阅读本文前可先参考

Elasticsearch - Elasticsearch详解；安装部署（一）_MinggeQingchun的博客-CSDN博客

https://blog.csdn.net/MinggeQingchun/article/details/126855747

一、文档分析

文档分析过程如下：

1、将一块文本分成适合于倒排索引的独立的词条

2、将这些词条统一化为标准格式以提高它们的“可搜索性”，或者 recall

分析器执行上面的工作，实际是将三个功能封装到一个包里

一个分析器就是在一个包里面组合了三种函数的一个包装器，三种函数按照顺序被执行

1、字符过滤器

首先，字符串按顺序通过每个字符过滤器。他们的任务是在分词前整理字符串。一个字符过滤器可以用来去掉 HTML，或者将 & 转化成 and

2、分词器

其次，字符串被分词器分为单个的词条。一个简单的分词器遇到空格和标点的时候，可能会将文本拆分成词条（一个分析器必须有一个唯一的分词器）

3、Token 过滤器

最后，词条按顺序通过每个 token 过滤器。这个过程可能会改变词条（如，小写化Quick ），删除词条（如，像 a，and，the 等无用词），或者增加词条（如，像 jump 和 leap 这种同义词）

（一）内置分析器

Elasticsearch 附带了可以直接使用的预包装的分析器

验证每个分析器会从如下的字符串得到哪些词条：

"Set the shape to semi-transparent by calling set_trans(5)"

1、标准分析器

标准分析器是 Elasticsearch 默认使用的分析器。它是分析各种语言文本最常用的选择。它根据 Unicode 联盟定义的单词边界划分文本。删除绝大部分标点。最后，将词条小写。

它会产生：

set, the, shape, to, semi, transparent, by, calling, set_trans, 5

2、简单分析器

简单分析器在任何不是字母的地方分隔文本，将词条小写。

它会产生：

set, the, shape, to, semi, transparent, by, calling, set, trans

3、空格分析器

空格分析器在空格的地方划分文本。

它会产生：

Set, the, shape, to, semi-transparent, by, calling, set_trans(5)

4、语言分析器

特定语言分析器可用于很多语言。它们可以考虑指定语言的特点。如，英语分析器附带了一组英语无用词（常用单词，例如 and 或者 the ，它们对相关性没有多少影响），它们会被删除。由于理解英语语法的规则，这个分词器可以提取英语单词的词干。

英语分词器会产生下面的词条：

set, shape, semi, transpar, call, set_tran, 5

测试：

Postman中发送GET请求：http://localhost:9200/_analyze

{"analyzer": "standard","text": "Text to analyze"
}

每个元素代表一个单独的词条

token 是实际存储到索引中的词条

position 指明词条在原始文本中出现的位置

start_offset 和 end_offset 指明字符在原始字符串中的位置

（二）分析器使用场景

当我们索引一个文档，它的全文域被分析成词条以用来创建倒排索引。但是，当我们在全文域搜索的时候，我们需要将查询字符串通过相同的分析过程，以保证我们搜索的词条格式与索引中的词条格式一致

全文查询，理解每个域是如何定义的，因此它们可以做正确的事：

（1）查询一个全文域时，会对查询字符串应用相同的分析器，以产生正确的搜索词条列表

（2）查询一个精确值域时，不会分析查询字符串，而是搜索你指定的精确值

（三）IK分词器

ES 的默认分词器无法识别中文中测试、单词这样的词汇，而是简单的将每个字拆完分为一个词

采用IK分词器

下载地址：

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

找到对应版本下载，如

将解压后的后的文件夹放入 ES 根目录下的 plugins 目录下，重启 ES 即可使用

1、ik_max_word； ik_smart

加入新参数："analyzer":"ik_max_word"

{
"text":"测试单词",
"analyzer":"ik_max_word"
}

ik_max_word：会将文本做最细粒度的拆分

ik_smart：会将文本做最粗粒度的拆分

2、扩展词

（1）首先进入 ES 根目录中的 plugins 文件夹下的 ik 文件夹，进入 config 目录，创建 custom.dic 文件，写入"测试单词"

（2）打开 IKAnalyzer.cfg.xml 文件，将新建的 custom.dic 配置其中，重启 ES 服务器

再次测试

（四）自定义分析器

1、自定义分析器

发送PUT请求 http://localhost:9200/my_index

{"settings":{"analysis":{"char_filter":{"&_to_and":{"type":"mapping","mappings":["&=> and "]}},"filter":{"my_stopwords":{"type":"stop","stopwords":["the","a"]}},"analyzer":{"my_analyzer":{"type":"custom","char_filter":["html_strip","&_to_and"],"tokenizer":"standard","filter":["lowercase","my_stopwords"]}}}}
}

索引创建好，使用 analyze API 测试分析器

发送GET请求 http://127.0.0.1:9200/my_index/_analyze

{"text":"The cat & brown fox","analyzer": "my_analyzer"
}

二、文档冲突

1、文档冲突

当我们使用 index API 更新文档，可以一次性读取原始文档，做修改，然后重新索引整个文档。最近的索引请求将获胜：无论最后哪一个文档被索引，都将被唯一存储在 Elasticsearch 中。如果其他人同时更改这个文档，他们的更改将丢失。变更越频繁，读数据和更新数据的间隙越长，也就越可能丢失变更。

常见的场景：如火车票销售余票数量，商品销售库存数量等

在数据库领域中，有两种方法通常被用来确保并发更新时变更不会丢失：

（1）悲观并发控制

这种方法被关系型数据库广泛使用，它假定有变更冲突可能发生，因此阻塞访问资源以防止冲突。一个典型的例子是读取一行数据之前先将其锁住，确保只有放置锁的线程能够对这行数据进行修改

（2）乐观并发控制

Elasticsearch 中使用的这种方法假定冲突是不可能发生的，并且不会阻塞正在尝试的操作。然而，如果源数据在读写当中被修改，更新将会失败。应用程序接下来将决定该如何解决冲突。如：可以重试更新、使用新的数据、或者将相关情况报告给用户

2、乐观并发控制

Elasticsearch 是分布式的。当文档创建、更新或删除时，新版本的文档必须复制到集群中的其他节点。

Elasticsearch 也是异步和并发的，文档复制请求被并行发送，并且到达目的地时，也许顺序是乱的。Elasticsearch 需要一种方法确保文档的旧版本不会覆盖新的版本

测试index 的 GET 和 delete 请求时，每个文档都有一个 _version （版本）号，当文档被修改时版本号递增。 Elasticsearch 使用这个 version 号来确保变更以正确顺序得到执行。如果旧版本的文档在新版本之后到达，它可以被简单的忽略

我们可以利用 version 号来确保应用中相互冲突的变更不会导致数据丢失。我们通过指定想要修改文档的 version 号来达到这个目的。如果该版本不是当前版本号，我们的请求将会失败

注：

老的版本 es 使用 version，但是新版本不支持了，会报下面的错误，提示我们用 if_seq_no 和 if_primary_term

_seq_no：文档版本号，作用同_version（相当于学生编号，每个班级的班主任为学生分配编号，效率要比学校教务处分配来的更加高效，管理起来更方便）

_primary_term：文档所在位置（相当于班级）

官网文档：

ES之4：Elasticsearch并发控制及乐观锁实现原理_mb5fdb1266ce6df的技术博客_51CTO博客

发送POST请求，http://127.0.0.1:9200/shopping/_update/1?version=1

{ "doc": {"price":3000.00}
}

报错如下：

{"error": {"root_cause": [{"type": "action_request_validation_exception","reason": "Validation Failed: 1: internal versioning can not be used for optimistic concurrency control. Please use `if_seq_no` and `if_primary_term` instead;"}],"type": "action_request_validation_exception","reason": "Validation Failed: 1: internal versioning can not be used for optimistic concurrency control. Please use `if_seq_no` and `if_primary_term` instead;"},"status": 400
}

重新发送POST请求： http://127.0.0.1:9200/shopping/_update/1?if_seq_no=1&if_primary_term=1

{ "doc": {"price":3000.00}
}

就会修改成功

如果携带旧版本号 seq_no，就会报错冲突

[1]: version conflict, required seqNo [1], primary term [1]. current document has seqNo [2] and primary term [1]

{"error": {"root_cause": [{"type": "version_conflict_engine_exception","reason": "[1]: version conflict, required seqNo [1], primary term [1]. current document has seqNo [2] and primary term [1]","index_uuid": "_Ks_veihS4Ga8eh0hl24eA","shard": "0","index": "shopping"}],"type": "version_conflict_engine_exception","reason": "[1]: version conflict, required seqNo [1], primary term [1]. current document has seqNo [2] and primary term [1]","index_uuid": "_Ks_veihS4Ga8eh0hl24eA","shard": "0","index": "shopping"},"status": 409
}

3、外部系统版本控制

如果使用其它数据库作为主要的数据存储，使用 Elasticsearch 做数据检索，这意味着主数据库的所有更改发生时都需要被复制到 Elasticsearch ，如果多个进程负责这一数据同步，同样会遭遇文档冲突的问题

如果主数据库已经有了版本号或一个能作为版本号的字段值，如 timestamp；那么你就可以在 Elasticsearch 中通过增加 version_type=external 到查询字符串的方式重用这些相同的版本号，版本号必须是大于零的整数，且小于 9.2E+18 （一个 Java 中 long类型的正值）

外部版本号的处理方式和内部版本号的处理方式有些不同，Elasticsearch 不是检查当前 _version 和请求中指定的版本号是否相同，而是检查当前 _version 是否小于指定的版本号。如果请求成功，外部的版本号作为文档的新 _version 进行存储

外部版本号不仅在索引和删除请求是可以指定，而且在创建新文档时也可以指定

首先查看文档：http://127.0.0.1:9200/shopping/_doc/1

发送POST请求：http://127.0.0.1:9200/shopping/_doc/1?version=3&version_type=external

如果发送version小于1 的版本就会报错

{"error": {"root_cause": [{"type": "version_conflict_engine_exception","reason": "[1]: version conflict, current version [3] is higher or equal to the one provided [1]","index_uuid": "_Ks_veihS4Ga8eh0hl24eA","shard": "0","index": "shopping"}],"type": "version_conflict_engine_exception","reason": "[1]: version conflict, current version [3] is higher or equal to the one provided [1]","index_uuid": "_Ks_veihS4Ga8eh0hl24eA","shard": "0","index": "shopping"},"status": 409
}

Elasticsearch - 文档分析，IK分词器；文档冲突（十二）相关推荐

使用Docker 安装Elasticsearch、Elasticsearch-head、IK分词器和使用
使用Docker 安装Elasticsearch.Elasticsearch-head.IK分词器和使用原文:使用Docker 安装Elasticsearch.Elasticsearch-head ...
Elasticsearch生产实战（ik分词器、拼音分词、自动补全、自动纠错）
目录一.IK分词器 1.IK分词器介绍 2.安装 3.使用 4.自定义词库二.拼音分词器 1.拼音分词器介绍 2.安装三.自动补全 1.效果演示 2.实战四.自动纠错 1.场景描述 2.DSL ...
ES入门学习：ElasticSearch、Kibana、ik分词器的安装、简单使用及SpringBoot集成
前言 es是采用Java语言开发,因此,想要安装运行es需要提前准备好jdk环境,关于linux配置jdk在前文linux配置jdk 本文主要介绍es的安装.kibana的安装和简单使用及ik分词器的 ...
elasticsearch安装和使用ik分词器
在使用elasticsearch的时候,如果不额外安装分词器的话,在处理text字段时会使用elasticsearch自带的默认分词器,我们来一起看看默认分词器的效果: 环境信息本次实战用到的ela ...
【虚拟化】docker安装ElasticSearch+Kibana，下载IK分词器
1.拉取镜像 docker pull elasticsearch:7.5.0 2.配置 mkdir -p /mydata/elasticsearch/config # 用来存放配置文件 mkdir - ...
ElasticSearch 拼音插件elasticsearch-analysis-pinyin + IK 分词器
ElasticSearch + kibana 部署略创建索引 PUT /nba_20220101 {"mappings": {"properties": {& ...
全文检索引擎ElasticSearch：文档管理、集成IK分词器
ElasticSearch 文档管理添加文档修改文档删除文档文档的查询 IK分词器安装使用IK分词器文档管理添加文档定位到资源 url http://localhost:9200/{i ...
ik分词器实现原理_SpringBoot整合Elasticsearch实现商品搜索
本文主要介绍在Elasticsearch中实现商品搜索功能中文分词器 Elasticsearch有默认的分词器,默认分词器只是将中文逐词分隔,并不符合我们的需求. get hanzo/_analyz ...
ElasticSearch IK分词器安装
2019独角兽企业重金招聘Python工程师标准>>> Elasticsearch 默认是带分词器了,对英文是按固定的英文的空格,或者"-"进行分词,但是对中文分 ...
IK分词器(elasticsearch插件)
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,然后进行一一个匹配操作,默认的中文分词是将每个字看成一个词(不使用用IK分 ...

Elasticsearch - 文档分析，IK分词器；文档冲突（十二）

阅读本文前可先参考

一、文档分析

文档分析过程如下：

1、字符过滤器

2、分词器

3、Token 过滤器

（一）内置分析器

1、标准分析器

2、简单分析器

3、空格分析器

4、语言分析器

（二）分析器使用场景

（三）IK分词器

下载地址：

1、ik_max_word； ik_smart

2、扩展词

（四）自定义分析器

二、文档冲突

1、文档冲突

2、乐观并发控制

官网文档：

3、外部系统版本控制

Elasticsearch - 文档分析，IK分词器；文档冲突（十二）相关推荐

最新文章

热门文章