什么网站可以自己做字,中国石油大学网页设计与网站建设,手机建站平台微点手赚,宜宾建设招标网站转载自 全文搜索引擎 Elasticsearch 入门教程全文搜索属于最常见的需求#xff0c;开源的 Elasticsearch #xff08;以下简称 Elastic#xff09;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…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_count262144
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 CElastic 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 ClusterElastic 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 IndexElastic 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 DocumentIndex 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 TypeDocument 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?prettytrue
根据规划Elastic 6.x 版只允许每个 Index 包含一个 Type7.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。
usertitledesc
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?prettytrue
上面代码请求查看/accounts/person/1这条记录URL 的参数prettytrue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?prettytrue{_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updatedcreated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)
