【微服务】Elasticsearch概述&环境搭建(一)
一.初识elasticsearch
(1) 作用
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
在GitHub搜索代码
在电商网站搜索商品
在百度搜索答案
在打车软件搜索附近的车
(2) ELK技术栈
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：
elasticsearch是elastic stack的核心，负责存储、搜索、分析数据，而数据可视化和数据抓取都可替换成其他技术使用。
elasticsearch底层是基于lucene来实现的。Lucene是一个Java语言的搜索引擎类库，其核心技术是基于倒排索引 ，使得查询性能非常好。
(3) 倒排索引
倒排索引的概念是相对于MySQL这样的正向索引而得出的。
(3.1) 正向索引
那么什么是正向索引呢？例如给下表（tb_goods）中的id创建索引：
如果是根据id查询，那么直接走索引，基于B+树，查询速度非常快。这种方式的索引就是正向索引
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：
用户搜索数据，条件是title符合
"%手机%"逐行获取数据，比如id为1的数据
判断数据中的title是否符合用户搜索条件
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，也就是扫描整个表，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，那效率就是一场灾难。
(3.2) 倒排索引
倒排索引中有两个非常重要的概念：
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，商品表中的每一个商品，用户表中的每个用户词条（
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：
将每一个文档的数据利用算法分词，得到一个个词条
创建表，每行数据包括词条、词条所在文档id、位置等信息
因为词条唯一性，可以给词条创建索引，例如hash表结构索引
基于倒排索引的搜索流程如下（以搜索"华为手机"为例）：
- 用户输入条件"华为手机"进行搜索。
- 对用户输入内容分词，得到词条：
华为、手机。 - 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。
- 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，再查询文档，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。
(3.3) 区别
为什么一个叫做正向索引，一个叫做倒排索引呢？
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。
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。
那么两者方式的优缺点是什么呢？
正向索引：
优点：
- 可以给多个字段创建索引
- 根据索引字段搜索、排序速度非常快
缺点：
- 根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。
倒排索引：
优点：
- 根据词条搜索、模糊搜索时，速度非常快
- 例如,在浏览器中搜索网页中的部分关键字，搜索引擎
- 根据词条搜索、模糊搜索时，速度非常快
缺点：
- 只能给词条创建索引，而不是字段
- 无法根据字段做排序
二.相关概念
elasticsearch中有很多独有的概念，与mysql中略有差别，但也有相似之处。
(1) 文档和字段
elasticsearch是面向**文档（Document）**存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中：
而Json文档中往往包含很多的字段（Field），类似于数据库中的列。
(2) 索引和映射
索引（Index），就是相同类型的文档的集合。
例如：
- 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。
数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。
(3) mysql对比elasticsearch
我们统一的把mysql与elasticsearch的概念做一下对比：
| MySQL | Elasticsearch | 说明 |
|---|---|---|
| Table | Index | 索引(index)，就是文档的集合，类似数据库的表(table) |
| Row | Document | 文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式 |
| Column | Field | 字段（Field），就是JSON文档中的字段，类似数据库中的列（Column） |
| Schema | Mapping | Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema） |
| SQL | DSL | DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD |
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
三.部署单点elasticsearch
(1 ) 创建网络
因为我们还需要部署kibana容器，因此需要让es和kibana容器互联。这里先创建一个网络：
docker network create es-net
(2) 拉取镜像
这里我们采用elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G。
- 可以通过指令拉取镜像
docker pull elasticsearch:7.12.1
- 也可以使用资料中的压缩包，将其上传到服务器后使用Docker命令加载即可。
链接：https://pan.baidu.com/s/1eSlsQ6ypaDNkqXO75mC6IA
提取码：3yzw
# 导入数据
docker load -i es.tar
(3) 运行
运行docker命令，部署单点es：
docker run -d \
--name es \
-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
-e "discovery.type=single-node" \
-v es-data:/usr/share/elasticsearch/data \
-v es-plugins:/usr/share/elasticsearch/plugins \
--privileged \
--network es-net \
-p 9200:9200 \
-p 9300:9300 \
elasticsearch:7.12.1
命令解释：
--name：设置名称-e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：内存大小-e "discovery.type=single-node"：非集群模式-v es-data:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录-v es-logs:/usr/share/elasticsearch/logs：挂载逻辑卷，绑定es的日志目录-v es-plugins:/usr/share/elasticsearch/plugins：挂载逻辑卷，绑定es的插件目录--privileged：授予逻辑卷访问权--network es-net：加入一个名为es-net的网络中-p 9200:9200：暴露ttp协议端口映射配置-p 9300:9300：各个节点互连端口映射配置
在浏览器中输入：http://192.168.150.101:9200 即可看到elasticsearch的响应结果：
如此表明我们部署成功啦
四.部署kibana
kibana可以给我们提供一个elasticsearch的可视化界面，便于我们学习，其中Dev Tools工具可以让我们非常方便的去编写DSL语句。
(1) 拉取镜像
这里我们也采用kibana的7.12.1版本的镜像，需要与elasticsearch保持一致。
- 可以通过指令拉取镜像
docker pull kibana:7.12.1
- 也可以使用资料中的压缩包，将其上传到服务器后使用Docker命令加载即可。
链接：https://pan.baidu.com/s/1eSlsQ6ypaDNkqXO75mC6IA
提取码：3yzw
# 导入数据
docker load -i kibana.tar
(2) 运行
运行docker命令，部署kibana
docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601 \
kibana:7.12.1
--network es-net：加入一个名为es-net的网络中，与elasticsearch在同一个网络中-e ELASTICSEARCH_HOSTS=http://es:9200"：设置elasticsearch的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问elasticsearch-p 5601:5601：http暴露端口映射配置
kibana启动一般比较慢，在浏览器输入地址访问：http://192.168.150.101:5601，看到此页面即表明成功
(3) DevTools
kibana中提供了一个DevTools界面：
可以在这个界面中编写DSL来操作elasticsearch。并且对DSL语句有自动补全功能。
五.安装IK分词器
(1) 分词器作用
es在创建倒排索引时需要对文档进行分词；在搜索时，需要对用户输入内容分词。但默认的分词规则对中文处理并不友好，因此我们需要安装其他合适的分词器。
可以看到默认分词效果并不好。处理中文分词，我们一般会使用IK分词器。
(2) 在线安装ik插件（较慢）
# 进入容器内部
docker exec -it elasticsearch /bin/bash
# 在线下载并安装
./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip
#退出
exit
#重启容器
docker restart es
(3) 离线安装ik插件（推荐）
(3.1) 查看数据卷目录
安装插件需要知道elasticsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看elasticsearch的数据卷目录，通过下面命令查看:
docker volume inspect es-plugins
显示结果：
说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data这个目录中。
(3.2) 切换到插件数据卷中
cd /var/lib/docker/volumes/es-plugins/_data
(3.3) 上传到es容器
链接：https://pan.baidu.com/s/1eSlsQ6ypaDNkqXO75mC6IA
提取码：3yzw
将压缩包上传到服务器中，也可以自己去GitHub下载7.12.1版本压缩包。
使用如下指令解压压缩包
unzip ik.zip
(3.4) 重启容器
docker restart es
(3.5) 测试
IK分词器包含两种模式：
ik_smart：最少切分，粗粒度，搜索到概率较小但比较节省内存
ik_max_word：最细切分，细粒度，搜索到概率更大但比较占用内存
(4) 扩展词词典
随着互联网的发展，“造词运动”也越发的频繁。出现了很多新的词语，在原有的词汇列表中并不存在，会被分为单个字。比如：“奥力给”，“白嫖” 等(上述有效果是已经配置好了)。
所以我们的词汇也需要不断的更新，IK分词器提供了扩展词汇的功能。
- 打开IK分词器config目录：
cd /var/lib/docker/volumes/es-plugins/_data/ik/config
- 打开IKAnalyzer.cfg.xml配置文件并添加如下内容：
# 打开文件
vim IKAnalyzer.cfg.xml
# 按 i 开始编辑如下内容
# 编辑完成后 按Esc 再输入:wq按回车
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 扩展配置</comment>
<!--用户可以在这里配置自己的扩展字典 *** 添加扩展词典-->
<entry key="ext_dict">ext.dic</entry>
</properties>
- 在config中新建一个 ext.dic
touch ext.dic
打开ext.dic文件并垂直添加扩展词语
# 打开文件 vim ext.dic # 按 i 开始编辑如下内容 # 编辑完成后 按Esc 再输入:wq按回车
白嫖
奥力给
- 重启elasticsearch
docker restart es
- 测试效果：
注意文件的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑
(4) 停用词词典
在互联网项目中，在网络间传输的速度很快，所以很多语言是不允许在网络上传递的，如：关于宗教、政治等敏感词语,或者一些无意义的词，那么我们在搜索时也应该忽略当前词汇。
IK分词器也提供了强大的停用词功能，让我们在索引时就直接忽略当前的停用词汇表中的内容。
- 打开IK分词器config目录：
cd /var/lib/docker/volumes/es-plugins/_data/ik/config
- 打开IKAnalyzer.cfg.xml配置文件并添加如下内容：
# 打开文件
vim IKAnalyzer.cfg.xml
# 按 i 开始编辑如下内容
# 编辑完成后 按Esc 再输入:wq按回车
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 扩展配置</comment>
<!--用户可以在这里配置自己的扩展字典-->
<entry key="ext_dict">ext.dic</entry>
<!--用户可以在这里配置自己的扩展停止词字典 *** 添加停用词词典-->
<entry key="ext_stopwords">stopword.dic</entry>
</properties>
- 在config中新建一个 stopword.dic
touch stopword.dic
打开 stopword.dic 文件并垂直添加停用词
# 打开文件 vim stopword.dic # 按 i 开始编辑如下内容 # 编辑完成后 按Esc 再输入:wq按回车
麻花腾
啊
哦
的
- 重启elasticsearch
# 重启服务
docker restart es
- 测试效果：
注意文件的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑
- 点赞
- 收藏
- 关注作者
评论（0）