Elesticsearch基础

Elasticsearch的核心概念

（1）Near Realtime（NRT）：近实时，两个意思，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级

（2）Cluster：集群，包含多个节点，每个节点属于哪个集群是通过一个配置（集群名称，默认是elasticsearch）来决定的，对于中小型应用来说，刚开始一个集群就一个节点很正常
（3）Node：节点，集群中的一个节点，节点也有一个名称（默认是随机分配的），节点名称很重要（在执行运维管理操作的时候），默认节点会去加入一个名称为“elasticsearch”的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，当然一个节点也可以组成一个elasticsearch集群

（4）Document&field：文档，es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，一条订单数据，通常用JSON数据结构表示，每个index下的type中，都可以去存储多个document。一个document里面有多个field，每个field就是一个数据字段。

（5）Index：索引，包含一堆有相似结构的文档数据，比如可以有一个客户索引，商品分类索引，订单索引，索引有一个名称。一个index包含很多document，一个index就代表了一类类似的或者相同的document。比如说建立一个product index，商品索引，里面可能就存放了所有的商品数据，所有的商品document。

（6）Type：类型，每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document，都有相同的field，比如博客系统，有一个索引，可以定义用户数据type，博客数据type，评论数据type。

7）shard：单台机器无法存储大量数据，es可以将一个索引中的数据切分为多个shard，分布在多台服务器上存储。有了shard就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提升吞吐量和性能。每个shard都是一个lucene index。

（8）replica：任何一个服务器随时可能故障或宕机，此时shard可能就会丢失，因此可以为每个shard创建多个replica副本。replica可以在shard故障时提供备用服务，保证数据不丢失，多个replica还可以提升搜索操作的吞吐量和性能。primary shard（建立索引时一次设置，不能修改，默认5个），replica shard（随时修改数量，默认1个），默认每个索引10个shard，5个primary shard，5个replica shard，最小的高可用配置，是2台服务器。

Elesticsearch概念

一个采用Restful API标准的高扩展性和高可用性的事实数据分析的全文搜索工具。

Elesticsearch架构

CURL命令

以命令的方式来执行HTTP协议的请求的工具
可以通过CURL操作HTTP的GET/POST/DELETE/PUT方法。
例如：

curl www.baidu.com
保存网页：curl -o baidu.html www.baidu.com
显示http response的头信息 curl -i www.baidu.com
显示一次http请求的通信过程
curl -v www.baidu.com
curl --trace output.txt www.baidu.com
CURL 执行GET/POST/PUT/DELETE操作：
curl -X GET/POST/PUT/DELETE www.baidu.com 默认是GET请求

Linux启动Elasticsearch

启动命令：
./bin/elasticsearch -d (-d参数是为了让服务后台运行)
Web服务的地址
http://loccalhost:9200

Elasticsearch目录结构

Windows启动Elasticsearch

在bin目录下执行elasticsearch.bat 命令
http://localhost:9200/?pretty

Windows启动Kibana

在bin目录下执行kibana.bat命令
http://localhost:5601

Dev Tools使用

使用es的restful api

集群健康检查
进入Kibana的Dev Tools界面，在控制台输入命令进行集群的健康检查。如果想要快速检查集群的健康状况，可以使用es提供的cat api。

green：每个索引的primary shard和replica shard都是active状态的。
yellow：每个索引的primary shard都是active状态的，但是部分replica shard不是active状态，处于不可用的状态。
red：不是所有索引的primary shard都是active状态的，部分索引有数据丢失了。

默认的配置是给每个index分配5个primary shard和5个replica shard，而且primary shard和replica shard不能在同一台机器上（为了容错）。

快速查看集群中有哪些索引：
GET _cat/indices?v
创建索引
PUT /test_index?pretty
删除索引
DELETE /text_index?pretty
CRUD操作
每一次操作_version版本号都会变化

（1）新增：新增文档，建立索引

     PUT /index/type/id{"json数据"}例：PUT /market/product/1{"name" : "苹果","desc" :  "一种水果","price" :  3,"producer" :"山东","tags": [ "甜", "好吃" ]}结果：{"_index": "market","_type": "product","_id": "1","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"created": true}

es会自动建立index和type，不需要提前创建，而且es默认会对document每个field都建立倒排索引，让其可以被搜索。

（2）查询：检索文档

     GET /index/type/id例：GET /market/product/1结果：{"_index": "market","_type": "product","_id": "1","_version": 1,"found": true,"_source": {"name": "苹果","desc": "一种水果","price": 3,"producer": "山东","tags": ["甜","好吃"]}}

（3）修改：替换文档

     PUT /index/type/id{"json数据"}例：PUT /market/product/1{"name" : "芒果","desc" :  "一种水果","price" :  3,"producer" :"海南","tags": [ "甜", "好吃" ]}结果：{"_index": "market","_type": "product","_id": "1","_version": 2,"result": "updated","_shards": {"total": 2,"successful": 1,"failed": 0},"created": false}

替换方式有一个不好，即使必须带上所有的field，才能去进行信息的修改

（4）修改：更新文档

     POST /index/type/id/_update{"doc":{"fileld":"value"}}例:POST /market/product/1/_update{"doc" : {"name" : "香蕉"}}结果：{"_index": "market","_type": "product","_id": "1","_version": 6,"result": "updated","_shards": {"total": 2,"successful": 1,"failed": 0}}

5）删除：删除文档

     DELETE  /index/type/id例：DELETE /market/product/1结果：{"found": true,"_index": "market","_type": "product","_id": "1","_version": 7,"result": "deleted","_shards": {"total": 2,"successful": 1,"failed": 0}}再一次查询：GET /market/product/1返回：{"_index": "market","_type": "product","_id": "1","found": false}

多种搜索方式

query string search
因为search参数都是以http请求的query string来附带的

搜索全部商品：

GET /market/product/_search
结果：
{"took": 6,"timed_out": false,"_shards": {"total": 5,"successful": 5,"failed": 0},"hits": {"total": 1,"max_score": 1,"hits": [{"_index": "market","_type": "product","_id": "1","_score": 1,"_source": {"name": "苹果","desc": "一种水果","price": 3,"producer": "山东","tags": ["甜","好吃"]}}]}
}took：耗费了几毫秒
timed_out：是否超时，这里是没有
_shards：数据拆成了5个分片，所以对于搜索请求，会打到所有的primary shard（或者是它的某个replica shard也可以）
hits.total：查询结果的数量，1个document
hits.max_score：score的含义，就是document对于一个search的相关度的匹配分数，越相关，就越匹配，分数也高
hits.hits：包含了匹配搜索的document的详细数据

带条件和排序的搜索：

GET /market/product/_search?q=name:mangguo&sort=price:desc
1. name值为中文查不出来
2. 适用于临时的在命令行使用一些工具，比如curl，快速的发出请求，来检索想要的信息；但是如果查询请求很复杂，是很难去构建的
在生产环境中，几乎很少使用query string search

query DSL

DSL：Domain Specified Language，特定领域的语言
http request body：请求体，可以用json的格式来构建查询语法，比较方便，可以构建各种复杂的语法，比query string search强大多了
更加适合生产环境的使用，可以构建复杂的查询

查询所有的商品：

GET /market/product/_search
{"query":{"match_all": {}}
}{"took": 2,"timed_out": false,"_shards": {"total": 5,"successful": 5,"failed": 0},"hits": {"total": 1,"max_score": 1,"hits": [{"_index": "market","_type": "product","_id": "2","_score": 1,"_source": {"name": "mangguo","desc": "一种水果","price": 3,"producer": "海南","tags": ["甜","好吃"]}}]}
}

按条件查询并排序：

GET /market/product/_search
{"query" : {"match" : {"name" : "mangguo"}},"sort": [{ "price": "desc" }]
}{"took": 6,"timed_out": false,"_shards": {"total": 5,"successful": 5,"failed": 0},"hits": {"total": 1,"max_score": null,"hits": [{"_index": "market","_type": "product","_id": "2","_score": null,"_source": {"name": "mangguo","desc": "一种水果","price": 3,"producer": "海南","tags": ["甜","好吃"]},"sort": [3]}]}
}

分页查询：

GET /market/product/_search
{"query":{"match_all": {}},"from": 0,"size": 1
}

指定要查询的field:

GET /market/product/_search
{"query":{"match_all": {}},"_source": ["name","price"]
}

query filter 对数据进行过滤

GET /market/product/_search
{"query" : {"bool" : {"must" : {"match" : {"name" : "mangguo" }},"filter" : {"range" : {"price" : { "gt" : 1 } }}}}
}

full-text search（全文检索）

GET /market/product/_search
{"query" : {"match" : {"name" : "mangguo banana"}}}
倒排索引，按照相关度排序

phrase search（短语搜索）
跟全文检索相对应，相反，全文检索会将输入的搜索串拆解开来，去倒排索引里面去一一匹配，只要能匹配上任意一个拆解后的单词，就可以作为结果返回。
phrase search，要求输入的搜索串，必须在指定的字段文本中，完全包含一模一样的，才可以算匹配，才能作为结果返回。

GET /market/product/_search
{"query":{ "match_phrase" : {"producer" : "hainan orange"}}
}
结果：
{"took": 8,"timed_out": false,"_shards": {"total": 5,"successful": 5,"failed": 0},"hits": {"total": 1,"max_score": 1.2438203,"hits": [{"_index": "market","_type": "product","_id": "4","_score": 1.2438203,"_source": {"name": "orange","desc": "一种水果","price": 3,"producer": "hainan orange","tags": ["甜","好吃"]}}]}

highlight search（高亮搜索结果）
匹配的结果标红了

GET /market/product/_search
{"query" : {"match" : {"producer" : "hainan"}},"highlight": {"fields" : {"producer" : {}}}
}结果：
{"took": 29,"timed_out": false,"_shards": {"total": 5,"successful": 5,"failed": 0},"hits": {"total": 2,"max_score": 0.62191015,"hits": [{"_index": "market","_type": "product","_id": "4","_score": 0.62191015,"_source": {"name": "orange","desc": "一种水果","price": 3,"producer": "hainan orange","tags": ["甜","好吃"]},"highlight": {"producer": ["<em>hainan</em> orange"]}},{"_index": "market","_type": "product","_id": "3","_score": 0.2876821,"_source": {"name": "banana","desc": "一种水果","price": 3,"producer": "hainan","tags": ["甜","好吃"]},"highlight": {"producer": ["<em>hainan</em>"]}}]}
}

聚合分析

分组聚合：
先将文本field的fielddata属性设置为true

 PUT /market/_mapping/product{"properties": {"tags": {"type": "text","fielddata": true}}}

按照tag进行分组，返回没组document的数量

 GET /market/product/_search{"aggs": {"group_by_tags": {"terms": { "field": "tags" }}}}若不想返回全部的搜索结果，可以用：GET /market/product/_search{"size": 0,"aggs": {"group_by_tags": {"terms": { "field": "tags" }}}}

带搜索的聚合分析：

 GET /market/product/_search{"query": {"match": {"producer": "hainan"}},"size": 0,"aggs": {"group_by_tags": {"terms": { "field": "tags" }}}}

嵌套聚合：
先分组，再计算每组的平均值

GET /market/product/_search
{"size": 0,"aggs": {"group_by_tags": {"terms": { "field": "tags" },"aggs" : { "avg_price" : {"avg" : { "field" : "price" }}}}}
}

先分组，再计算每组的平均值，再按照平均值的大小进行排序：

GET /market/product/_search
{"size": 0,"aggs": {"group_by_tags": {"terms": { "field": "tags","order": { "avg_price": "desc" }  },"aggs" : { "avg_price" : {"avg" : { "field" : "price" }}}}}
}

按照指定的价格范围区间进行分组，然后在每组内再按照tag进行分组，最后再计算每组的平均值

GET /market/product/_search
{"size": 0,"aggs": {"group_by_price": {"range": {"field": "price","ranges": [{"from": 0,"to": 1},{"from": 1,"to": 2},{"from": 2,"to": 3}]},"aggs": {"group_by_tags": {"terms": {"field": "tags"},"aggs": {"average_price": {"avg": {"field": "price"}}}}}}}
}

Elasticsearch相关插件

Head插件
Elasticsearch 集群管理工具
Bigdesk插件
bigdesk是elasticsearch的一个集群的监控工具，可以通过它来查看集群的各种状态，如：cpu、内存使用情况、索引数据、搜索情况，http连接数等。
Mavel插件
Marvel是elesticsearch的一个管理监控工具，集head和bigdesk优点于一身，Marvel插件是收费的。