[[186176]]

簡介

Elasticsearch是一個基于Apache Lucene(TM)的開源搜索引擎。無論在開源還是專有領(lǐng)域，Lucene可以被認(rèn)為是迄今為止最先進、性能最好的、功能最全的搜索引擎庫。
但是，Lucene只是一個庫。想要使用它，你必須使用Java來作為開發(fā)語言并將其直接集成到你的應(yīng)用中，更糟糕的是，Lucene非常復(fù)雜，你需要深入了解檢索的相關(guān)知識來理解它是如何工作的。Elasticsearch也使用Java開發(fā)并使用Lucene作為其核心來實現(xiàn)所有索引和搜索的功能，但是它的目的是通過簡單的RESTful API來隱藏Lucene的復(fù)雜性，從而讓全文搜索變得簡單。

與關(guān)系型數(shù)據(jù)庫對比

Relational DB -> Databases -> Tables -> Rows -> Columns
Elasticsearch -> Indices -> Types -> Documents -> Fields

Elasticsearch集群可以包含多個索引(indices)（數(shù)據(jù)庫），每一個索引可以包含多個類型(types)（表），每一個類型包含多個文檔(documents)（行），然后每個文檔包含多個字段(Fields)（列）

基礎(chǔ)概念

near realtime（NRT）
es是一個接近實時的搜索平臺，這意味著你查詢一個文檔的時候有一個延時。大約一秒

cluster

集群是一個或多個節(jié)點（服務(wù)器）的集合在一起，保存所有的數(shù)據(jù)，聯(lián)合所有節(jié)點一起提供查詢能力。
一個集群有一個唯一的名字，默認(rèn)是“elasticsearch",集群名很重要，因為集群節(jié)點加入集群的唯一方式是根據(jù)這個名字。

node

節(jié)點的默認(rèn)名字是漫威的一個角色，默認(rèn)加入集群elasticsearch

index

索引是一系列具有相似特點文檔的集合
實際上，索引只是一個用來指向一個或多個分片(shards)的“邏輯命名空間(logical namespace)

「索引」含義的區(qū)分
你可能已經(jīng)注意到索引(index)這個詞在Elasticsearch中有著不同的含義，所以有必要在此做一下區(qū)分:
索引（名詞） ：如上文所述，一個索引(index)就像是傳統(tǒng)關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)庫，它是相關(guān)文檔存儲的地方，index的復(fù)數(shù)是indices 或indexes。
索引（動詞） ：「索引一個文檔」表示把一個文檔存儲到索引（名詞）里，以便它可以被檢索或者查詢。這很像SQL中的INSERT關(guān)鍵字，差別是，如果文檔已經(jīng)存在，新的文檔將覆蓋舊的文檔。

倒排索引 傳統(tǒng)數(shù)據(jù)庫為特定列增加一個索引，例如B-Tree索引來加速檢索。Elasticsearch和Lucene使用一種叫做倒排索引(inverted index)的數(shù)據(jù)結(jié)構(gòu)來達到相同目的。

Type

索引中，類型是一種邏輯的分類，它的意義由使用者來賦予

mapping

每個類型(type)都有自己的映射(mapping)或者結(jié)構(gòu)定義，就像傳統(tǒng)數(shù)據(jù)庫表中的列一樣。所有類型下的文檔被存儲在同一個索引下，但是類型的映射(mapping)會告訴Elasticsearch不同的文檔如何被索引
Elasticsearch支持以下簡單字段類型：
類型 表示的數(shù)據(jù)類型
String string
Whole number byte, short, integer, long
Floating point float, double
Boolean boolean
Date date

document

文檔是搜索信息的基本單元，用json表達，文檔必須被包含于一個type中

文檔 ID文檔唯一標(biāo)識由四個元數(shù)據(jù)字段組成：
_id：文檔的字符串 ID
_type：文檔的類型名
_index：文檔所在的索引
_uid：_type 和 _id 連接成的 type#id

默認(rèn)情況下，_uid 是被保存（可取回）和索引（可搜索）的。_type 字段被索引但是沒有保存，_id 和_index 字段則既沒有索引也沒有儲存，它們并不是真實存在的。

shards&replicas

es提供能力，讓你把index分成好幾個部分，叫做分片，當(dāng)你創(chuàng)建索引的時候，你可以簡單的定義分片的個數(shù)，每個分片本身是一個獨立的功能齊全的“索引”，可以被放到任何的集群節(jié)點中

分片的意義：
1.可以水平分割和擴展數(shù)據(jù)
2.可以把操作分配給多個分區(qū)，提高性能

es允許你制作一個或多個分片的副本。叫做復(fù)制分片
復(fù)制分片的意義：
1、他提供了高可用性，副本和原始分區(qū)不處于一個節(jié)點中。
2.他提高了性能，因為搜索可以在任何分區(qū)上允許。
每一個分片是一個lucene索引，每個Lucene實例有一個最大的存放文檔的數(shù)量。這個數(shù)量是2417483519

analysis

分析也稱分詞
Elasticsearch中的數(shù)據(jù)可以大致分為兩種類型：
確切值 及 全文文本。
確切值是確定的，正如它的名字一樣。比如一個date或用戶ID，也可以包含更多的字符串比如username或email地址。
全文文本常常被稱為非結(jié)構(gòu)化數(shù)據(jù)，而對于全文數(shù)據(jù)的查詢來說，卻有些微妙。我們不會去詢問這篇文檔是否匹配查詢要求？。 但是，我們會詢問這篇文檔和查詢的匹配程度如何？。換句話說，對于查詢條件，這篇文檔的相關(guān)性有多高？

為了方便在全文文本字段中進行這些類型的查詢，Elasticsearch首先對文本分析(analyzes)，然后使用結(jié)果建立一個倒排索引。

分析(analysis)機制用于進行全文文本(Full Text)的分詞，以建立供搜索用的反向索引。

分析(analysis)是這樣一個過程：
首先，標(biāo)記化一個文本塊為適用于倒排索引單獨的詞(term)
然后標(biāo)準(zhǔn)化這些詞為標(biāo)準(zhǔn)形式，提高它們的“可搜索性”或“查全率”

這個工作是分析器(analyzer)完成的。一個分析器(analyzer)只是一個包裝用于將三個功能放到一個包里：
字符過濾器
1.首先字符串經(jīng)過字符過濾器(character filter)，它們的工作是在標(biāo)記化前處理字符串。字符過濾器能夠去除HTML標(biāo)記，或者轉(zhuǎn)換"&"為"and"。
分詞器
2.下一步，分詞器(tokenizer)被標(biāo)記化成獨立的詞。一個簡單的分詞器(tokenizer)可以根據(jù)空格或逗號將單詞分開（譯者注：這個在中文中不適用）
標(biāo)記過濾
3.最后，每個詞都通過所有標(biāo)記過濾(token filters)，它可以修改詞（例如將"Quick"轉(zhuǎn)為小寫），去掉詞（例如停用詞像"a"、"and"、"the"等等），或者增加詞（例如同義詞像"jump"和"leap"）

index參數(shù)控制字符串以何種方式被索引。它包含以下三個值當(dāng)中的一個：
analyzed首先分析這個字符串，然后索引。換言之，以全文形式索引此字段。not_analyzed索引這個字段，使之可以被搜索，但是索引內(nèi)容和指定值一樣。不分析此字段。no不索引這個字段。這個字段不能為搜索到。
string類型字段默認(rèn)值是analyzed。如果我們想映射字段為確切值，我們需要設(shè)置它為not_analyzed：
{
"tag": {
"type": "string",
"index": "not_analyzed"
}
}其他簡單類型（long、double、date等等）也接受index參數(shù)，但相應(yīng)的值只能是no和not_analyzed，它們的值不能被分析。

Elasticsearch提供很多開箱即用的字符過濾器，分詞器和標(biāo)記過濾器。這些可以組合來創(chuàng)建自定義的分析器以應(yīng)對不同的需求。

string類型的字段，默認(rèn)的，考慮到包含全文本，它們的值在索引前要經(jīng)過分析器分析，并且在全文搜索此字段前要把查詢語句做分析處理。
對于string字段，兩個最重要的映射參數(shù)是index和analyer。

highlight

很多應(yīng)用喜歡從每個搜索結(jié)果中高亮(highlight)匹配到的關(guān)鍵字，這樣用戶可以知道為什么這些文檔和查詢相匹配。

score

每個節(jié)點都有一個_score字段，這是相關(guān)性得分(relevance score)，它衡量了文檔與查詢的匹配程度。默認(rèn)的，返回的結(jié)果中關(guān)聯(lián)性最大的文檔排在首位；這意味著，它是按照_score降序排列的。這種情況下，我們沒有指定任何查詢，所以所有文檔的相關(guān)性是一樣的，因此所有結(jié)果的_score都是取得一個中間值1
max_score指的是所有文檔匹配查詢中_score的最大值。

refresh

默認(rèn)情況下，每個分片每秒自動刷新一次。這就是為什么說Elasticsearch是近實時的搜索了：文檔的改動不會立即被搜索，但是會在一秒內(nèi)可見。

sort

排序
默認(rèn)情況下，結(jié)果集會按照相關(guān)性進行排序 -- 相關(guān)性越高，排名越靠前
字段值排序:
按時間排序

GET /_search {  "query" : {      "filtered" : {         "filter" : { "term" : { "user_id" : 1 }}     } }, "sort": { "date": { "order": "desc" }} }

返回：

"hits" : {     "total" :           6, "max_score" :       null, <1> "hits" : [ {     "_index" :      "us",     "_type" :       "tweet",     "_id" :         "14",     "_score" :      null, <1>     "_source" :     {          "date":    "2014-09-24",          ...     },     "sort" :        [ 1411516800000 ] <2> }, ... }

_score 是比較消耗性能的, 而且通常主要用作排序 -- 我們不是用相關(guān)性進行排序的時候，就不需要統(tǒng)計其相關(guān)性
字段值默認(rèn)以順序排列（從小到大 ），而 _score 默認(rèn)以倒序排列。

緩存

過濾器是怎么計算的。它們的核心是一個字節(jié)集來表示哪些文檔符合這個過濾器。Elasticsearch 主動緩存了這些字節(jié)集留作以后使用。一旦緩存后，當(dāng)遇到相同的過濾時，這些字節(jié)集就可以被重用，而不需要重新運算整個過濾。
集很“聰明”：他們會增量更新。你索引中添加了新的文檔，只有這些新文檔需要被添加到已存的字節(jié)集中，而不是一遍遍重新計算整個緩存的過濾器。過濾器和整個系統(tǒng)的其他部分一樣是實時的，你不需要關(guān)心緩存的過期時間。

安裝

1. 首先需要依賴java7以上版本
2. curl -L -Ohttps://download.elastic.co/elasticsearch/release/org/elasticsearch/distribution/tar/elasticsearch/2.3.3/elasticsearch-2.3.3.tar.gz
   tar -xvf elasticsearch-2.3.3.tar.gz
   cd elasticsearch-2.3.3/bin
   ./elasticsearch
3. 可以在啟動的時候重寫集群和節(jié)點的名字
   ./elasticsearch --cluster.name my_cluster_name --node.name my_node_name
4. 默認(rèn)，es使用9200端口提供 restapi訪問

安裝配置：

config/elasticsearch.yml  network : host : 10.0.0.4 path: logs: /var/log/elasticsearch  data: /var/data/elasticsearch cluster: name: <NAME OF YOUR CLUSTER> node: name: <NAME OF YOUR NODE>

瀏覽你的集群

es提供了豐富的restapi用于和集群直接通信包括：
1.檢查集群，節(jié)點，索引，狀態(tài)和統(tǒng)計
2.管理集群，節(jié)點，索引數(shù)據(jù)和與元數(shù)據(jù)
3.對索引curd
4.使用高級搜索功能，比如分頁，排序，過濾，腳本，聚合和其他很多

集群健康：

curl 'localhost:9200/_cat/health?v'

返回
epoch timestamp cluster status node.total node.data shards pri relo init unassign
1394735289 14:28:09 elasticsearch green 1 1 0 0 0 0 0

顏色 意義
green 所有主要分片和復(fù)制分片都可用
yellow 所有主要分片可用，但不是所有復(fù)制分片都可用
red 不是所有的主要分片都可用

列舉出所有索引：

curl'localhost:9200/_cat/indices?v'

創(chuàng)建一個索引：

curl -XPUT 'localhost:9200/customer?pretty'

創(chuàng)建一個文檔：

curl -XPUT 'localhost:9200/customer/external/1?pretty'-d '{ "name": "John Doe"}'

刪除一個索引：

curl -XDELETE 'localhost:9200/customer?pretty'

修改你的數(shù)據(jù)

替代你的文檔：
curl -XPUT 'localhost:9200/customer/external/1?pretty'-d '
{ "name": "John Doe" }'

curl -XPUT 'localhost:9200/customer/external/1?pretty'-d '  { "name": "Jane Doe" }'

如果指定了id，去創(chuàng)建，之前的那個會被覆蓋
如果沒有指定id，es會隨機的生成一個id

更新文檔：

es并不會真正的更新文檔，當(dāng)我們進行更新操作的時候，es刪除原來的文檔，
然后添加一個新的文檔。

更新文檔也可以使用腳本，動態(tài)腳本在1.4.3版本默認(rèn)被禁用
curl -XPOST 'localhost:9200/customer/external/1/_update?pretty'-d '
{ "script" : "ctx._source.age += 5" }'

ctx._source指向要被修改的文檔

es后續(xù)將會提供能力，類似sql中的 UPDATE-WHERE statement

刪除文檔

curl -XDELETE 'localhost:9200/customer/external/2?pretty'

delete-by-query 插件可以刪除滿足要求的一類文檔

批量操作：

curl -XPOST 'localhost:9200/customer/external/_bulk?pretty' -d '  {"index":{"_id":"1"}}  {"name": "John Doe" } {"index":{"_id":"2"}}  {"name": "Jane Doe" } ' curl -XPOST 'localhost:9200/customer/external/_bulk?pretty' -d '  {"update":{"_id":"1"}} {"doc": { "name": "John Doe becomes Jane Doe" } }  {"delete":{"_id":"2"}} '

瀏覽你的數(shù)據(jù)

查詢API

took: es搜索使用了多少毫秒
timed_out 是否超時
_shards 告訴我們多少個分片被搜索，和被成功和失敗搜索的分片的數(shù)量
hits 搜索結(jié)果
hits.total 結(jié)果數(shù)量
hits.hits 搜索結(jié)果的列表（默認(rèn)給出前10個）
_score 評分

查詢語句：

Query DSL {"query":{"match_all":{}}}

規(guī)定數(shù)目

curl -XPOST 'localhost:9200/bank/_search?pretty'-d '  { "query": { "match_all": {} }, "size": 1 }'

分頁

curl -XPOST 'localhost:9200/bank/_search?pretty'-d ' { "query": { "match_all": {} },  "from": 10,  "size": 10  }'

規(guī)定返回指定的field

curl -XPOST 'localhost:9200/bank/_search?pretty'-d '  { "query": { "match_all": {} }, "_source": ["account_number", "balance"] }'

match:

curl -XPOST 'localhost:9200/bank/_search?pretty'-d '  { "query":     { "match":         { "account_number": 20          }      }  }'

bool: 加入布爾邏輯

curl -XPOST 'localhost:9200/bank/_search?pretty'-d ' { "query": { "bool": { "must": [ { "match": { "address": "mill" } }, { "match": { "address": "lane" } } ] } } }' curl -XPOST 'localhost:9200/bank/_search?pretty'-d '  { "query": { "bool": { "should": [ { "match": { "address": "mill" } }, { "match": {         "address": "lane" } } ] } } }' curl -XPOST 'localhost:9200/bank/_search?pretty'-d '  { "query": { "bool": { "must": [ { "match": { "age": "40" } } ], "must_not": [ { "match": { "state": "ID" } } ] } } }'

filter

使用filter，es不再計算相關(guān)性得分，只是嚴(yán)格的按照條件過濾
比如：range

curl -XPOST 'localhost:9200/bank/_search?pretty'-d ' { "query": { "bool": { "must": { "match_all": {} }, "filter": { "range": { "balance": {     "gte": 20000, "lte": 30000 } } } } } }'

Aggregations

提供能力是分組和提煉你的數(shù)據(jù) 就像sql里面的GROUP BY
es里你可以查詢返回hit和hit的聚合，在一次查詢中
而且可以進行多重聚合

安裝state分類，然后返回10個狀態(tài)，按照數(shù)量排序
設(shè)置size=0，不展示hits，因為我們只關(guān)心聚合結(jié)果

SELECT state, COUNT(*) FROM bank GROUP BY state ORDER BY COUNT(*) DESC

平局值 聚合每一種balance的平均值

suggest

lasticsearch 0.9.0.3終于基于AnalyzingSuggester加上了prefix suggestions ，可直接做搜索提示功能，在0.9.0.1之前版本都是使用外部插件實現(xiàn)的
參考文章
http://www.nosqldb.cn/1376024289369.html
http://www.cnblogs.com/jiuyuehe/p/3840821.html

總結(jié)

es是一個簡單又復(fù)雜的產(chǎn)品，還有很多高級的功能。

拓展

官方文檔：

https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

elasticSearch中文社區(qū)：

http://elasticsearch.cn/

elasticsearch 索引優(yōu)化:

http://itindex.net/detail/52316-elasticsearch-%E7%B4%A2%E5%BC%95-%E4%BC%98%E5%8C%96

與其他相似功能產(chǎn)品對比：

http://www.cnblogs.com/chowmin/articles/4629220.html