ElasticSearch总结

ES是什么

ES是一个天生支持分布式的搜索、聚合分析的存储引擎
基于Java开发基于Lucene的开源分布式搜索引擎

ELK ： elasticSearch Logstah Kibana
加入 Beats 后
ELK 改为：Elastic stack

ES解决了什么问题

ES解决的核心问题： 1.海量数据 2.全文检索
ES不擅长的场景：管理数据、事务场景、大单页查询、数据实时写入更新

ES生产模式和开发模式

生产环境 ：用于生产环境的运行模式，生产模式下要考虑高可用、故障转移、性能优化等安全因素，要求比较高
开发环境 ：用于测试的运行环境、相对要求比较低

引导检查 ：
单节点发现：会将自己设置为主节点，不允许其他节点加入，会放弃一些检查

ES存储和索引

ES是面向文档存储的，索引：相同类型的文档的集合

文档（document）：每条数据是一个文档
词条（term）：文档按照语义分成词条

ES和MYSQL 对比

倒排索引

Mysql ：采用正向索引 like 等内容检索操作会逐行扫描
Es采用倒排索引

查询过程：
1 分词
2 根据词条去列表查询文档id
3 根据文档id查询文档
4 存入结果集

ES数据同步

ES 中的数据来自于Mysql ，因为当mysql发生改变时，会涉及到数据同步问题
常见模型：读写分离，ES负责搜索和查询，Mysql只负责数据写入和更新

1.同步双写数据同步

效率较低，业务耦合，不推荐

2.异步双写

使用消息队列（mq）来异步实现数据同步，缺点：依赖mq的可靠性

3.监听binlog

使用中间件来监听 mysql 的binlog （如：canal）来完成数同步
可完全解除服务间耦合。需要开启binlog

ES集群

海量数据存储问题：将索引库从逻辑上拆分为多个分片（shard），存储到多个节点
单点故障问题：将分片数据再不同节点备份

节点角色

脑裂问题

默认情况：每个节点都是 master eligible （备选主节点）一旦 msater 宕机，当值 master 和某些节点连接不上
其他节点会选举一个新的主节点，网络恢复会出现两个master节点。称为：脑裂问题

ES处理：选票超过 eligible节点数+1 / 2 ，才能当主， eligible 数量配置为奇数
配置：discovery.zen.minimum_master_nodes es7.0之后，默认开启此配置

ES分布式存储

新增文档时：通过hash 算法来计算文档应该存储到那个分片
对文档ID 进行哈希，对分片数量取余

索引库一旦创建，分片数量不能修改

ES分布式查询

Es查询分为两个阶段 ：

Scatter phase 分散阶段，协调节点把请求分发到每个分片
Gather phase 聚集阶段，协调节点将查询结果汇总请返回给用户

故障转移

主节点故障： eligible master 重新选举为主节点
数据节点故障：主节点监控分片：，将故障节点的分片转移到其他健康的节点

索引库操作

ES的操作语法称为 DSL ：类似于sql

mapping映射属性

Mapping是对索引库中文档的约束，常见的 mapping属性包括：

Type ：字符类型：字符串text（可分词）、keyword（不可分割）
数值：long、int、short、byte、double float
布尔：boolean
日期：date
对象：object
Index ：是否创建索引默认 true

analyzer：使用哪种分词器

properties ：该字段的子字段

创建索引库

ES 创建索引库和mapping的 DSL语法如下
在这里插入图片描述

查询、删除索引库

查看： GET /索引库名称
删除： DELETE/索引库名称

修改索引库 ：索引库和mapping禁止修改，因为修改会影响到倒排索引和分词
但是可以添加新的字段：

Put /索引库名称/_mapping
{
Xxx
}

文档操作

文档类似于 mysql中的行

新增文档

post操作

查看、删除文档

GET /索引库名/_doc/文档id

DELETE/索引库名/_doc/文档id

修改文档

**1.全量修改：**删除旧文档，添加新文档
blog.csdnimg.cn/0d9a8da616aa4321918da2be370b4e8e.png)

2.局部修改。修改指定得字段值

DLS查询语法

查询类型：

查询所有：例：match_all
全文检索：利用分词器，去倒排索引查询匹配例: match_query multi_match_query
精确查询：根据keyword等完整词条查询，不需要查询分词内容例： ids range term
地理查询： geo_distanch geo_bounding_box
符合查询：将以上方式组合使用并且可以使用与或非

DSL Query 基本语法

在这里插入图片描述

全文检索查询

利用分词器，去倒排索引查询匹配例: match_query multi_match_query
常用于：搜索框

Match查询 ：根据关键字分词，去倒排索引库中检索

multi_match :可以同时查询多个字段

精确查询

精确查询一般用于查找 keyword 数值、日期、bool 等不可分词字段、

Term 查询 ：根据词条精确值查询
Range 查询 ：根据值的范围查询 gt 大于 gte大于等于 lt 小于 lte 小于等于
在这里插入图片描述

地理查询

根据经纬度查询

geo_bounding_box :查询 geo_point值落在某个矩形范围的所有文档
查询 Top_left 和bottom_right之间的文档

geo_distance :查询到指定点为中心距离小于某个值（distance）的所有文档

复合查询

在将其他简单查询结合起来，实现更复杂的搜索逻辑

Function score ：算法函数查询，可以控制文档相关性算分，控制文档排名

相关性算分 ：搜索结果与搜索词条关联打分（_score）

TF-IDF算法 : 频率 * 权重

BM25算法： es 5.0之后
相比较 TF—IDF 得分会更加平滑

Function score Query : 可以修改相关性算分。根据新得到的算法排序
在这里插入图片描述

Boolean Query （与或非）

布尔查询是一个活多个查询子句的组合。子查询组合方式有：

must：必须匹配每个子查询，类似“与”
should：选择性匹配子查询，类似“或〞
must_not：必须不匹配，不参与算分，类似“非”
filter：必须匹配，不参与算分

搜索结果处理（排序、分页、高亮）

排序

对搜索结果进行排序，默认按照（_socre）来排序可以排序的子字段有：keyword 、数值、GEO、日期等

分页

ES默认只返回TOP10的数据。需要查询更多数据则需要修改分页参数
ES 通过 from size 来控制分页

ES 由于是倒排索引所以分页需要查询出前面所有的数据比如 from 990 siez 10 则要查出 1000 条数据再截取 10条
问题：ES是分布式的，会导致深度分页问题 ，找每个分片的前 1000数据，再合并找出前1000 。会对性能有很大影响
ES设定的结果集上限是10000

深度分页解决方案
Search after ：分页时需要排序。从上一次排序位置开始查询下一页，缺点：只能向后翻页。官方推荐
Scroll ：将排序数据形成快照。保存在内存。缺点：耗内存，并且数据可能不是最新

高亮

将搜索结果中的关键字突出显式

原理：
将关键字有标签标记出来，再页面中给标签添加css样式

highlight 高亮：

数据聚合

聚合可惜实现对文档数据的统计、分析、运算。聚合常见有三类

桶聚合（bucket）：用来对文档分组

TermAddregation：按文档字段值分组
Date histogram：按日期阶梯分组

Size ：聚合结果数量
Order ：结果排序方式
Field：指定聚合字段
Query可以先定聚合的范围（查询条件）

度量聚合（Metric）：用来计算数值：最大值、最小值、平均值等

在brandAgg 内部使用 aggs 即可使用度量聚合

管道聚合（pipeline）

以其他聚合的结果再做聚合

自动补全

自定义分词器

elasticsearch中分词器 (analvzer）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：**將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

我们在创建索引库时，通过settings来配置自定义的 analyzer（分词器）
在这里插入图片描述
如何使用拼音分词器？