全网最新，自学java之ElasticSearch7.x+实战_elasticsearch-java 7.x-优快云博客

学习资源：b站up主狂神说，有兴趣的可以看下
学习ElasticSearch之前，建议大家可以百度一下他的诞生背景，会更加有利于你对这门技术的了解，这里就不展开描述了，直接入门学习

ElasticSearch安装

注意：因为ElasticSearch的底层是java开发的，需要jdk环境，而jdk环境最低要求是jdk1.8及以上的，所以需要确保这个环境是ok的

下载

直接官网下载即可，迅雷下载的速度还是挺快的

https://www.elastic.co/cn/

安装

解压即用

解压完毕后运行bin目录下的elasticsearch.bat文件，等待运行完毕后，在浏览器运行127.0.0.1:9200即可，出现以下界面说明安装成功
在这里插入图片描述

安装ES的图形化界面插件客户端——elasticsearch-head

注意：安装此插件需要node.js环境，没有的需要提前安装好，否则是安装不了elasticsearch-head的，具体怎么安装的在vue笔记中有说明，可以去看下

下载地址：https://github.com/mobz/elasticsearch-head

克隆到本地

git clone git://github.com/mobz/elasticsearch-head.git

然后按照文档的说明来安装即可

cd elasticsearch-head
npm install # 如果比较慢也可以使用cnpm
npm run start

最后运行开始在浏览器运行http://localhost:9100/

因为涉及到跨域问题，没法直接通信的，所以需要到elasticsearch的config目录下的elasticsearch.yml配置文件中配置一下

# 跨域配置
http.cors.enabled: true
http.cors.allow-origin: "*"

最后重启elasticsearch，发现elasticsearch-head会自动访问到
在这里插入图片描述

kibana

通过 Kibana，您可以对自己的 Elasticsearch 进行可视化，还可以在 Elastic Stack 中进行导航，这样您便可以进行各种操作了，从跟踪查询负载，到理解请求如何流经您的整个应用，都能轻松完成。

下载地址：https://www.elastic.co/cn/kibana

注意：kibana的版本要和elasticsearch的版本保持一致

下载完毕后解压即用，运行bin目录下的kibana.bat文件，运行完毕后在浏览器中运行http://localhost:5601，kibana会自动去访问9200，也就elasticsearch的端口号（当然elasticsearch这个时候必须启动着），然后就可以使用kibana了！
在这里插入图片描述
全英文看不懂？放心，kibana自带汉化功能，找到kibana的config目录下的kibana.yml文件，配置如下

i18n.locale: "zh-CN"

然后重启kibana就会变成中文版的了
在这里插入图片描述

ES核心概念

概述

在前面的学习中，我们已经掌握了es是什么，同时也把es的服务已经安装启动，那么es是如何去存储数据，数据结构是什么，又是如何实现搜索的呢？我们先来聊聊ElasticSearch的相关概念吧！

集群，节点，索引，类型，文档，分片，映射是什么？

elasticsearch是面向文档，关系行数据库和 elasticsearch 客观的对比！

elasticsearch(集群)中可以包含多个索引(数据库)，每个索引中可以包含多个类型(表)，每个类型下又包含多个文档(行)，每个文档中又包含多个字段(列)。

物理设计：

elasticsearch 在后台把每个索引划分成多个分片，每分分片可以在集群中的不同服务器间迁移

逻辑设计：

一个索引类型中，包含多个文档，比如说文档1，文档2。当我们索引一篇文档时，可以通过这样的一各顺序找到它: 索引 ▷ 类型 ▷ 文档ID ，通过这个组合我们就能索引到某个具体的文档。注意:ID不必是整数，实际上它是个字符串。

文档

之前说elasticsearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，elasticsearch中，文档有几个重要属性 :

自我包含，一篇文档同时包含字段和对应的值，也就是同时包含key:value！
可以是层次型的，一个文档中包含自文档，复杂的逻辑实体就是这么来的！
灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对于字段是非常灵活的，有时候，我们可以忽略该字段，或者动态的添加一个新的字段。

尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在elasticsearch中，类型有时候也称为映射类型。

类型

类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如 name 映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么elasticsearch是怎么做的呢?elasticsearch会自动的将新字段加入映射，但是这
个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用，别整什么幺蛾子。

索引

索引是映射类型的容器，elasticsearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。我们来研究下分片是如何工作的。

物理设计：节点和分片如何工作

一个集群至少有一个节点，而一个节点就是一个elasricsearch进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有个5个分片 ( primary shard ,又称主分片 ) 构成的，每一个主分片会有一个副本 ( replica shard ,又称复制分片 )
在这里插入图片描述

倒排索引

elasticsearch使用的是一种称为倒排索引的结构，采用Lucene倒排索作为底层。这种结构适用于快速的全文搜索，一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。例如，现在有两个文档，每个文档包含如下内容：

Study every day, good good up to forever # 文档1包含的内容
To forever, study every day, good good up # 文档2包含的内容

为了创建倒排索引，我们首先要将每个文档拆分成独立的词(或称为词条或者tokens)，然后创建一个包含所有不重复的词条的排序列表，然后列出每个词条出现在哪个文档 :
在这里插入图片描述
现在，我们试图搜索 to forever，只需要查看包含每个词条的文档

两个文档都匹配，但是第一个文档比第二个匹配程度更高。如果没有别的条件，现在，这两个包含关键字的文档都将返回。

再来看一个示例，比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构 :
在这里插入图片描述
如果要搜索含有 python 标签的文章，那相对于查找所有原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这一栏，然后获取相关的文章ID即可。

elasticsearch的索引和Lucene的索引对比

在elasticsearch中，索引这个词被频繁使用，这就是术语的使用。在elasticsearch中，索引被分为多个分片，每份分片是一个Lucene的索引。所以一个elasticsearch索引是由多个Lucene索引组成的。别问为什么，谁让elasticsearch使用Lucene作为底层呢! 如无特指，说起索引都是指elasticsearch的索引。

接下来的一切操作都在kibana中Dev Tools下的Console里完成。基础操作！

ES基础操作

IK分词器插件

什么是ik分词器

分词：即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词，比如 “我爱狂神” 会被分为"我",“爱”,“狂”,“神”，这显然是不符合要求的，所以我们需要安装中文分词
器ik来解决这个问题。

IK提供了两个分词算法：ik_smart 和 ik_max_word，其中 ik_smart 为最少切分，ik_max_word为最细粒度划分！一会我们测试！

安装ik分词器

下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

注意：版本也要和es版本对应

下载完成后解压即用，注意是解压到elasticsearch安装目录下的plugins目录（插件目录）

然后重启所有服务即可

如果想要某个词不想被分词的话只需要稍微配置一下即可

步骤：

进入config目录，新建my.dic文件，并输入狂神说
打开IKAnalyzer.cfg.xml，将刚刚自定义的字典导入

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展字典 -->
	<entry key="ext_dict">my.dic</entry>
	 <!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords"></entry>
	<!--用户可以在这里配置远程扩展字典 -->
	<!-- <entry key="remote_ext_dict">words_location</entry> -->
	<!--用户可以在这里配置远程扩展停止词字典-->
	<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

测试：略

Rest风格说明

一种软件架构风格，而不是标准，只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。

基本命令说明
在这里插入图片描述

代码测试

put命令

PUT /ryan/user/1
{
   
   
  "name": "牛排",
  "age": "18",
  "desc": "帅"
}

PUT /ryan/user/2
{
   
   
  "name": "羊排",
  "age": "11",
  "desc": "骚"
}

PUT /ryan/user/3
{
   
   
  "name": "小明",
  "age": "15",
  "desc": "丑"
}

在这里插入图片描述
get命令

# 简单的搜索（如果直接get ryan 是获取索引信息的）
GET /ryan/user/2
# 返回
{
   
   
  "_index" : "ryan",
  "_type" : "user",
  "_id" : "2",
  "_version" : 2,
  "_seq_no" : 2,
  "_primary_term" : 1,
  "found" : true,
  "_source" : {
   
   
    "name" : "羊排",
    "age" : "11",
    "desc" : "骚"
  }
}

post _update，推荐的更新操作

POST /ryan/user/1/_update
{
   
   
  "doc":{
   
   
    "desc": "高富帅"
  }
}

条件查询

简单的查询，我们上面已经不知不觉的使用熟悉了：

GET /ryan/user/2

我们来学习下条件查询 _search?q=

GET /ryan/user/_search?q=name:牛排

{
   
   
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
   
   
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
   
   
    "total" : {
   
   
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.89712,
    "hits" : [
      {
   
   
        "_index" : "ryan",
        "_type" : "user",
        "_id" : "1",
        "_score" : 1.89712,
        "_source" : {
   
   
          "name" : "牛排",
          "age" : "18",
          "desc" : "高富帅"
        }
      },
      {
   
   
        "_index" : "ryan",
        "_type" : "user",
        "_id" : "2",
        "_score" : 0.6931471,
        "_source" : {
   
   
          "name" : "羊排",
          "age" : "11",
          "desc" : "骚"
        }
      }
    ]
  }
}

发现上面的结果没有小明，然后我搜牛排，羊排也查出来了，是因为他也有一定的匹配度_score，匹配度越高，分值越高

构建查询

GET ryan/user/_search
{
   
   
  "query":{
   
   
    "match": {
   
   
      "name": "牛排"
    }
  }
}

返回结果：

{
   
   
  "took" : 4,
  "timed_out" : false,
  "_shards" : {
   
   
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
   
   
    "total" : {
   
   
      "value" : 2,
      "relation" : "eq"
    },
    "max_score" : 1.89712,
    "hits" : [
      {
   
   
        "_index" : "ryan",
        "_type" : "user",
        "_id" : "1",
        "_score" : 1.89712,
        "_source" : {
   
   
          "name" : "牛排",
          "age" : "18",
          "desc" : "高富帅"
        }
      },
      {
   
   
        "_index" : "ryan",
        "_type" : "user",
        "_id" : "2",
        "_score" : 0.6931471,
        "_source" : {
   
   
          "name" : "羊排",
          "age" : "11",
          "desc" : "骚"
        }
      }
    ]
  }
}

除此之外，还可以查询全部

GET ryan/user/_search
{
   
   
  "query":{
   
   
    "match_all": {
   
   }
  }
}

match_all的值为空，表示没有查询条件，就像select * from table_name一样。

返回结果：全部查询出来了！

如果有个需求，我们仅是需要查看 name 1个属性，其他的不要怎么办?

GET ryan/user/_search
{
   
   
  "query":{
   
   
    "match_all": {
   
   }
  },
  "_source": ["name"]
}

如上例所示，在查询中，通过 _source 来控制仅返回 name 和 age 属性。

{
   
   
  "took" : 2,
  "timed_out" : false,
  "_shards" : {
   
   
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
   
   
    "total" : {
   
   
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
   
   
        "_index" : "ryan",
        "_type" : "user",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
   
   
          "name" : "牛排"
        }
      },
      {
   
   
        "_index" : "ryan",
        "_type" : "user",
        "_id" : "2",
        "_score" : 1.0,
        "_source" : {
   
   
          "name" : "羊排"
        }
      },
      {
   
   
        "_index" : "ryan",
        "_type" : "user",
        "_id" : "3",
        "_score" : 1.0,
        "_source" : {
   
   
          "name" : "小明"
        }
      }
    ]
  }
}

一般的，我们推荐使用构建查询，以后在与程序交互时的查询等也是使用构建查询方式处理查询条件，因为该方式可以构建更加复杂的查询条件，也更加一目了然。

排序查询

我们说到排序有人就会想到：正序或倒序那么我们先来倒序：

GET ryan/user/_search
{
   
   
  "query":{
   
   
    "match_all": {
   
   }
  },
  "sort": [
    {
   
   
      "age": {
   
   
        "order": "desc"
      }
    }
  ]
}

正序的话是asc

注意:在排序的过程中，只能使用可排序的属性进行排序。那么可以排序的属性有哪些呢?

数字
日期
ID

其他的都不行

分页查询

GET ryan/user/_search
{
   
   
  "query":{
   
   
    "match_all": {
   
   }
  },
  "from": 0, # 从第n条开始
  "size": 1 # 返回几条数据
}

就返回了一条数据是从第0条开始的返回一条数据。可以再测试！

布尔查询

先增加一条数据

PUT ryan/user/4
{
   
   
  "name": "牛排",
  "age": 3,
  "desc": "我是3岁的牛排"
}

must（相当于and）

我要查询所有name属性为牛排的数据,且年龄为3岁

GET ryan/user/_search
{
   
   
  "query": {
   
   
    "bool": {
   
   
      "must": [
        {
   
   
          "match": {
   
   
            "name": "牛排"
          }
        },