摘要：倒排索引我们将需要扫描检索的内容的每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，根据事先建立的索引进行查找，并将查找的结果反馈给用户。
ES概述 1、什么是Elasticsearch (是什么？)
什么是ElasticSearch呢，首先看看百度百科上的解释：
ElasticSearch是一个基于的搜索服务器。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 是一个分布式、高扩展、高实时的搜索与数据分析引擎。它能很方便的使大量数据具有搜索、分析和探索的能力。充分利用ElasticSearch的水平伸缩性，能使数据在生产环境变得更有价值。
从上面的解释中，我们可以知道：
ES是一个基于Lucene的实时分布式搜索和分析引擎，但隐藏了Lucene的复杂性，为使用者提供了简单易用的restful api接口、java api接口（包括其他语言的api接口）。
这里有几个概念我们需要了解：
1.1什么是搜索？讲到搜索，大部分人可能会想到百度、谷歌等，比如我想看电影，一般会先打开百度，然后输入电影名，进行搜索；
搜索，就是在任何场景下，找寻你想要的信息，这个时候，会输入一段你要搜索的关键字，然后就期望找到这个关键字相关的有些信息，如：
1）互联网的搜索：电商网站(天猫)，招聘网站(Boss)，各种app
2）IT系统的搜索：OA系统，会议管理等。
Lucene说白了就是一个jar包，里面包含了封装好的各种建立倒排索引，以及进行搜索的代码，包括各种算法。我们在开发的时候，引入lucene jar，然后基于lucene的api进行去进行开发就可以了。
倒排索引：我们将需要扫描检索的内容的每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，根据事先建立的索引进行查找，并将查找的结果反馈给用户。我们可以想象成通过字典中的检索字表查字的过程。
1）新闻网站，用户行为日志（点击，浏览，收藏等）+ 社交网络数据（对某某新闻的相关看法），数据分析，给到每篇新闻文章的作者，让他知道他的文章的公众反馈（好，坏，热门，垃圾，鄙视，崇拜）。
2）Stack Overflow（国外的程序异常讨论论坛），IT问题，程序的报错，提交上去，有人会跟你讨论和回答，全文检索，搜索相关问题和答案，程序报错了，就会将报错信息粘贴到里面去，搜索有没有对应的答案。
3）国内：站内搜索（电商，招聘，门户，等等），IT系统搜索（OA，CRM，ERP，等等），数据分析（ES热门的一个使用场景）。
1）可以上百台服务器，处理PB级数据，服务大公司；也可以运行在单机上，服务小公司；
2）Elasticsearch不是什么新技术，主要是将全文检索、数据分析以及分布式技术，合并在了一起，才形成了独一无二的ES；
3）对用户而言，是透明的，开箱即用，非常简单，作为中小型的应用，直接3分钟部署一下ES，就可以作为生产环境的系统来使用了；
4）数据库的功能面对很多领域是不够用的（事务，还有各种联机事务型的操作）；特殊的功能，比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据的近实时处理；Elasticsearch作为传统数据库的一个补充，提供了数据库所不能提供的很多功能。
当我们启动ElasticSearch后，它会利用多播或者单播模式去集群中寻找其它节点，并和节点建立连接。整个过程如下图所示：
2、核心概念 2.1 近实时近实时，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级。
2.2 集群集群包含多个节点，可以配置每个节点属于哪个集群（集群名称，默认是elasticsearch），对于中小型应用来说，刚开始一个集群可能就一个节点。
2.3 Node（节点）集群中的一个节点，节点也有一个名称（默认随机分配的），节点名称很重要（在执行运维管理操作的时候），默认节点会去加入一个名称为“elasticsearch”的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群。
2.4 Index（索引-数据库）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，索引有一个名称。一个index就代表了一类类似的或者相同的document。比如说建立一个商品索引，里面可能就存放了所有的商品数据，类似传统数据库的数据库。
2.5 Type（类型-表）每个索引里都可以有一个或多个type，type是index中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，可以定义用户数据type，博客数据type，评论数据type，类似传统数据库中的表。
2.6 Document（文档-行）文档是es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，通常用JSON数据结构表示，类似传统数据库中的一条数据记录，如：
{
"product_id": "1",
"product_name": "黑人牙膏",
"product_desc": "高效美白",
"category_id": "2",
"category_name": "生活用品"
}
2.7 Field（字段-列）
Field是Elasticsearch的最小单位。一个document里面有多个field，每个field就是一个数据字段。
2.8 mapping（映射-约束）数据如何存放到索引对象上，需要有一个映射配置，包括：数据类型、是否存储、是否分词等。创建Mapping 的代码示例如下：
client.indices.putMapping({
index : "blog",
type : "article",
body : {
article: {
properties: {
id: {
type: "string",
analyzer: "ik",
store: "yes",
},
title: {
type: "string",
analyzer: "ik",
store: "no",
},
content: {
type: "string",
analyzer: "ik",
store: "yes",
}
}
}
}
});
2.9分片和复制
分片：一个索引可以存储超出单个结点硬件限制的大量数据。比如，一个具有10亿文档的索引占据1TB的磁盘空间，而任一节点都没有这样大的磁盘空间；或者单个节点处理搜索请求，响应太慢。
为了解决这个问题，Elasticsearch提供了将索引划分成多份的能力，这些份就叫做分片。当你创建一个索引的时候，你可以指定你想要的分片的数量。每个分片本身也是一个功能完善并且独立的“索引”，这个“索引”可以被放置到集群中的任何节点上。
分片之所以重要，主要有两方面的原因：
1) 允许你水平分割/扩展你的内容容量
2) 允许你在分片（潜在地，位于多个节点上）之上进行分布式的、并行的操作，进而提高性能/吞吐量
至于一个分片怎样分布，它的文档怎样聚合回搜索请求，是完全由Elasticsearch管理的，对于作为用户的你来说，这些都是透明的。
复制：在一个网络/云的环境里，失败随时都可能发生，在某个分片/节点不知怎么的就处于离线状态，或者由于任何原因消失了。这种情况下，有一个故障转移机制是非常有用并且是强烈推荐的。为此目的，Elasticsearch允许你创建分片的一份或多份拷贝，这些拷贝叫做复制分片，或者直接叫复制。复制之所以重要，主要有两方面的原因：
1）在分片/节点失败的情况下，提供了高可用性。因为这个原因，注意到复制分片从不与原/主要（original/primary）分片置于同一节点上是非常重要的。
2）扩展你的搜索量/吞吐量，因为搜索可以在所有的复制上并行运行
总之，每个索引可以被分成多个分片。一个索引也可以被复制0次或多次。一旦复制了，每个索引就有了主分片（作为复制源的原来的分片）和复制分片（主分片的拷贝）之别。分片和复制的数量可以在索引创建的时候指定。在索引创建之后，你可以在任何时候动态地改变复制数量，但是不能改变分片的数量。
默认情况下，Elasticsearch中的每个索引被分片5个主分片和1个复制，这意味着，如果你的集群中至少有两个节点，你的索引将会有5个主分片和另外5个复制分片（1个完全拷贝），这样的话每个索引总共就有10个分片。一个索引的多个分片可以存放在集群中的一台主机上，也可以存放在多台主机上，这取决于你的集群机器数量。主分片和复制分片的具体位置是由ES内在的策略所决定的。
链接： https://www.elastic.co/products/elasticsearch3.2 常用插件
Elasticsearch只是提供各种后端api，为了直观使用，安装好Elasticsearch后，需要安装几个插件：
1）Elasticsearch-Head插件，可以进行界面化操作的集群管理工具，
下载：https://github.com/mobz/elasticsearch-head
安装好head插件后，输入http://ip:9200，如果能看到下面的界面，代表你已经安装成功，可以开心快乐的使用了：
此时我们可以看到访问地址后面，有个“集群健康值”，但由于我这里ES服务还没启动，所以这里是未连接的状态；
集群健康值的几种状态如下：
绿色，最健康的状态，代表所有的分片包括备份都可用 黄色，基本的分片可用，但是备份不可用（也可能是没有备份） 红色，部分的分片可用，表明分片有一部分损坏。此时执行查询部分数据仍然可以查到，遇到这种情况，还是赶快解决比较好 灰色，未连接到elasticsearch服务
我们启动Es服务，重新打开head插件看看，此时，健康值处于绿色状态：
2）IK中文分词器，下载：https://github.com/medcl/elas...
IK分词器有两种拆分方式
a、ik_smart: 将文本做最粗粒度的拆分 b、ik_max_word: 将文本做最细粒度的拆分
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/75072.html
摘要：返回的数据中，字段表示查询成功，字段返回原始记录华为笔记本计算机如果不正确，就查不到数据，字段就是。更新记录华为笔记本计算机更新记录就是使用请求，重新发送一次数据。 ElasticSearch简写ES，ES是一个高扩展、开源的全文检索和分析引擎，它可以准实时地快速存储、搜索、分析海量的数据。 应用场景 我们常见的商城商品的搜索 日志分析系统（ELK） 基于大量数据（数千万的数据）需要...
摘要：返回的数据中，字段表示查询成功，字段返回原始记录华为笔记本计算机如果不正确，就查不到数据，字段就是。更新记录华为笔记本计算机更新记录就是使用请求，重新发送一次数据。 ElasticSearch简写ES，ES是一个高扩展、开源的全文检索和分析引擎，它可以准实时地快速存储、搜索、分析海量的数据。 应用场景 我们常见的商城商品的搜索 日志分析系统（ELK） 基于大量数据（数千万的数据）需要...
摘要：作为的核心，它集中存储数据，可以发现预期及之外的结果。返回这样就表示索引创建成功。基本操作增加我们向里面插入一条数据，例如学号，姓名张三，年龄。链接入门官网搜索软件上市市值近亿美元是开源项目商业化范本学习系列入门篇基础知识实战 还记得大二的时候，初入Java大门，就大言不惭的给老师说，我要开发一个搜索引擎，结果是各种学习，各种找资料，终于在期末的时候，做出了一个简单新闻搜索页面，搜索模...
摘要：基础概念这里有一些的核心概念。现在已不可能在同一个索引中创建多个类型，并且整个类型的概念将会在未来的版本中移除。在一个索引中有一个文档数量的最大值。 入门 Elasticsearch是一个高度可伸缩的开源全文搜索和分析引擎。它允许你以近实时的方式快速存储、搜索和分析大量的数据。它通常被用作基础的技术来赋予应用程序复杂的搜索特性和需求。 这里列举了几个Elasticsearch可以用来做...
摘要：实战篇整合得到响应嘿，成功了。值得一提的是，官方文档示例代码可能是为了好看，出现问题。构造数据我的数据是抓的华为和小米官网首先使用下载，然后使用进行解析。 当前Spring Boot很是流行，包括我自己，也是在用Spring Boot集成其他框架进行项目开发，所以这一节，我们一起来探讨Spring Boot整合ElasticSearch的问题。 本文主要讲以下内容： 第一部分，通读文档...
摘要：明确的说，截至本文写作时，推荐使用版本。你可以在官网找到官方推荐的安装文档。我们可以从这个页面获取所有发行版本的二进制安装包。这个安装包使用图形用户界面来引导你进行安装。注意为安全起见，被设置为不允许使用用户运行。 安装 Elasticsearch需要至少Java 8。明确的说，截至本文写作时，推荐使用Oracle JDK 1.8.0_131版本。Java的安装在不同的平台下是不一样，...
阅读 1570·2021-11-15 11:37
阅读 2327·2021-09-23 11:21
阅读 2738·2021-09-07 10:11
阅读 3030·2019-08-30 15:53
阅读 2689·2019-08-29 15:13
阅读 1509·2019-08-26 13:57
阅读 981·2019-08-26 12:23
阅读 2282·2019-08-26 11:51
