ElasticSearch全文搜索引擎之入门以及环境搭建

一、概述

二、Elasticsearch和Solr的区别

三、Elaticsearch安装

四、Kibana的安装

五、总结

一、概述

Elaticsearch，简称ES， Elasticsearch是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。
Elasticsearch使用Java开发，并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。Elasticsearch用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。官方客户端在Java、.NET（C#）、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，Elasticsearch是最受欢迎的企业搜索引擎，其次是Apache Solr，也是基于Lucene。

Elasticsearch的实现原理

Elasticsearch 的实现原理主要分为以下几个步骤，首先用户将数据提交到Elasticsearch 数据库中，再通过分词控制器去将对应的语句分词，将其权重和分词结果一并存入数据，当用户搜索数据时候，再根据权重将结果排名，打分，再将返回结果呈现给用户。

Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索，具有接近实时的搜索，并支持多租户。Elasticsearch是分布式的，这意味着索引可以被分成分片，每个分片可以有0个或多个副本。每个节点托管一个或多个分片，并充当协调器将操作委托给正确的分片。“相关数据通常存储在同一个索引中，该索引由一个或多个主分片和零个或多个复制分片组成。

注意：一旦创建了索引，就不能更改主分片的数量。

Elasticsearch使用Lucene，并试图通过JSON和Java API提供其所有特性。它支持facetting和percolating，如果新文档与注册查询匹配，这对于通知非常有用。另一个特性称为“网关”，处理索引的长期持久性；例如，在服务器崩溃的情况下，可以从网关恢复索引。Elasticsearch支持实时GET请求，适合作为NoSQL数据存储，但缺少分布式事务。

二、Elasticsearch和Solr的区别

除了Elasticsearch搜索引擎，还有另外一款也是比较多公司在用的，那就是Solr，只不过他两都是基于Lucene封装了一层的。下面我们对比一下两者。

Solr简介

Solr 是Apache下的一个顶级开源项目，采用Java开发，它是基于Lucene的全文搜索服务器。Solr提供了比Lucene更为丰富的查询语言，同时实现了可配置、可扩展，并对索引、搜索性能进行了优化；

Solr可以独立运行，运行在Jetty、Tomcat等这些Servlet容器中，Solr 索引的实现方法很简单，用 POST 方法向 Solr 服务器发送一个描述 Field 及其内容的 XML 文档，Solr根据xml文档添加、删除、更新索引 。Solr 搜索只需要发送 HTTP GET 请求，然后对 Solr 返回Xml、json等格式的查询结果进行解析，组织页面布局。Solr不提供构建UI的功能，Solr提供了一个管理界面，通过管理界面可以查询Solr的配置和运行情况；

solr是基于lucene开发企业级搜索服务器，实际上就是封装了lucene；

Solr是一个独立的企业级搜索应用服务器，它对外提供类似于Web-service的API接口。用户可以通过http请求，向搜索引擎服务器提交一定格式的文件，生成索引；也可以通过提出查找请求，并得到返回结果；

下面通过一个表格总结一下两者主要的区别：

ElasticSearch vs Solr
ElasticSearch	Solr
Elasticsearch基本是开箱即用，非常简单	Solr安装略微复杂
Elasticsearch 自身带有分布式协调管理功能	Solr利用 Zookeeper 进行分布式管理
Elasticsearch 仅支持json文件格式	Solr 支持更多格式的数据，比如JSON、XML、CSV
Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑	Solr 官方提供的功能更多
Elasticsearch 建立索引快（即查询慢），即实时性查询快，用于facebook新浪等搜索，Elasticsearch 更适用于新兴的实时搜索应用	Solr 查询快，但更新索引时慢（即插入删除慢），用于电商等查询多的应用，Solr 是传统搜索应用的有力解决方案

三、Elaticsearch安装

Elasticsearch是与名为Logstash的数据收集和日志解析引擎以及名为Kibana的分析和可视化平台一起开发的。这三个产品被设计成一个集成解决方案，称为“Elastic Stack”（以前称为“ELK stack”）。下面我们就来搭建ELK三个环境。

【a】Elaticsearch下载地址

https://www.elastic.co/cn/downloads/elasticsearch

【b】解压缩

笔者这里下载的7.6版本进行测试，我们将下载出来的elasticsearch-7.6.1-windows-x86_64压缩包解压到指定的目录：

笔者解压到D:\development\es目录下。解压缩后的文件目录如下图所示：

下面是对es各个目录接口的解释：

bin：二进制文件；
conf：配置文件，主要包含：elasticsearch.yml（elasticsearch配置文件）、jvm.options（虚拟机配置文件）、log4j2.properties（日志配置文件）。
lib：相关jar包；
modules：相关模块；
plugins：相关相关插件；
logs：日志文件；

【c】启动elasticsearch

双击bin目录下的elasticsearch.bat批处理文件就可以启动：

启动完成后，浏览器访问：127.0.0.1:9200 ，可以看到浏览器返回如下信息：

【d】安装head 插件

注意，elasticsearch-head插件需要node.js环境，所以先保证本机先安装好node环境和cnpm淘宝源。

#安装淘宝源
npm config set registry https://registry.npm.taobao.org

head插件下载地址：https://github.com/mobz/elasticsearch-head

同理，将下载下来的elasticsearch-head-master.zip进行解压缩，解压缩后的目录如下：

首先执行cnpm install安装head插件所需的依赖包：

依赖包安装完成后，执行cnpm run start启动head插件。

head插件启动完成后，浏览器访问：http://localhost:9100/

可以看到，这里存在跨域问题，下面我们来解决跨域的问题：

首先先停止elasticsearch，修改config目录下的elasticsearch.yml文件，在文件最后面增加如下内容：

###解决跨域问题
http.cors.enabled: true
http.cors.allow-origin: "*"

新增完记得保存，然后我们重启elasticsearch，启动完成后，浏览器再次访问： http://localhost:9100/。

可以看到，head成功连接上elasticsearch。到此，Elasticsearch和ElasticSearch-head已经搭建成功。

四、Kibana的安装

ELK中的K指的就是Kibana，Kibana能够对ES的查询做监控。

Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana，可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单，基于浏览器的用户界面可以快速创建仪表板（dashboard）实时显示Elasticsearch查询动态。

设置Kibana非常简单，无需编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。

Kibana主要功能有下面几点：

Elasticsearch无缝之集成

Kibana架构为Elasticsearch定制，可以将任何结构化和非结构化数据加入Elasticsearch索引。Kibana还充分利用了Elasticsearch强大的搜索和分析功能。

整合你的数据

Kibana能够更好地处理海量数据，并据此创建柱形图、折线图、散点图、直方图、饼图和地图。

复杂数据分析

Kibana提升了Elasticsearch分析能力，能够更加智能地分析数据，执行数学转换并且根据要求对数据切割分块。

接口灵活，分享更容易

使用Kibana可以更加方便地创建、保存、分享数据，并将可视化数据快速交流。

配置简单

Kibana的配置和启用非常简单，用户体验非常友好。Kibana 4自带Web服务器，可以快速启动运行。

可视化多数据源

Kibana可以非常方便地把来自Logstash、ES-Hadoop、Beats或第三方技术的数据整合到Elasticsearch，支持的第三方技术包括Apache Flume、Fluentd等。

简单数据导出

Kibana可以方便地导出感兴趣的数据，与其它数据集合并融合后快速建模分析，发现新结果。

下面我们先安装Kibana：

【a】Kibana下载地址： https://www.elastic.co/downloads/kibana，注意，尽量保持与Elasticsearch相同的版本。

将下载好的压缩包进行压缩，解压缩后的目录结构如下图所示：

【b】启动Kibana

启动成功后，浏览器访问：http://localhost:5601/app/kibana，可以看到如下图界面，这就是Kibana提供的可视化图标页面，非常直观。

开发工具：

【c】汉化Kibana

由于kibana界面全是英文，不太好看，所以我们可以进行汉化，修改config目录下的kibana.yml配置文件：

修改完成后重启kibana，继续访问：http://localhost:5601/，

如上图，汉化成功。至此，Kibana环境搭建成功。

五、总结

本篇文章主要介绍了ElasticSearch的一些基础知识，并成功搭建了ES常见的工具：Head插件和Kibana可视化分析界面，下一篇文章将介绍ElasticSearch的一些重要概念和IK分词器的简单使用。由于笔者水平有限，如果不对之处，还望指出，相互学习，一起进步！