当前位置:   article > 正文

Elasticsearch7.6.x学习笔记(超详细)_es 7.6源码解析

es 7.6源码解析

Elasticsearch和solr比较

  1. 当单纯的对已有的数据进行搜索时,solr更快
  2. 当实时建立索引时,Solr会产生io阻塞,查询性能交叉,ElasticSearch具有明显优势
  3. 随着数量的增加,Solr的搜索效率会变得更低,而ElasticSearch却没有明显的变化

ElasticSearch和Solr的比较总结

  1. es基本是开箱即用(解压就可以使用) 非常简单 Solr安装略微复杂一丢丢
  2. Solr利用Zookeeper进行分布式管理,而ElasticSearch 自身带有分布式协调管理功能
  3. Solr支持更多格式的数据,比如JSON、XML、CSV,而ElasticSearch仅支持json文件格式
  4. Solr光放提供的功能更多,而ElasticSearch本身更注重于核心功能,高级功能多有第三方插件提供,例如图形化界面需要kibana友好支撑
  5. Solr 查询快,但更新索引慢(插入删除慢),用于电商等查询多的应用
    • ES建立索引快(查询慢),即实时性查询快,用于facebook、新浪等搜索
    • Solr是传统搜索应用的有力解决方案,但ElasticSearch更适用于新兴的实时搜索应用
  6. Solr比较成熟,有一个更大,更成熟的用户,开发和贡献者社区,而ElasticSearch相对开发维护者较少,更新太快,学习使用成本较高(趋势)。

了解ELK

ELK是Elasticsearch、Logstash、Kibana三大开源框架首字母大写简称。市面上也被成为Elastic Stack。其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架,可见Elasticsearch提供的搜索能力确实强大,市面上很多时候我们简称Elasticsearch为es.Logstash是ELK的中央数据流引擎,用于从不同目标(文俐数据存储/MQ)收集的不同格式数据,经过过滤后支持输出到不同目的地(文件/MQ/redis/elasticsearch/kafka等)。Kibana可以将elasticsearch的数据通过友好的页面展示出来,提供实时分析的功能。
市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称,但实际上ELK不仅仅适用于日志分析,它还可以支持其它任何数据分析和收集的场景,日志分析和收集只是更具有代表性。并非唯一性。
在这里插入图片描述

Kibana

Kibana是一个针对Elasticsearch的开源分析及可视化平台,用来搜索、查看交互存诸在Elasticsearch索引中的数据。使用Kibana ,可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单,基于浏览器的用户界面可以快速创建仪表板( dashboard )实时显示Elasticsearch查询动态。设置Kibana非常简单。无需编码或者额外的基础架构,几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。
官网: https://www.elastic.co/cn/kibana
kibana版本要和ES版本一致

IK分词器插件

什么是IK分词器?

分词:即把一段中文或者别的划分成一个个的关键字,我们在搜索时候会把自己的信息进行分词,会把数据库中或者索引库中的数据进行分词,然后进行一个匹配操作,默认的中文分词是将每个字看成一个词,比如“我爱狂神”会被分为"我"“爱"狂”“神””,这显然是不符合要求的,所以我们需要安装中文分词器ik来解决这个问题。

IK提供了两个分词算法: ik_smart和ik_max_word,其中

  1. ik_smart为最少切分,
    在这里插入图片描述
  2. ik_max_word为最细粒度划分!
    在这里插入图片描述

我们输入 超级喜欢狂神说Java

在这里插入图片描述
发现问题: 狂神说被拆开了

这种自己需要的词,需要自己加入到我们的分词器的字典中

ik 分词器增加自己的配置

在这里插入图片描述

在这里插入图片描述

以后我们需要自己配置分词 就在自己定义的dic文件中进行配置即可!

ElasticSearch的核心概念

  1. 索引
  2. 字段类型(mapping)
  3. 文档(documents)
  4. 分片(倒排索引

概述

在前面的学习中,我们已经掌握了es是什么,同时也把es的服务安装启动,那么es是如何去存储数据,数据结构是什么,又是如何实现搜索的呢?我们先来聊聊ElasticSearch的相关概念

集群,节点,索引,文档,分片,映射是什么?

elasticsearch是面向文档,关系行数据库和elasticsearch客观的对比 一切都是JSON

Relational DB ElasticSearch
数据库(database) 索引(indices)
表(tables) types
行(row) documents
字段(columns) fields

elasticsearch(集群)中可以包含多个索引(数据库),每个索引中可以包含多个类型(表),每个类型下又包含多个文档(行),每个文档中又包含多个字段(列)。

物理设计:

elasticsearch在后台把每个索引划分成多个分片,每分分片可以在集群中的不同服务器之间迁移

一个人就是一个集群!默认的集群名称就是elasticsearch

在这里插入图片描述

逻辑设计:

一个索引类型中,包含多个文档,比如说文档1,文档2.当我们索引一篇文档时,可以通过这样的一个顺序找到它:索引 –> 类型

–> 文档ID,通过这个组合我们就能索引到某个具体的文档。 注意:ID不必是整数,实际上它是个字符串

文档

之前说elasticsearch是面向文档的,那么就意味着索引和搜索数据的最小单位是文档,elasticsearch中,文档有几个重要的属性:

  • 自我包含,一篇文档同时包含字段和对应的值,也就是同时包含key:value
  • 可以使层次性的,一个文档中包含自文档,复杂的逻辑实体就是这么来的
  • 灵活的结构,文档不依赖预先定义的模式,我们知道关系型数据库中,要提前定义字段才能使用,在elasticsearch中,对于字段是非常灵活的,有时候,我们可以忽略该字段,或者动态的添加一个新的字段

尽管我们可以随意的新增或者忽略某个字段,但是,每个字段的类型非常重要,比如一个年龄字段类型,可以是字符串也可以是整型,因为elasticsearch或保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型,这也是为什么在elasticsearch中,类型有时候也称为映射类型。

类型

类型是文档的逻辑容器,就像关系型数据库一样,表格是行的容器。类型中对于字段的定义称为映射,比如name映射为字符串类型。我们说文档是无模式的,它们不需要拥有映射中所定义的所有字段,比如新增一个字段,那么elasticsearch是怎么做的呢?elasticsearch会自动的将新字段加入映射,但是这个字段的不确定它是什么类型,elasticsearch就开始猜,如果这个值是18,那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对,所以最安全的方式就是提前定义好所需要的映射,这点跟关系型数据库殊途同归了,先定义好字段,然后再使用,别整什么幺蛾子。

索引

就是数据库!

索引是映射类型的容器,elasticsearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。我们来研究下分片是如何工作的。

物理设计:节点和分片如何工作

在这里插入图片描述
一个集群至少有一个节点,而一个节点就是一个elasricsearch进程,节点可以有多个索引默认的,一个集群至少有一个节点,而一个节点就是一个elasricsearch进程,节点可以有多个索引默认的有个5个分片( primary shard ,又称主分片)构成的,每一个主分片会有一个副本( replica shard ,又称复制分片)

在这里插入图片描述
上图是一个有3个节点的集群,可以看到主分片和对应的复制分片都不会在同一个节点内,这样有利于某个节点挂掉了,数据也不至于丢失。实际上,一个分片是一个Lucene索引,一个包含倒排索引的文件目录,倒排索引的结构使得elasticsearch在不扫描全部文档的情况下,就能告诉你哪些文档包含特定的关键字。不过,等等,倒排索引是什么鬼?

倒排索引

elasticsearch使用的是一种称为倒排索引的结构,采用Lucene倒排索作为底层。这种结构适用于快速的全文搜索,一个索引由文档中所有不重复的列表构成,对于每一个词,都有一个包含它的文档列表。例如,现在有两个文档,每个文档包含如下内容:

study every day,good good up to forever		#文档1包含的内容
To forever,study every day,good good up     #文档2包含的内容
  • 1
  • 2

为了创建倒排索引,我们首先要将每个文档拆分成独立的词(或称为词条或者tokens),然后创建一个包含所有不重复的词条的排序列表,然后列出每个词条出现在哪个文档:
在这里插入图片描述
现在,我们试图搜索to forever,只需要查看包含每个词条的文档
在这里插入图片描述
两个文档都匹配,但是第一个文档比第二个匹配程度更高。如果没有别的条件,现在,这两个包含关键字的文档都将返回。再来看一个示例,比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构:
在这里插入图片描述

如果要搜索含有python标签的文章,那相对于查找所有原始数据而言,查找倒排索引后的数据将会快的多。只需要-查看标签这一栏,然后获取相关的文章ID即可。完全过滤掉无关的数据,提高效率!

elasticsearch的索引和Lucene的索引对比

在elasticsearch中,索引这个词被频繁使用,这就是术语的使用。在elasticsearch中,索引被分为多个分片,每份分片是一个Lucene的索引。所以一个elasticsearch索引是由多个Lucene索引组成的。别问为什么,谁让elasticsearch使用Lucene作为底层呢!如无特指,说起索引都是指elasticsearch的索引。

接下来的一切操作都在kibana中Dev Tools下的Console里完成。基础操作!

Rest风格说明

一种软件架构风格,而不是标准,只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格

设计的软件可以更简洁,更有层次,更易于实现缓存等机制。

基本Rest命令说明∶

method url地址 描述
PUT localhost:9200/索引名称/类型名称/文档id 创建文档(指定文档id )
POST localhost:9200/索引名称/类型名称 创建文档(随机文档id )
POST localhost:9200/索引名称/类型名称/文档id/_update 修改文档
DELETE localhost:9200/索引名称/类型名称/文档id 删除文档
GET localhost:9200/索引名称/类型名称/文档id 查询文档通过文档id
POST localhost:9200/索引名称/类型名称/search 查询所有数据

关于索引的基本操作

基础测试

  1. 创建一个索引
PUT /索引名/~类型名~/文档id
{请求体}
  • 1
  • 2

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-q1vR9tKJ-1601272617909)(D:/typora/image/image-20200927155347295.png)]
完成自动增加索引 数据也成功添加了
在这里插入图片描述

那么name 字段用不用指定类型呢。毕竟我们关系型数据库,是需要指定类型的啊

  • 字符串类型

    text、keyword

  • 数值类型

    long、integer、short、byte、double、float、half float、scaled float

  • 日期类型

    date

  • te布尔类型

    boolean

  • 二进制类型

    binary

  • 等等…

  1. 指定字段的类型
    在这里插入图片描述
    获得这个规则,可以通过 GET请求获取具体的信息

在这里插入图片描述
5. 查看默认的信息
在这里插入图片描述

在这里插入图片描述
如果自己的文档字段没有指定,那么es就会给我们默认配置字段类型
扩展: 通过命令 elasticsearch 索引情况!通过get _cat/ 可以获得es的当前的很多信息
在这里插入图片描述

修改 提交还是使用PUT 即可 ! 然后覆盖 ! 最新办法

在这里插入图片描述

现在的方法
在这里插入图片描述

删除索引

通过DELETE命令实现删除,根据的请求来判断是删除索引还是删除文档记录

使用RESTFUL 分割使我们ES推荐给大家使用的
在这里插入图片描述

关于文档的基本操作(重点)

  1. 创建数据
PUT /kuangshen/user/1
{
   
  "name" : "狂神说",
  "age" : 23,
  "desc" : "一顿操作猛如虎,一看工资2500",
  "tags" : [
    "技术宅","温暖","直男"
    ]
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  1. 获取数据GET

在这里插入图片描述

  1. 更新数据 PUT

在这里插入图片描述

  1. Post _update,推荐视同这种更新方式

在这里插入图片描述

简单的搜索

GET kuangshen/user/1
  • 1

简单的条件查询,可以根据默认的映射规则,产生基本的查询
在这里插入图片描述

复杂操作搜索(selectÿ

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/煮酒与君饮/article/detail/819940
推荐阅读
相关标签
  

闽ICP备14008679号