ES学习笔记2：快速入门Elasticsearch，功能、概念、安装、简单案例

1，Elasticsearch的功能

（1）分布式的搜索引擎和数据分析引擎

搜索功能：百度、Google等站内搜索，IT系统的检索

数据分析：电商网站，热销口红产品排名前十的商家；新闻网站，最近一周阅读量前三的新闻；

分布式（体现在集群、节点上）、搜索；数据分析

（2）全文检索，结构化检索，数据分析

全文检索：想搜索商品名称包含“口红”的商品，select * from products where product_name like"%口红%":

结构化检索：想搜索商品分类为日化用品的商品，select * from products where category_id='日化用品'

部分匹配、自动完成、搜索纠错、搜索推荐
数据分析：我们分析每一个商品分类下有多少个商品，select category_id,count(*) from products group by category_id

（3）海量数据的近实时处理

分布式：数据分片分散在多台服务器存储和检索

海量数据近实时处理：分布式的存在，可以采用大量服务器存储和检索数据，进而实现近实时海量数据处理。

Lucene：相反，单机应用，最多只能处理单台服务器的数据。

2，适用场景及特点

适用场景

---国外

• （1）维基百科，类似百度百科，牙膏，牙膏的维基百科，全文检索，高亮，搜索推荐
• （2）The Guardian（国外新闻网站），类似搜狐新闻，用户行为日志（点击，浏览，收藏，评论）+社交网络数据（对某某新闻的相关看法），数据分析，给到每篇新闻文章的作者，让他知道他的文章的公众反馈（好，坏，热门，垃圾，鄙视，崇拜）
• （3）Stack Overflow（国外的程序异常讨论论坛），IT问题，程序的报错，提交上去，有人会跟你讨论和回答，全文检索，搜索相关问题和答案，程序报错了，就会将报错信息粘贴到里面去，搜索有没有对应的答案
• （4）GitHub（开源代码管理），搜索上千亿行代码
• （5）电商网站，检索商品
• （6）日志数据分析，logstash采集日志，ES进行复杂的数据分析（ELK技术，elasticsearch+logstash+kibana）
• （7）商品价格监控网站，用户设定某商品的价格阈值，当低于该阈值的时候，发送通知消息给用户，比如说订阅牙膏的监控，如果高露洁牙膏的家庭套装低于50块钱，就通知我，我就去买
• （8）BI系统，商业智能，Business Intelligence。比如说有个大型商场集团，BI，分析一下某某区域最近3年的用户消费金额的趋势以及用户群体的组成构成，产出相关的数张报表，**区，最近3年，每年消费金额呈现100%的增长，而且用户群体85%是高级白领，开一个新商场。ES执行数据分析和挖掘，Kibana进行数据可视化

----国内

• （9）国内：站内搜索（电商，招聘，门户，等等），IT系统搜索（OA，CRM，ERP，等等），数据分析（ES热门的一个使用场景）
   

Elasticsearch的特点

• （1）可以作为一个大型分布式集群（数百台服务器）技术，处理PB级数据，服务大公司；也可以运行在单机上，服务小公司
• （2）Elasticsearch不是什么新技术，主要是将全文检索、数据分析以及分布式技术，合并在了一起，才形成了独一无二的ES；lucene（全文检索），商用的数据分析软件（也是有的），分布式数据库（mycat）
• （3）对用户而言，是开箱即用的，非常简单，作为中小型的应用，直接3分钟部署一下ES，就可以作为生产环境的系统来使用了，数据量不大，操作不是太复杂
• （4）数据库的功能面对很多领域是不够用的（事务，还有各种联机事务型的操作）；特殊的功能，比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据的近实时处理；Elasticsearch作为传统数据库的一个补充，提供了数据库所不不能提供的很多功能

3，基本概念

• （1）Near Realtime（NRT）：近实时，两个意思，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级
• （2）Cluster：集群，包含多个节点，每个节点属于哪个集群是通过一个配置（集群名称，默认是elasticsearch）来决定的，对于中小型应用来说，刚开始一个集群就一个节点很正常
• （3）Node：节点，集群中的一个节点，节点也有一个名称（默认是随机分配的），节点名称很重要（在执行运维管理操作的时候），默认节点会去加入一个名称为“elasticsearch”的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，当然一个节点也可以组成一个elasticsearch集群
• （4）Document&field：文档，es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，一条订单数据，通常用JSON数据结构表示，每个index下的type中，都可以去存储多个document。一个document里面有多个field，每个field就是一个数据字段。
• （5）Index：索引，包含一堆有相似结构的文档数据，比如可以有一个客户索引，商品分类索引，订单索引，索引有一个名称。一个index包含很多document，一个index就代表了一类类似的或者相同的document。比如说建立一个product index，商品索引，里面可能就存放了所有的商品数据，所有的商品document。
• （6）Type：类型，每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document，都有相同的field，比如博客系统，有一个索引，可以定义用户数据type，博客数据type，评论数据type。
• （7）shard：单台机器无法存储大量数据，es可以将一个索引中的数据切分为多个shard，分布在多台服务器上存储。有了shard就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提升吞吐量和性能。每个shard都是一个lucene index。
• （8）replica：任何一个服务器随时可能故障或宕机，此时shard可能就会丢失，因此可以为每个shard创建多个replica副本。replica可以在shard故障时提供备用服务，保证数据不丢失，多个replica还可以提升搜索操作的吞吐量和性能。primary shard（建立索引时一次设置，不能修改，默认5个），replica shard（随时修改数量，默认1个），默认每个索引10个shard，5个primary shard，5个replica shard，最小的高可用配置，是2台服务器。

elasticsearch核心概念 vs. 数据库核心概念

           Elasticsearch            数据库

-           ----------------------------------------

            Document                  行
            Type                           表
            Index                          库

4，window环境下安装

• 1、安装JDK，至少1.8.0_73以上版本，java -version
• 如果安装的不是次版本，可以进行安装，支持多个jdk的安装，但是需要配置好环境变量。
• 2、下载和解压缩Elasticsearch安装包，目录结构,在当前目录下打开命令窗口。
• 3、启动Elasticsearch：在命令窗口输入  bin\elasticsearch.bat，es本身特点之一就是开箱即用，如果是中小型应用，数据量少，操作不是很复杂，直接启动就可以用了
• 
• 4、检查ES是否启动成功：http://localhost:9200/?pretty
  name: node名称
  cluster_name: 集群名称（默认的集群名称就是elasticsearch）
  version.number: 5.2.0，es版本号
• 
• 5、修改集群名称：elasticsearch.yml
• 6、下载和解压缩Kibana安装包，使用里面的开发界面，去操作elasticsearch，作为学习es知识点的一个主要的界面入口
• 在当前目录下，打开命令窗口
• kibana解压到Elasticsearch目录里，或者跟Elasticsearch同级目录，Joy的是同级目录，完美运行
• 注意一定要在config目录下，修改kibana.yml配置文件，目的是建立起和本机Elasticsearch的联系
• 7、启动Kibana：在命令窗口下输入  bin\kibana.bat
• 
• 访问地址：http://localhost:5601
• 
• 第一次启动，加载略慢，正常情况，如果太慢，就重启ES、Kibana重试一下
• 8、进入Dev Tools界面 
• 
• 9、GET _cluster/health
• 

5，简单案例

1、document数据格式

面向文档的搜索分析引擎

• （1）应用系统的数据结构都是面向对象的，复杂的
• （2）对象数据存储到数据库中，只能拆解开来，变为扁平的多张表，每次查询的时候还得还原回对象格式，相当麻烦
• （3）ES是面向文档的，文档中存储的数据结构，与面向对象的数据结构是一样的，基于这种文档数据结构，es可以提供复杂的索引，全文检索，分析聚合等功能
• （4）es的document用json数据格式来表达

2，简单的集群管理

（1）快速检查集群的健康状况

es提供了一套api，叫做cat api，可以查看es中各种各样的数据

GET /_cat/health?v

如何快速了解集群的健康状况？green、yellow、red？

green：每个索引的primary shard和replica shard都是active状态的
yellow：每个索引的primary shard都是active状态的，但是部分replica shard不是active状态，处于不可用的状态
red：不是所有索引的primary shard都是active状态的，部分索引有数据丢失了

为什么现在会处于一个yellow状态？

我们现在就一个笔记本电脑，就启动了一个es进程，相当于就只有一个node。现在es中有一个index，就是kibana自己内置建立的index。由于默认的配置是给每个index分配5个primary shard和5个replica shard，而且primary shard和replica shard不能在同一台机器上（为了容错）。现在kibana自己建立的index是1个primary shard和1个replica shard。当前就一个node，所以只有1个primary shard被分配了和启动了，但是一个replica shard没有第二台机器去启动。

小实验：此时只要启动第二个es进程，就会在es集群中有2个node，然后那1个replica shard就会自动分配过去，然后cluster status就会变成green状态。

（2）快速查看集群中有哪些索引

GET /_cat/indices?v

（3）简单的索引操作

创建索引：PUT /test_index?pretty

删除索引：DELETE /test_index?pretty

3，商品的CRUD操作

（1）新增商品：新增文档，建立索引

模式:

PUT /index/type/id
{
  "json数据"
}

PUT /ecommerce/product/1
{
  "name":"YSL lipstack",
  "desc":"YSL fangguan",
  "price":229,
  "producer":"YSL producer",
  "tags":["fangguan","lipstack"]
}

同样在加入两条文档记录。

PUT /ecommerce/product/2
{
  "name":"Dior lipstack",
  "desc":"Dior lieyanlanjin",
  "price":499,
  "producer":"Dior producer",
  "tags":["lieyanlanjin"]
}

PUT  /ecommerce/product/3
{
  "name":"Envy Rouge",
  "desc":"Estee lauder lipstack",
  "price":270,
  "producer":"Estee Lauder producer",
  "tags":["envy rouge"]
}

es会自动建立index和type，不需要提前创建，而且es默认会对document每个field都建立倒排索引，让其可以被搜索

（2）查询商品：检索文档

模式：GET /index/type/id
GET /ecommerce/product/1

（3）修改商品：替换文档

PUT /ecommerce/product/1
{
  "name":"YSL rouge pur couture",
  "desc":"YSL couture lipstack",
  "price":299,
  "producer":"YSL producer",
  "tags":["lipstack","YSL"]
}

 

//错误的替换方式
PUT /ecommerce/product/1
{
  "name":"YSL rouge pur couture",
  
}

替换方式有一个不好，即使必须带上所有的field，才能去进行信息的修改

（4）修改商品：更新文档

POST /ecommerce/product/1/_update
{
  "doc":{
    "name":"update YSL rouge pur couture"
  }
}

（5）删除商品：删除文档

DELETE /ecommerce/product/1

4，多种查询方式

（1）query string search

搜索全部商品：GET /ecommerce/product/_search

• took：耗费了几毫秒
• timed_out：是否超时，这里是没有
• _shards：数据拆成了5个分片，所以对于搜索请求，会打到所有的primary shard（或者是它的某个replica shard也可以）
• hits.total：查询结果的数量，3个document
• hits.max_score：score的含义，就是document对于一个search的相关度的匹配分数，越相关，就越匹配，分数也高
• hits.hits：包含了匹配搜索的document的详细数据

query string search的由来，因为search参数都是以http请求的query string来附带的

搜索商品名称中包含lipstack的商品，而且按照售价降序排序：

GET /ecommerce/product/_search?q=name:lipstack&sort=price:desc

适用于临时的在命令行使用一些工具，比如curl，快速的发出请求，来检索想要的信息；但是如果查询请求很复杂，是很难去构建的
在生产环境中，几乎很少使用query string search

（2）query DSL

DSL：Domain Specified Language，特定领域的语言
http request body：请求体，可以用json的格式来构建查询语法，比较方便，可以构建各种复杂的语法，比query string search肯定强大多了

查询所有的商品

GET /ecommerce/product/_search
{
  "query":{
    "match_all": {}
  }
}

查询名称包含yagao的商品，同时按照价格降序排序

GET /ecommerce/product/_search
{
  "query":{
    "match": {
      "name": "lipstack"
    }
  },
  "sort": [
    {
      "price": {
        "order": "desc"
      }
    }
  ]
}

分页查询商品，总共3条商品，假设每页就显示1条商品，现在显示第2页，所以就查出来第2个商品

GET /ecommerce/product/_search
{
  "query": {
    "match_all": {}
  },
  "from":1,
  "size":1
}

指定要查询出来商品的名称和价格就可以

GET /ecommerce/product/_search
{
  "query": {
    "match_all": {}
  },
  "_source": ["name","price"]
}

更加适合生产环境的使用，可以构建复杂的查询

（3）query filter

搜索商品名称包含lipstack，而且售价大于200元且小于300元的商品

GET /ecommerce/product/_search
{
  "query": {
    "bool": {
    "must": {
        "match": {
        "name": "lipstack"}
      },
    "filter": {
      "range": {
        "price": {
          "gte": 250,
          "lte": 300}
        }
      }
    }
  }
}

（4）full-text search（全文检索）

GET /ecommerce/product/_search
{
  "query": {
    "match": {
      "producer": "YSL producer"
    }
  }
}

producer这个字段，会先被拆解，建立倒排索引

lipstack	1，3
producer	1，2，3
YSL	1
Dior	2
Envy	3
Rouge	2，3
YSL producer ---> YSL和producer

（5）phrase search（短语搜索）

跟全文检索相对应，相反，全文检索会将输入的搜索串拆解开来，去倒排索引里面去一一匹配，只要能匹配上任意一个拆解后的单词，就可以作为结果返回
phrase search，要求输入的搜索串，必须在指定的字段文本中，完全包含一模一样的，才可以算匹配，才能作为结果返回

GET /ecommerce/product/_search
{
  "query": {
    "match_phrase": {
      "producer": "YSL producer"
    }
  }
}

（6）highlight search（高亮搜索结果）

GET /ecommerce/product/_search
{
  "query": {
    "match": {
      "producer": "producer"
    }
  },
  "highlight": {
    "fields": {
      "producer":{}
    }
  }
}

5，嵌套聚合、下钻分析、聚合分析

（1）第一个分析需求：计算每个tag下的商品数量

GET /ecommerce/product/_search
{
  "aggs": {
    "group_by_tags": {
      "terms": {
        "field": "tags"
      }
    }
  }
}

出现错误，正常信息，将文本field的fielddata属性设置为true

PUT /ecommerce/_mapping/product
{
  "properties":{
    "tags":{
      "type": "text",
      "fielddata": true
    }
  }
}

显示出现错误，但是里面已经修改了。

PUT /ecommerce/product/_search
{
  "size":0,
  "aggs":{
    "all_tags":{
      "terms":{
        "fild":"tags"
      }
    }
  }
}

成功执行，结果如下：

（2）第二个聚合分析的需求：对名称中包含lipstack的商品，计算每个tag下的商品数量

GET /ecommerce/product/_search
{
  "size": 0,
  "query": {
    "match": {
      "name": "lipstack"
    }
  },
  "aggs": {
    "all_tags": {
      "terms": {
        "field": "tags"
      }
    }
  }
}

（3）第三个聚合分析的需求：先分组，再算每组的平均值，计算每个tag下的商品的平均价格

GET /ecommerce/product/_search
{
  "size": 0,
  "aggs": {
    "group_by_tags": {
      "terms": {
        "field": "tags"
      },
      "aggs": {
        "avg_price": {
          "avg": {
            "field": "price"
          }
        }
      }
    }
  }
}

（4）第四个数据分析需求：计算每个tag下的商品的平均价格，并且按照平均价格降序排序

GET /ecommerce/product/_search
{
  "size":0,
  "aggs": {
    "all_tags": {
      "terms": {
        "field": "tags",
        "order": {
          "avg_price":"desc"
        }
      },
      "aggs": {
        "avg_price": {
          "avg": {"field": "price"}
        }
      }
    }
  }
}

现在全部都是用es的restful api在学习和讲解es的所欲知识点和功能点，但是没有使用一些编程语言去讲解（比如java），原因有以下：

• 1、es最重要的api，让我们进行各种尝试、学习甚至在某些环境下进行使用的api，就是restful api。如果你学习不用es restful api，比如我上来就用java api来讲es，也是可以的，但是你根本就漏掉了es知识的一大块，你都不知道它最重要的restful api是怎么用的
• 2、讲知识点，用es restful api，更加方便，快捷，不用每次都写大量的java代码，能加快讲课的效率和速度，更加易于同学们关注es本身的知识和功能的学习
• 3、我们通常会讲完es知识点后，开始详细讲解java api，如何用java api执行各种操作
• 4、我们每个篇章都会搭配一个项目实战，项目实战是完全基于java去开发的真实项目和系统

----------------------------------------------------------------------------------------------------------------

（5）第五个数据分析需求：按照指定的价格范围区间进行分组，然后在每组内再按照tag进行分组，最后再计算每组的平均价格

GET  /ecommerce/product/_search
{
  "size": 0,
  "aggs": {
    "group_by_price": {
      "range": {
        "field": "price",
        "ranges": [
          {
            "from": 0,
            "to": 200
          },
          {
            "from": 200,
            "to": 300
          },
          {
            "from": 300,
            "to": 500
          }
        ]
      },
      "aggs":{
          "group_by_tags":{
            "terms":{
              "field":"tags"
            },
            "aggs":{
              "average_price":{
                "avg":{
                   "field":"price"
                }
              }
            }
         }
       }
    }
  }
}