苏州网站建设案例,怎样上传网站到百度,wordpress点击量设置,广西灵山县住房和城乡建设局网站1.数据聚合
聚合#xff08;aggregations#xff09;可以让我们极其方便的实现对数据的统计、分析、运算。例如#xff1a; 什么品牌的手机最受欢迎#xff1f; 这些手机的平均价格、最高价格、最低价格#xff1f; 这些手机每月的销售情况如何#xff1f;
实现这些…1.数据聚合
聚合aggregations可以让我们极其方便的实现对数据的统计、分析、运算。例如 什么品牌的手机最受欢迎 这些手机的平均价格、最高价格、最低价格 这些手机每月的销售情况如何
实现这些统计功能的比数据库的sql要方便的多而且查询速度非常快可以实现近实时搜索效果。
1.1.聚合的种类
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 注意参加聚合的字段必须是keyword、日期、数值、布尔类型 1.2.DSL实现聚合
现在我们要统计所有数据中的酒店品牌有几种其实就是按照品牌对数据分组。此时可以根据酒店品牌的名称做聚合也就是Bucket聚合。
1.2.1.Bucket聚合语法
语法如下
GET /hotel/_search
{size: 0, // 设置size为0结果中不包含文档只包含聚合结果aggs: { // 定义聚合brandAgg: { //给聚合起个名字terms: { // 聚合的类型按照品牌值聚合所以选择termfield: brand, // 参与聚合的字段size: 20 // 希望获取的聚合结果数量}}}
}
结果如图 1.2.2.聚合结果排序
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。
我们可以指定order属性自定义聚合的排序方式
GET /hotel/_search
{size: 0, aggs: {brandAgg: {terms: {field: brand,order: {_count: asc // 按照_count升序排列},size: 20}}}
} 1.2.3.限定聚合范围
默认情况下Bucket聚合是对索引库的所有文档做聚合但真实场景下用户会输入搜索条件因此聚合必须是对搜索结果聚合。那么聚合必须添加限定条件。
我们可以限定要聚合的文档范围只要添加query条件即可
GET /hotel/_search
{query: {range: {price: {lte: 200 // 只对200元以下的文档聚合}}}, size: 0, aggs: {brandAgg: {terms: {field: brand,size: 20}}}
} 这次聚合得到的品牌明显变少了 1.2.4.Metric聚合语法
上节课我们对酒店按照品牌分组形成了一个个桶。现在我们需要对桶内的酒店做运算获取每个品牌的用户评分的min、max、avg等值。
这就要用到Metric聚合了例如stat聚合就可以获取min、max、avg等结果。
语法如下
GET /hotel/_search
{size: 0, aggs: {brandAgg: { terms: { field: brand, size: 20},aggs: { // 是brands聚合的子聚合也就是分组后对每组分别计算score_stats: { // 聚合名称stats: { // 聚合类型这里stats可以计算min、max、avg等field: score // 聚合字段这里是score}}}}}
} 这次的score_stats聚合是在brandAgg的聚合内部嵌套的子聚合。因为我们需要在每个桶分别计算。 另外我们还可以给聚合结果做个排序例如按照每个桶的酒店平均分做排序 1.2.5.小结
aggs代表聚合与query同级此时query的作用是 限定聚合的的文档范围
聚合必须的三要素 聚合名称 聚合类型 聚合字段
聚合可配置属性有 size指定聚合结果数量 order指定聚合结果排序方式 field指定聚合字段
1.3.RestAPI实现聚合
1.3.1.API语法
聚合条件与query条件同级别因此需要使用request.source()来指定聚合条件。
聚合条件的语法 聚合的结果也与查询结果不同API也比较特殊。不过同样是JSON逐层解析 2.自动补全
当用户在搜索框输入字符时我们应该提示出与该字符有关的搜索项如图 这种根据用户输入的字母提示完整词条的功能就是自动补全了。 因为需要根据拼音字母来推断因此要用到拼音分词功能。 2.1.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上恰好有elasticsearch的拼音分词插件。地址https://github.com/medcl/elasticsearch-analysis-pinyin 安装方式与IK分词器一样分三步
①解压
②上传到虚拟机中elasticsearch的plugin目录
③重启elasticsearch
④测试
测试用法如下
POST /_analyze
{text: 如家酒店还不错,analyzer: pinyin
}
结果 2.2.自定义分词器
默认的拼音分词器会将每个汉字单独分为拼音而我们希望的是每个词条形成一组拼音需要对拼音分词器做个性化定制形成自定义分词器。 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
文档分词时会依次由这三部分来处理文档 声明自定义分词器的语法如下
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 filterpy: { // 过滤器名称type: pinyin, // 过滤器类型这里是pinyinkeep_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}}}
} 测试 总结
如何使用拼音分词器 ①下载pinyin分词器 ②解压并放到elasticsearch的plugin目录 ③重启即可
如何自定义分词器 ①创建索引库时在settings中配置可以包含三部分 ②character filter ③tokenizer ④filter
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 2.3.自动补全查询
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。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。
比如一个这样的索引库
// 创建索引库
PUT test
{mappings: {properties: {title:{type: completion}}}
}
然后插入下面的数据
// 示例数据
POST test/_doc
{title: [Sony, WH-1000XM3]
}
POST test/_doc
{title: [SK-II, PITERA]
}
POST test/_doc
{title: [Nintendo, switch]
} 查询的DSL语句如下
// 自动补全查询
GET /test/_search
{suggest: {title_suggest: {text: s, // 关键字completion: {field: title, // 补全查询的字段skip_duplicates: true, // 跳过重复的size: 10 // 获取前10条结果}}}
} 2.4.实现酒店搜索框自动补全
现在我们的hotel索引库还没有设置拼音分词器需要修改索引库中的配置。但是我们知道索引库是无法修改的只能删除然后重新创建。
另外我们需要添加一个字段用来做自动补全将brand、suggestion、city等都放进去作为自动补全的提示。 因此总结一下我们需要做的事情包括 修改hotel索引库结构设置自定义拼音分词器 修改索引库的name、all字段使用自定义分词器 索引库添加一个新字段suggestion类型为completion类型使用自定义的分词器 给HotelDoc类添加suggestion字段内容包含brand、business 重新导入数据到hotel库
2.4.1.修改酒店映射结构
代码如下
// 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}}}
} 2.4.2.修改HotelDoc实体
HotelDoc中要添加一个字段用来做自动补全内容可以是酒店品牌、城市、商圈等信息。按照自动补全字段的要求最好是这些字段的数组。
因此我们在HotelDoc中添加一个suggestion字段类型为ListString然后将brand、city、business等信息放到里面。
代码如下
package com.kjz.hotel.pojo;
import lombok.Data;
import lombok.NoArgsConstructor;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.List;
Data
NoArgsConstructor
public class HotelDoc {private Long id;private String name;private String address;private Integer price;private Integer score;private String brand;private String city;private String starName;private String business;private String location;private String pic;private Object distance;private Boolean isAD;private ListString suggestion;
public HotelDoc(Hotel hotel) {this.id hotel.getId();this.name hotel.getName();this.address hotel.getAddress();this.price hotel.getPrice();this.score hotel.getScore();this.brand hotel.getBrand();this.city hotel.getCity();this.starName hotel.getStarName();this.business hotel.getBusiness();this.location hotel.getLatitude() , hotel.getLongitude();this.pic hotel.getPic();// 组装suggestionif(this.business.contains(/)){// business有多个值需要切割String[] arr this.business.split(/);// 添加元素this.suggestion new ArrayList();this.suggestion.add(this.brand);Collections.addAll(this.suggestion, arr);}else {this.suggestion Arrays.asList(this.brand, this.business);}}
} 2.4.3.重新导入
重新执行之前编写的导入数据功能可以看到新的酒店数据中包含了suggestion 2.4.4.自动补全查询的JavaAPI
之前我们学习了自动补全查询的DSL而没有学习对应的JavaAPI这里给出一个示例 而自动补全的结果也比较特殊解析的代码如下 2.4.5.实现搜索框自动补全
查看前端页面可以发现当我们在输入框键入时前端会发起ajax请求 返回值是补全词条的集合类型为ListString 1在com.kjz.hotel.web包下的HotelController中添加新接口接收新的请求
GetMapping(suggestion)
public ListString getSuggestions(RequestParam(key) String prefix) {return hotelService.getSuggestions(prefix);
} 2在com.kjz.hotel.web包下的IhotelService中添加方法
ListString getSuggestions(String prefix); 3在com.kjz.hotel.service.impl.HotelService中实现该方法
Override
public ListString getSuggestions(String prefix) {try {// 1.准备RequestSearchRequest request new SearchRequest(hotel);// 2.准备DSLrequest.source().suggest(new SuggestBuilder().addSuggestion(suggestions,SuggestBuilders.completionSuggestion(suggestion).prefix(prefix).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 suggestions suggest.getSuggestion(suggestions);// 4.2.获取optionsListCompletionSuggestion.Entry.Option options suggestions.getOptions();// 4.3.遍历ListString list new ArrayList(options.size());for (CompletionSuggestion.Entry.Option option : options) {String text option.getText().toString();list.add(text);}return list;} catch (IOException e) {throw new RuntimeException(e);}
} 3.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。 3.1.思路分析
常见的数据同步方案有三种 同步调用 异步通知 监听binlog
3.1.1.同步调用
方案一同步调用 基本步骤如下 hotel-demo对外提供接口用来修改elasticsearch中的数据 酒店管理服务在完成数据库操作后直接调用hotel-demo提供的接口
3.1.2.异步通知
方案二异步通知 流程如下 hotel-admin对mysql数据库数据完成增、删、改后发送MQ消息 hotel-demo监听MQ接收到消息后完成elasticsearch数据修改 3.1.3.监听binlog
方案三监听binlog 流程如下 给mysql开启binlog功能 mysql完成增、删、改操作都会记录在binlog中 hotel-demo基于canal监听binlog变化实时更新elasticsearch中的内容
3.1.4.选择
方式一同步调用 优点实现简单粗暴 缺点业务耦合度高
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
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
3.2.实现数据同步 3.2.1.思路
利用课前资料提供的hotel-admin项目作为酒店管理的微服务。当酒店数据发生增、删、改时要求对elasticsearch中数据也要完成相同操作。
步骤 导入课前资料提供的hotel-admin项目启动并测试酒店数据的CRUD 声明exchange、queue、RoutingKey 在hotel-admin中的增、删、改业务中完成消息发送 在hotel-demo中完成消息监听并更新elasticsearch中数据 启动并测试数据同步功能 4.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
ES集群相关概念: 集群cluster一组拥有共同的 cluster name 的 节点。 font colorred节点node)/font 集群中的一个 Elasticearch 实例 font colorred分片shard/font索引可以被拆分为不同的部分进行存储称为分片。在集群环境下一个索引的不同分片可以拆分到不同的节点中 解决问题数据量太大单点存储量有限的问题。 此处我们把数据分成3片shard0、shard1、shard2 主分片Primary shard相对于副本分片的定义。 副本分片Replica shard每个主分片可以有一个或者多个副本数据和主分片一样。
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如图我们以3分片每个分片备份一份为例 现在每个分片都有1个备份存储在3个节点 node0保存了分片0和1 node1保存了分片0和2 node2保存了分片1和2 4.1.搭建ES集群
我们会在单机上利用docker容器运行多个es实例来模拟es集群。不过生产环境推荐大家每一台服务节点仅部署一个es的实例。
部署es集群可以直接使用docker-compose来完成但这要求你的Linux虚拟机至少有4G的内存空间
首先编写一个docker-compose文件内容如下
version: 2.2
services:es01:image: elasticsearch:7.12.1container_name: es01environment:- node.namees01- cluster.namees-docker-cluster- discovery.seed_hostses02,es03- cluster.initial_master_nodeses01,es02,es03- ES_JAVA_OPTS-Xms512m -Xmx512mvolumes:- data01:/usr/share/elasticsearch/dataports:- 9200:9200networks:- elastices02:image: elasticsearch:7.12.1container_name: es02environment:- node.namees02- cluster.namees-docker-cluster- discovery.seed_hostses01,es03- cluster.initial_master_nodeses01,es02,es03- ES_JAVA_OPTS-Xms512m -Xmx512mvolumes:- data02:/usr/share/elasticsearch/dataports:- 9201:9200networks:- elastices03:image: elasticsearch:7.12.1container_name: es03environment:- node.namees03- cluster.namees-docker-cluster- discovery.seed_hostses01,es02- cluster.initial_master_nodeses01,es02,es03- ES_JAVA_OPTS-Xms512m -Xmx512mvolumes:- data03:/usr/share/elasticsearch/datanetworks:- elasticports:- 9202:9200
volumes:data01:driver: localdata02:driver: localdata03:driver: local
networks: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_count262144
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 4.1.2.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。
这里推荐使用cerebro来监控es集群状态官方网址GitHub - lmenezes/cerebro
下载后的安装包解压好的目录如下 进入对应的bin目录 双击其中的cerebro.bat文件即可启动服务。 访问http://localhost:9000 即可进入管理界面 输入你的elasticsearch的任意节点的地址和端口点击connect即可 绿色的条代表集群处于绿色健康状态。 4.1.2.创建索引库
1利用kibana的DevTools创建索引库
在DevTools中输入指令
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 ...}}
}
2利用cerebro创建索引库
利用cerebro还可以创建索引库 填写索引库信息 点击右下角的create按钮 4.1.3.查看分片效果
回到首页即可查看索引库分片效果 4.2.集群脑裂问题 4.2.1.集群职责划分
elasticsearch中集群节点有不同的职责划分 默认情况下集群中的任何一个节点都同时具备上述四种角色。 但是真实的集群一定要将集群职责分离 master节点对CPU要求高但是内存要求第 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。
一个典型的es集群职责划分如图 4.2.2.脑裂问题
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。 4.2.3.小结
master eligible节点的作用是什么 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节点的作用是什么 数据的CRUD
coordinator节点的作用是什么 路由请求到其它节点 合并查询到的结果返回给用户 4.3.集群分布式存储
当新增文档时应该保存到不同分片保证数据均衡那么coordinating node如何确定数据该存储到哪个分片呢 4.3.1.分片存储测试
插入三条数据 测试可以看到三条数据分别在不同分片
结果 4.3.2.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id1的文档 2对id做hash运算假如得到的是2则应该存储到shard-2 3shard-2的主分片在node3节点将数据路由到node3 4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
4.4.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 4.5.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。 1例如一个集群结构如图 现在node1是主节点其它两个节点是从节点。 2突然node1发生了故障 宕机后的第一件事需要重新选主例如选中了node2 node2成为主节点后会检测集群监控状态发现shard-1、shard-0没有副本节点。因此需要将node1上的数据迁移到node2、node3
