ElasticSearch02

ElasticSearch客户端操作

ElasticSearch
版本：7.8 学习视频：尚硅谷
笔记：https://zgtsky.top/

实际开发中，主要有三种方式可以作为elasticsearch服务的客户端：

  • 第一种，使用elasticsearch提供的Restful接口直接访问

  • 第二种，elasticsearch-head插件

  • 第三种，使用elasticsearch提供的API进行访问

ElasticSearch的接口语法

image-20231126135233782

Elasticsearch提供了基于JSON的完整查询DSL（Domain Specific Language领域特定语言）来定义查询。将查询DSL视为查询的AST（抽象语法树），它由两种子句组成：

  • 叶子查询子句:

​ 叶查询子句中寻找一个特定的值在某一特定领域，如 match，term或 range查询。这些查询可以自己使用。

  • 复合查询子句

​ 复合查询子句包装其他叶查询或复合查询，并用于以逻辑方式组合多个查询（例如 bool或dis_max查询），或更改其行为（例如 constant_score查询）。

我们在使用ElasticSearch的时候，避免不了使用DSL语句去查询，就像使用关系型数据库的时候要学会SQL语法一样。如果我们学习好了DSL语法的使用，那么在日后使用和使用Java Client调用时候也会变得非常简单。

Postman

操作索引 index

image-20231126135456262

创建索引

请求url：put localhost:9200/blog

发送请求，响应数据

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

elasticsearch-head查看：请求localhost:9200

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

image-20231126135649912

如果重复创建索引，会报错：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

查看索引

get localhost:9200/log

image-20231126140108689

删除索引

delete localhost:9200/blog

image-20231126140200112

关闭索引

post localhost:9200/blog/_close

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

打开索引

post localhost:9200/blog/_open

image-20231126140400279

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

创建索引index并且进行映射mapping

请求url ：PUT	localhost:9200/blog1请求体：{"mappings": {"properties": {"id": {"type": "long","store": true,"index":true},"title": {"type": "text","store": true,"index":true,"analyzer":"standard"},"content": {"type": "text","store": true,"index":true,"analyzer":"standard"}}}
}

注意：

  1. key需要使用双引号，不可以省略

  2. mappings、properties等都是关键字，区分大小写

  3. mapping中的字段类型一旦设置，禁止直接修改，因为 lucene实现的倒排索引生成后不允许修改，应该重新建立新的索引，然后做reindex操作。

  4. 如果没有mapping所有text类型属性默认都使用standard分词器。所以如果希望使用IK分词就必须配置自定义mapping。

  5. store含义：默认false。当某个数据字段很大，我们可以指定其它字段store为true，这样就不用从_source中取数据。 store 的意思是，是否在 _source 之外在独立存储一份。当你索引数据的时候， elasticsearch 会保存一份源文档到 _source ，如果文档的某一字段设置了 store 为 true，这时候会在 _source 存储之外再为这个字段独立进行存储，这么做的目的主要是针对内容比较多的字段，放到 _source 返回的话，因为_source 是把所有字段保存为一份文档，命中后读取只需要一次IO，包含内容特别多的字段会很占带宽影响性能，通常我们也不需要完整的内容返回(可能只关心摘要)，这时候就没必要放到 _source 里一起返回了(当然也可以在查询时指定返回字段)。

  6. index含义：默认值是true。es默认大多数及常用数据字段类型就是索引的，这也是es职责之所在，但是有时会有部分字段只是做存储，不做检索，这也会提高es性能。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

elasticsearch-head查看：

image-20231126140945584

kibana

操作索引和映射

# 创建索引
PUT person
# 查询索引
GET person
# 删除索引
DELETE person# 查询映射
GET person/_mapping# 添加映射
PUT person/_mapping
{"properties":{"name":{"type":"keyword"},"age":{"type":"integer"}}
}
# ------------------------------------------------
# 创建索引并添加映射
PUT person
{"mappings": {"properties": {"name":{"type": "keyword"},"age":{"type":"integer"}}}
}
# 索引库中添加字段
PUT person/_mapping
{"properties":{"address":{"type":"text"}}
}
# 判断索引是否存在
HEAD person

打开kibana，在此操作。前提是elasticsearch也在开着。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

操作文档document

• 添加文档
• 查询文档
• 修改文档
• 删除文档

• 判断文档是否存在

# 查询索引
GET person# 添加文档，指定id
PUT person/_doc/1
{"name":"张三","age":20,"address":"深圳宝安区"
}# 查询文档
GET person/_doc/1# 添加文档,不指定id,自动生成id
POST person/_doc/
{"name":"李四","age":20,"address":"深圳南山区"
}
# 查询文档
GET person/_doc/u8b2QHUBCR3n8iTZ8-Vk# 添加文档,不指定id,自动生成id
POST person/_doc
{"name":"李四","age":20,"address":"深圳南山区"
}
# 查询文档
GET person/_doc/u8b2QHUBCR3n8iTZ8-Vk# 查询所有文档
GET person/_search# 删除文档
DELETE person/_doc/1# 修改文档 根据id，id存在就是修改，id不指定报405请求方式不支持，使用POST方式
PUT person/_doc/2
{"name":"硅谷","age":20,"address":"深圳福田保税区"
}
#如果我们只需要判断文档是否存在，而不是查询文档内容，那么可以这样：
HEAD  shangguigu/_doc/1001
#存在返回：200 - OK
#不存在返回：404 – Not Found

注意：

put：id存在是修改（以现在提供字段为全部字段），id不存在是添加

post：id存在是添加，id不存在自动生成id，

查询全部

GET  person/_search
GET person/_search
{"query": {"match_all": {}}
}

全文查询-match查询

全文查询会分析查询条件，先将查询条件进行分词，然后查询，求并集

# match 先会对查询的字符串进行分词，在查询，求并集
GET person/_search
{"query": {"match": {"address": "深圳保税区"}}
}

结果按照得分进行排序

image-20231126143339113

查询文档-term查询

词条查询不会分析查询条件，只有当词条和查询字符串完全匹配时才匹配搜索。term主要用于精确匹配哪些值，比如数字，日期，布尔值或 not_analyzed 的字符串(未经分析的文本数据类型)

# 查询所有数据
GET person/_search# 查询 带某词条的数据
GET person/_search
{"query": {"term": {"address": {"value": "深圳南山区"}}}
}

这个结果与使用的分词器有关。根据address字段，建立倒排索引时，需要对其分词，产生多个词条，而词条集合中没有"深圳南山区"的词条，故而查询不到数据。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

大家可以查询“深”或“南山区”或“深圳”试试。

这里之前没有指定ik分词器，所以中文都是一个一个的，此处用 深 可以查出。

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

注意：

默认情况下，hits.total.value是不确切的命中计数，当hits.total.relation的值是eq时，hits.total.value的值是准确计数。

当hits.total.relation的值是gte时，hits.total.value的值是不准确的。

hits.hits 是存储搜索结果的实际数组（默认为前10个文档）

terms查询

terms 跟 term 有点类似，但 terms 允许指定多个匹配条件。 如果某个字段指定了多个值，那么文档需要一起去做匹配：

POST person/_search
{"query" : {"terms" : { "age" : [20,21]}}
}

exists 查询

exists 查询可以用于查找文档中是否包含指定字段或没有某个字段，类似于SQL语句中的 IS_NULL 条件

# "exists":  必须包含
POST person/_search
{"query": {"exists": { "field": "name"}}
}

range查询

range 过滤允许我们按照指定范围查找一批数据：

范围操作符包含：

gt :: 大于

gte :: 大于等于

lt :: 小于

lte :: 小于等于

POST person/_search
{"query": {"range": {"age": {"gte": 20,"lte": 22}}}
}

复合查询（bool）

复合查询就是多条件查询

GET 索引名/类型名/_search
{"query": {"bool": {"must": [ #数组中的多个条件必须同时满足{"range": {"字段名": {"lt": 条件}}}],"must_not":[ #数组中的多个条件必须都不满足{"match": {"字段名": "条件"}},{"range": {"字段名": {"gte": "搜索条件"}}}],"should": [# 数组中的多个条件有任意一个满足即可。{"match": {"字段名": "条件"}},{"range": {"字段名": {"gte": "搜索条件"}}}]}}
}

bool 可以用来合并多个过滤条件查询结果的布尔逻辑，它包含这如下几个操作符:

· must : 多个查询条件的完全匹配,相当于 and，有评分。

· filter: 多个查询条件的完全匹配,相当于 and，无评分。

· must_not ::多个查询条件的相反匹配，相当于 not。

· should : 至少有一个查询条件匹配, 相当于 or。

多添加数据，方便展示

PUT  person/_doc/1001
{"id":"1001","name":"张三","age":20,"sex":"男"
}
PUT  person/_doc/1002
{"id":"1002","name":"李四","age":25,"sex":"女"
}PUT  person/_doc/1003
{"id":"1003","name":"王五","age":30,"sex":"女"
}PUT  person/_doc/1004
{"id":"1004","name":"赵六","age":30,"sex":"男"
}GET person/_search

复合查询示例：

GET shangguigu/_search
{"query": {"bool": {"must": [{"range": {"age": {"gte": 25,"lte": 33}}},{"term": {"sex": {"value": "女"}}}],"must_not": [{"match": {"name": "王五"}}],"should": [{"exists": {"field": "address"}}]}}
}

image-20231126145358947

高亮显示

在浏览器搜索时，我们搜索的关键词汇，在给出的搜索列表里对应的词汇会高亮。

GET  person/_search
{"query":{"match":{"name": "张三 李四"}},"highlight": {"fields": {"name": {}}}
}

扩展：可以自定义高亮的样式：

“pre_tags”: “”,

“post_tags”: “”

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

自定义样式

image-20231126145829026

指定响应字段

在响应的数据中，如果我们不需要全部的字段，可以指定某些需要的字段进行返回

GET  person/_doc/1001?_source=id,name等价于GET /person/_search
{"query": {"match": {"id": "1001"}},"_source": ["id","name"]
}

image-20231126150001030

聚合

在Elasticsearch中，支持聚合操作，类似SQL中的group by操作。

注意：

"all_ages"名称是任意的。

GET  person/_search
{"aggs": {"all_ages": {"terms": {"field": "age"}}}
}

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

如果聚合查询报错：在es中，text类型的字段使用一种叫做fielddata的查询时内存数据结构。当字段被排序，聚合或者通过脚本访问时这种数据结构会被创建。它是通过从磁盘读取每个段的整个反向索引来构建的，然后存存储在java的堆内存中。fileddata默认是不开启的。Fielddata可能会消耗大量的堆空间，尤其是在加载高基数文本字段时。一旦fielddata已加载到堆中，它将在该段的生命周期内保留。此外，加载fielddata是一个昂贵的过程，可能会导致用户遇到延迟命中。这就是默认情况下禁用fielddata的原因。如果尝试对文本字段进行排序，聚合或脚本访问，将看到以下异常：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

修改后的语句：

{"aggs": {"all_ages": {"terms": {"field": "age.keyword"}}}
}

批量操作

有些情况下可以通过批量操作以减少网络请求。如：批量查询、批量插入数据。

  • 批量查询
POST  person/_doc/_mget
{"ids" : [ "1001", "1003" ]
}

image-20231126150638064

​ 如果，某一条数据不存在，不影响整体响应，需要通过found的值进行判断是否查询到数据。

1006 不存在

{"ids" : [ "1001", "1006" ]
}

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

  • _bulk操作

在Elasticsearch中，支持批量的插入、修改、删除操作，都是通过_bulk的api完成的。

请求格式如下：（请求格式不同寻常）

不要有多余的空行

{ action: { metadata }}\n
{ request body    }\n
{ action: { metadata }}\n
{ request body    }\n
...

批量插入：

POST _bulk
{"create":{"_index":"person","_id":2001}}
{"id":2001,"name":"name1","age": 20,"sex": "男"}
{"create":{"_index":"person","_id":2002}}
{"id":2002,"name":"name2","age": 20,"sex": "男"}
{"create":{"_index":"person","_id":2003}}
{"id":2003,"name":"name3","age": 20,"sex": "男"}

批量删除：

由于delete没有请求体，所以，action的下一行直接就是下一个action。

POST _bulk
{"delete":{"_index":"atguigu","_id":2001}}
{"delete":{"_index":"atguigu","_id":2002}}
{"delete":{"_index":"atguigu","_id":2003}}

分页

和SQL使用 LIMIT 关键字返回只有一页的结果一样，Elasticsearch接受 from 和 size 参数：

插入数据：

size: 结果数，默认10
from: 跳过开始的结果数，默认0
POST person/_bulk
{"index":{"_index":"person"}}
{"name":"张三","age": 20,"mail": "111@qq.com","hobby":"羽毛球、乒乓球、足球"}
{"index":{"_index":"person"}}
{"name":"李四","age": 21,"mail": "222@qq.com","hobby":"羽毛球、乒乓球、足球、篮球"}
{"index":{"_index":"person"}}
{"name":"王五","age": 22,"mail": "333@qq.com","hobby":"羽毛球、篮球、游泳、听音乐"}
{"index":{"_index":"person"}}
{"name":"赵六","age": 23,"mail": "444@qq.com","hobby":"跑步、游泳"}
{"index":{"_index":"person"}}
{"name":"孙七","age": 24,"mail": "555@qq.com","hobby":"听音乐、看电影"}

测试分页：

POST person/_search
{"query" : {"match" : { "hobby" : "音乐 羽毛球"}},"from": 0,"size": 2
}

注意事项：批量操作中index和create区别

  • index 和 create 都会检查 _version 版本号。
  • index 插入时分两种情况：
    • 没有指定 _version，那对于已有的doc，_version会递增，并对文档覆盖。
    • 指定_version，如果与已有的文档 _version 不相等，则插入失败；如果相等则覆盖，_version递增。
  • create 插入时对于已有的文档，不会创建新文档，即插入失败，会抛出一个已经存在的异常。

通过查询字符串搜索数据

ElasticSearch除了提供DSL查询语法之外，还提供了query string search。

query string search：search的参数都是类似http请求头中的字符串参数提供搜索条件的。GET [/index_name/]_search[?parameter_name=parameter_value&…]

query DSL：请求参数以JSON形式提供，是在请求体传递的。在Elasticsearch中，请求体的字符集默认为UTF-8。

# 查询名字等于张三的用户
GET  person/_search?q=name:张三
# 查询所有字段中带张三的用户
GET  person/_search?q=张三

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

如果你想每页显示5个结果，页码从1到3，那请求如下：

GET person/_search?size=5
GET person/_search?size=5&from=5
GET person/_search?size=5&from=10

排序：

GET person/_search?size=1&from=2
GET person/_search?sort=age:desc
GET person/_search?size=5&sort=age:desc

重建索引

随着业务需求的变更，索引的结构可能发生改变。

ElasticSearch的索引一旦创建，只允许添加字段，不允许改变字段。因为改变字段，需要重建倒排索引，影响内部缓存结构，性能太低。

那么此时，就需要重建一个新的索引，并将原有索引的数据导入到新索引中。

原索引库 ：student_index_v1

新索引库 ：student_index_v2

# 新建student_index_v1索引，索引名称必须全部小写
PUT student_index_v1 
{"mappings": {"properties": {"birthday":{"type": "date"}}}
}
# 查询索引
GET student_index_v1
# 添加数据
PUT student_index_v1/_doc/1
{"birthday":"2020-11-11"
}
# 查询数据
GET student_index_v1/_search
# 随着业务的变更，换种数据类型进行添加数据，程序会直接报错
PUT student_index_v1/_doc/1
{"birthday":"2020年11月11号"
}
# 业务变更，需要改变birthday数据类型为text
# 1：创建新的索引 student_index_v2
# 2：将student_index_v1 数据拷贝到 student_index_v2# 创建新的索引
PUT student_index_v2 
{"mappings": {"properties": {"birthday":{"type": "text"}}}
}DELETE student_index_v2
# 2：将student_index_v1 数据拷贝到 student_index_v2
POST _reindex
{"source": {"index": "student_index_v1"},"dest": {"index": "student_index_v2"}
}
# 查询新索引库数据
GET student_index_v2/_search
# 在新的索引库里面添加数据
PUT student_index_v2/_doc/2
{"birthday":"2020年11月13号"
}

ElasticSearch集群搭建

相关概念

单节点故障问题

  • 单台服务器，往往都有最大的负载能力，超过这个阈值，服务器性能就会大大降低甚至不可用。单点的elasticsearch也是一样，那单点的es服务器存在哪些可能出现的问题呢？

    • 单台机器存储容量有限

    • 单服务器容易出现单点故障，无法实现高可用

    • 单服务的并发处理能力有限

​ 所以，为了应对这些问题，我们需要对elasticsearch搭建集群

  • 集群中节点数量没有限制，大于等于2个节点就可以看做是集群了。一般出于高性能及高可用方面来考虑集群中节点数量都是3个以上。

集群的相关概念

**1)**集群 cluster

一个集群就是由一个或多个节点组织在一起，它们共同持有整个的数据，并一起提供索引和搜索功能。一个集群由一个唯一的名字标识，这个名字默认就是“elasticsearch”。这个名字是重要的，因为一个节点只能通过指定某个集群的名字，来

加入这个集群。

2) 节点 node

一个节点是集群中的一个服务器，作为集群的一部分，它存储数据，参与集群的索引和搜索功能。

一个节点也是由一个名字来标识的，默认情况下，这个名字是一个随机的漫威漫画角色的名字，这个名字会在启动的时候赋予节点。这个名字对于管理工作来说挺重要的，因为在这个管理过程中，你会去确定网络中的哪些服务器对应于

ElasticSearch集群中的哪些节点。

一个节点可以通过配置集群名称的方式来加入一个指定的集群。默认情况下，每个节点都会被安排加入到一个叫做“elasticsearch”的集群中，这意味着，如果你在你的网络中启动了若干个节点，并假定它们能够相互发现彼此，它们将会自动地

形成并加入到一个叫做“elasticsearch”的集群中。

在一个集群里，只要你想，可以拥有任意多个节点。而且，如果当前你的网络中没有运行任何Elasticsearch节点，这时启动一个节点，会默认创建并加入一个叫做“elasticsearch”的集群。

分片和复制 shards&replicas

一个索引可以存储超出单个节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。

分片很重要，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。

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( 副本)。

复制之所以重要，有两个主要原因： 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。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（意思是没有复制）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的数量，但是存储数据后不能改变分片的数量。

默认情况下:

Elasticsearch6.x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。

Elasticsearch7.x中的每个索引被分片1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1个主分片和另外1个复制分片（1个完全拷贝），这样的话每个索引总共就有2个分片。

image-20231126152922677

集群搭建

  • 准备三台elasticsearch服务器

创建elasticsearch-cluster文件夹，在内部复制三个elasticsearch服务

  • 修改每台服务器配置

    修改elasticsearch-cluster\node*\config\elasticsearch.yml配置文件

    node1节点：按照(新)的来,discovery.zen.ping.unicast.hosts这个参数用discovery.seed_hosts替换

    #节点1的配置信息：
    #集群名称，保证唯一
    cluster.name: my-elasticsearch

    #默认为true。设置为false禁用磁盘分配决定器。

    cluster.routing.allocation.disk.threshold_enabled: false

    #节点名称，必须不一样
    node.name: node-1
    #必须为本机的ip地址
    network.host: 127.0.0.1
    #服务端口号，在同一机器下必须不一样
    http.port: 9201
    #集群间通信端口号，在同一机器下必须不一样
    transport.tcp.port: 9301
    #设置集群自动发现机器ip集合
    #discovery.zen.ping.unicast.hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

    #（新）

    # es7.x 之后新增的配置，写入候选主节点的设备地址，在开启服务后可以被选为主节点

    # es7之后，不需要上面discovery.zen.ping.unicast.hosts这个参数，用discovery.seed_hosts替换

    # discovery.zen.ping.unicast.hosts: [“10.19.1.9:9200”,“10.19.1.10:9200”,“10.19.1.11:9200”]

    discovery.seed_hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

    # es7.x 之后新增的配置，初始化一个新的集群时需要此配置来选举master

    cluster.initial_master_nodes: [“node-1”]

    node2节点：

    #节点2的配置信息：
    #集群名称，保证唯一
    cluster.name: my-elasticsearch

    #默认为true。设置为false禁用磁盘分配决定器。

    cluster.routing.allocation.disk.threshold_enabled: false

    #节点名称，必须不一样
    node.name: node-2
    #必须为本机的ip地址
    network.host: 127.0.0.1
    #服务端口号，在同一机器下必须不一样
    http.port: 9202
    #集群间通信端口号，在同一机器下必须不一样
    transport.tcp.port: 9302
    #设置集群自动发现机器ip集合
    #discovery.zen.ping.unicast.hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

    #（新）

    # es7.x 之后新增的配置，写入候选主节点的设备地址，在开启服务后可以被选为主节点

    # es7之后，不需要上面discovery.zen.ping.unicast.hosts这个参数，用discovery.seed_hosts替换

    # discovery.zen.ping.unicast.hosts: [“10.19.1.9:9200”,“10.19.1.10:9200”,“10.19.1.11:9200”]

    discovery.seed_hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

    # es7.x 之后新增的配置，初始化一个新的集群时需要此配置来选举master

    cluster.initial_master_nodes: [“node-1”]

    node3节点：

    #节点3的配置信息：
    #集群名称，保证唯一
    cluster.name: my-elasticsearch

    #默认为true。设置为false禁用磁盘分配决定器。

    cluster.routing.allocation.disk.threshold_enabled: false

    #节点名称，必须不一样
    node.name: node-3
    #必须为本机的ip地址
    network.host: 127.0.0.1
    #服务端口号，在同一机器下必须不一样
    http.port: 9203
    #集群间通信端口号，在同一机器下必须不一样
    transport.tcp.port: 9303
    #设置集群自动发现机器ip集合
    #discovery.zen.ping.unicast.hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

    #（新）

    # es7.x 之后新增的配置，写入候选主节点的设备地址，在开启服务后可以被选为主节点

    # es7之后，不需要上面discovery.zen.ping.unicast.hosts这个参数，用discovery.seed_hosts替换

    # discovery.zen.ping.unicast.hosts: [“10.19.1.9:9200”,“10.19.1.10:9200”,“10.19.1.11:9200”]

    discovery.seed_hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

    # es7.x 之后新增的配置，初始化一个新的集群时需要此配置来选举master

    cluster.initial_master_nodes: [“node-1”]

  • 启动各个节点服务器

先清理掉之前数据：删除elasticsearch-cluster\node*\data目录下的nodes目录 这个目录很有必要删除，没删除时，集群不成功，elasticsearch head插口看不到集群

在各个节点安装ik分词器

双击elasticsearch-cluster\node*\bin\elasticsearch.bat

启动节点1：

启动节点2：

启动节点3：

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

集群测试

  • 使用elasticsearch-head查看集群情况

地址栏通过http://localhost:9201/，http://localhost:9202/，http://localhost:9203分别查看集群中节点情况。

image-20231126154430326

浏览器elasticsearch head插件中通过http://localhost:9201/，http://localhost:9202/，http://localhost:9203分别访问集群。可以看到3个节点，一切正常（绿色）。没有任何索引。

image-20231126154807783

  • 安装kibana连接集群

修改kibana的conf/kibana.yml中配置

#elasticsearch.hosts: [“http://localhost:9200”]

elasticsearch.hosts: [“http://localhost:9201”,“http://localhost:9202”,“http://localhost:9203”]

双击bin/kibana.bat确定kibana。

再次通过浏览器elasticsearch head插件访问集群

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传

  • 集群测试

创建索引及映射

# 请求方法：PUT
PUT /shopping
{"settings": {},"mappings": {"properties": {"title":{"type": "text","analyzer": "ik_max_word"},"subtitle":{"type": "text","analyzer": "ik_max_word"},"images":{"type": "keyword","index": false},"price":{"type": "float","index": true}}}
}

添加文档

POST /shopping/_doc/1
{"title":"小米手机","images":"http://www.gulixueyuan.com/xm.jpg","price":3999.00
}
  • 再次使用elasticsearch-head查看集群情况

GET _cluster/health

{

“cluster_name” : “my-jio”,

“status” : “green”,

“timed_out” : false,

“number_of_nodes” : 3,

“number_of_data_nodes” : 3,

“active_primary_shards” : 7,

“active_shards” : 14,

“relocating_shards” : 0,

“initializing_shards” : 0,

“unassigned_shards” : 0,

“delayed_unassigned_shards” : 0,

“number_of_pending_tasks” : 0,

“number_of_in_flight_fetch” : 0,

“task_max_waiting_in_queue_millis” : 0,

“active_shards_percent_as_number” : 100.0

}

  • Elasticsearch-head查看：

image-20231126155915459

服务器运行状态：

Green

所有的主分片和副本分片都已分配。你的集群是 100% 可用的。

yellow

所有的主分片已经分片了，但至少还有一个副本是缺失的。不会有数据丢失，所以搜索结果依然是完整的。不过，你的高可用性在某种程度上被弱化。如果 更多的 分片消失，你就会丢数据了。把 yellow 想象成一个需要及时调查的警告。

red

至少一个主分片（以及它的全部副本）都在缺失中。这意味着你在缺少数据：搜索只能返回部分数据，而分配到这个分片上的写入请求会返回一个异常。

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.rhkb.cn/news/202730.html

如若内容造成侵权/违法违规/事实不符，请联系长河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

从0到1建立前端规范

从0到1建立前端规范

本文适合打算建立前端规范的小伙伴阅读 一、为什么需要规范 规范能给我们带来什么好处，如果没有规范会造成什么后果？这里主要拿代码规范来说。 统一代码规范的好处： 提高代码整体的可读性、可维护性、可复用性、可移植性和可靠性&#xf…
阅读更多...
Ubuntu 22.04.3编译AOSP13刷机

Ubuntu 22.04.3编译AOSP13刷机

文章目录 设备信息下载AOSP并切换分支获取设备驱动编译系统编译遇到的问题Cannot allocate memoryUbuntu设置USB调试刷机参考链接 设备信息 手机：Pixel 4XL 下载AOSP并切换分支 在清华大学开源软件镜像站下载初始化包aosp-latest.tar。 解压缩，切换到…
阅读更多...
Hexo 还是 Hugo？Typecho 还是 Wordpress？读完这篇或许你就有答案了！

Hexo 还是 Hugo？Typecho 还是 Wordpress？读完这篇或许你就有答案了！

Hexo 首先介绍的是 Hexo，这也是咕咕没买服务器之前折腾的第一个博客。 演示站点：https://yirenliu.cn 用的主题是 butterfly，想当年刚用的时候，作者还没建群，现在 qq 群都有上千人了，GitHub 上的星星数量也有 2.7k 了。 优点 如果你不想买服务器，但也想折腾一个博客，…
阅读更多...
【Web-Note】 JavaScript概述

【Web-Note】 JavaScript概述

JavaSript基本语法 JavaSript程序不能独立运行&#xff0c;必须依赖于HTML文件。 <script type "text/javascript" [src "外部文件"]> JS语句块; </script> script标记是成对标记。 type属性&#xff1a;说明脚本的类型。 "text/jav…
阅读更多...
【全栈开发】RedwoodJS与BlitzJS：全栈JavaScript元框架的未来

【全栈开发】RedwoodJS与BlitzJS：全栈JavaScript元框架的未来

Redwood和Blitz是两个即将出现的全栈元框架&#xff0c;它们提供了创建SPAs、服务器端渲染页面和静态生成内容的工具&#xff0c;并提供了生成端到端支架的CLI。我一直在等待一个有价值的Rails JavaScript替代品&#xff0c;谁知道什么时候。这篇文章是对两者的概述&#xff0c…
阅读更多...
【C++】：拷贝构造函数与赋值运算符重载的实例应用之日期类的实现

【C++】：拷贝构造函数与赋值运算符重载的实例应用之日期类的实现

C实现日期类 ├─属性&#xff1a; │ ├─年份 │ ├─月份 │ └─日期 ├─方法&#xff1a; │ ├─构造函数 │ ├─拷贝构造函数 │ ├─析构函数 │ ├─设置年份 │ ├─设置月份 │ ├─设置日期 │ ├─获取年份 │ ├─获取月份 │ ├─获取日期 │ ├…
阅读更多...
HTML新特性【缩放图像、图像切片、平移、旋转、缩放、变形、裁切路径、时钟、运动的小球】(二)-全面详解（学习总结---从入门到深化）

HTML新特性【缩放图像、图像切片、平移、旋转、缩放、变形、裁切路径、时钟、运动的小球】(二)-全面详解（学习总结---从入门到深化）

目录 绘制图像_缩放图像 绘制图像_图像切片 Canvas状态的保存和恢复 图形变形_平移 图形变形_旋转 图形变形_缩放 图形变形_变形 裁切路径 动画_时钟 动画_运动的小球 引入外部SVG 绘制图像_缩放图像 ctx.drawImage(img, x, y, width, height) img &#xf…
阅读更多...
C# 使用NPOI操作Excel的工具类

C# 使用NPOI操作Excel的工具类

写在前面 NPOI是POI项目的.NET迁移版本。POI是一个开源的Java 读写 Excel、Word 等微软Ole2组件文档的项目&#xff1b;使用NPOI可以在没有安装Office或者相应环境的机器上对Word或Excel文档进行读写操作。 NPOI类库中操作EXCEL有两个模块分别是&#xff1a; 1️.HSSF模块&a…
阅读更多...
Spring Beans；Spring Bean的生命周期；spring Bean的作用域，spring处理线程并发问题

Spring Beans；Spring Bean的生命周期；spring Bean的作用域，spring处理线程并发问题

文章目录 Spring Beans请解释Spring Bean的生命周期解释Spring支持的几种bean的作用域Spring容器中的bean可以分为5个范围&#xff1a; Spring如何处理线程并发问题&#xff1f; 在现在的项目开发中经常使用到spring bean&#xff0c;那么来谈谈spring bean的生命周期&#xff…
阅读更多...
Lua脚本解决redis实现的分布式锁多条命令原子性问题

Lua脚本解决redis实现的分布式锁多条命令原子性问题

线程1现在持有锁之后&#xff0c;在执行业务逻辑过程中&#xff0c;他正准备删除锁&#xff0c;而且已经走到了条件判断的过程中&#xff0c;比如他已经拿到了当前这把锁确实是属于他自己的&#xff0c;正准备删除锁&#xff0c;但是此时他的锁到期了&#xff0c;那么此时线程2…
阅读更多...
(三) Windows 下 Sublime Text 3 配置Python环境和Anaconda代码提示

(三) Windows 下 Sublime Text 3 配置Python环境和Anaconda代码提示

一&#xff1a;新建一个 Python3.7 编译环境。 1 Tools--Build System--New Build System... 修改前&#xff1a; 修改后&#xff1a; 内容&#xff1a; {"cmd":["C:\\Python\\Python37-32\\python.exe","-u","$file"],"file_r…
阅读更多...
复数的几何意义

复数的几何意义

1、复平面&#xff0c;复数的其它表示法 (1)几何表示法 直角平面坐标&#xff1a; 复平面 实轴&#xff0c;虚轴 (2)向量表示法 向量 模&#xff1a; 复数加减法可用向量的三角形法则或者平行四边形法则 (3)结论 (两边之和大于第三边) ((两边之差大于第三边)) *辐角&am…
阅读更多...
FlinkCDC实现主数据与各业务系统数据的一致性（瀚高、TIDB）

FlinkCDC实现主数据与各业务系统数据的一致性（瀚高、TIDB）

文章末尾附有flinkcdc对应瀚高数据库flink-cdc-connector代码下载地址 1、业务需求 目前项目有主数据系统和N个业务系统，为保障“一数一源”，各业务系统表涉及到主数据系统的字段都需用主数据系统表中的字段进行实时覆盖，这里以某个业务系统的一张表举例说明：业务系统表Ta…
阅读更多...
pytorch安装GPU版本 (Cuda12.1)教程

pytorch安装GPU版本 (Cuda12.1)教程

使用本教程前&#xff0c;默认您已经安装并配置好了python3以上版本 1. 去官网下载匹配的Cuda Cuda下载地址 当前最高版本的Cuda是12.1 我安装的就是这个版本 小提示&#xff1a;自定义安装可以只选择安装Cuda Runtime。Nvidia全家桶不必全部安装。把全家桶全部安装完直接系统…
阅读更多...
机器人规划算法——movebase导航框架源码分析

机器人规划算法——movebase导航框架源码分析

这里对MoveBase类的类成员进行了声明&#xff0c;以下为比较重要的几个类成员函数。 构造函数 MoveBase::MoveBase | 初始化Action 控制主体 MoveBase::executeCb收到目标&#xff0c;触发全局规划线程&#xff0c;循环执行局部规划 全局规划线程 void MoveBase::planThread |…
阅读更多...
【小黑送书—第五期】＞＞《MATLAB科学计算从入门到精通》

【小黑送书—第五期】＞＞《MATLAB科学计算从入门到精通》

从代码到函数&#xff0c;从算法到实战&#xff0c;从问题到应用&#xff0c;由浅入深掌握科学计算方法&#xff0c;高效解决实际问题。 从代码到函数&#xff0c;掌握多种经典算法 跨越多个领域&#xff0c;精通各类科学计算 多种应用实例&#xff0c;高效解决实际问题 今天给…
阅读更多...
【尚跑】2023宝鸡马拉松安全完赛，顺利PB达成

【尚跑】2023宝鸡马拉松安全完赛，顺利PB达成

1、赛事背景 千年宝地&#xff0c;一马当先&#xff01;10月15日7时30分&#xff0c;吉利银河2023宝鸡马拉松在宝鸡市行政中心广场鸣枪开跑。 不可忽视的是&#xff0c;这次赛事的卓越之处不仅在于规模和参与人数&#xff0c;还在于其精心的策划和细致入微的组织。为了确保每位…
阅读更多...
操作NAND flash W25N01G

操作NAND flash W25N01G

文章目录 W25N01G1 描述2 特点3 封装3.3.2 连接线 4 引脚/CSDO/WP/Hold SPI指令标准SPI命令双SPI四元SPI命令写保护 5 地址PA与PC最后一个扇区 OTP寄存器1块保护清除块保护指令* WP-E 寄存器2寄存器3BUSYP-FAILE-FAILECC位 8 命令8.1 装置ID 指令解读写状态寄存器 注意内容上拉…
阅读更多...
今天给大家带来Python炫酷爱心代码

今天给大家带来Python炫酷爱心代码

前言&#xff1a; 这个是小编之前朋友一直要小编去做的&#xff0c;不过之前技术不够所以一直拖欠今天也完成之前的约定吧&#xff01; 至于他是谁&#xff0c;我就不多说了直接上代码 一.代码展示 import random from math import sin, cos, pi, log from tkinter import …
阅读更多...
Navicat 技术指引 | 适用于 GaussDB 的用户权限设置

Navicat 技术指引 | 适用于 GaussDB 的用户权限设置

Navicat Premium&#xff08;16.2.8 Windows版或以上&#xff09; 已支持对 GaussDB 主备版的管理和开发功能。它不仅具备轻松、便捷的可视化数据查看和编辑功能&#xff0c;还提供强大的高阶功能&#xff08;如模型、结构同步、协同合作、数据迁移等&#xff09;&#xff0c;这…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023