Elasticsearch是一个分布式可扩展的实时搜索和分析引擎。
它不仅包括了全文搜索功能，还可以进行以下工作：
·分布式实时文件存储，并将每一个字段都编入索引，使其可以被搜索
·实时分析的分布式搜索引擎
·可以扩展到上百台服务器，处理PB级别的结构化或非结构化数据
其主要索引为：倒排索引
倒排索引以字或词为关键字进行索引，索引中关键字所对应的记录表项记录了出现这个字或词的所有文档，一个表项就是一个字表段，它记录该文档的 ID 和字符在该文档中出现的位置情况。
集群部署结构
在一台服务器上，使用Docker部署三个ES容器组成的集群
1.关闭防火墙
# 关闭防火墙
systemctl stop firewalld.service
# 禁用防火墙
systemctl disable firewalld.service
2.安装docker，此处省略。
3.下载Elastic Search镜像
docker pull elasticsearch:7.9.3
有的话直接导入使用即可
docker load -i es-img.gz
4.设置max_map_count
必须修改系统参数 max_map_count，否则 Elasticsearch 无法启动：
在 /etc/sysctl.conf 文件中添加 vm.max_map_count=262144
echo 'vm.max_map_count=262144' >>/etc/sysctl.conf
需要重新启动服务器！
确认参数配置：
cat /etc/sysctl.conf
5.创建虚拟网络，并将部署的三个es集群进行挂载
# 创建虚拟网络
docker network create es-net
# node1 的挂载目录
mkdir -p -m 777 /var/lib/es/node1/plugins
mkdir -p -m 777 /var/lib/es/node1/data
# node2 的挂载目录
mkdir -p -m 777 /var/lib/es/node2/plugins
mkdir -p -m 777 /var/lib/es/node2/data
# node3 的挂载目录
mkdir -p -m 777 /var/lib/es/node3/plugins
mkdir -p -m 777 /var/lib/es/node3/data
6.配置ES集群运行的参数：启动并配置
9200是连接客户端服务的端口，用此端口进行增删改查
9300是集群内部通信的一个端口
执行node1：
docker run -d \
--name=node1 \
--restart=always \
--net es-net \
-p 9200:9200 \
-p 9300:9300 \
-v /var/lib/es/node1/plugins:/usr/share/elasticsearch/plugins \
-v /var/lib/es/node1/data:/usr/share/elasticsearch/data \
-e node.name=node1 \
-e node.master=true \
-e network.host=node1 \
-e discovery.seed_hosts=node1,node2,node3 \
-e cluster.initial_master_nodes=node1 \
-e cluster.name=es-cluster \
-e "ES_JAVA_OPTS=-Xms256m -Xmx256m" \
elasticsearch:7.9.3
环境变量说明：
执行node2：
docker run -d \
--name=node2 \
--restart=always \
--net es-net \
-p 9201:9200 \
-p 9301:9300 \
-v /var/lib/es/node2/plugins:/usr/share/elasticsearch/plugins \
-v /var/lib/es/node2/data:/usr/share/elasticsearch/data \
-e node.name=node2 \
-e node.master=true \
-e network.host=node2 \
-e discovery.seed_hosts=node1,node2,node3 \
-e cluster.initial_master_nodes=node1 \
-e cluster.name=es-cluster \
-e "ES_JAVA_OPTS=-Xms256m -Xmx256m" \
elasticsearch:7.9.3
执行node3：
docker run -d \
--name=node3 \
--restart=always \
--net es-net \
-p 9202:9200 \
-p 9302:9300 \
-v /var/lib/es/node3/plugins:/usr/share/elasticsearch/plugins \
-v /var/lib/es/node3/data:/usr/share/elasticsearch/data \
-e node.name=node3 \
-e node.master=true \
-e network.host=node3 \
-e discovery.seed_hosts=node1,node2,node3 \
-e cluster.initial_master_nodes=node1 \
-e cluster.name=es-cluster \
-e "ES_JAVA_OPTS=-Xms256m -Xmx256m" \
elasticsearch:7.9.3
http://192.168.64.191:9200
http://192.168.64.191:9200/_cat/nodes 查看启动的三个节点
解压es-head.crx.zip
在谷歌页面中找到扩展程序，打开开发者模式并进行添加
下载 elasticsearch-analysis-ik-7.9.3.zip 复制到 /root/ 目录下
cd ~/
# 复制 ik 分词器到三个 es 容器
docker cp elasticsearch-analysis-ik-7.9.3.zip node1:/root/
docker cp elasticsearch-analysis-ik-7.9.3.zip node2:/root/
docker cp elasticsearch-analysis-ik-7.9.3.zip node3:/root/
# 在 node1 中安装 ik 分词器
docker exec -it node1 elasticsearch-plugin install file:///root/elasticsearch-analysis-ik-7.9.3.zip
# 在 node2 中安装 ik 分词器
docker exec -it node2 elasticsearch-plugin install file:///root/elasticsearch-analysis-ik-7.9.3.zip
# 在 node3 中安装 ik 分词器
docker exec -it node3 elasticsearch-plugin install file:///root/elasticsearch-analysis-ik-7.9.3.zip
# 重启三个 es 容器
docker restart node1 node2 node3
在浏览器中访问 http://192.168.64.141:9200/_cat/plugins
如果插件不可用，可以卸载后重新安装：
docker exec -it node1 elasticsearch-plugin remove analysis-ik
docker exec -it node2 elasticsearch-plugin remove analysis-ik
docker exec -it node3 elasticsearch-plugin remove analysis-ik
ik_max_word 分词测试
ik_smart 分词测试
下载镜像
docker pull kibana:7.9.3
有的直接用，没有的下载
启动Kibana容器
docker run \
-d \
--name kibana \
--net es-net \
-p 5601:5601 \
-e ELASTICSEARCH_HOSTS='["http://node1:9200","http://node2:9200","http://node3:9200"]' \
--restart=always \
kibana:7.9.3
启动后，浏览器访问Kibana，进入Dec Tools中进行操作：
http://192.168.64.191:5601/
索引：索引用来存储我们要搜索的数据，以倒排索引结构进行存储
分片：在一个索引中存储大量数据会造成性能下降，这时可以对数据进行分片存储，每个片上一段数据，搜索时会同时搜索多个分片，并将搜索结果进行汇总
副本：对分片创建多个副本，那么即使一个节点宕机，其他节点中的副本分片还可以继续工作，不会造成数据不可用
分片和副本参数说明：
number_of_shards：分片数量，默认值是 5number_of_replicas：副本数量，默认值是 1我们有三个节点，在每个节点上都创建一个分片。每个分片在另两个节点上各创建一个副本
# 创建索引，命名为 products
PUT /products
{
"settings": {
"number_of_shards": 3,
"number_of_replicas": 2
}
}
查看创建的索引：
映射：设置数据类型和其他属性。映射，是对索引中字段结构的定义和描述。
常用类型：
···数字类型：
byte、short、integer、long
float、double
unsigned_long
···字符串类型：
text ： 会进行分词
keyword ： 不会进行分词，适用于email、主机地址、邮编等
···日期和时间类型：
date
分词器设置：
analyzer：在索引中添加文档时，text类型通过指定的分词器分词后，再插入倒排索引
search_analyzer：使用关键词检索时，使用指定的分词器对关键词进行分词
查询时，关键词优先使用 search_analyzer 设置的分词器，如果 search_analyzer 不存在则使用 analyzer 分词器。
# 定义mapping，数据结构
PUT /products/_mapping
{
"properties": {
"id": {
"type": "long"
},
"title": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"category": {
"type": "text",
"analyzer": "ik_smart",
"search_analyzer": "ik_smart"
},
"price": {
"type": "float"
},
"city": {
"type": "text",
"analyzer": "ik_smart",
"search_analyzer": "ik_smart"
},
"barcode": {
"type": "keyword"
}
}
}
GET /products/_mapping
添加的文档会有一个名为_id的文档id，这个文档id可以自动生成，也可以手动指定，通常可以使用数据的id作为文档id。
# 添加文档
PUT /products/_doc/10033
{
"id":"10033",
"title":"SONOS PLAY:5(gen2) 新一代PLAY:5无线智能音响系统 WiFi音箱家庭,潮酷数码会场",
"category":"潮酷数码会场",
"price":"3980.01",
"city":"上海",
"barcode":"527848718459"
}
PUT /products/_doc/10034
{
"id":"10034",
"title":"天猫魔盒 M13网络电视机顶盒 高清电视盒子wifi 64位硬盘播放器",
"category":"潮酷数码会场",
"price":"398.00",
"city":"浙江杭州",
"barcode":"522994634119"
}
PUT /products/_doc/10035
{
"id":"10035",
"title":"BOSE SoundSport耳塞式运动耳机 重低音入耳式防脱降噪音乐耳机",
"category":"潮酷数码会场",
"price":"860.00",
"city":"浙江杭州",
"barcode":"526558749068"
}
PUT /products/_doc/10036
{
"id":"10036",
"title":"【送支架】Beats studio Wireless 2.0无线蓝牙录音师头戴式耳机",
"category":"潮酷数码会场",
"price":"2889.00",
"city":"上海",
"barcode":"37147009748"
}
PUT /products/_doc/10037
{
"id":"10037",
"title":"SONOS PLAY:1无线智能音响系统 美国原创WiFi连接 家庭桌面音箱",
"category":"潮酷数码会场",
"price":"1580.01",
"city":"上海",
"barcode":"527783392239"
}
也可以自动生成 _id 值：
POST /products/_doc
{
"id":"10027",
"title":"vivo X9前置双摄全网通4G美颜自拍超薄智能手机大屏vivox9",
"category":"手机会场",
"price":"2798.00",
"city":"广东东莞",
"barcode":"541396973568"
}
查看文档：
GET /products/_doc/10037
查看指定文档title自带的分词结果：
GET /products/_doc/10037/_termvectors?fields=title
底层索引数据无法修改，修改数据实际上是先删除再重新添加。
两种修改方式：
修改价格字段的值：
# 修改文档 - 替换
PUT /products/_doc/10037
{
"id":"10037",
"title":"SONOS PLAY:1无线智能音响系统 美国原创WiFi连接 家庭桌面音箱",
"category":"潮酷数码会场",
"price":"9999.99",
"city":"上海",
"barcode":"527783392239"
}
修改价格和城市字段的值：
# 修改文档 - 更新部分字段
POST /products/_update/10037
{
"doc": {
"price":"8888.88",
"city":"深圳"
}
}
DELETE /products/_doc/10037
清空：
POST /products/_delete_by_query
{
"query": {
"match_all": {}
}
}
# 删除 products 索引
DELETE /products
Es也要存储一份数据 为了方便进行关键字查询。
创建索引并规定对应的存档方式 创建索引和映射
PUT /pditems
{
"settings": {
"number_of_shards": 3,
"number_of_replicas": 2
},
"mappings": {
"properties": {
"id": {
"type": "long"
},
"brand": {
"type": "text",
"analyzer": "ik_smart"
},
"title": {
"type": "text",
"analyzer": "ik_max_word"
},
"sell_point": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_smart"
},
"price": {
"type": "float"
},
"image": {
"type": "keyword"
},
"cid": {
"type": "long"
},
"status": {
"type": "byte"
},
"created": {
"type": "date",
"format": "yyyy-MM-dd HH:mm:ss"
},
"updated": {
"type": "date",
"format": "yyyy-MM-dd HH:mm:ss"
}
}
}
}
进行查看：
在服务器上，进入 pditems.json 所在的文件夹，执行批量数据导入：
curl -XPOST 'localhost:9200/pditems/_bulk' \
-H 'Content-Type:application/json' \
--data-binary @pditems.json
搜索 pditems 索引中全部 数据：
# 搜索 pditems 索引中全部数据
POST /pditems/_search
{
"query": {
"match_all": {}
},
"size": 3160 #也可根据数据具体数量进行查询
}
# 查询 pditems 索引中title中包含"电脑"的商品
POST /pditems/_search
{
"query": {
"match": {
"title": "电脑"
}
}
}
# 价格大于2000，并且title中包含"电脑"的商品
POST /pditems/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"title": "电脑"
}
}
],
"filter": [
{
"range": {
"price": {
"gte": "2000"
}
}
}
]
}
}
}
POST /pditems/_search
{
"query": {
"multi_match":{
"query": "手机",
"fields": ["title", "sell_point"]
}
},
"highlight" : {
"pre_tags" : ["<i class=\"highlight\">"],
"post_tags" : ["</i>"],
"fields" : {
"title" : {},
"sell_point" : {
"pre_tags": "<em>",
"post_tags": "</em>"
}
}
}
}
Spring Data Elasticsearch 是 Elasticsearch 搜索引擎开发的解决方案。它提供：
模板对象，用于存储、搜索、排序文档和构建聚合的高级API。
例如，Repository 使开发者能够通过定义具有自定义方法名称的接口来表达查询。
添加相关依赖：
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<parent>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-parent</artifactId>
<version>2.3.6.RELEASE</version>
<relativePath/> <!-- lookup parent from repository -->
</parent>
<groupId>cn.tedu</groupId>
<artifactId>es-springboot</artifactId>
<version>0.0.1-SNAPSHOT</version>
<name>es-springboot</name>
<description>Demo project for Spring Boot</description>
<properties>
<java.version>1.8</java.version>
</properties>
<dependencies>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
<scope>test</scope>
<exclusions>
<exclusion>
<groupId>org.junit.vintage</groupId>
<artifactId>junit-vintage-engine</artifactId>
</exclusion>
</exclusions>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-maven-plugin</artifactId>
</plugin>
</plugins>
</build>
</project>
logging.level.tracer=TRACE 作用是在控制台中显示底层的查询日志
pojo需要进行索引的类。添加相关注解
@Document 注解
@Documnet注解对索引的参数进行设置。
上面代码中，把 students 索引的分片数设置为3，副本数设置为2。
@Id 注解
在 Elasticsearch 中创建文档时，使用 @Id 注解的字段作为文档的 _id 值
@Field 注解
通过 @Field 注解设置字段的数据类型和其他属性。
自定义数据操作方法需要遵循 Repository 规范，示例如下：
继承Repository方法，进行增删改查
import org.springframework.data.elasticsearch.annotations.Highlight;
import org.springframework.data.elasticsearch.annotations.HighlightField;
import org.springframework.data.elasticsearch.annotations.HighlightParameters;
import org.springframework.data.elasticsearch.core.SearchHit;
import org.springframework.data.elasticsearch.repository.ElasticsearchRepository;
import java.util.List;
/**
* Repository 接口
* Spring Data的数据访问模范接口
* 声明式数据访问接口，不需要自己写实现类
* 访问ES服务器，需要继承Spring Data ES的ElasticsearchRepository
* 不需要自己写代码，直接调用即可
*/ //必须标明要进行索引的类名 和 ID的类型
public interface StudentRepository extends ElasticsearchRepository<Student,Long> {
//在name中搜索关键字 并进行高亮显示 指定高亮的参数，高亮前后加什么标签
@Highlight(parameters = @HighlightParameters(preTags = "<em>",postTags = "</em>"),
fields = {
@HighlightField(name = "name") //哪个自动来进行高亮显示
})
List<SearchHit<Student>> findByName(String k);
}
使用save进行增加数据：
@Autowired
private StudentRepository s;
@Test
public void tests1(){
Student h2 = new Student(9L,"华中f ",null,"2000-12-10");
Student h3 = new Student(5L,"华中f a",null,"2000-12-10");
Student h4 = new Student(6L,"华中f ",null,"2000-12-10");
Student h5 = new Student(7L,"华中ds ",null,"2000-12-10");
Student h6 = new Student(8L,"华中f ",null,"2000-12-10");
s.save(h2);
s.save(h3);
s.save(h4);
s.save(h5);
s.save(h6);
}进行名字关键字查询：
@Test
public void tests(){
List<SearchHit<Student>> list = s.findByName("华");
//需要将得到的高亮集合进行转成普通集合
List<Object> stulist = new ArrayList<>();
for (SearchHit<Student> sh : list){
Student stu = sh.getContent();
List<String> h1 = sh.getHighlightField("name");
StringBuilder sb = new StringBuilder();
for (String s1 : h1){
sb.append(s1);
}
stu.setName(sb.toString());
stulist.add(stu);
}
System.out.println(stulist);
}
根据名字
根据日期
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.domain.Pageable;
import org.springframework.data.elasticsearch.core.ElasticsearchOperations;
import org.springframework.data.elasticsearch.core.SearchHit;
import org.springframework.data.elasticsearch.core.SearchHits;
import org.springframework.data.elasticsearch.core.query.Criteria;
import org.springframework.data.elasticsearch.core.query.CriteriaQuery;
import org.springframework.stereotype.Component;
import java.util.ArrayList;
import java.util.List;
/**
* Criteria
* 用来封装搜索条件
* CriteriaQuery
* 封装上面的条件对象，分页参数
* ElasticsearchOperations
* 操作对象，用来执行上面查询的工具对象
*/
@Component
public class StudentSearcher {
@Autowired
private ElasticsearchOperations op;
//姓名中所有锁关键词
public List<Student> findByName(String k){
Criteria c = new Criteria("name");
c.is(k);
return exec(c,null);
}
//出生日期范围查询
public List<Student> findByBirthDate(String from, String to, Pageable pageable){
Criteria c = new Criteria("birthDate");
c.between(from,to);
return exec(c,pageable);
}
private List<Student> exec(Criteria c, Pageable pageable) {
//把条件封装到查询对象
CriteriaQuery q = new CriteriaQuery(c);
if (pageable != null){
q.setPageable(pageable);
}
SearchHits<Student> shs = op.search(q, Student.class);
//转换成list集合
List<Student> list = new ArrayList<>();
for (SearchHit<Student> sh : shs){
list.add(sh.getContent());
}
return list;
}
}
添加依赖：
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>
//进行实现分页显示
@Override
public Map<String, Object> search(Map searchMap) {//使用map集合才能装下数据
HashMap<String, Object> dataMap = new HashMap<>();
List<User> admin = userMapper.findByUserName("admins"); //进行模糊查询
System.out.println(admin);
int pageTotal = admin.size();//得到查询的总数
System.out.println(pageTotal);
int size = Math.round(pageTotal / 3);//向上取整得到所有的分页数
System.out.println(size);
dataMap.put("pageTatol",pageTotal);
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); //使用es中的此方法进行分页操作
Integer pageNo = Integer.valueOf((String) searchMap.get("pageNo")) ;//定义索引中的分页查询参数
if (pageNo<=0){//当页数为0时，页数赋值等于1
pageNo=1;
}
Integer pageSize = 3; //设置为3条
pageNo = (pageNo-1)*pageSize;//因为上面设置为1，所以要变成初始值，并且显示多少页
searchSourceBuilder.from(pageNo);
searchSourceBuilder.size(pageSize); 索引中的from与size参数直接进行调用设置
return dataMap;
}