欢迎您访问365答案网,请分享给你的朋友!
生活常识 学习资料

ElasticSearch由浅入深

时间:2023-07-26
文章目录

一.elasticsearch简介二.docker部署es和kibana三.IK分词器四.DSL及Dev Tools五.索引库操作五.文档操作六.RestClient操作索引库七.RestClient操作文档八.DSL查询语法九.搜索结果处理十.RestClient查询文档十一.数据聚合十二.RestClient数据聚合十三.自动补全十四.数据同步十五.ES集群十六.附录

1.相关代码2.相关DSL 一.elasticsearch简介

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,基于RESTful web接口。Elasticsearch是用Java语言开发的,并作为Apache许可条款下的开放源码发布,是一种流行的企业级搜索引擎。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。
Lucene是Apache的开源搜索引擎类库,提供了搜索引擎的核心API

mysql采用正向索引(B树,B+树)
elasticsearch采用倒排索引

Mysql:擅长事务类型操作,可以确保数据的安全和一致性
Elasticsearch:擅长海量数据的搜索、分析、计算

概念对比

二.docker部署es和kibana

kibana可以给我们提供一个elasticsearch的可视化界面,便于学习

1.创建互联网联,让es和kibana容器互联

docker network create es-net

2.拉取镜像

docker pull elasticsearch:7.12.1docker pull kibana:7.12.1

3.部署单点es

docker run -d --name es -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" -e "discovery.type=single-node" -v es-data:/usr/share/elasticsearch/data -v es-plugins:/usr/share/elasticsearch/plugins --privileged --network es-net -p 9200:9200 -p 9300:9300 elasticsearch:7.12.1

命令解释:

-e "cluster.name=es-docker-cluster":设置集群名称-e "http.host=0.0.0.0":监听的地址,可以外网访问-e "ES_JAVA_OPTS=-Xms512m -Xmx512m":内存大小-e "discovery.type=single-node":非集群模式-v es-data:/usr/share/elasticsearch/data:挂载逻辑卷,绑定es的数据目录-v es-logs:/usr/share/elasticsearch/logs:挂载逻辑卷,绑定es的日志目录-v es-plugins:/usr/share/elasticsearch/plugins:挂载逻辑卷,绑定es的插件目录--privileged:授予逻辑卷访问权--network es-net :加入一个名为es-net的网络中-p 9200:9200:端口映射配置

访问9200端口即可看到elasticsearch的响应结果

4.部署kibana

docker run -d --name kibana -e ELASTICSEARCH_HOSTS=http://es:9200 --network=es-net -p 5601:5601 kibana:7.12.1

--network es-net :加入一个名为es-net的网络中,与elasticsearch在同一个网络中-e ELASTICSEARCH_HOSTS=http://es:9200":设置elasticsearch的地址,因为kibana已经与elasticsearch在一个网络,因此可以用容器名直接访问elasticsearch-p 5601:5601:端口映射配置

访问5601端口即可看到kibana的响应结果

三.IK分词器

es在创建倒排索引时需要对文档分词;在搜索时,需要对用户输入内容分词。但默认的分词规则对中文处理并不友好
处理中文分词,一般会使用IK分词器。https://github.com/medcl/elasticsearch-analysis-ik

1.安装IK分词器

# 进入容器内部docker exec -it elasticsearch /bin/bash# 在线下载并安装./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip#退出exit#重启容器docker restart elasticsearch

2.IK分词器包含两种模式:

ik_smart:智能切分 最少切分 粗粒度 分出的词较少

ik_max_word:最细切分 细粒度 分出的词较多 内存消耗高

3.拓展词库
要拓展ik分词器的词库,只需要修改一个ik分词器目录中的config目录中的IkAnalyzer.cfg.xml文件:

<?xml version="1.0" encoding="UTF-8"?> IK Analyzer 扩展配置 ext.dic

然后在名为ext.dic的文件中,添加想要拓展的词语即可
4.停用词库
要禁用某些敏感词条,只需要修改一个ik分词器目录中的config目录中的IkAnalyzer.cfg.xml文件:

<?xml version="1.0" encoding="UTF-8"?> IK Analyzer 扩展配置 ext.dic stopword.dic

然后在名为stopword.dic的文件中,添加想要拓展的词语即可

四.DSL及Dev Tools

官网学习地址:https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

DSL是elasticsearch提供的JSON风格的请求语句,用来操作elasticsearch,实现CRUD

GET / 相当于直接访问9200端口

Dev Tools是kibana提供的一种可视化工具

五.索引库操作

1.mapping属性
映射是定义文档及其包含的字段如何存储和索引的过程。
每个文档都是字段的集合,每个字段都有自己的数据类型。 在映射数据时,创建一个映射定义,该定义包含与文档相关的字段列表。 映射定义还包括元数据字段,比如_source字段,它自定义如何处理文档的相关元数据。
mapping是对索引库中文档的约束,常见的mapping属性包括:

type:字段数据类型,常见的简单类型有:

字符串:text(可分词的文本)、keyword(精确值,例如:品牌、国家、ip地址)数值:long、integer、short、byte、double、float、布尔:boolean日期:date对象:object index:是否创建索引,默认为trueanalyzer:使用哪种分词器properties:该字段的子字段

2.创建索引库
ES中通过Restful请求操作索引库、文档。请求内容用DSL语句来表示。创建索引库和mapping的DSL语法如下:

实例

3.查询索引库

GET /索引库名

实例

4.删除索引库

DELETe /索引库名

5.修改索引库
索引库和mapping一旦创建无法修改,但是可以添加新的字段,语法如下:

实例

五.文档操作

1.添加文档

2.查询文档

GET /索引库名/_doc/文档id

3.删除文档

DELETE /索引库名/_doc/文档id

4.修改文档

方式一:全量修改,会删除旧文档,添加新文档

方式二:增量修改,修改指定字段值

六.RestClient操作索引库

ES官方提供了各种不同语言的客户端,用来操作ES。这些客户端的本质就是组装DSL语句,通过http请求发送给ES
官方文档地址:https://www.elastic.co/guide/en/elasticsearch/client/index.html
1.初始化RestClient
指定版本,需要与es版本一致

1.8 7.12.1

导入包

org.elasticsearch.client elasticsearch-rest-high-level-client

初始化RestClient

RestHighLevelClient client = new RestHighLevelClient(RestClient.builder(HttpHost.create("http://101.43.16.42:9200")));;

2.创建索引库

@Testvoid createHotelIndex() throws IOException { // 1.创建Request对象 CreateIndexRequest request = new CreateIndexRequest("hotel"); // 2.准备请求参数;DSL语句 //MAPPING_TEMPLATE是静态常量字符串,内容是创建索引库的DSL语句 request.source(MAPPING_TEMPLATE, XContentType.JSON); // 3.发送请求 client.indices().create(request, RequestOptions.DEFAULT);}

3.删除索引库

@Testvoid testDeleteHotelIndex() throws IOException { // 1.创建Request对象 DeleteIndexRequest request = new DeleteIndexRequest("hotel"); // 2.发送请求 client.indices().delete(request, RequestOptions.DEFAULT);}

4.判断索引库是否存在

@Testvoid testExitHotelIndex() throws IOException { // 1.创建Request对象 GetIndexRequest request = new GetIndexRequest("hotel"); // 2.发送请求 boolean exists = client.indices().exists(request, RequestOptions.DEFAULT); //3.输出结果 System.out.println(exists);}

七.RestClient操作文档

1.新增文档

@Testvoid testAdddocument() throws IOException { //根据id查询酒店数据 Hotel hotel = hotelService.getById(61083L); // 1.创建Request对象 IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString()); // 2.准备请求参数;DSL语句 request.source(JSON.toJSONString(hotel),XContentType.JSON); // 3.发送请求 client.index(request, RequestOptions.DEFAULT);}

2.查询文档

@Testvoid testGetdocumentById() throws IOException { // 1.创建Request对象 GetRequest request = new GetRequest("hotel", "61083"); // 2.发送请求 GetResponse response = client.get(request, RequestOptions.DEFAULT); // 3.解析响应结果 String json = response.getSourceAsString(); //反序列化 HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); System.out.println(hotelDoc);}

3.更新文档

@Testvoid testUpdatedocument() throws IOException { // 1.准备request UpdateRequest request = new UpdateRequest("hotel", "61083"); // 2.准备请求参数 request.doc( "price","952", "starName","四钻" ); // 3.发送请求 client.update(request, RequestOptions.DEFAULT);}

4.删除文档

@Testvoid testDeletedocument() throws IOException { // 1.准备request DeleteRequest request = new DeleteRequest("hotel", "61083"); // 2.发送请求 client.delete(request, RequestOptions.DEFAULT);}

5.批量新增文档

@Testvoid testBulkdocument() throws IOException { //批量查询酒店数据 List hotels = hotelService.list(); // 1.创建Request对象 BulkRequest request = new BulkRequest(); // 2.准备请求参数,添加多个新增的Request for(Hotel hotel:hotels){ // 转换为HotelDoc HotelDoc hotelDoc = new HotelDoc(hotel); request.add(new IndexRequest("hotel") .id(hotel.getId().toString()) .source(JSON.toJSONString(hotelDoc),XContentType.JSON)); } // 3.发送请求 client.bulk(request, RequestOptions.DEFAULT);}

八.DSL查询语法

Elasticsearch提供了基于JSON的DSL(Domain Specific Language)来定义查询。
官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl.html

常见的查询类型包括:

查询所有:查询出所有数据,一般测试用。例如:

match_all 全文检索(full text)查询:利用分词器对用户输入内容分词,然后去倒排索引库中匹配。例如:

match_querymulti_match_query 精确查询:根据精确词条值查找数据,一般是查找keyword、数值、日期、boolean等类型字段。例如:

idsrangeterm 地理(geo)查询:根据经纬度查询。例如:

geo_distancegeo_bounding_box 复合(compound)查询:复合查询可以将上述各种查询条件组合起来,合并查询条件。例如:

boolfunction_score

查询的语法基本一致:

查询类型为match_all没有查询条件
1.全文检索
全文检索查询,会对输入框输入内容分词,常用于搜索框搜索
①match查询:单字段查询
②multi_match查询:多字段查询,任意一个字段符合条件就算符合查询条件

ps:multi_match根据多个字段查询,参与查询字段越多,查询性能越差,使用copy_to将多字段拷贝到一个字段中可以提升性能

2.精确查询
精确查询一般是查找keyword、数值、日期、boolean等类型字段。所以不会对搜索条件分词
①term:根据词条精确值查询

因为精确查询的字段搜是不分词的字段,因此查询的条件也必须是不分词的词条。查询时,用户输入的内容跟自动值完全匹配时才认为符合条件。如果用户输入的内容过多,反而搜索不到数据

②range:根据值的范围查询

gte代表大于等于,gt则代表大于
lte代表小于等于,lt则代表小于


3.地理查询
①geo_distance
附近查询,也叫做距离查询(geo_distance):查询到指定中心点小于某个距离值的所有文档

②geo_bounding_box
矩形范围查询,也就是geo_bounding_box查询,查询坐标落在某个矩形范围的所有文档

4.复合查询

复合(compound)查询:复合查询可以将其它简单查询组合起来,实现更复杂的搜索逻辑。常见的有两种:

fuction score:算分函数查询,可以控制文档相关性算分,控制文档排名bool query:布尔查询,利用逻辑关系组合多个其它的查询,实现复杂搜索

相关性算法
TF对比BM25
①fuction score

function score query定义的三要素

过滤条件:哪些文档要加分算分函数:如何计算function score加权方式:function score 与 query score如何运算

②bool query

布尔查询是一个或多个查询子句的组合,每一个子句就是一个子查询。子查询的组合方式有:

must:必须匹配每个子查询,类似“与”should:选择性匹配子查询,类似“或”must_not:必须不匹配,不参与算分,类似“非”filter:必须匹配,不参与算分

需要注意的是,搜索时,参与打分的字段越多,查询的性能也越差。因此这种多条件查询时,一遍这样做:

搜索框的关键字搜索,是全文检索查询,使用must查询,参与算分其它过滤条件,采用filter查询。不参与算分

九.搜索结果处理

elasticsearch默认是根据相关度算分(_score)来排序,但是也支持自定义方式对搜索结果排序。可以排序字段类型有:keyword类型、数值类型、地理坐标类型、日期类型等。
官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/current/sort-search-results.html

1.排序

①常规字段排序

②地理位置排序



2.分页

深度分页问题



解决深度分页问题

官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/current/paginate-search-results.html

search after:分页时需要排序,原理是从上一次的排序值开始,查询下一页数据。官方推荐使用的方式。scroll:原理将排序后的文档id形成快照,保存在内存。官方已经不推荐使用。

分页查询的常见实现方案以及优缺点

from + size:

优点:支持随机翻页缺点:深度分页问题,默认查询上限(from + size)是10000场景:百度、京东、谷歌、淘宝这样的随机翻页搜索

after search:

优点:没有查询上限(单次查询的size不超过10000)缺点:只能向后逐页查询,不支持随机翻页场景:没有随机翻页需求的搜索,例如手机向下滚动翻页

scroll:

优点:没有查询上限(单次查询的size不超过10000)缺点:会有额外内存消耗,并且搜索结果是非实时的场景:海量数据的获取和迁移。从ES7.1开始不推荐,建议用 after search方案。

3.高亮

高亮显示的实现分为两步:
给文档中的所有关键字都添加一个标签,例如标签
页面给标签编写CSS样式


十.RestClient查询文档

查询的基本步骤是:

创建SearchRequest对象

准备Request.source(),也就是DSL。

① QueryBuilders来构建查询条件

② 传入Request.source() 的 query() 方法

发送请求,得到结果

解析结果(参考JSON结果,从外到内,逐层解析)



elasticsearch返回的结果是一个JSON字符串,结构包含:

hits:命中的结果

total:总条数,其中的value是具体的总条数值max_score:所有结果中得分最高的文档的相关性算分hits:搜索结果的文档数组,其中的每个文档都是一个json对象

_source:文档中的原始数据,也是json对象

因此,解析响应结果,就是逐层解析JSON字符串,流程如下:

SearchHits:通过response.getHits()获取,就是JSON中的最外层的hits,代表命中的结果

SearchHits#getTotalHits().value:获取总条数信息SearchHits#getHits():获取SearchHit数组,也就是文档数组

SearchHit#getSourceAsString():获取文档结果中的_source,也就是原始的json文档数据

完整代码

@Testvoid testMatchAll() throws IOException { // 1.创建Request对象 SearchRequest request = new SearchRequest("hotel"); // 2.准备请求参数;DSL语句 request.source().query(QueryBuilders.matchAllQuery()); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 SearchHits searchHits = response.getHits(); // 4.1.获得总条数 long total = searchHits.getTotalHits().value; System.out.println(total); // 4.1.文档数组 SearchHit[] hits = searchHits.getHits(); // 4.3.遍历 for(SearchHit hit : hits){ // 获取文档source String json = hit.getSourceAsString(); // 反序列化 HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); System.out.println(hotelDoc); }}

1.全文检索查询

@Testvoid testMatch() throws IOException { // 1.创建Request对象 SearchRequest request = new SearchRequest("hotel"); // 2.准备请求参数;DSL语句 request.source() .query(QueryBuilders.matchQuery("all", "如家")); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析响应 SearchHits searchHits = response.getHits(); // 4.1.获得总条数 long total = searchHits.getTotalHits().value; System.out.println(total); // 4.1.文档数组 SearchHit[] hits = searchHits.getHits(); // 4.3.遍历 for(SearchHit hit : hits){ // 获取文档source String json = hit.getSourceAsString(); // 反序列化 HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); System.out.println(hotelDoc); }}

Ctrl+Alt+M可以抽取重复代码

private void handleResponse(SearchResponse response) { // 4.解析响应 SearchHits searchHits = response.getHits(); // 4.1.获得总条数 long total = searchHits.getTotalHits().value; System.out.println(total); // 4.1.文档数组 SearchHit[] hits = searchHits.getHits(); // 4.3.遍历 for (SearchHit hit : hits) { // 获取文档source String json = hit.getSourceAsString(); // 反序列化 HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); System.out.println(hotelDoc); }}

2.精确查询


3.复合查询

@Testvoid testBool() throws IOException { // 1.创建Request对象 SearchRequest request = new SearchRequest("hotel"); // 2.准备请求参数;DSL语句 // 2.1.准备BooleanQuery BoolQueryBuilder boolQuery = QueryBuilders.boolQuery(); // 2.2.添加term boolQuery.must(QueryBuilders.termQuery("city","上海")); // 2.3.添加range boolQuery.filter(QueryBuilders.rangeQuery("price").gte(100)); request.source().query(boolQuery); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); handleResponse(response);}

4.排序和分页

@Testvoid testPageAndSort() throws IOException { // 页码,每页大小 int page = 2, size = 5; // 1.创建Request对象 SearchRequest request = new SearchRequest("hotel"); // 2.准备请求参数;DSL语句 // 2.1.query request.source().query(QueryBuilders.matchAllQuery()); // 2.2.sort request.source().sort("price", SortOrder.ASC); // 2.3.分页 request.source().from((page-1)*size).size(size); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); handleResponse(response);}

距离排序

5.高亮

@Testvoid testHighlight() throws IOException { // 1.创建Request对象 SearchRequest request = new SearchRequest("hotel"); // 2.准备请求参数;DSL语句 // 2.1.query request.source().query(QueryBuilders.matchQuery("all", "如家")); // 2.2.高亮 request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false)); // 3.发送请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); handleResponse(response);}

高亮结果解析

重写解析方法

private void handleResponse(SearchResponse response) { // 4.解析响应 SearchHits searchHits = response.getHits(); // 4.1.获得总条数 long total = searchHits.getTotalHits().value; System.out.println(total); // 4.1.文档数组 SearchHit[] hits = searchHits.getHits(); // 4.3.遍历 for (SearchHit hit : hits) { // 获取文档source String json = hit.getSourceAsString(); // 反序列化 HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class); // 获取高亮结果 Map highlightFields = hit.getHighlightFields(); if(!CollectionUtils.isEmpty(highlightFields)){ // 根据字段名获取高亮结果 HighlightField highlightField = highlightFields.get("name"); // 获取高亮值 String name = highlightField.getFragments()[0].string(); // 覆盖非高亮结果 hotelDoc.setName(name); } // 覆盖非高亮值 System.out.println(hotelDoc); }}

十一.数据聚合

聚合是对文档数据的统计、分析、计算

参与聚合的字段类型必须是:keyword,数值,日期,布尔

聚合常见的有三类:

桶(Bucket)聚合:用来对文档做分组

TermAggregation:按照文档字段值分组,例如按照品牌值分组、按照国家分组Date Histogram:按照日期阶梯分组,例如一周为一组,或者一月为一组

度量(Metric)聚合:用以计算一些值,比如:最大值、最小值、平均值等

Avg:求平均值Max:求最大值Min:求最小值Stats:同时求max、min、avg、sum等

管道(pipeline)聚合:其它聚合的结果为基础做聚合

1.桶(Bucket)聚合



默认情况下,Bucket聚合会统计Bucket内的文档数量,记为_count,并且按照_count降序排序

可以指定order属性,自定义聚合的排序方式



限定聚合范围


2、度量(Metric)聚合


十二.RestClient数据聚合

@Testvoid testAggregation() throws IOException { // 1.准备Request SearchRequest request = new SearchRequest("hotel"); // 2.准备DSL request.source().size(0); request.source().aggregation(AggregationBuilders .terms("brandAgg") .field("brand") .size(10) ); // 3.发出请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析结果 Aggregations aggregations = response.getAggregations(); // 4.1.根据聚合名称获取聚合结果 Terms brandTerms = aggregations.get("brandAgg"); // 4.2.获取buckets List<? extends Terms.Bucket> buckets = brandTerms.getBuckets(); // 4.3.遍历 for (Terms.Bucket bucket : buckets){ // 4.4.获取key String key = bucket.getKeyAsString(); System.out.println(key); }}

十三.自动补全

1.拼音分词器

要实现根据字母做补全,就必须对文档按照拼音分词。
在GitHub上有elasticsearch的拼音分词插件。
地址:https://github.com/medcl/elasticsearch-analysis-pinyin

2.自定义分词器

elasticsearch中分词器(analyzer)的组成包含三部分:

character filters:在tokenizer之前对文本进行处理。例如删除字符、替换字符
tokenizer:将文本按照一定的规则切割成词条(term)。例如keyword,就是不分词;还有ik_smart
tokenizer filter:将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

参考官网配置

自定义分词器语法如下

PUT /test{ "settings": { "analysis": { "analyzer": { // 自定义分词器 "my_analyzer": { // 分词器名称 "tokenizer": "ik_max_word", "filter": "py" } }, "filter": { // 自定义tokenizer filter "py": { // 过滤器名称 "type": "pinyin", // 过滤器类型,这里是pinyin "keep_full_pinyin": false, "keep_joined_full_pinyin": true, "keep_original": true, "limit_first_letter_length": 16, "remove_duplicated_term": true, "none_chinese_pinyin_tokenize": false } } } }, "mappings": { "properties": { "name": { "type": "text", "analyzer": "my_analyzer", "search_analyzer": "ik_smart" } } }}

拼音分词器注意事项:

为了避免搜索到同音字,搜索时不要使用拼音分词器

3.自动补全

elasticsearch提供了Completion Suggester查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回

官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/7.6/search-suggesters.html

为了提高补全查询的效率,对于文档中字段的类型有一些约束:

参与补全查询的字段必须是completion类型。

字段的内容一般是用来补全的多个词条形成的数组。



@Testvoid testSuggestion() throws IOException { // 1.准备Request SearchRequest request = new SearchRequest("hotel"); // 2.准备DSL request.source().suggest(new SuggestBuilder().addSuggestion( "suggestion", SuggestBuilders.completionSuggestion("suggestion") .prefix("h") .skipDuplicates(true) .size(10) )); // 3.发起请求 SearchResponse response = client.search(request, RequestOptions.DEFAULT); // 4.解析结果 Suggest suggest = response.getSuggest(); // 4.1.根据补全查询名称,获取补全结果 CompletionSuggestion suggestion = suggest.getSuggestion("suggestion"); // 4.2.获取options List options = suggestion.getOptions(); for(CompletionSuggestion.Entry.Option option : options){ String text = option.getText().toString(); System.out.println(text); }}

十四.数据同步

elasticsearch中的酒店数据来自于mysql数据库,因此mysql数据发生改变时,elasticsearch也必须跟着改变,这个就是elasticsearch与mysql之间的数据同步

常见的数据同步方案有三种:

同步调用异步通知监听binlog

1.方式一:同步调用

优点:实现简单,粗暴缺点:业务耦合度高

2.方式二:异步通知

优点:低耦合,实现难度一般缺点:依赖mq的可靠性

3.方式三:监听binlog

优点:完全解除服务间耦合缺点:开启binlog增加数据库负担、实现复杂度高 十五.ES集群

单机的elasticsearch做数据存储,必然面临两个问题:海量数据存储问题、单点故障问题。

海量数据存储问题:将索引库从逻辑上拆分为N个分片(shard),存储到多个节点单点故障问题:将分片数据在不同节点备份(replica )

数据备份可以保证高可用,但是每个分片备份一份,所需要的节点数量就会翻一倍,成本实在是太高了

为了在高可用和成本间寻求平衡,我们可以这样做:

首先对数据分片,存储到不同节点然后对每个分片进行备份,放到对方节点,完成互相备份

这样可以大大减少所需要的服务节点数量


1.部署es集群

使用docker-compose

version: '2.2'services: es01: image: elasticsearch:7.12.1 container_name: es01 environment: - node.name=es01 - cluster.name=es-docker-cluster - discovery.seed_hosts=es02,es03 - cluster.initial_master_nodes=es01,es02,es03 - "ES_JAVA_OPTS=-Xms512m -Xmx512m" volumes: - data01:/usr/share/elasticsearch/data ports: - 9200:9200 networks: - elastic es02: image: elasticsearch:7.12.1 container_name: es02 environment: - node.name=es02 - cluster.name=es-docker-cluster - discovery.seed_hosts=es01,es03 - cluster.initial_master_nodes=es01,es02,es03 - "ES_JAVA_OPTS=-Xms512m -Xmx512m" volumes: - data02:/usr/share/elasticsearch/data ports: - 9201:9200 networks: - elastic es03: image: elasticsearch:7.12.1 container_name: es03 environment: - node.name=es03 - cluster.name=es-docker-cluster - discovery.seed_hosts=es01,es02 - cluster.initial_master_nodes=es01,es02,es03 - "ES_JAVA_OPTS=-Xms512m -Xmx512m" volumes: - data03:/usr/share/elasticsearch/data networks: - elastic ports: - 9202:9200volumes: data01: driver: local data02: driver: local data03: driver: localnetworks: elastic: driver: bridge

es运行需要修改一些linux系统权限,修改/etc/sysctl.conf文件

vi /etc/sysctl.conf

添加下面的内容:

vm.max_map_count=262144

然后执行命令,让配置生效:

sysctl -p

通过docker-compose启动集群:

docker-compose up -d

2.集群状态监控

kibana可以监控es集群,不过新版本需要依赖es的x-pack 功能,配置比较复杂。

这里使用cerebro来监控es集群状态

官方网址:https://github.com/lmenezes/cerebro


启动后输入es地址即可监控

3.创建索引库

PUT /itcast{ "settings": { "number_of_shards": 3, // 分片数量 "number_of_replicas": 1 // 副本数量 }, "mappings": { "properties": { // mapping映射定义 ... } }}


4.es集群节点角色

master节点:对CPU要求高,但是内存要求低data节点:对CPU和内存要求都高coordinating节点:对网络带宽、CPU要求高

职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。

master eligible节点

参与集群选主主节点可以管理集群状态、管理分片信息、处理创建和删除索引库的请求

data节点

数据的CRUD

coordinator节点

路由请求到其它节点

合并查询到的结果,返回给用户

一个典型的es集群职责划分如图:


5.脑裂

脑裂是因为集群中的节点失联导致的。

例如一个集群中,主节点与其它节点失联:

此时,node2和node3认为node1宕机,就会重新选主:

当node3当选后,集群继续对外提供服务,node2和node3自成集群,node1自成集群,两个集群数据不同步,出现数据差异。

当网络恢复后,因为集群中有两个master节点,集群状态的不一致,出现脑裂的情况:

解决脑裂的方案是,要求选票超过 ( eligible节点数量 + 1 )/ 2 才能当选为主,因此eligible节点数量最好是奇数。对应配置项是discovery.zen.minimum_master_nodes,在es7.0以后,已经成为默认配置,因此一般不会发生脑裂问题

例如:3个节点形成的集群,选票必须超过 (3 + 1) / 2 ,也就是2票。node3得到node2和node3的选票,当选为主。node1只有自己1票,没有当选。集群中依然只有1个主节点,没有出现脑裂。


6.分片存储原理
elasticsearch会通过hash算法来计算文档应该存储到哪个分片:

说明:

_routing默认是文档的id算法与分片数量有关,因此索引库一旦创建,分片数量不能修改!

新增文档的流程如下:

解读:

1)新增一个id=1的文档2)对id做hash运算,假如得到的是2,则应该存储到shard-23)shard-2的主分片在node3节点,将数据路由到node34)保存文档5)同步给shard-2的副本replica-2,在node2节点6)返回结果给coordinating-node节点

7.集群分布式查询
elasticsearch的查询分成两个阶段:

scatter phase:分散阶段,coordinating node会把请求分发到每一个分片

gather phase:聚集阶段,coordinating node汇总data node的搜索结果,并处理为最终结果集返回给用户

8.集群故障转移

集群的master节点会监控集群中的节点状态,如果发现有节点宕机,会立即将宕机节点的分片数据迁移到其它节点,确保数据安全,这个叫做故障转移

十六.附录 1.相关代码

github仓库:https://github.com/Henrik-Yao/Hotel-ES

2.相关DSL

GET /GET _search{ "query": { "match_all": {} }}POST /_analyze{ "text": "宁可卷死自己,不让其他人休息", "analyzer": "ik_smart"}POST /_analyze{ "text": "宁可卷死自己,不让其他人休息", "analyzer": "ik_max_word"}POST /_analyze{ "text": "不洗碗工作室宁可卷死自己,不让其他人休息", "analyzer": "ik_smart"}PUT /test{ "mappings": { "properties": { "info":{ "type": "text", "analyzer": "ik_smart" }, "email":{ "type": "keyword", "index": false }, "name":{ "type": "object", "properties": { "firstName":{ "type": "keyword", "index": false }, "lastName":{ "type": "keyword", "index": false } } } } }}GET /testDELETe /testPUT /test/_mapping{ "properties":{ "age":{ "type":"integer" } }}POST /test/_doc/1{ "info":"不洗碗工作室", "email":"henrik@qq.com", "name": { "firstName":"云", "lastName":"赵" }}GET /test/_doc/1DELETE /test/_doc/1PUT /test/_doc/1{ "info":"不洗碗工作室", "email":"henrik@qq.com", "name": { "firstName":"云", "lastName":"赵" }}POST /test/_update/1{ "doc":{ "email":"henrik-yao@qq.com" }}GET /hotelDELETE /hotelGET /hotel/_doc/61083GET /hotel/_searchGET /hotel/_search{ "query": { "match_all": {} }}GET /indexName/_search{ "query": { "查询类型": { "查询条件": "条件值" } }}GET /hotel/_search{ "query": { "match": { "all": "外滩如家" } }}DELETE /hotelPUT /hotel{ "mappings": { "properties": { "id": { "type": "keyword" }, "name": { "type": "text", "analyzer": "ik_max_word", "copy_to": "all" }, "address": { "type": "keyword", "index": false }, "price": { "type": "integer" }, "score": { "type": "integer" }, "brand": { "type": "keyword", "copy_to": "all" }, "city": { "type": "keyword" }, "starName": { "type": "keyword" }, "business": { "type": "keyword", "copy_to": "all" }, "pic": { "type": "keyword", "index": false }, "location": { "type": "geo_point" }, "all": { "type": "text", "analyzer": "ik_max_word" } } }}GET /hotel/_search{ "query": { "match": { "all": "外滩如家" } }}GET /hotel/_search{ "query": { "multi_match": { "query": "外滩如家", "fields": ["brand","name","business"] } }}GET /hotel/_search{ "query": { "term": { "city": { "value": "上海" } } }}GET /hotel/_search{ "query": { "range": { "price": { "gte": 100, "lte": 200 } } }}GET /hotel/_search{ "query": { "geo_distance": { "distance": "15km", "location": "31.21,121.5" } }}GET /hotel/_search{ "query": { "function_score": { "query": { "match": { "all": "外滩" } }, "functions": [ { "filter": { "term": { "brand": "如家" } }, "weight": 10 } ], "boost_mode": "sum" } }}GET /hotel/_search{ "query": { "bool": { "must": [ { "match": { "name": "如家" } } ], "must_not": [ { "range": { "price": { "gt": 400 } } } ], "filter": [ { "geo_distance": { "distance": "10km", "location": { "lat": 31.21, "lon": 121.5 } } } ] } }}GET /hotel/_search{ "query": { "match_all": {} }, "sort": [ { "score": "desc" }, { "price": "asc" } ]}GET /hotel/_search{ "query": { "match_all": {} }, "sort": [ { "_geo_distance": { "location": { "lat": 31, "lon": 121 }, "order": "asc", "unit": "km" } } ]}GET /hotel/_search{ "query": { "match_all": {} }, "sort": [ { "price": { "order": "asc" } } ], "from": 0, "size": 20}GET /hotel/_search{ "query": { "match_all": {} }, "sort": [ { "price": { "order": "asc" } } ], "from": 9999, "size": 20}GET /hotel/_search{ "query": { "match": { "all": "如家" } }, "highlight": { "fields": { "name": { "require_field_match": "false" } } }}POST /hotel/_update/2056126831{ "doc": { "isAD": true }}POST /hotel/_update/1989806195{ "doc": { "isAD": true }}POST /hotel/_update/2056105938{ "doc": { "isAD": true }}GET /hotel/_search{ "query": { "match": { "isAD": "true" } }}GET /hotel/_search{ "size": 0, "aggs": { "brandAgg": { "terms": { "field": "brand", "size": 10 } } }}GET /hotel/_search{ "size": 0, "aggs": { "brandAgg": { "terms": { "field": "brand", "order": { "_count": "asc" }, "size": 10 } } }}GET /hotel/_search{ "query": { "range": { "price": { "lte": 200 } } }, "size": 0, "aggs": { "brandAgg": { "terms": { "field": "brand", "size": 20 } } }}GET /hotel/_search{ "size": 0, "aggs": { "brandAgg": { "terms": { "field": "brand", "size": 20 }, "aggs": { "scoreAgg": { "stats": { "field": "score" } } } } }}GET /hotel/_search{ "size": 0, "aggs": { "brandAgg": { "terms": { "field": "brand", "size": 20, "order": { "scoreAgg.avg": "desc" } }, "aggs": { "scoreAgg": { "stats": { "field": "score" } } } } }}GET /POST /_analyze{ "text": ["不洗碗工作室"], "analyzer": "pinyin"}DELETE /testPUT /test{ "settings": { "analysis": { "analyzer": { "my_analyzer": { "tokenizer": "ik_max_word", "filter": "py" } }, "filter": { "py": { "type": "pinyin", "keep_full_pinyin": false, "keep_joined_full_pinyin": true, "keep_original": true, "limit_first_letter_length": 16, "remove_duplicated_term": true, "none_chinese_pinyin_tokenize": false } } } }, "mappings": { "properties": { "name": { "type": "text", "analyzer": "my_analyzer", "search_analyzer": "ik_smart" } } }}POST /test/_doc/1{ "id": 1, "name": "狮子"}POST /test/_doc/2{ "id": 2, "name": "虱子"}GET /test/_search{ "query": { "match": { "name": "掉入狮子笼咋办" } }}// 自动补全的索引库PUT test2{ "mappings": { "properties": { "title":{ "type": "completion" } } }}// 示例数据POST test2/_doc{ "title": ["Sony", "WH-1000XM3"]}POST test2/_doc{ "title": ["SK-II", "PITERA"]}POST test2/_doc{ "title": ["Nintendo", "switch"]}POST test2/_search{ "query": { "match_all": {} }}# 自动补全查询POST /test2/_search{ "suggest": { "title_suggest": { "text": "s", "completion": { "field": "title", "skip_duplicates": true, "size": 10 } } }}GET /hotel/_mappingDELETE /hotel# 酒店数据索引库PUT /hotel{ "settings": { "analysis": { "analyzer": { "text_anlyzer": { "tokenizer": "ik_max_word", "filter": "py" }, "completion_analyzer": { "tokenizer": "keyword", "filter": "py" } }, "filter": { "py": { "type": "pinyin", "keep_full_pinyin": false, "keep_joined_full_pinyin": true, "keep_original": true, "limit_first_letter_length": 16, "remove_duplicated_term": true, "none_chinese_pinyin_tokenize": false } } } }, "mappings": { "properties": { "id":{ "type": "keyword" }, "name":{ "type": "text", "analyzer": "text_anlyzer", "search_analyzer": "ik_smart", "copy_to": "all" }, "address":{ "type": "keyword", "index": false }, "price":{ "type": "integer" }, "score":{ "type": "integer" }, "brand":{ "type": "keyword", "copy_to": "all" }, "city":{ "type": "keyword" }, "starName":{ "type": "keyword" }, "business":{ "type": "keyword", "copy_to": "all" }, "location":{ "type": "geo_point" }, "pic":{ "type": "keyword", "index": false }, "all":{ "type": "text", "analyzer": "text_anlyzer", "search_analyzer": "ik_smart" }, "suggestion":{ "type": "completion", "analyzer": "completion_analyzer" } } }}GET /hotel/_search{ "query": { "match_all": {} }}GET /hotel/_search{ "suggest": { "suggestions": { "text":"sd", "completion":{ "field":"suggestion" } } }}GET /hotel/_doc/60223

Copyright © 2016-2020 www.365daan.com All Rights Reserved. 365答案网 版权所有 备案号:

部分内容来自互联网,版权归原作者所有,如有冒犯请联系我们,我们将在三个工作时内妥善处理。