ElasticSearch7.x的基本操作学习（一）:概念了解

Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎&＃xff0c;基于RESTful web接口。Elasticsearch是用Java语言开发的&＃xff0c;并作为Apache许可条款下的开放源码发布&＃xff0c;是一种流行的企业级搜索引擎。Elasticsearch用于云计算中&＃xff0c;能够达到实时搜索&＃xff0c;稳定&＃xff0c;可靠&＃xff0c;快速&＃xff0c;安装使用方便。官方客户端在Java、.NET&＃xff08;C#&＃xff09;、PHP、Python、Apache Groovy、Ruby和许多其他语言中都是可用的。根据DB-Engines的排名显示&＃xff0c;Elasticsearch是最受欢迎的企业搜索引擎&＃xff0c;其次是Apache Solr&＃xff0c;也是基于Lucene。

简单来说&＃xff1a;就是用于做全文搜索&＃xff0c;结构化搜索&＃xff0c;分析使用;

1.ElasticSearch的安装

注意:对于java的JDK要求&＃xff0c;最低也得1.8


点击进入es官网地址下载

IK分词器下载

Kibana华为云镜像下载

1.1ES的启动

• 启动成功&＃xff0c;出现127.0.0.1/9200
  
• 访问一下呗~
  

2.安装ES的可视化界面&＃xff1a;es-head

点击获取es-head的下载地址

注意&＃xff1a;在windows下&＃xff0c;安装head插件需要NodeJS的环境&＃xff1b;

在head插件中&＃xff0c;输入cmd打开终端窗口&＃xff0c;输入npm run start 启动前端项目


• 打开页面&＃xff0c;发现已经启动好了head插件

注意&＃xff1a;第一次启动head插件的时候可能会出现跨域错误&＃xff0c;改如何解决&＃xff1a;
打开es->找到config文件夹->打开elasticsearch.yml->配置下图内容即可&＃xff1a;

2.1利用head插件创建一个索引

对于初学:我自己的建议是把es看做一张数据库表就可以了&＃xff0c;然后可以在数据库中创建表等一些操作.


3.kibana的安装

3.1kibana的介绍

Kibana是一个开源的分析与可视化平台&＃xff0c;设计出来用于和Elasticsearch一起使用的。你可以用kibana搜索、查看存放在Elasticsearch中的数据。Kibana与Elasticsearch的交互方式是各种不同的图表、表格、地图等&＃xff0c;直观的展示数据&＃xff0c;从而达到高级的数据分析与可视化的目的。
Elasticsearch、Logstash和Kibana这三个技术就是我们常说的ELK技术栈&＃xff0c;可以说这三个技术的组合是大数据领域中一个很巧妙的设计。一种很典型的MVC思想&＃xff0c;模型持久层&＃xff0c;视图层和控制层。Logstash担任控制层的角色&＃xff0c;负责搜集和过滤数据。Elasticsearch担任数据持久层的角色&＃xff0c;负责储存数据。而我们这章的主题Kibana担任视图层角色&＃xff0c;拥有各种维度的查询和分析&＃xff0c;并使用图形化的界面展示存放在Elasticsearch中的数据。

作者&＃xff1a;叩丁狼教育
链接&＃xff1a;https://www.jianshu.com/p/8001ac47c378
来源&＃xff1a;简书
著作权归作者所有。商业转载请联系作者获得授权&＃xff0c;非商业转载请注明出处。

简单来说:就是用于es的可视化平台&＃xff0c;用来搜索&＃xff0c;查看交互存储在es中的索引数据.

下载地址:kibana对应的华为云的镜像地址

直接点击启动即可:

4.ES核心概念

记住一个观点:ES是面向文档


关系型数据和ES的比较:

elasticsearch(集群)中可以包含多个索引(数据库)&＃xff0c;每个索引中可以包含多个类型(表)&＃xff0c;每个类型下又包含多个文档(行)&＃xff0c;每个文档中又包含多个字段(列)。

物理设计&＃xff1a;
es把后台的索引分片成多个&＃xff0c;每片分片可以在集群的不同的服务器迁移&＃xff1b;
就算es只有一台&＃xff0c;那么对于它自己而言&＃xff0c;它一个就是集群;

文档–>(一条数据)

之前说elasticsearch是面向文档的&＃xff0c;那么就意味着索引和搜索数据的最小单位是文档&＃xff0c;elasticsearch中&＃xff0c;文档有几个重要属性:

自我包含&＃xff0c;一篇文档同时包含字段和对应的值&＃xff0c;也就是同时包含key:value !
可以是层次型的&＃xff0c;一个文档中包含自文档&＃xff0c;复杂的逻辑实体就是这么来的! {就是一个json对象 ! fastjson进行自动转换 !}
灵活的结构&＃xff0c;文档不依赖预先定义的模式&＃xff0c;我们知道关系型数据库中&＃xff0c;要提前定义字段才能使用&＃xff0c;在elasticsearch中&＃xff0c;对于字段是非常灵活的&＃xff0c;有时候,我们可以忽略该字段&＃xff0c;或者动态的添加一个新的字段。

类型—>(一张表)

类型是文档的逻辑容器&＃xff0c;就像关系型数据库一样&＃xff0c;表格是行的容器。类型中对于字段的定义称为映射&＃xff0c;比如name映射为字符串类型。我们说文档是无模式的&＃xff0c;它们不需要拥有映射中所定义的所有字段&＃xff0c;比如新增一个字段&＃xff0c;那么elasticsearch是怎么做的呢?

elasticsearch会自动的将新字段加入映射&＃xff0c;但是这个字段的不确定它是什么类型&＃xff0c;elasticsearch就开始猜&＃xff0c;如果这个值是18&＃xff0c;那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对&＃xff0c;所以最安全的方式就是提前定义好所需要的映射&＃xff0c;这点跟关系型数据库殊途同归了&＃xff0c;先定义好字段&＃xff0c;然后再使用&＃xff0c;别整什么幺蛾子。

索引–>(相当于一个数据库,里面可以有很多表)

索引是映射类型的容器&＃xff0c; 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。

5.ES的倒排索引

简单说就是 按&＃xff08;文章关键字&＃xff0c;对应的文档<0个或多个>&＃xff09;形式建立索引&＃xff0c;根据关键字就可直接查询对应的文档&＃xff08;含关键字的&＃xff09;&＃xff0c;无需查询每一个文档&＃xff0c;如下图

比如说我们去查询有python的数据&＃xff0c;我们可以不再根据id一个个来查询标签&＃xff0c;而是直接找到标签所对应的文章id即可&＃xff0c;完全过滤掉无关的数据&＃xff0c;提高查询效率。

6.IK分词器(elasticsearch插件)

可以理解为&＃xff1a;中文分词器


6.1 IK分词器有什么用呢?

分词&＃xff1a;即把一段中文或者别的划分成一个个的关键字&＃xff0c;我们在搜索时候会把自己的信息进行分词&＃xff0c;会把数据库中或者索引库中的数据进行分词&＃xff0c;然后进行一一个匹配操作&＃xff0c;默认的中文分词是将每个字看成一个词&＃xff08;不使用用IK分词器的情况下&＃xff09;&＃xff0c;比如“我爱中国”会被分为”我”&＃xff0c;”爱”&＃xff0c;”狂”&＃xff0c;”神” &＃xff0c;这显然是不符合要求的&＃xff0c;所以我们需要安装中文分词器ik来解决这个问题。

6.2 下载地址:

https://github.com/medcl/elasticsearch-analysis-ik/releases

6.3如何使用

1.下载完毕后&＃xff0c;放入es的plugins目录下
2.然后&＃xff0c;重启我们的es;
3.测试:
1.ik_smart&＃xff1a;最少切分&＃xff08;意思是:尽量组成词语&＃xff0c;少做切分&＃xff09;

2.ik_max_word&＃xff1a;最细粒度划分&＃xff08;穷尽词库的可能&＃xff0c;尽量组成词语&＃xff0c;多做切分&＃xff0c;提高查询的可能性&＃xff09;
3.从上面看&＃xff0c;感觉分词都比较正常&＃xff0c;但是大多数&＃xff0c;分词都满足不了我们的想法&＃xff0c;如下例

那么&＃xff0c;我们需要手动将该词添加到分词器的词典当中