ElasticSearch

Elasticsearch 是一个分布式、RESTful 风格的搜索和数据分析引擎

安装环境

1
2
3
4

ElasticSearch: https://mirrors.huaweicloud.com/elasticsearch/?C=N&O=D
logstash: https://mirrors.huaweicloud.com/logstash/?C=N&O=D
kibana: https://mirrors.huaweicloud.com/kibana/?C=N&O=D
ik分词器：https://github.com/medcl/elasticsearch-analysis-ik/releases

跨域

在elasticsearch.yml文件下添加

1
2

http.cors.enabled: true
http.cors.allow-origin: "*"

IK分词器

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

GET _analyze
{
  "analyzer": "ik_smart",
  "text": "贺凯恒"
}

GET _analyze
{
  "analyzer": "ik_max_word",
  "text": "贺凯恒"
}

ik_smart 最少切分

ik_max_word 最细粒度划分！穷尽词库的可能

*配置自己的分词器

IKAnalyzer.cfg.xml dic文档

ES核心概念

（1）：Near Relatime: 近实时，两个意思：从写入数据到可以被搜索有一个小延迟（大概一秒）；基于es搜索和分析可以达到秒级。

（2）：Cluster: 集群，包含多个节点，每个节点属于哪一个集群是通过配置（集群名称，默认是elasticsearch）来决定的。对于小型应用来说，刚开始一个集群就一个节点很正常。

（3）： Node:节点。集群当中的一个节点，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），默认节点会加入到一个名为“elasticsearch”的集群。如果直接启动一堆节点，默认会加入名为elasticsearch的集群。

（4）： Document&field: 文档：es当中的最小单元，一个document可以是一条商品数据，也可以是一条订单数据，通常用JSON数据结构表示，每个index下的type当中，都可以去存储多个document，一个document中可以有多个field，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，所有的商品的document。

（6）：type：类型：每个索引当中都可以有一个type或者多个type，type是index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type，博客type，评论type等等。

（7）：shard: 单台机器无法存储大量的数据，es可以将一个索引当中的数据切分为多个shard，分布在多台机器上存储，有了shard就可以横向扩展，存储更多的数据，让搜索和分析等操作分布在多台机器上去执行，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都有可能宕机或者故障，此时shard就有可能丢失，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，以保证数据不会丢失，多个replica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，每个shard默认一个）。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台机器。

ES与数据库对比

精髓

反向索引又叫倒排索引，是根据文章内容中的关键字建立索引。 搜索引擎原理就是建立反向索引。 Elasticsearch 在 Lucene 的基础上进行封装，实现了分布式搜索引擎。 Elasticsearch 中的索引、类型和文档的概念比较重要，类似于 MySQL 中的数据库、表和行。 Elasticsearch 也是 Master-slave 架构，也实现了数据的分片和备份。 Elasticsearch 一个典型应用就是 ELK 日志分析系统。