全文搜索引擎 Elasticsearch 入门教程

转载自   全文搜索引擎 Elasticsearch 入门教程

全文搜索属于最常见的需求，开源的 Elasticsearch （以下简称 Elastic）是目前全文搜索引擎的首选。

它可以快速地储存、搜索和分析海量数据。维基百科、Stack Overflow、Github 都采用它。

Elastic 的底层是开源库 Lucene。但是，你没法直接用 Lucene，必须自己写代码去调用它的接口。Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用。

本文从零开始，讲解如何使用 Elastic 搭建自己的全文搜索引擎。每一步都有详细的说明，大家跟着做就能学会。

一、安装

Elastic 需要 Java 8 环境。如果你的机器还没安装 Java，可以参考这篇文章，注意要保证环境变量JAVA_HOME正确设置。

安装完 Java，就可以跟着官方文档安装 Elastic。直接下载压缩包比较简单。

 $ wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-5.5.1.zip
 $ unzip elasticsearch-5.5.1.zip
 $ cd elasticsearch-5.5.1/

接着，进入解压后的目录，运行下面的命令，启动 Elastic。

 $ ./bin/elasticsearch

如果这时报错"max virtual memory areas vm.max*map*count [65530] is too low"，要运行下面的命令。

 $ sudo sysctl -w vm.max_map_count=262144

如果一切正常，Elastic 就会在默认的9200端口运行。这时，打开另一个命令行窗口，请求该端口，会得到说明信息。

 $ curl localhost:9200
 {
"name" : "atntrTf",
"cluster_name" : "elasticsearch",
"cluster_uuid" : "tf9250XhQ6ee4h7YI11anA",
"version" : {
"number" : "5.5.1",
"build_hash" : "19c13d0",
"build_date" : "2017-07-18T20:44:24.823Z",
"build_snapshot" : false,
"lucene_version" : "6.6.0"
},
"tagline" : "You Know, for Search"
}

上面代码中，请求9200端口，Elastic 返回一个 JSON 对象，包含当前节点、集群、版本等信息。

按下 Ctrl + C，Elastic 就会停止运行。

默认情况下，Elastic 只允许本机访问，如果需要远程访问，可以修改 Elastic 安装目录的config/elasticsearch.yml文件，去掉network.host的注释，将它的值改成0.0.0.0，然后重新启动 Elastic。

 network.host: 0.0.0.0

上面代码中，设成0.0.0.0让任何人都可以访问。线上服务不要这样设置，要设成具体的 IP。

二、基本概念

2.1 Node 与 Cluster

Elastic 本质上是一个分布式数据库，允许多台服务器协同工作，每台服务器可以运行多个 Elastic 实例。

单个 Elastic 实例称为一个节点（node）。一组节点构成一个集群（cluster）。

2.2 Index

Elastic 会索引所有字段，经过处理后写入一个反向索引（Inverted Index）。查找数据的时候，直接查找该索引。

所以，Elastic 数据管理的顶层单位就叫做 Index（索引）。它是单个数据库的同义词。每个 Index （即数据库）的名字必须是小写。

下面的命令可以查看当前节点的所有 Index。

 $ curl -X GET '[http://localhost](http://localhost/):9200/_cat/indices?v'

2.3 Document

Index 里面单条的记录称为 Document（文档）。许多条 Document 构成了一个 Index。

Document 使用 JSON 格式表示，下面是一个例子。

 
{
"user": "张三",
"title": "工程师",
"desc": "数据库管理"
}

同一个 Index 里面的 Document，不要求有相同的结构（scheme），但是最好保持相同，这样有利于提高搜索效率。

2.4 Type

Document 可以分组，比如weather这个 Index 里面，可以按城市分组（北京和上海），也可以按气候分组（晴天和雨天）。这种分组就叫做 Type，它是虚拟的逻辑分组，用来过滤 Document。

不同的 Type 应该有相似的结构（schema），举例来说，id字段不能在这个组是字符串，在另一个组是数值。这是与关系型数据库的表的一个区别。性质完全不同的数据（比如products和logs）应该存成两个 Index，而不是一个 Index 里面的两个 Type（虽然可以做到）。

下面的命令可以列出每个 Index 所包含的 Type。

 $ curl 'localhost:9200/_mapping?pretty=true'

根据规划，Elastic 6.x 版只允许每个 Index 包含一个 Type，7.x 版将会彻底移除 Type。

三、新建和删除 Index

新建 Index，可以直接向 Elastic 服务器发出 PUT 请求。下面的例子是新建一个名叫weather的 Index。

 $ curl -X PUT 'localhost:9200/weather'

服务器返回一个 JSON 对象，里面的acknowledged字段表示操作成功。

 
{
"acknowledged":true,
"shards_acknowledged":true
}

然后，我们发出 DELETE 请求，删除这个 Index。

 $ curl -X DELETE 'localhost:9200/weather'

四、中文分词设置

首先，安装中文分词插件。这里使用的是 ik，也可以考虑其他插件（比如 smartcn）。

 $ ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v5.5.1/elasticsearch-analysis-ik-5.5.1.zip

上面代码安装的是5.5.1版的插件，与 Elastic 5.5.1 配合使用。

接着，重新启动 Elastic，就会自动加载这个新安装的插件。

然后，新建一个 Index，指定需要分词的字段。这一步根据数据结构而异，下面的命令只针对本文。基本上，凡是需要搜索的中文字段，都要单独设置一下。

 
 $ curl -X PUT 'localhost:9200/accounts' -d '
 {
   "mappings": {
     "person": {
       "properties": {
         "user": {
           "type": "text",
           "analyzer": "ik_max_word",
           "search_analyzer": "ik_max_word"
         },
         "title": {
           "type": "text",
           "analyzer": "ik_max_word",
           "search_analyzer": "ik_max_word"
         },
         "desc": {
           "type": "text",
           "analyzer": "ik_max_word",
           "search_analyzer": "ik_max_word"
         }
       }
     }
   }
 }'

上面代码中，首先新建一个名称为accounts的 Index，里面有一个名称为person的 Type。person有三个字段。

  • user

  • title

  • desc

这三个字段都是中文，而且类型都是文本（text），所以需要指定中文分词器，不能使用默认的英文分词器。

Elastic 的分词器称为 analyzer。我们对每个字段指定分词器。

 "user": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word"
}

上面代码中，analyzer是字段文本的分词器，search_analyzer是搜索词的分词器。ik_max_word分词器是插件ik提供的，可以对文本进行最大数量的分词。

五、数据操作

5.1 新增记录

向指定的 /Index/Type 发送 PUT 请求，就可以在 Index 里面新增一条记录。比如，向/accounts/person发送请求，就可以新增一条人员记录。

 
 $ curl -X PUT 'localhost:9200/accounts/person/1' -d '
 {
   "user": "张三",
   "title": "工程师",
   "desc": "数据库管理"
 }'

服务器返回的 JSON 对象，会给出 Index、Type、Id、Version 等信息。

 
{
"_index":"accounts",
"_type":"person",
"_id":"1",
"_version":1,
"result":"created",
"_shards":{"total":2,"successful":1,"failed":0},
"created":true
}

如果你仔细看，会发现请求路径是/accounts/person/1，最后的1是该条记录的 Id。它不一定是数字，任意字符串（比如abc）都可以。

新增记录的时候，也可以不指定 Id，这时要改成 POST 请求。

 $ curl -X POST 'localhost:9200/accounts/person' -d '
 {
   "user": "李四",
   "title": "工程师",
   "desc": "系统管理"
 }'

上面代码中，向/accounts/person发出一个 POST 请求，添加一个记录。这时，服务器返回的 JSON 对象里面，_id字段就是一个随机字符串。

 {
"_index":"accounts",
"_type":"person",
"_id":"AV3qGfrC6jMbsbXb6k1p",
"_version":1,
"result":"created",
"_shards":{"total":2,"successful":1,"failed":0},
"created":true
}

注意，如果没有先创建 Index（这个例子是accounts），直接执行上面的命令，Elastic 也不会报错，而是直接生成指定的 Index。所以，打字的时候要小心，不要写错 Index 的名称。

5.2 查看记录

向/Index/Type/Id发出 GET 请求，就可以查看这条记录。

 $ curl 'localhost:9200/accounts/person/1?pretty=true'

上面代码请求查看/accounts/person/1这条记录，URL 的参数pretty=true表示以易读的格式返回。

返回的数据中，found字段表示查询成功，_source字段返回原始记录。

 {
"_index" : "accounts",
"_type" : "person",
"_id" : "1",
"_version" : 1,
"found" : true,
"_source" : {
"user" : "张三",
"title" : "工程师",
"desc" : "数据库管理"
}
}

如果 Id 不正确，就查不到数据，found字段就是false。

 $ curl 'localhost:9200/weather/beijing/abc?pretty=true'
{
"_index" : "accounts",
"_type" : "person",
"_id" : "abc",
"found" : false
}

5.3 删除记录

删除记录就是发出 DELETE 请求。

 $ curl -X DELETE 'localhost:9200/accounts/person/1'

这里先不要删除这条记录，后面还要用到。

5.4 更新记录

更新记录就是使用 PUT 请求，重新发送一次数据。

 
 $ curl -X PUT 'localhost:9200/accounts/person/1' -d '
 {
     "user" : "张三",
     "title" : "工程师",
     "desc" : "数据库管理，软件开发"
 }' 

{
"_index":"accounts",
"_type":"person",
"_id":"1",
"_version":2,
"result":"updated",
"_shards":{"total":2,"successful":1,"failed":0},
"created":false
}

上面代码中，我们将原始数据从"数据库管理"改成"数据库管理，软件开发"。 返回结果里面，有几个字段发生了变化。

 
"_version" : 2,
"result" : "updated",
"created" : false

可以看到，记录的 Id 没变，但是版本（version）从1变成2，操作类型（result）从created变成updated，created字段变成false，因为这次不是新建记录。

六、数据查询

6.1 返回所有记录

使用 GET 方法，直接请求/Index/Type/_search，就会返回所有记录。

 
 $ curl 'localhost:9200/accounts/person/_search'

{
"took":2,
"timed_out":false,
"_shards":{"total":5,"successful":5,"failed":0},
"hits":{
"total":2,
"max_score":1.0,
"hits":[
{
"_index":"accounts",
"_type":"person",
"_id":"AV3qGfrC6jMbsbXb6k1p",
"_score":1.0,
"_source": {
"user": "李四",
"title": "工程师",
"desc": "系统管理"
}
},
{
"_index":"accounts",
"_type":"person",
"_id":"1",
"_score":1.0,
"_source": {
"user" : "张三",
"title" : "工程师",
"desc" : "数据库管理，软件开发"
}
}
]
}
}

上面代码中，返回结果的 took字段表示该操作的耗时（单位为毫秒），timed_out字段表示是否超时，hits字段表示命中的记录，里面子字段的含义如下。

  • total：返回记录数，本例是2条。

  • max_score：最高的匹配程度，本例是1.0。

  • hits：返回的记录组成的数组。

返回的记录中，每条记录都有一个_score字段，表示匹配的程序，默认是按照这个字段降序排列。

6.2 全文搜索

Elastic 的查询非常特别，使用自己的查询语法，要求 GET 请求带有数据体。

 
 $ curl 'localhost:9200/accounts/person/_search'  -d '
 {
   "query" : { "match" : { "desc" : "软件" }}
 }'

上面代码使用 Match 查询，指定的匹配条件是desc字段里面包含"软件"这个词。返回结果如下。

 {
"took":3,
"timed_out":false,
"_shards":{"total":5,"successful":5,"failed":0},
"hits":{
"total":1,
"max_score":0.28582606,
"hits":[
{
"_index":"accounts",
"_type":"person",
"_id":"1",
"_score":0.28582606,
"_source": {
"user" : "张三",
"title" : "工程师",
"desc" : "数据库管理，软件开发"
}
}
]
}
}

Elastic 默认一次返回10条结果，可以通过size字段改变这个设置。

 
 $ curl 'localhost:9200/accounts/person/_search'  -d '
 {
   "query" : { "match" : { "desc" : "管理" }},
   "size": 1
 }'

上面代码指定，每次只返回一条结果。

还可以通过from字段，指定位移。

 
 $ curl 'localhost:9200/accounts/person/_search'  -d '
 {
   "query" : { "match" : { "desc" : "管理" }},
   "from": 1,
   "size": 1
 }'

上面代码指定，从位置1开始（默认是从位置0开始），只返回一条结果。

6.3 逻辑运算

如果有多个搜索关键字， Elastic 认为它们是or关系。

 
 $ curl 'localhost:9200/accounts/person/_search'  -d '
 {
   "query" : { "match" : { "desc" : "软件 系统" }}
 }'

上面代码搜索的是软件 or 系统。

如果要执行多个关键词的and搜索，必须使用布尔查询。

 $ curl 'localhost:9200/accounts/person/_search'  -d '
 {
   "query": {
     "bool": {
       "must": [
         { "match": { "desc": "软件" } },
         { "match": { "desc": "系统" } }
       ]
     }
   }
 }'

七、参考链接

  • ElasticSearch 官方手册 (https://www.elastic.co/guide/en/elasticsearch/reference/current/getting-started.html)

  • A Practical Introduction to Elasticsearch (https://www.elastic.co/blog/a-practical-introduction-to-elasticsearch)


本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/328694.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

写给实习生的第一天

写给实习生的第一天

实习生（intern）和新员工有所区别。实习生仿佛一个长达12周（三个月）的面试，一起工作，一起解决问题。在最后有答辩和debrief meeting讨论结果。可能通过了，最后公司给offer；也可能没有…
阅读更多...
项目里远程调用POST/GET接口时使用的方法

项目里远程调用POST/GET接口时使用的方法

一、远程调用post接口时的方法 方法一： 这个方式的querys传的是参数（参数可是单个参数/对象） host指的是远程调用的主机地址 headers指的是头信息（可有可无） body指的是字符集的编码格式 public static String doPo…
阅读更多...
再讲IQueryablelt;Tgt;，揭开表达式树的神秘面纱

再讲IQueryablelt;Tgt;，揭开表达式树的神秘面纱

接上篇《先说IEnumerable&#xff0c;我们每天用的foreach你真的懂它吗&#xff1f;》 最近园子里定制自己的orm那是一个风生水起&#xff0c;感觉不整个自己的orm都不好意思继续混博客园了&#xff08;开个玩笑&#xff09;。那么在此之前我们有必要仔细了解下 IQueryable<…
阅读更多...
Java进阶之路——从初级程序员到架构师，从小工到专家

Java进阶之路——从初级程序员到架构师，从小工到专家

转载自 Java进阶之路——从初级程序员到架构师&#xff0c;从小工到专家怎样学习才能从一名Java初级程序员成长为一名合格的架构师&#xff0c;或者说一名合格的架构师应该有怎样的技术知识体系&#xff0c;这是不仅一个刚刚踏入职场的初级程序员也是工作三五年之后开始迷茫…
阅读更多...
堆排序原理及其实现(C++)

堆排序原理及其实现(C++)

https://blog.csdn.net/lzuacm/article/details/52853194 堆排序原理及其实现(C) 1. 堆排序的引入 我们知道简单选择排序的时间复杂度为O(n^2)&#xff0c;熟悉各种排序算法的朋友都知道&#xff0c;这个时间复杂度是很大的&#xff0c;所以怎样减小简单选择排序的时间复杂度…
阅读更多...
Redis集群~StackExchange.redis连接Twemproxy代理服务器

Redis集群~StackExchange.redis连接Twemproxy代理服务器

本文是Redis集群系列的一篇文章&#xff0c;主要介绍使用StackExchange.Redis进行Twemproxy&#xff08;文中简称TW&#xff09;代理服务的连接过程&#xff0c;事务上&#xff0c;对于&#xff34;&#xff37;来说&#xff0c;我们需要理解一下它的物理架构&#xff0c;它类似…
阅读更多...
List集合转分页

List集合转分页

当所要查询的数据不能通过框架自带的分页和自定义分页实现的时候&#xff0c;一般查询出来的数据大多数情况都是list的形式。这就牵扯到把list集合转成分页&#xff0c;实现分页操作。   以下就是list转page的工具 /*** list转page进行手动分页* param list 要转的list集合*…
阅读更多...
内存转换Image到Icon

内存转换Image到Icon

转载自 内存转换Image到Icon 时候我们需要在内存中转换Image格式到Icon 根据经验&#xff0c;通常我们应该可以这样做 Image image xxxx;///假设这里已经有一个Image对象 System.IO.MemoryStream mStream new System.IO.MemoryStream();///创建内存流 image.Save(mStream,…
阅读更多...
同步异步

同步异步

https://blog.csdn.net/ideality_hunter/article/details/53453285 同步和异步&#xff0c;区别 2016年12月04日 11:20:17 阅读数&#xff1a;60233 同步&#xff1a; 同步的思想是&#xff1a;所有的操作都做完&#xff0c;才返回给用户。这样用户在线等待的时间太长&…
阅读更多...
不想穷下去就请看!

不想穷下去就请看!

不想穷下去就请看! 　　 　　 　　 1、记住&#xff0c;平均每天看电视超过三个小时以上的&#xff0c;一定都是那些月收入不超过两千元的&#xff0c;如果你想要月收入超过两千&#xff0c;请不要把时间浪费在电视上。同样的道理&#xff0c;那些平均每天玩网络游戏或聊天超过…
阅读更多...
.NET开发者如何使用MyCat

.NET开发者如何使用MyCat

背景 在开发中&#xff0c;我们设计的系统的效率在很大程度上会受到数据库引擎单表的性能制约&#xff0c;因此在数据量庞大、或记录过宽时&#xff0c;需要考虑分库分表从而减轻数据库压力&#xff0c;提升查询效率。此外配置读写分离&#xff0c;让主数据库处理事务性查询&am…
阅读更多...
关于Icon，Image，ImageIcon的简单的对比参考 上篇

关于Icon，Image，ImageIcon的简单的对比参考 上篇

转载自 关于Icon&#xff0c;Image&#xff0c;ImageIcon的简单的对比参考 上篇其实就算是现在&#xff0c;我还是有不少地方概念模糊&#xff0c;但是下面的内容是是没有什么问题的。稍微介绍一下&#xff0c;或许有些地方我无法解释&#xff1a; 大部分内容都是查的Java SE…
阅读更多...
移动端为什么拿不到本地运行的web工程数据

移动端为什么拿不到本地运行的web工程数据

原因很简单 连接的是远程服务器的tomcat啊啊啊啊啊
阅读更多...
道指mt4代码_剑指offer算法题052：正则表达式匹配

道指mt4代码_剑指offer算法题052：正则表达式匹配

小编在求职找找工作期间剑指offer上的算法题刷了很多遍&#xff0c;并且每道题小编当时都总结了一种最适合面试时手撕算法的最优解法。考虑到剑指offer算法题在面试中的高频出现&#xff0c;小编每天和大家分享一道剑指offer上的算法题&#xff0c;以及小编总结的答案。下面是第…
阅读更多...
.NET 程序集单元测试工具 SmokeTest 应用指南

.NET 程序集单元测试工具 SmokeTest 应用指南

Smoke Test(冒烟测试)&#xff0c;也称Regression Test(回归测试)&#xff0c;是对软件的安装和基本功能的测试。一般地我们使用脚本来实现Smoke Test的自动化&#xff0c;可借用虚拟机的snapshot机制来保证干净的环境来进行Smoke Test&#xff0c;然后将测试好的程序集成到Con…
阅读更多...
JavaFX将Node导出为图片

JavaFX将Node导出为图片

转载自 JavaFX将Node导出为图片在JavaFX中提供了一个很实用的功能。我们可以将任意节点截图导出。代码如下:WritableImage image mapCanvas.snapshot(new SnapshotParameters(), null); try { ImageIO.write(SwingFXUtils.fromFXImage(image, null), "png", fil…
阅读更多...
要么干，要么滚，千万别混

要么干，要么滚，千万别混

原文来自网络&#xff0c;侵删&#xff01; 公司里混日子的人&#xff0c;最终伤害的是自己&#xff01;你混日子&#xff0c;就是日子混你&#xff0c;你自己是输家。 无论为谁打工&#xff0c;要为自己学东西&#xff0c;客观上为公司创造价值。 收获与投入成正比&#xff0c…
阅读更多...
basemap安装_Python画地图逃不过的basemap「完全安装手册」 | 附下载

basemap安装_Python画地图逃不过的basemap「完全安装手册」 | 附下载

基础配置&#xff1a;Mac 2017 | Python3python虐我千百遍&#xff0c;我待python如初恋Python需要跳过的安装的坑太太太太多了!!!!!前段时间看《利用python进行数据分析》这本书&#xff0c;到可视化的部分&#xff0c;看着最后的例子地图挺酷炫的&#xff0c;跟着敲代码的过程…
阅读更多...
秋招--持续更新

秋招--持续更新

7月份 阿里 电话面试挂 高并发 多线程 8月16日 17:06 网易互娱一面跪 问题 树二叉树 堆排序 各种字符串处理
阅读更多...
String与InputStream相互转换

String与InputStream相互转换

转载自 String与InputStream相互转换1.String to InputStream String str "String与InputStream相互转换";InputStream in_nocode new ByteArrayInputStream(str.getBytes()); InputStream in_withcode new ByteArrayInputStream(str.getByt…
阅读更多...
最新文章

Copyright @ 2022~2023