨界开源产品。ES 有如下特点：

全文搜索引擎， ES 是建立在Lucene 上的开源搜索引擎，可以用来进行全文搜索、地理信息搜索。Wikipedia、 GitHub 、StackOverFlow 等网站均使用ES。
文档存储和查询，可以像NoSQL 那样存储任意格式文档，井能根据条件查询文档。
大数据分析， ES 号称能准确实时地进行大数据分析，数据量从TB 到PB ，国内外很多大公司都用ES 做大数据分析。
ES 提供了阻REST API ，用来简化对ES 的操作。因此可以使用任何语言的客户端，同时也提供Java API。
ES常常配合传统数据库一起使用， ES用来负责大数据的查询、搜索、统计分析。

Elastic Search安装

安装过程参考：

https://www.cnblogs.com/xxoome/p/6663993.html

（可以在文章底部点击"查看原文"来阅读进入这个连接。）

Elastic Search下载地址：

https://www.elastic.co/downloads/elasticsearch

我的相关系统版本号：版本号： 6.3.1 jdk: 1.8 操作系统: CentOS 7.0

安装中文插件

默认Elastic Search对中文搜索不是很友好，需要安装相应的插件，安装方法：

进入elastic search安装目录，如/usr/local/elasticsearch/elasticsearch-6.3.1/bin，执行

./elasticsearch-plugin install analysis-smartcn

Elastic Search 的基本概念

ES 有一些基本概念，掌握这些基本概念对理解ES 有很大帮助。

Index, Index 是文档（ Document ）的集合， Index 下面包含了Type ，用于对Document进一步分类。可以理解为ES 中的Index 相当于数据库，而Type 相当于数据库中的表，ES 中可以轻易地联合Index 和Type 来搜索数据，数据库却不能。
Type ，用来进一步组织Document ，一个Index 下可以有多个Type ，比如用户信息是一个Type ，用户的支付记录是一个Type 。
Document ，文档是ES 能够存储和搜索的基本信息，类似数据库表行数据， Document为JSON 格式，文档属于Type 。
Node （节点〉，节点是集群里的一台ES Server ，用于文档的存储和查询。应用可以只有一个节点，也可以由上百个节点组成集群来存储和搜索数据。每个节点都有一个节点名字，以及所属集群的名字。
集群，同样集群名的节点将组合为ES 集群，用来联合完成数据的存储和搜索。默认的集群名字是e lasticsearch 。分区（ Shards ）和复制（ Replicas ），每个Index 理论上都可以包含大量的数据，超过了单个节点的存储限制，而且，单个节点处理那么大的数据，将明显限制存储和搜索性能。为了解决这个问题， E S 会进一步将Index 在物理上细分为多个分区，而且这些分区会按照配置复制到多个节点， Index 的分区称为主分区，复制的分区称为复制分区。这样的好处是既保证数据不会丢失，又提高了查询的性能。

使用REST 访问Elastic Search示例（这里使用linux curl命令模拟http请求）

添加文档

curl  -XPOST  'http://192.168.111.130:9200/index-instance/type-instance/1?pretty ' -H  'Content-Type:application/json'  -d '
{
"name ": "携程业务名称",
"type": "department",
"postDate": "2018-07-15",
"message": "携程有很多业务，如酒店、机票、火车票、旅游、度假等"
}
'

curl  -XPOST  'http://192.168.111.130:9200/index-instance/type-instance/2?pretty ' -H  'Content-Type:application/json'  -d '
{
"name ": "携程业务名称",
"type": "department",
"postDate": "2018-07-15",
"message": "携程的酒店服务非常好。"
}
'

说明：这里增加两条记录，index-instance 表示Index , type-instance表示Type ，数字1和2是文挡的主键，主键可以是任意形式，如果未指定主键， ES 会自动生成一个唯一主键， pretty是可选的， ES 输出的时候会格式化输出结果，更加美观。

执行成功会输出：

{
  "_index" : "index-instance",
  "_type" : "type-instance",
  "_id" : "1",
  "_version" : 1,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 0,
  "_primary_term" : 1
}

{
  "_index" : "index-instance",
  "_type" : "type-instance",
  "_id" : "2",
  "_version" : 1,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 0,
  "_primary_term" : 1
}

根据主键查询

curl -XGET  'http://192.168.111.130:9200/index-instance/type-instance/1?pretty'

说明： 1是主键。

如果存在结果，则返回：

{
  "_index" : "index-instance",
  "_type" : "type-instance",
  "_id" : "1",
  "_version" : 1,
  "found" : true,
  "_source" : {
    "name " : "携程业务名称",
    "type" : "department",
    "postDate" : "2018-07-15",
    "message" : "携程有很多业务，如酒店、机票、火车票、旅游、度假等"
  }
}

搜索文档

ES 提供了强大的搜索功能，搜索参数可以在url 后面，也可以放到body 中。使用GET 方法：

curl  -G  --data-urlencode  'q=message:机票'  'http://192.168.111.130:9200/index-instance/type-instance/_search?pretty'

说明：这里搜索“机票”，返回：

{
  "took" : 85,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 1,
    "max_score" : 0.68324494,
    "hits" : [
      {
        "_index" : "index-instance",
        "_type" : "type-instance",
        "_id" : "1",
        "_score" : 0.68324494,
        "_source" : {
          "name " : "携程业务名称",
          "type" : "department",
          "postDate" : "2018-07-15",
          "message" : "携程有很多业务，如酒店、机票、火车票、旅游、度假等"
        }
      }
    ]
  }
}

再次搜索“酒店”：

curl  -G  --data-urlencode  'q=message:酒店'  'http://192.168.111.130:9200/index-instance/type-instance/_search?pretty'

{
  "took" : 9,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 2,
    "max_score" : 0.5753642,
    "hits" : [
      {
        "_index" : "index-instance",
        "_type" : "type-instance",
        "_id" : "2",
        "_score" : 0.5753642,
        "_source" : {
          "name " : "携程业务名称",
          "type" : "department",
          "postDate" : "2018-07-15",
          "message" : "携程的酒店服务非常好。"
        }
      },
      {
        "_index" : "index-instance",
        "_type" : "type-instance",
        "_id" : "1",
        "_score" : 0.5753642,
        "_source" : {
          "name " : "携程业务名称",
          "type" : "department",
          "postDate" : "2018-07-15",
          "message" : "携程有很多业务，如酒店、机票、火车票、旅游、度假等"
        }
      }
    ]
  }
}

使用POST搜索：

curl  -XPOST 'http://192.168.111.130:9200/index-instance/type-instance/_search?pretty'  -H 'Content-Type:application/json'  -d'
{
"query" : {
 "match": {"message": "酒店"}
 }
}
'

返回同样的结果：

{
  "took" : 8,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 2,
    "max_score" : 0.5753642,
    "hits" : [
      {
        "_index" : "index-instance",
        "_type" : "type-instance",
        "_id" : "2",
        "_score" : 0.5753642,
        "_source" : {
          "name " : "携程业务名称",
          "type" : "department",
          "postDate" : "2018-07-15",
          "message" : "携程的酒店服务非常好。"
        }
      },
      {
        "_index" : "index-instance",
        "_type" : "type-instance",
        "_id" : "1",
        "_score" : 0.5753642,
        "_source" : {
          "name " : "携程业务名称",
          "type" : "department",
          "postDate" : "2018-07-15",
          "message" : "携程有很多业务，如酒店、机票、火车票、旅游、度假等"
        }
      }
    ]
  }
}

注意：因为关键字中含有中文，需要curl进行url编码，所以curl使用参数--data-urlencode,参数-G表示这是一个GET请求，如果不加-G，则默认使用POST请求，则导致elastic search返回一个406不支持的POST错误请求响应。hits 包含了查询结果，在本例中，只有2 条，_index 是index-instance , _type 是type-instance ，主键是1和2, _score 是搜索引擎概念，表示查询相关度，分数越高，表示此文档与关键字期望的结果的匹配程度高。

除了全文搜索，也可精确搜索，使用term进行精确搜索：

curl  -XGET 'http://192.168.111.130:9200/index-instance/type-instance/_search?pretty'  -H 'Content-Type:application/json'  -d'
{
"query": {
     "term": { "type": "department"}
 }
}
'

这里查找关键字值food。如果需要使用翻页功能可以使用：

curl  -XGET 'http://192.168.111.130:9200/index-instance/type-instance/_search?pretty'  -H 'Content-Type:application/json'  -d'
{
"from": 0, "size": 5,
"query": {
     "term": { "type": "department"}
 }
}
'

如果需要知道查询总数，则使用_count代替_search：

curl  -XGET 'http://192.168.111.130:9200/index-instance/type-instance/_count?pretty'  -H 'Content-Type:application/json'  -d'
{
"query": {
     "term": { "type": "department"}
 }
}
'

返回结果：

{
  "count" : 2,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  }
}

如果要联合条件查询，则可以使用must 关键字：

curl  -XGET 'http://192.168.111.130:9200/index-instance/type-instance/_count?pretty'  -H 'Content-Type:application/json'  -d'
{
"query": {  
    "bool":{  
        "must": { "match": {" message": "酒店"}},  
        "must": {"term":  { "type": "IT" } }  
   }    
 }
}
'

由于这是一篇科普类文章，所以简单地介绍了一下ES的用法，更多高级用法可参考ES官网。

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2018-07-25，如有侵权请联系 cloudcommunity@tencent.com 删除

其他

本文分享自高性能服务器开发微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

其他

登录后参与评论

0 条评论

热度