es从入门到实战

引言

Elasticsearch（简称ES）是一个开源的、高扩展的分布式全文搜索引擎，广泛应用于日志分析、实时监控、全文搜索等场景。作为架构师，掌握ES的学习知识体系和实战应用至关重要。本文将从ES的背景、概念、工具、知识点、部署、实战、Java开发、分布式节点、底层逻辑以及分词分类等方面进行详细梳理和介绍，帮助初学者逐步掌握ES技术。

一、ES背景与概念

1.1 ES背景

Elasticsearch由Shay Banon在2010年创建，它基于Lucene开发，但提供了RESTful API风格的接口，支持分布式和水平扩展。随着ES功能的不断强大，它与数据库的边界也越来越小，除了全文检索外，还支持聚合、排序等功能。

1.2 ES核心概念

集群（Cluster）：一个或多个节点组成，共同承担数据和负载的压力。每个节点通过相同的cluster.name配置加入集群。
节点（Node）：集群中的一个实例，可以是主节点、数据节点或协调节点。主节点负责管理集群变更，数据节点存储数据和倒排索引，协调节点负责请求转发和汇总。
索引（Index）：数据的容器，类似于关系型数据库中的数据库。每个索引包含多个文档，具有相似结构的文档存储在同一个索引中。
文档（Document）：索引中的一条记录，使用JSON格式表示。每个文档包含多个字段，每个字段就是一个数据项。
分片（Shard）：索引中的数据被切分为多个分片，每个分片是一个Lucene实例，可以分布在不同的节点上。分片分为主分片和副本分片，主分片负责数据的读写，副本分片提供数据冗余和读请求服务。
倒排索引（Inverted Index）：ES快速搜索的关键，它记录了每个词出现过的文档列表，通过词项快速定位到文档。

二、ES工具与知识点

2.1 ES常用工具

Kibana：ES的可视化工具，用于数据的搜索、分析和展示。
Logstash：数据收集工具，可以将各种数据源的数据收集起来，并转换为ES可以处理的格式。
Beats：轻量级数据采集器，用于向ES发送数据。
Head插件：ES的集群管理工具，用于查看集群状态、节点信息等。

2.2 ES基础API

GET请求：获取服务器中的对象，相当于SQL的Select命令。
POST请求：在服务器上更新对象，相当于SQL的Update命令。
PUT请求：在服务器上创建对象，相当于SQL的Create命令。
DELETE请求：删除服务器中的对象，相当于SQL的Delete命令。
HEAD请求：仅用于获取对象的基础信息。

2.3 ES对象模型与关系型数据库对比

索引（Index）：相当于数据库，用于定义文档类型的存储。
文档类型（Type）：在ES 7.x之前，一个索引可以有多个类型，但7.x之后逐步淡化这个概念，默认使用_doc类型。
文档（Document）：相当于关系表的数据行，存储数据的载体。
字段（Field）：文档的一个Key/Value对，相当于关系型数据库表的字段。

三、ES部署与配置

3.1 ES环境部署

3.1.1 Windows系统部署

下载并解压：从官网下载Elasticsearch的Windows版本并解压。
修改内存配置：在config/jvm.options文件中修改JVM内存配置。
安装Java JDK：确保已安装Java JDK，并通过java --version命令验证。
运行ES：双击运行bin目录下的elasticsearch.bat文件，通过浏览器访问http://localhost:9200验证是否启动成功。

3.1.2 Docker部署

拉取镜像：在Docker镜像仓库中查询并下载Elasticsearch镜像。
运行容器：使用docker run命令启动Elasticsearch容器，并映射相关端口。
检查ES状态：通过curl http://127.0.0.1:9200/命令检查ES是否启动成功。

3.2 ES集群配置

配置文件：在elasticsearch.yml中配置集群名称、节点名称、数据路径、日志路径等。
发现机制：配置节点的发现机制，如使用单播或组播。
分片与副本：设置索引的主分片数和副本数，以平衡性能和可靠性。

四、ES实战应用

4.1 数据索引与查询

4.1.1 添加索引

可以使用PUT请求手动添加索引，也可以通过配置自动创建索引。

json复制代码
PUT /my_index
{
"settings": {
"number_of_shards": 3,
"number_of_replicas": 1
},
"mappings": {
"properties": {
"field1": {
"type": "text"
},
"field2": {
"type": "keyword"
}
}
}
}

4.1.2 添加文档

使用POST请求向索引中添加文档。

json复制代码
POST /my_index/_doc/1
{
"field1": "value1",
"field2": "value2"
}

4.1.3 查询文档

使用GET请求查询索引中的文档。

json复制代码
GET /my_index/_doc/1

4.2 高级查询与聚合

4.2.1 组合查询

使用布尔查询（Bool Query）进行组合查询，如must、should、must_not、filter等。

json复制代码
GET /my_index/_search
{
"query": {
"bool": {
"must": [
{ "match": { "field1": "value1" } },
{ "range": { "field2": { "gte": 10, "lte": 20 } } }
],
"filter": [
{ "term": { "status": "active" } }
]
}
}
}

4.2.2 聚合分析

使用聚合（Aggregations）进行数据分析，如计算平均值、最大值、最小值、求和等。

json复制代码
GET /my_index/_search
{
"size": 0,
"aggs": {
"avg_field1": { "avg": { "field": "field1" } },
"max_field2": { "max": { "field": "field2" } }
}
}

五、ES与Java开发

5.1 Java客户端

Elasticsearch提供了官方的Java客户端，用于在Java应用程序中与ES进行交互。常用的客户端有RestHighLevelClient和Elasticsearch Java API Client。

5.1.1 RestHighLevelClient

RestHighLevelClient是Elasticsearch官方推荐的高级REST客户端，它提供了丰富的API来操作ES。

java复制代码
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestClientBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.builder.SearchSourceBuilder;
RestHighLevelClient client = new RestHighLevelClient(
    RestClient.builder(
new HttpHost("localhost", 9200, "http")
    )
);
SearchRequest searchRequest = new SearchRequest("my_index");
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
searchSourceBuilder.query(QueryBuilders.matchAllQuery());
searchRequest.source(searchSourceBuilder);
SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
// 处理搜索响应

5.1.2 Elasticsearch Java API Client

Elasticsearch Java API Client是一个低级别的客户端，它提供了更灵活的方式来与ES进行交互。

java复制代码
import co.elastic.clients.elasticsearch.ElasticsearchClient;
import co.elastic.clients.elasticsearch._types.query_dsl.QueryBuilders;
import co.elastic.clients.json.jackson.JacksonJsonpMapper;
import co.elastic.clients.transport.rest_client.RestClientTransport;
import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
RestClient restClient = RestClient.builder(new HttpHost("localhost", 9200, "http")).build();
ElasticsearchClient client = new ElasticsearchClient(
new RestClientTransport(
        restClient,
new JacksonJsonpMapper()
    )
);
SearchResponse searchResponse = client.search(
    s -> s.index("my_index")
          .query(q -> q.matchAll(m -> m))
);
// 处理搜索响应

5.2 集成Spring Boot

在Spring Boot项目中，可以通过添加Elasticsearch的依赖来集成ES。

xml复制代码
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
<version>7.13.2</version>
</dependency>

然后在配置文件中配置ES的连接信息。

properties复制代码
elasticsearch.host=localhost
elasticsearch.port=9200

创建一个配置类来初始化RestHighLevelClient。

java复制代码
import org.apache.http.HttpHost;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class ElasticsearchConfig {
@Bean
public RestHighLevelClient restHighLevelClient() {
return new RestHighLevelClient(
            RestClient.builder(new HttpHost("localhost", 9200, "http"))
        );
    }
}

最后，在Service层使用RestHighLevelClient进行ES操作。

java复制代码
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.search.builder.SearchSourceBuilder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
@Service
public class ElasticsearchService {
@Autowired
private RestHighLevelClient restHighLevelClient;
public void search() throws IOException {
SearchRequest searchRequest = new SearchRequest("my_index");
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
        searchSourceBuilder.query(QueryBuilders.matchAllQuery());
        searchRequest.source(searchSourceBuilder);
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);
// 处理搜索响应
    }
}

六、ES分布式节点与底层逻辑

6.1 分布式节点

Elasticsearch是一个分布式系统，通过多个节点协同工作来处理大量数据。每个节点都可以接收客户端的请求，并将请求转发到相应的节点上进行处理。节点之间通过传输层协议进行通信，确保数据的一致性和可靠性。

6.1.1 节点角色

主节点（Master Node）：负责管理集群的元数据，如索引的创建和删除、节点的加入和离开等。
数据节点（Data Node）：负责存储数据和倒排索引，处理数据的读写请求。
协调节点（Coordinating Node）：负责接收客户端的请求，并将请求转发到相应的数据节点上，最后汇总各个节点的响应结果返回给客户端。

6.1.2 分片与副本

Elasticsearch通过分片（Shard）和副本（Replica）来实现数据的分布和容错。每个索引的数据被切分为多个分片，每个分片可以有一个或多个副本。主分片负责数据的读写操作，副本分片提供数据的冗余和读请求服务。当某个节点出现故障时，副本分片可以自动接管主分片的工作，确保数据的可靠性和可用性。

6.2 底层逻辑

Elasticsearch底层基于Lucene实现索引和搜索功能。Lucene是一个高性能、可扩展的信息检索工具库，它提供了完整的查询引擎和索引引擎。Elasticsearch通过封装Lucene的复杂性，提供了简单易用的RESTful API接口。

6.2.1 倒排索引

倒排索引是Elasticsearch快速搜索的关键。它记录了每个词出现过的文档列表，通过词项可以快速定位到文档。倒排索引被写入磁盘后是不可改变的，这保证了索引的不变性和并发安全性。在搜索时，Elasticsearch会根据查询条件在倒排索引中查找匹配的文档列表，并计算每个文档的相关性得分，最后按照得分排序返回结果。

6.2.2 并发控制

Elasticsearch通过乐观并发控制（Optimistic Concurrency Control）来保证数据的一致性和并发性能。在更新文档时，Elasticsearch会先读取文档的当前版本，然后尝试写入新版本。如果文档在读取和写入之间被其他请求修改过，则更新操作会失败，并返回冲突错误。客户端可以根据错误信息进行重试或其他处理。

七、ES分词分类及优缺点

7.1 分词分类

Elasticsearch支持多种分词器（Analyzer），用于将文本数据切分为词项（Token）。常见的分词器有标准分词器（Standard Analyzer）、简单分词器（Simple Analyzer）、空白分词器（Whitespace Analyzer）等。此外，还可以通过自定义分词器来满足特定的需求。

7.1.1 标准分词器

标准分词器是Elasticsearch默认的分词器，它使用标准过滤器链来处理文本数据。标准分词器会将文本切分为单词，并去除标点符号、小写化等。

json复制代码
PUT /my_index
{
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"type": "standard"
}
}
}
}
}

7.1.2 简单分词器

简单分词器会将文本切分为非空白字符序列，不进行小写化、去除标点符号等处理。

json复制代码
PUT /my_index
{
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"type": "simple"
}
}
}
}
}

7.1.3 空白分词器

空白分词器会将文本切分为空白字符分隔的序列，不进行其他处理。

json复制代码
PUT /my_index
{
"settings": {
"analysis": {
"analyzer": {
"my_analyzer": {
"type": "whitespace"
}
}
}
}
}

7.2 分词优缺点

7.2.1 标准分词器

优点：

处理能力强，能够处理常见的文本数据。
支持多种语言分词。

缺点：

对于某些特定领域的文本数据，可能分词效果不佳。
需要自定义分词器来满足特定需求。

7.2.2 简单分词器

优点：

分词速度快，适用于对分词要求不高的场景。

缺点：

分词效果简单，可能无法满足复杂需求。
不进行小写化、去除标点符号等处理，可能影响搜索结果。

7.2.3 空白分词器

优点：

分词规则简单明了，易于理解。

缺点：

分词效果不佳，可能产生大量无意义的词项。
不适用于需要精细分词的场景。

八、总结

Elasticsearch作为一个开源的、高扩展的分布式全文搜索引擎，在日志分析、实时监控、全文搜索等场景中具有广泛的应用。作为架构师，掌握ES的学习知识体系和实战应用至关重要。本文从ES的背景、概念、工具、知识点、部署、实战、Java开发、分布式节点、底层逻辑以及分词分类等方面进行了详细梳理和介绍，希望能帮助初学者逐步掌握ES技术，并在实际工作中灵活应用。