elasticsearch基础6——head插件安装和web页面查询操作使用、ik分词器

2023-11-11

文章目录

一、基本了解
- 1.1 插件分类
- 1.2 插件管理命令
二、分析插件
三、Head 插件
四、ik分词器

一、基本了解

1.1 插件分类

插件是用户以自定义方式增强es功能的一种方法，分两类，核心插件和社区贡献插件。

插件太多，只需要熟悉插件的安装流程即可，根据项目需要再自行安装。

核心插件：

核心插件属于es项目，插件的版本号始终与es安装包的版本号相同，这些插件由es团队维护。

项目地址

社区贡献插件：

社区贡献插件属于es项目外部的插件。这些插件由单个开发人员或私人公司提供，并拥有各自的许可证及各自的版本控制系统。

1.2 插件管理命令

1.列出当前已安装的插件。这里显示的就是我们已经安装了一个ik分词器插件。

[es-qingjun@localhost bin]$ elasticsearch-plugin list

在这里插入图片描述
2.安装插件。

[es-qingjun@localhost bin]$ elasticsearch-plugin install analysis-icu

在这里插入图片描述
3.删除插件。

[es-qingjun@localhost bin]$ elasticsearch-plugin remove analysis-icu

在这里插入图片描述

我们可以使用相关命今获取插件命令的使用说明：$es_home/bin/elasticsearch-plugin - h
1.插件位置指定
当在根目录中运行 Elasticsearch 时，如果使用 DEB 或RPM 安装了 Elasticsearch，则以根目录运行 /usr /share / Elasticsearch/ bin /Elasticsearch-plugin，以便 Elasticsearch 可以写入磁盘的相应文件，否则需要以拥有所有 Elasticsearch 文件的用户身份运行 bin/ Elasticsearch 插件当用户自定义URL 或文件系统时，用户可以通过指定 URL 直接从自定义位置下载插件:
sudo bin / elasticsearch - plugin install [url]

二、分析插件

基本了解：

分析器会接受一个字符串作为输入参数，将这个字符串拆分成独立的词或语汇单元(也称之为 token)。

在处理过程中会丢弃一些标点符号等字符，处理后会输出一个语汇单元流(也称之为 token stream)。

es为很多语言提供了专用的分析器，特殊语言所需的分析器可以由用户根据需要以插件的形式提供。

分析器组成的三个部分：

character filter: 分词之前的预处理，过滤HTML标签、特殊符号转换等。

tokenizer：用于分词。

token filter：用于标准化输出。

es内置的主要分析器：

Standard分析器：默认的分词器，会将词汇单元转换成小写形式，并且去除停用词和标点符号，支持中文(采用的方法为单字切分)。停用词指语气助词等修饰性词语，如 the、an、的、这等。

Simple分析器：首先通过非字母字符分割文本信息，并去除数字类型的字符，然后将词汇单元统一为小写形式。

Whitespace分析器：仅去除空格，不会将字符转换成小写形式，不支持中文:不对生成的词汇单元进行其他标准化处理。

Stop分析器：与Simple 分析器相比，增加了去除停用词的处理。

Keyword分析器：该分析器不进行分词，而是直接将输入作为一个单词输出。

Pattern分析器：该分析器通过正则表达式自定义分隔符，默认是“]W+”，即把非字词的符号作为分隔符。

Language分析器：这是特定语言的分析器，不支持中文，支持如 English、French 和Spanish 等蛮豆颓逼磺糯敢奇害弋亭缆忸侠子补。

注意事项：

任何全文检索的字符串域都会默认使用 Standard 分析器。

Standard分析器简介：
工作模式：一般来说，分析器会接受一个字符串作为输入。在工作时，分析器会将这个字符串拆分成独立的词或语汇单元(称之为 token)，当然也会丢弃一些标点符号等字符，最终分析器输出一个语汇单元流。
常规分析器使用算法：Whitespace 分词算法。
该算法按空白字符，如空格、Tab、换行符等，对语句进行简单的拆分，将连续的非空格字符组成一个语汇单元。
例如，对下面的语句使用 Whitespace 分词算法分词时，会得到如下结果:
原文:You're the lst runner home!
结果: You're、the、st、runner、home!
Standard 分析器使用算法： Unicode 文本分制算法。

可以寻找单词之间的界限，并输出所有界限之间的内容。

Unicode 内包含的知识使其可以成功地对包含混合语言的文本进行分词。

2.1 es中的分析插件

分析插件是一类插件，可通过向es中添加新的分析器、标记化器、标记过滤器或字符过滤器等扩展es的分析功能。

2.1.1 官方核心分析插件

插件名称	作用
ICU库	可以扩展对 Unicode 的支持，包括更好地分析亚洲语言、Unicode 规范化、支持 Unicode 的大小写折叠、支持排序和音译。
Kuromoji 插件	对日语进行分析
Lucene Nori 插件	对韩语进行分析
Phonetic 插件	可以使用 Soundex、Metaphone、Caverphone 和其他编码器/解码器将标记分析为其语音等价物。
SmartCN插件	可用于对中文或中英文混合文本进行分析。该插件利用概率知识对简化中文文本进行最优分词。首先文本被分割成句子，然后每个句子再被分割成单词。
Stempel插件	对波兰语进行分析
Ukrainian 插件	为乌克兰语提供词干分析

2.1.2 社区提供分析插件

插件名称	作用
IK Analysis Plugin	将 Lucene IK Analyzer 集成到 Elasticsearch 中，支持读者自定义字典
Pinyin Analysis Plugin	一款拼音分析插件，该插件可对汉字和拼音进行相互转换。
Vietnamese Analysis Plugin	对越南语进行分析
Network Addresses Analysis Plugin	可以用于分析网络地址。
Dandelion Analysis Plugin	可译为蒲公英分析插件，该插件提供了一个分析器(称为“蒲公英-A”)，该分析器会从输入文本中提取的实体进行语义搜索。
STConvert Analysis Plugin	可对中文简体和繁体进行相互转换

2.2 API扩展插件

API扩展插件通过添加新的、与搜索有关的 API 或功能，实现对es新功能的添加。

es社区人员陆陆续续贡献了不少API扩展插件编辑器，汇总如下：

插件名称	作用
Carrot2 Plugin	用于结果聚类。可访问 GitHub 官网搜索 elasticsearch-carrot2，查看配套代码。
Elasticsearch Trigram Accelerated Regular Expression Filter	该插件包括查询、过滤器、原生脚本、评分函数，以及用户最终创建的任意其他内容，通过该插件可以让搜索变得更好。可访问 GitHub 官网搜索 search-extra 获取插件。
Elasticsearch Experimental Highlighter	Java 编写，用于文本高亮显示。可访问 GitHub 官网，搜索 search-highlighter 获取插件。
Entity Resolution Plugin	该插件使用 Duke (Duke 是一个用 Java 编写的、快速灵活的、删除重复数据的引擎)进行重复检测。读者可访问 GitHub 官网，搜索 elasticsearch-entity-resolution 获取插件
Entity Resolution Plugin(zentity)	用于实时解析es中存储的实体信息。可访问 GitHub 官网，搜索zentity 获取插件。
POL language Plugin	该插件允许用户使用简单的管道查询语法对es进行查询。可访问 GitHub官网，搜索 elasticsearch-pql 获取插件。
Elasticsearch Taste Plugin	该插件基于 Mahout Taste 的协同过滤算法实现。可访问 GitHub 官网，搜索elasticsearch-taste 获取插件。
WebSocket Change Feed Plugin	该插件允许客户端创建到es节点的 WebSocket 连接，并从数据库接收更改的提要。可访问 GitHub 官网，搜索 es-change-feed-plugin 获取插件

三、Head 插件

es-head插件在0.x-2.x版本时，是集成在elasticsearch内的。由elasticsearch的bin/elasticsearch-plugin来管理插件，从2.x版本跳到了5.x版本后，head就作用了一个独立的服务来运行了。

Elasticsearch 5之后则需要将elasticsearch-head服务单独运行，并且支持Chrome的插件方式或者Docker容器运行方式。

这个插件我们前面已经安装过，这里就介绍下具体怎么玩它。

插件简介：

Head 插件，全称为 elasticsearch-head，是一个界面化的集群操作和管理工具，可以对集群进行“傻瓜式”操作。

既可以把 Head 插件集成到 Elasticsearch 中，也可以把 Head 插件当成-个独立服务。

主要功能：

显示es集群的拓扑结构，能够执行索引和节点级别的操作。

在搜索接口能够查询es集群中原始JSON 或表格格式的数据。

能够快速访问并显示es集群的状态。

3.1 安装

1.安装node.js环境，注意版本不要太高，不然会跟linux本身的依赖库包版本冲突报错。

[root@localhost bck]# tar zxf node-v16.9.0-linux-x64.tar.gz 
[root@localhost bck]# mv node-v16.9.0-linux-x64 /usr/local/node

[root@localhost bck]# tail -2 /etc/profile
export node_home=/usr/local/node
export PATH=$node_home/bin:$PATH

[root@localhost bck]# source /etc/profile
[root@localhost bck]# node -v
v16.9.0

在这里插入图片描述
2.解压es-head安装包，安装依赖。注意这里需要进入解压出来的目录里执行命令。下载地址

#安装cnpm
[root@localhost elasticsearch-head-5.0.0]# npm install -g cnpm --registry=https://registry.npm.taobao.org

#安装依赖
[root@localhost elasticsearch-head-5.0.0]# cnpm install

在这里插入图片描述

3.启动es-head

[root@localhost elasticsearch-head-5.0.0]# npm run start

在这里插入图片描述
4.访问页面。

5.修改es配置文件，添加如下两行，解决跨域问题。

[root@localhost elasticsearch-8.5.2]# vi config/elasticsearch.yml 
http.cors.enabled: true
http.cors.allow-origin: "*"

6.重启es，es-head就可以连接es了。
在这里插入图片描述

3.2 web页面使用

Head 插件首页由 4 部分组成：节点地址输入区域、信息刷新区域、导航条、概览中的集群信息汇总。

3.2.1 概览页

第一部分：节点地址输入区域。这里输入es集群任意一个节点IP就可以查看集群所有状态和数据。

第二部分：信息刷新区域。
刷新区域可以查看es相关的信息和刷新插件的信息。
2. 信息区域可以看到es相关的信息，包括集群节点信息、节点状态、集群状态集群信息、集群健康值等内容。单击对应的按钮，即可查看对应的信息。

第三部分：导航条。看到概览、索引、数据浏览、基本查询和复合查询五个 Tab 导航，默认为概览。

第四部分：概览中的集群信息汇总。可以看到es已经创建的索引，这些索引信息包含了索引的名称、索引的大小和索引的数据量，并且通过“信息”和“动作”两个按钮可以查看索引信息，或者给索引创建别名。

第五部分：集群健康值。es中有专门的衡量索引健康状况的标志，分为三个等级：

green，绿色。代表所有的主分片和副本分片都已分配，集群是 100% 可用的。

yellow，黄色。所有的主分片已经分片了，但至少还有一个副本是缺失的，不会有数据丢失，所以搜索结果依然是完整的。不过高可用性在某种程度上会被弱化。如果更多的分片消失，就会丢数据了。可以把 yellow 想象成一个需要及时调查的警告。

red，红色。至少一个主分片以及它的全部副本都在缺失中。意味缺少数据，搜索只能返回部分数据，而分配到这个分片上的写入请求会返回一个异常。

当只有一台主机时，索引的健康状况是 yellow。因为一台主机，集群没有其他的主机可以做副本，所以说，这就是一个不健康的状态，因此集群也是十分有必要的。

第六部分：索引分片。Elasticsearch数据就存储在这些分片中。每一个方框就是elasticsearch的分片，粗线方框是es的主分片，主分片旁边细线方框是es的备份分片，对应关系，粗线方框0的备份分片是细线方框0，以此类推。

3.2.1.1 unassigned问题解决

副本分片作用：

主要目的是为了故障转移，为备份数据。如果持有主分片的节点挂掉了，一个副本分片就会晋升为主分片的角色。

产生unassigned问题原因：

副本分片和主分片不能放在同一个节点上，在这里集群里只有一个节点，副本分片没有办法分配到其他的节点上，所以出现所有副本分片都是未分配的情况。因为只有一个节点，如果存在主分片节点挂掉了，那么整个集群理应就挂掉了，不存在副本分片升为主分片的情况。

处理手段：

将每个索引的副本数重置为0即可解决这个未知节点问题。“number_of_replicas”:0

3.2.2 索引页

可以查看当前es集群中的索引情况。

在这里插入图片描述
1.新建索引。

2.查看。

3.2.3 数据浏览页

可以查看特定索引下的数据。

在这里插入图片描述

3.2.4 基本查询页

在这里插入图片描述

匹配方式：

must子句：文档必须匹配 must 查询条件，相当于“=”。

should子句：文档应该匹配 should 子查询的一个或多个条件。

must_not子句：文档不能匹配该查询条件，相当于“!=”。

term：表示的是精确匹配。

wildcard：表示的是通配符匹配。

prefix：表示的是前缀匹配。

range：表示的是区间查询。

注意事项：

当用多个查询条件进行搜索或查询时，需要注意多个查询条件间的匹配方式。

匹配方式主要有3种，即must、should 和mus_not。

“+”“_”按用于增加查询条件或减少查询条件。

在查询结果展示区域中，用户可以设置数据的呈现形式，如 table、JSON、CVS 表格等还可以勾选“显示查询语句”选项，呈现通过表单内容拼接的搜索语句。

3.2.4.1 term指定查询

在这里插入图片描述

3.2.4.2 range范围查询

在这里插入图片描述

3.2.4.3 多条件查询

在这里插入图片描述

3.2.5 复合查询页

基本了解：

“复合查询”标签页可以自由拼接条件，进行复杂的数据查询。

“复合查询”标签页为用户提供了编写 RESTful接口风格的请求，用户可以使用JSON 进行复杂的查询，比如发送 PUT 请求新增及更新索引，使用 delete 请求删除索引等。

RESTful API的基本格式：

http://ip:port/索引/类型/文档ID

配置接口的四个选项：

在es中，以POST 方法自动生成ID，而 PUT 方法需要指明ID。

请求方法与HTTP 的请求方法相同，如 GET、PUT、POST、DELETE 等。

还可以配置查询JSON 请求数据、请求对应的es节点和请求路径。

支持配置JSON验证器对用户输入的JSON 请求数据进行JSON 格式校验。

支持重复请求计时器配置重复请求的频率和时间。

在结果转换器中支持使用 JavaScript 表达式变换结果。

3.2.5.1 查询数据

查询。查询索引111中编号为1的文档。

在这里插入图片描述

3.2.5.2 插入数据

新增数据有两种方式，POST和PUT，两者的区别就是POST自动生成文档编号，也可以指定，而PUT需要指定文档编号生成。

1.post方式指定id生成。
在这里插入图片描述

2.post方式不指定id生成会是随机生成一个id。

3.put方式指定id生成。

3.2.5.3 查询所有文档

在这里插入图片描述

3.2.5.4 布尔查询

must：文档必须匹配这些条件才能被搜索出来。

must_not：文档必须不匹配这些条件才能被搜索出来。

should：如果满足这些语句中的任意语句，则将增加搜索排名结果 score; 否则，对查询结果无任何影响。其主要作用是修正每个文档的相关性得分。

filter：表示必须匹配，但它是以不评分的过滤模式进行的。这些语句对评分没有贡献只是根据过滤标准排除或包含文档。

注意事项：

如果没有 must 语句，那么需要至少匹配其中的一条 should 语句。但如果存在至少一条 must 语句，则对 should 语句的匹配没有要求。

查看匹配”qingjun“，且不匹配”baimu“的文档。

{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "qingjun"
          }
        }
      ],
      "must_not": [
        {
          "match": {
            "name": "baimu"
          }
        }
      ]
    }
  }
}

在这里插入图片描述

3.2.5.5 创建索引库

在这里插入图片描述

四、ik分词器

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。

注意事项：

如果要使用中文，建议使用ik分词器 !

ik提供了两个分词算法：ik_smat 和ik_max_word，其中 ik_mart 为最少切分，ik_max_word为最细粒度划分!一会我们测试!

常用配置文件：

IKAnalyzer.cfg.xml：用来配置自定义词库。

main.dic：ik原生内置的中文词库，总共有27万多条，只要是这些单词，都会被分在一起，最常用的文件。

quantifier.dic：存放了一些单位相关的词。

suffix.dic：存放了一些后缀。

surname.dic：中国的姓氏。

stopword.dic：包含了英文的停用词，停用词 stop word ，比如 a 、the 、and、 at 、but 等会在分词的时候直接被干掉，不会建立在倒排索引中。

4.1 Windows安装

1.下载ik分词器安装包，注意下载版本需要与安装的es版本一致。github下载地址
在这里插入图片描述
2.将下载的压缩包解压到我们本地安装es根目录下的plugins目录。我这里新增加了一个ik目录是为了好区分，该目录下的所有文件就是解压出来的。

3.重启es，包括与之相关的所有服务kibana。重启再启动后能读到分词器，日志就会显示。
在这里插入图片描述
4.可以通过elasticsearch-plugin命令查看加载进来的插件，这里就显示了一个ik插件。

5.启动kibana测试。

get _analyze       ##get请求，_analyze为请求对象（分词器）。下面括号内容为请求要求。
{
  "analyzer": "ik_smart",        ##选中ik分词器。
  "text": "跟我一起学运维"                ##分哪个词。
}

ik_smart为最少切分，是将一句话按段切分出来的，分出来的内容没有重复的字。

在这里插入图片描述

ik_max_word最小粒度划分，穷尽所有组合，会出现重复的字。

在这里插入图片描述

这里就出现了一个问题，把“学运维”三个字拆分了，我不需要将这三个字拆分，应该是一个组合词，该怎么办？自己去添加词库。

6.进入ik分词器安装目录下的config目录，手动创建一个文档，以dic结尾，里面添加我们想要的词。
在这里插入图片描述
7.将新建的文档名称添加到IKAnalyzer.cfg.xml文件中。

8.重启es和kibana。
在这里插入图片描述
9.再次查看kibana上的分词效果。此时“学运维”就是我们添加再词库里的词，而不是切分开来；用最小粒度查看就多了一个“学运维”词，之前是没有这个词的。

4.2 Linux安装

1.同样需要准备ik分词器的安装包，版本最好与es、kibana版本一致。我们还是解压到es的插件目录里，方便管理。
在这里插入图片描述
2.进入config目录，自定义分词。

第一种，在默认词库里添加后在重启es、kibana服务，测试效果。

在这里插入图片描述

第二种，新建自定义分词库，再重启es和kibana，测试效果。

在这里插入图片描述

4.3 自定义停用词词典

上面我们已经自定义了“学运维”一词，在分词时可以把这三个字排一起当成一个词分出来。

当然也可以自定义停用词词典，比如了、的、啥、么，我不像搜索这样的词出来。

1.比如我想在能把“吧”这个词搜索出来，对我没有实际意义，就可以把它单独停用。
在这里插入图片描述
2.在ik/config目录下自定义个文件，里面添加不像分的词，再添加到IKAnalyzer.cfg.xml文件里，最后重启es和kibana。

在这里插入图片描述
3.重启后在测试，就不会有“吧”这个词了。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)