wordpress插件怎么做/3seo

简介

ElasticSearch简介：简称为es， es是一个开源的高扩展的分布式全文检索引擎，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。es也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单个开源的分布式搜索引擎，可以用来实现搜索，日志统计，分析，系统监控等多种功能。

Elastic Stack（ELK）：是以Elasticsearch为核心的技术栈，其中包括beats。logstash，kibanba，Elasticsearch。

正向索引和倒排索引

正向索引，假设我们有一个商品表，id是主键

如果我们按照id查询数据，他会走索引，查询效率很快，但是一般来说我们是会按照title来搜索，sql语句如下：

select * from good where title like “%手机%”

他查询需要全表扫描，一个个去匹配，效率可想而知，这就是正向索引，他在做局部内容检索的时候效率十分底。

倒排索引

文档：每条数据就是一个文档，类似于数据库中一张表的一条数据

词条：就是把文档分成一个个词语

假如同样我们搜索华为手机，基于倒排索引，他首先会将华为手机进行分词，获得文档id之后基于id进行查询文档，这时候虽然经过两次检索，但是每次都是基于索引的，总的来说，效率很高。

MySQL和Es的概念对比

Mysql：擅长事务类型操作，可以确保数据的安全和一致性
Elasticsearch：擅长海量数据的搜索、分析、计算

安装Elasticsearch和kibana

安装Elasticsearch

我们这里继续使用docker来安装

1，创建一个网络，因为我们需要让kibana容器和es互联

docker network create es-net

2，拉取镜像

docker pull elasticsearch

 但是es有差不多一个G拉取速度太慢，建议下载制作好的文件，上传，直接加载成镜像，例如上传es.tar将他加载为镜像，速度会很快。

 如果你直接拉取的镜像这个命令不需要执行：

docker load -i es.tar

3，运行es容器

docker run -d \--name es \-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \-e "discovery.type=single-node" \-v es-data:/usr/share/elasticsearch/data \-v es-plugins:/usr/share/elasticsearch/plugins \--privileged \--network es-net \-p 9200:9200 \-p 9300:9300 \
elasticsearch:7.12.1

命令解释：

• -e "cluster.name=es-docker-cluster"：设置集群名称

• -e "http.host=0.0.0.0"：监听的地址，可以外网访问

• -e "ES_JAVA_OPTS=-Xms512m -Xmx512m"：内存大小，因为他是基于java开发的

• -e "discovery.type=single-node"：非集群模式

• -v es-data:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录

• -v es-logs:/usr/share/elasticsearch/logs：挂载逻辑卷，绑定es的日志目录

• -v es-plugins:/usr/share/elasticsearch/plugins：挂载逻辑卷，绑定es的插件目录

• --privileged：授予逻辑卷访问权

• --network es-net ：加入一个名为es-net的网络中

• -p 9200:9200：端口映射配置

4，浏览器输入ip:9200如果出现

 安装成功！！！！

安装Kibana

kibana可以给我们提供一个elasticsearch的可视化界面，便于我们更方便使用es

1，拉取镜像

docker pull kibana

这里还是建议上传打包好的镜像，将他重新加载成镜像，如果直接拉取不需要执行这个命令

docker load -i kibana.tar

 2，启动kibana容器

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=es-net \
-p 5601:5601  \
kibana:7.12.1

命令解释：

• --network es-net ：加入一个名为es-net的网络中，与elasticsearch在同一个网络中

• -e ELASTICSEARCH_HOSTS=http://es:9200"：设置elasticsearch的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问elasticsearch

• -p 5601:5601：端口映射配置

3，浏览器输入ip:5601即可查看-（启动较慢，稍等一会）

安装成功！！！

ES-操作索引库（类似MySQL的表）

mapping属性

mapping是对索引库中文的约束，常见的mapping属性包括：

type：字段数据类型，常见的简单类型有：

        字符串：text（可分词文本），keyword（不可分词，例如国家，品牌，ip等等）

        数值：long，integer，short，double，float

        布尔：boolean

        日期：date

        对象：object

index：是否创建索引，默认为true。

analyzer：使用那种分词器。

properties：子字段，对象嵌套时需要。

创建索引库-类似于数据库的表

假如我们数据库有一个用户表，其中一条数据如下：

{  "id": 1,  "age": 21,  "weight": 52.1,  "isMarried": false,  "info": "csdn最靓的崽！！",  "email": "[e-mail]",  "scores": [  99.1,99.5,98.9],  "name": {  "firstName": "蛋儿",  "lastName": "狗"  }  
}

不难看出数据库表如何创建的，我们来看看在es中如何创建 索引库

这是一个示例：

# 创建索引库
PUT /索引库名称
{"mappings": {"properties": {"字段1":{"type":"类型，例如text"，, "analyzer": "使用哪种分词器"},"字段2":{"type": "类型，例如keyword","index": false # 不适用索引},"字段3":{"properties": {"子字段1"；{"type":"字段类型"},"子字段2"；{"type":"字段类型"}}}}}
}

 实现之后(我们取少量字段)：

# 创建索引库
PUT /userinfo
{"mappings": {"properties": {"info":{"type":"text","analyzer": "ik_smart"},"email":{"type": "keyword","index": false },"age":{"type": "integer","index": false},"name":{"properties": {"dirstName":{"type":"keyword"},"lastName":{"type":"keyword"}}}}}
}

 注意：索引名必须小写！！

索引库查询

GET /索引库名

索引库删除

DELETE /索引库名

索引库修改

需要注意的是es在索引库创建的时候就会基于索引库创建倒排索引，如果修改索引库结构倒排索引就会失效，所以，es是不允许修改索引库的，但是可以在索引库中增加新的字段。

# 向索引库中增加一个字段
PUT /索引库名/_mapping
{"properties":{"新字段名":{"type":"字段类型"}}
}

Es-操作文档

（类似MySQL的数据）

 索引库插入一条文档

示例语句：

# 向索引库中插入一条数据
POST /userinfo/_doc/文档id，例如1，2。。。
{"字段1":"值1","字段2":"值2","字段3":{"子属性1":"值3","子属性2":"值4"}
}

具体实现：

# 向索引库中插入一条数据
POST /userinfo/_doc/1
{"info":"csdn最靓的崽！！","email":"[e-mail]","age":"20","name":{"dirstName":"狗","lastName":"蛋儿"}
}

索引库查询的文档

# 查询id为1的数据
GET /索引库名/_doc/1#查询所有数据
GET /userinfo/_search  
{  "query": {  "match_all": {}  }  
}

索引库删除一条文档

#删除id为1的数据
DELETE /userinfo/_doc/1

索引库修改文档

1，全量修改

原本插入文档使用的是POST请求这时候只需要换成PUT请求即可，它会将原有的文档删除在重新插入，例如：

# 全量修改 修改索引库中id为1的数据，如果不存在就插入
PUT /userinfo/_doc/1
{"info":"csdn最靓的崽！！","email":"[e-mail]","age":"20","name":{"dirstName":"狗","lastName":"蛋儿"}
}

2，局部修改

# 局部修改
POST /userinfo/_update/1
{"doc": {"age":"99"}
}

至此es基础篇完结！！！！！！