【Elasticsearch 学习笔记】全文搜索引擎入门教程

1 Elasticsearch 概述

ElasticSearch 是一个基于 Lucene 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 是用 Java 开发的，并作为 Apache 许可条款下的开放源码发布，是当前流行的企业级搜索引擎。

PS：以下 ElasticSearch 都简称 Elastic。

2 Elasticsearch 安装

Elasticsearch 需要 JDK 8 环境，且要保证变量 JAVA_HOME 正确设置。

可以跟着 官方文档 安装 Elastic。直接下载压缩包比较简单。

$ wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-5.5.1.zip
$ unzip elasticsearch-5.5.1.zip
$ cd elasticsearch-5.5.1/

接着，进入解压之后的目录，运行下面的目录，启动 Elastic。

$ ./bin/elasticsearch

如果这时 报错 max virtual memory areas vm.max*map*count [65530] is too low，要运行下面的命令。

$ sudo sysctl -w vm.max_map_count=262144

如果一切正常，Elastic 就会在默认的
9200 端口运行。这时，打开另一个命令行窗口，请求该端口，会得到说明信息。

$ curl localhost:9200{  "name" : "atntrTf",  "cluster_name" : "elasticsearch",  "cluster_uuid" : "tf9250XhQ6ee4h7YI11anA",  "version" : {    "number" : "5.5.1",    "build_hash" : "19c13d0",    "build_date" : "2017-07-18T20:44:24.823Z",    "build_snapshot" : false,    "lucene_version" : "6.6.0"
  },  "tagline" : "You Know, for Search"}

在上面的代码中，我们请求了一个 9200 端口，Elastic  返回一个 JSON 对象，包含当前节点、集群、版本等信息。

在原来的窗口中按下 Ctrl + C，Elastic 就会停止运行。

PS：默认情况下，Elastic 只允许本机访问，如果需要远程访问，可以修改 Elastic 安装目录的
config/elasticsearch.yml 文件，去掉 network.host 的注释，将它的值改成 0.0.0.0，然后重新启动 Elastic。

network.host: 0.0.0.0

上面代码中，设成 0.0.0.0 让任何人都可以访问。线上服务不要这样设置，要设成具体的 IP。

3 基本概念

3.1 Node 与 Cluster

Elastic 本质上是一个分布式数据库，允许多态服务器协同工作，每台服务器可以运行多个 Elastic 实例。

每个 Elastic 实例 都称为一个 节点（node）。一组节点构成一个 集群（cluster）。

3.2 Index

Elastic 会索引所有字段，经过处理后写入一个 反向索引（Inverted Index）。查找数据的时候，直接查找该索引。

所以，Elastic 数据管理的顶层单位就叫做 Index（索引）。它是单个数据库的同义词。每个 Index （即数据库）的名字必须是小写。

下面的命令可以查看当前节点的所有 Index。

curl -X GET 'http://localhost:9200/_cat/indices?v'

3.3 Document

Index 里面单条的记录称为 Document（文档）。许多条 Document 构成了一个 Index。

Document 使用 JSON 格式表示，下面是一个例子。

{    "user": "张三",    "title": "工程师",    "desc": "数据库管理"}

同一个 Index 里面的 Document，不要求有相同的 结构（scheme），但是最好保持相同，这样有利于提高搜索效率。

3.4 Type

Document 可以分组，比如weather 这个 Index 里面，可以按城市分组（北京和上海），也可以按气候分组（晴天和雨天）。这种 分组 就叫做 Type，它是虚拟的逻辑分组，用来过滤 Document。

不同的 Type 应该有相似的结构（schema），举例来说，id 字段不能在这个组是字符串，在另一个组是数值。这是与关系型数据库的表的 一个区别 。性质完全不同的数据（比如products 和 logs）应该存成两个 Index，而不是一个 Index 里面的两个 Type（虽然可以做到）。

下面的命令可以列出每个 Index 所包含的 Type。

$ curl 'localhost:9200/_mapping?pretty=true'

根据 规划 ，Elastic 6.x 版只允许每个 Index 包含一个 Type，7.x 版将会彻底移除 Type。

4 新建和删除 Index

新建 Index，可以直接向 Elastic 服务器发出 PUT 请求。下面的例子是新建一个名叫 weather 的 Index。

$ curl -X PUT 'localhost:9200/weather'

服务器返回一个 JSON 对象，里面的 acknowledged 字段表示操作成功。

{    "acknowledged":true,    "shards_acknowledged":true}

然后，我们发出 DELETE 请求，删除这个 Index。

$ curl -X DELETE 'localhost:9200/weather'

5 中文分词设置

首先，安装中文分词插件。这里使用的是 ik，也可以考虑其他插件（比如 smartcn）。

$ ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v5.5.1/elasticsearch-analysis-ik-5.5.1.zip

上面代码安装的是 5.5.1 版的插件，与 Elastic 5.5.1 配合使用。

接着，重新启动 Elastic，就会自动加载这个新安装的插件。

然后，新建一个 Index，指定需要分词的字段。这一步根据数据结构而异，下面的命令只针对本文。基本上，凡是需要搜索的中文字段，都要单独设置一下。

$ curl -X PUT 'localhost:9200/accounts' -d '
{
  "mappings": {
    "person": {
      "properties": {
        "user": {
          "type": "text",
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        },
        "title": {
          "type": "text",
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        },
        "desc": {
          "type": "text",
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        }
      }
    }
  }
}'

上面的代码中，首先新建一个名称为 accounts 的 Index，里面有一个名称为 person 的 Type。person
有三个字段。

• user

• title

• desc

这三个字段都是中文，而且类型都是 文本（text），所以需要指定中文分词器，不能使用默认的英文分词器。

Elastic 的分词器称为 analyzer。我们对每个字段指定分词器。

"user": {  "type": "text",  "analyzer": "ik_max_word",  "search_analyzer": "ik_max_word"}

上面代码中，analyzer 是字段文本的分词器，search_analyzer 是搜索词的分词器。ik_max_word 分词器是插件 ik 提供的，可以对文本进行最大数量的分词。

6 数据操作

6.1 新增记录

向指定的 /Index/Type 发送 PUT 请求，就可以在 Index 里面新增一条记录。比如，向 /accounts/person 发送请求，就可以新增一条人员记录。

$ curl -X PUT 'localhost:9200/accounts/person/1' -d '
{
  "user": "张三",
  "title": "工程师",
  "desc": "数据库管理"
}'

服务器返回的 JSON 对象，会给出 Index、Type、Id、Version 等信息。

{  "_index":"accounts",  "_type":"person",  "_id":"1",  "_version":1,  "result":"created",  "_shards":{"total":2,"successful":1,"failed":0},  "created":true}

如果你仔细看，会发现请求路径是 /accounts/person/1，最后的 1 是该条记录的 Id。它不一定是数字，任意字符串（比如 abc）都可以。

新增记录的时候，也可以不指定 Id，这时要改成 POST 请求。

$ curl -X POST 'localhost:9200/accounts/person' -d '
{
  "user": "李四",
  "title": "工程师",
  "desc": "系统管理"
}'

上面代码中，向 /accounts/person
发出一个 POST 请求，添加一个记录。这时，服务器返回的 JSON 对象里面，_id 字段就是一个随机字符串。

{  "_index":"accounts",  "_type":"person",  "_id":"AV3qGfrC6jMbsbXb6k1p",  "_version":1,  "result":"created",  "_shards":{"total":2,"successful":1,"failed":0},  "created":true}

注意，如果没有先创建 Index（这个例子是 accounts），直接执行上面的命令，Elastic 也不会报错，而是直接生成指定的 Index。所以，打字的时候要小心，不要写错 Index 的名称。

6.2 查看记录

向 /Index/Type/Id 发出 GET 请求，就可以查看这条记录。

$ curl 'localhost:9200/accounts/person/1?pretty=true'

上面代码请求查看 /accounts/person/1 这条记录，URL 的参数 pretty=true 表示以易读的格式返回。

返回的数据中，found 字段表示查询成功，_source 字段返回原始记录。

{  "_index" : "accounts",  "_type" : "person",  "_id" : "1",  "_version" : 1,  "found" : true,  "_source" : {    "user" : "张三",    "title" : "工程师",    "desc" : "数据库管理"
  }
}

如果 Id 不正确，就查不到数据，found 字段就是 false

$ curl 'localhost:9200/weather/beijing/abc?pretty=true'{  "_index" : "accounts",  "_type" : "person",  "_id" : "abc",  "found" : false}

6.3 删除记录

删除记录就是发出 DELETE 请求。

$ curl -X DELETE 'localhost:9200/accounts/person/1'

PS：这里先不要删除这条记录，后面还要用到。

6.4 更新记录

更新记录就是使用 PUT 请求，重新发送一次数据。

$ curl -X PUT 'localhost:9200/accounts/person/1' -d '
{
    "user" : "张三",
    "title" : "工程师",
    "desc" : "数据库管理，软件开发"
}' {  "_index":"accounts",  "_type":"person",  "_id":"1",  "_version":2,  "result":"updated",  "_shards":{"total":2,"successful":1,"failed":0},  "created":false}

上面代码中，我们将原始数据从 数据库管理 改成 数据库管理，软件开发。 返回结果里面，有几个字段发生了变化。

"_version" : 2,"result" : "updated","created" : false

可以看到，记录的 Id 没变，但是版本（version）从 1 变成 2，操作类型（result）从 created 变成updated，created 字段变成 false，因为这次不是新建记录。

7 数据查询

7.1 返回所有记录

使用 GET 方法，直接请求 /Index/Type/_search，就会返回所有记录。

$ curl 'localhost:9200/accounts/person/_search'{  "took":2,  "timed_out":false,  "_shards":{"total":5,"successful":5,"failed":0},  "hits":{    "total":2,    "max_score":1.0,    "hits":[
      {        "_index":"accounts",        "_type":"person",        "_id":"AV3qGfrC6jMbsbXb6k1p",        "_score":1.0,        "_source": {          "user": "李四",          "title": "工程师",          "desc": "系统管理"
        }
      },
      {        "_index":"accounts",        "_type":"person",        "_id":"1",        "_score":1.0,        "_source": {          "user" : "张三",          "title" : "工程师",          "desc" : "数据库管理，软件开发"
        }
      }
    ]
  }
}

上面代码中，返回结果的 took 字段表示该操作的耗时（单位为毫秒），timed_out 字段表示是否超时，hits 字段表示命中的记录，里面子字段的含义如下。

• total：返回记录数，本例是 2
  条。

• max_score：最高的匹配程度，本例是 1.0。

• hits：返回的记录组成的数组。

返回的记录中，每条记录都有一个_score字段，表示匹配的程序，默认是按照这个字段降序排列。

7.2 全文搜索

Elastic 的查询非常特别，使用自己的 查询语法，要求 GET 请求带有数据体。

$ curl 'localhost:9200/accounts/person/_search'  -d '
{
  "query" : { "match" : { "desc" : "软件" }}
}'

上面代码使用 Match 查询，指定的匹配条件是 desc 字段里面包含 软件 这个词。返回结果如下。

{  "took":3,  "timed_out":false,  "_shards":{"total":5,"successful":5,"failed":0},  "hits":{    "total":1,    "max_score":0.28582606,    "hits":[
      {        "_index":"accounts",        "_type":"person",        "_id":"1",        "_score":0.28582606,        "_source": {          "user" : "张三",          "title" : "工程师",          "desc" : "数据库管理，软件开发"
        }
      }
    ]
  }
}

Elastic 默认一次返回10条结果，可以通过 size 字段改变这个设置。

$ curl 'localhost:9200/accounts/person/_search'  -d '
{
  "query" : { "match" : { "desc" : "管理" }},
  "size": 1
}'

上面代码指定，每次只返回一条结果。

还可以通过 from 字段，指定位移。

$ curl 'localhost:9200/accounts/person/_search'  -d '
{
  "query" : { "match" : { "desc" : "管理" }},
  "from": 1,
  "size": 1
}'

作者：苍云横渡
链接：https://www.jianshu.com/p/f0506269a5e1