Elasticsearch 是什么

The Elastic Stack, 包括 Elasticsearch、Kibana、Beats 和 Logstash（也称为 ELK Stack）。能够安全可靠地获取任何来源、任何格式的数据，然后实时地对数据进行搜索、分析和可视化。Elaticsearch，简称为 ES，ES 是一个开源的高扩展的分布式全文搜索引擎，是整个 Elastic Stack 技术栈的核心。它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理 PB 级别的数据。

PS：elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容

全文搜索引擎

Google，百度类的网站搜索，它们都是根据网页中的关键字生成索引，我们在搜索的时候输入关键字，它们会将该关键字即索引匹配到的所有网页返回；还有常见的项目中应用日志的搜索等等。对于这些非结构化的数据文本，关系型数据库搜索不是能很好的支持。

一般传统数据库，全文检索都实现的很鸡肋，因为一般也没人用数据库存文本字段。进行全文检索需要扫描整个表，如果数据量大的话即使对 SQL 的语法优化，也收效甚微。建立了索引，但是维护起来也很麻烦，对于 insert 和 update 操作都会重新构建索引。

基于以上原因可以分析得出，在一些生产环境中，使用常规的搜索方式，性能是非常差的：

• 搜索的数据对象是大量的非结构化的文本数据。
• 文件记录量达到数十万或数百万个甚至更多。
• 支持大量基于交互式文本的查询。
• 需求非常灵活的全文搜索查询。
• 对高度相关的搜索结果的有特殊需求，但是没有可用的关系数据库可以满足。
• 对不同记录类型、非文本数据操作或安全事务处理的需求相对较少的情况。为了解决结构化数据搜索和非结构化数据搜索性能问题，我们就需要专业，健壮，强大的全文搜索引擎。

这里说到的全文搜索引擎指的是目前广泛应用的主流搜索引擎。它的工作原理是计算机索引程序通过扫描文章中的每一个词，对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，检索程序就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的检索方式。这个过程类似于通过字典中的检索字表查字的过程。

elasticsearch和lucene

elasticsearch底层是基于lucene来实现的。

Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。官网地址：https://lucene.apache.org/ 。

elasticsearch的发展历史：

• 2004年Shay Banon基于Lucene开发了Compass
• 2010年Shay Banon 重写了Compass，取名为Elasticsearch。

Elasticsearch And Solr

Lucene 是 Apache 软件基金会 Jakarta 项目组的一个子项目，提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在 Java 开发环境里 Lucene 是一个成熟的免费开源工具。就其本身而言，Lucene 是当前以及最近几年最受欢迎的免费 Java 信息检索程序库。但 Lucene 只是一个提供全文搜索功能类库的核心工具包，而真正使用它还需要一个完善的服务框架搭建起来进行应用。

目前市面上流行的搜索引擎软件，主流的就两款：Elasticsearch 和 Solr,这两款都是基于 Lucene 搭建的，可以独立部署启动的搜索引擎服务软件。由于内核相同，所以两者除了服务器安装、部署、管理、集群以外，对于数据的操作 修改、添加、保存、查询等等都十分类似。

在使用过程中，一般都会将 Elasticsearch 和 Solr 这两个软件对比，然后进行选型。这两个搜索引擎都是流行的，先进的的开源搜索引擎。它们都是围绕核心底层搜索库 - Lucene构建的 - 但它们又是不同的。像所有东西一样，每个都有其优点和缺点：

Elasticsearch Or Solr

Elasticsearch 和 Solr 都是开源搜索引擎，那么我们在使用时该如何选择呢？

• Google 搜索趋势结果表明，与 Solr 相比，Elasticsearch 具有很大的吸引力，但这并不意味着 Apache Solr 已经死亡。虽然有些人可能不这么认为，但 Solr 仍然是最受欢迎的搜索引擎之一，拥有强大的社区和开源支持。
• 与 Solr 相比，Elasticsearch 易于安装且非常轻巧。此外，你可以在几分钟内安装并运行Elasticsearch。但是，如果 Elasticsearch 管理不当，这种易于部署和使用可能会成为一个问题。基于 JSON 的配置很简单，但如果要为文件中的每个配置指定注释，那么它不适合您。总的来说，如果你的应用使用的是 JSON，那么 Elasticsearch 是一个更好的选择。否则，请使用 Solr，因为它的 schema.xml 和 solrconfig.xml 都有很好的文档记录。
• Solr 拥有更大，更成熟的用户，开发者和贡献者社区。ES 虽拥有的规模较小但活跃的 用户社区以及不断增长的贡献者社区。
• Solr 贡献者和提交者来自许多不同的组织，而 Elasticsearch 提交者来自单个公司。
• Solr 更成熟，但 ES 增长迅速，更稳定。
• Solr 是一个非常有据可查的产品，具有清晰的示例和 API 用例场景。 Elasticsearch 的文档组织良好，但它缺乏好的示例和清晰的配置说明。

ELK技术栈

elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域：

而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。

为什么不是其他搜索技术？

目前比较知名的搜索引擎技术排名：

虽然在早期，Apache Solr是最主要的搜索引擎技术，但随着发展elasticsearch已经渐渐超越了Solr，独占鳌头：

Windows上安装ES

下载软件

ElasticSearch官方地址

ElasticSearch目前最新版本下载地址

安装软件

Windows 版的 Elasticsearch 的安装很简单，解压即安装完毕，这里我下载的目前最新版8.12.0，解压后的 Elasticsearch 的目录结构如下

解压后，我们先来修改一些配置：

• 配置启动内存，修改配置文件 config/jvm.options

  1 2 3 4 5 6 7

  ################################################################ ## IMPORTANT: JVM heap size ################################################################ ## 配置启动内存，默认是4G -Xms1g -Xmx1g ################################################################

• 暂时禁止掉再次启动时更新地图的一些数据库操作，修改 config/elasticsearch.yml 配置

  1 2	# 添加配置：暂时禁止掉再次启动时更新地图的一些数据库操作 ingest.geoip.downloader.enabled: false

• 进入 bin 文件目录，点击 elasticsearch.bat 文件启动服务 启动完成后，打开浏览器，输入：http://localhost:9200/

  

  

Windows上安装Kibana

Kibana 是一个免费且开放的用户界面，能够让你对 Elasticsearch 数据进行可视化，并 让你在 Elastic Stack 中进行导航。你可以进行各种操作，从跟踪查询负载，到理解请求如 何流经你的整个应用，都能轻松完成。

下载时尽量下载与 ElasicSearch 一致的版本。

前往官网下载 Windows 版本

下载后进行解压，目录如图：

启动kibana

• 启动 Kibana 之前要启动 Elasticsearch
• 进入 bin 目录，双击 kibana.bat 启动服务
• 启动成功后，复制控制台的地址进行访问http://localhost:5601

• 8.x版本访问时，需要先生成一个token，我们在 ES 的 bin 目录下执行以下命令生成 token

1
2
3
4

es\bin>elasticsearch-create-enrollment-token.bat --scope kibana
warning: ignoring JAVA_HOME=G:\java\java8\jdk; using bundled JDK
eyJ2ZXIiOiI4LjMuMyIsImFkciI6WyIxNzIuMjAuMTAuNDo5MjAwIl0sImZnciI6ImUzOWZlYzRmM2MyMDg2ZTEyOGIxOTU3OTAyOTVlZTc5OTlkZmI1MDlmMzM5NjNiZWE2Y2Q1ZTRjMWVhOTdlNmMiLCJrZXkiOiJfbHdsYklJQkpWZm9XX1lLNlY5NTo2czNnMFJZYVRfYXNCX19BZVZ6MDVnIn0=

• 将 token 复制到 kibana登录页中

  

修改界面语言

访问界面是英文，可修改成中文，进入根目录下的 config 目录，打开 kibana.yml 文件，在最末尾处加入以下配置，添加完成后，重新启动即可

1
2
3
4
5
6
7
8

# 默认端口
# server.port: 5601
# ES 服务器的地址，经过上一步的操作，这些会自动生成，所以不需要改动
# elasticsearch.hosts: ["https://127.0.0.1:9200"]
# 索引名：可改可不改
# kibana.index: ".kibana"
# 支持中文
i18n.locale: "zh-CN"

Docker安装Es

需提前装好Centos系统及Docker

• 因为我们还需要部署kibana容器，因此需要让es和kibana容器互联。这里先创建一个网络：

1

docker network create es-net

• 调整机器的vm.max_map_count参数至262144,调整前可以将原文件备份

1
2
3
4
5
6
7
8

// 备份文件
cp /etc/sysctl.conf /etc/sysctl.conf.bak
// 编辑文件
vim /etc/sysctl.conf
// 在文件的尾部添加以下参数
vm.max_map_count=262144
// 使修改后的文件生效
sysctl -p

• 修改虚拟内存区域大小，否则会因为过小而无法启动:

1

sysctl -w vm.max_map_count=262144

• 使用docker命令启动

1
2
3
4
5
6
7
8
9
10
11
12

docker run -d \
  --name elasticsearch \
  -e "cluster.name=elasticsearch" \
  -e "discovery.type=single-node" \
  -e "ES_JAVA_OPTS=-Xms512m -Xmx1024m" \
  -v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
  -v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
  --network es-net\ \
  --privileged \
  -p 9200:9200 \
  -p 9300:9300 \
  elasticsearch:7.17.3

• 启动时会发现/usr/share/elasticsearch/data目录没有访问权限，只需要修改/mydata/elasticsearch/data目录的权限，再重新启动。

1

chmod 777 /mydata/elasticsearch/data/

部署Kiban

1
2
3
4
5
6
7

docker run -d \
  --name kibana \
  --link elasticsearch:es \
  -e ELASTICSEARCH_HOSTS=http://es:9200 \
  --network cscz-net \
  -p 5601:5601 \
  kibana:7.17.3

查看日志

1

docker logs -f kibana

• 开启防火墙：

1

firewall-cmd --zone=public --add-port=5601/tcp --permanent firewall-cmd --reload

安装分词器

前述

为了能够更好地对中文进行搜索和查询，就需要在Elasticsearch中集成好的分词器插件， 而 IK 分词器就是用于对中文提供支持得插件。

集成IK分词器

下载

• IK分词器下载 (opens new window)
• 注意版本需要对应，目前IK分词器还没有8.3.3版本，所以就先重新下一个8.2.3版本的ES

安装

• 将下载的IK压缩包直接解压到 elasticsearch-8.2.3 的 plugins目录下，重启ES

使用 IK 分词器

IK 分词器提供了两个分词算法：

▶️ ik_smart: 会做最粗粒度的拆分，适合 Phrase 查询

▶️ Ik_max_word:会将文本做最细粒度的拆分,会穷尽各种可能的组合,适合 Term Query

• 为索引指定默认IK分词器

这样我们在索引中就不用创建每一个字段，可以通过动态字段映射，将String类型的字段映射为text类型，同时分词器指定为ik_max_word

1
2
3
4
5
6
7
8
9
10
11
12

PUT ik_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "default": {
          "type": "ik_max_word"
        }
      }
    }
  }
}

自定义分词效果

• 我们在使用 IK 分词器时会发现其实有时候分词的效果也并不是我们所期待的,有时一些特 殊得术语会被拆开，但实际上我们希望不要拆开。
• IK 插件给我们提供了自定义分词字典，我们可以添加自己想要保留得字了。

自定义分词

• 首先在 elasticsearch-analysis-ik-8.2.3的config目录下新建一个my_self.dic文件，输入自己希望不想被拆开的术语，比如分词词语
• 接下来我们修改配置文件：config/IKAnalyzer.cfg.xml

1
2
3
4
5
6
7
8
9
10
11
12
13

<?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多个文件用';'分隔开 -->
	<entry key="ext_dict">my_self.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>

热更新 IK 分词使用方法

1
2
3
4

<!--用户可以在这里配置远程扩展字典 -->
<entry key="remote_ext_dict">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">location</entry>

其中 location 是指一个 url，比如 http://yoursite.com/getCustomDict，该请求只需满足以下两点即可完成分词热更新。

• 1、该 http 请求需要返回两个头部(header)，一个是 Last-Modified，一个是 ETag，这两者都是字符串类型，只要有一个发生变化，该插件就会去抓取新的分词进而更新词库。
• 2、该 http 请求返回的内容格式是一行一个分词，换行符用 \n即可。

满足上面两点要求就可以实现热更新分词了，不需要重启 ES 实例。

可以将需自动更新的热词放在一个 UTF-8 编码的 .txt 文件里，放在 nginx 或其他简易 http server 下，当 .txt 文件修改时，http server 会在客户端请求该文件时自动返回相应的 Last-Modified 和 ETag。可以另外做一个工具来从业务系统提取相关词汇，并更新这个 .txt 文件。