微服务学习——分布式搜索

初识elasticsearch

什么是elasticsearch

elasticsearch是一款非常强大的开源搜索引擎，可以帮助我们从海量数据中快速找到需要的内容。

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。

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

elasticsearch的发展

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.orgl。

Lucene的优势:

• 易扩展
• 高性能(基于倒排索引)

Lucene的缺点:

• 只限于Java语言开发
• 学习曲线陡峭
• 不支持水平扩展

2004年Shay Banon基于Lucene开发了Compass

2010年Shay Banon重写了Compass，取名为Elasticsearch。

官网地址: https://www.elastic.co/cn/目前最新的版本是:8.7.0

相比与lucene，elasticsearch具备下列优势:

• 支持分布式，可水平扩展
• 提供Restful接口，可被任何语言调用

为什么学习elasticsearch?

搜索引擎技术排名:

1. Elasticsearch:开源的分布式搜索引擎
2. Splunk:商业项目
3. Solr: Apache的开源搜索引擎

什么是elasticsearch?

• 一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、
  系统监控等功能

什么是elastic stack (ELK)?

• 是以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch

什么是Lucene?

• 是Apache的开源搜索引擎类库，提供了搜索引擎的核心API

正向索引和倒排索引

传统数据库（如MySQL）采用正向索引，例如给下表(tb_goods）中的id创建索引:

elasticsearch采用倒排索引:

• 文档（ document) :每条数据就是一个文档
• 词条（term) :文档按照语义分成的词语

什么是文档和词条?

• 每一条数据就是一个文档
• 对文档中的内容分词，得到的词语就是词条

什么是正向索引?

• 基于文档id创建索引。查询词条时必须先找到文档，而后判断是否包
  含词条

什么是倒排索引?

• 对文档内容分词，对词条创建索引，并记录词条所在文档的信息。查询时先根据词条查询到文档id，而后获取到文档

文档

elasticsearch是面向文档存储的，可以是数据库中的一条商品数据，一个订单信息。

文档数据会被序列化为json格式后存储在elasticsearch中。

索引(lndex)

• 索引(index) :相同类型的文档的集合
• 映射（mapping) :索引中文档的字段约束信息，类似表的结构约束

概念对比

架构

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

• 文档:一条数据就是一个文档，es中是Json格式
• 字段:Json文档中的字段
• 索引:同类型文档的集合
• 映射:索引中文档的约束，比如字段名称、类型

elasticsearch与数据库的关系:

• 数据库负责事务类型操作
• elasticsearch负责海量数据的搜索、分析、计算

安装elasticsearch、kibana

1.部署单点es

1.1.创建网络

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：

docker network create es-net

1.2.加载镜像

这里我们采用elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G。不建议大家自己pull。将镜像上传到虚拟机中，然后运行命令加载即可：

# 导入数据
docker load -i es.tar

同理还有kibana的tar包也需要这样做。

1.3.运行

运行docker命令，部署单点es：

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
• -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

在浏览器中输入：http://ip地址:9200 即可看到elasticsearch的响应结果：

2.部署kibana

kibana可以给我们提供一个elasticsearch的可视化界面，便于我们学习。

2.1.部署

运行docker命令，部署kibana

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

• --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

kibana启动一般比较慢，需要多等待一会，可以通过命令：

docker logs -f kibana

查看运行日志，当查看到下面的日志，说明成功：

此时，在浏览器输入地址访问：http://ip地址:5601，即可看到结果

2.2.DevTools

kibana中提供了一个DevTools界面：

这个界面中可以编写DSL来操作elasticsearch。并且对DSL语句有自动补全功能。

分词器

es在创建倒排索引时需要对文档分词;在搜索时，需要对用户输入内容分词。但默认的分词规则对中文处理并不友好。我们在kibana的DevTools中测试:

# 测试分词器
POST /_analyze
{"text": "霁华学Java","analyzer": "standard"
}

语法说明:

• POST:请求方式
• /_analyze:请求路径，这里省略了http://192.168.150.101:9200，有kibana帮我们补充
• 请求参数，json风格:
  • analyzer:分词器类型，这里是默认的standard分词器
  • text:要分词的内容

处理中文分词，一般会使用IK分词器。https://github.com/medcl/elasticsearch-analysis-ik

安装IK分词器

1.在线安装ik插件（较慢）

# 进入容器内部
docker exec -it elasticsearch /bin/bash# 在线下载并安装
./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip#退出
exit
#重启容器
docker restart elasticsearch

2.离线安装ik插件（推荐）

1）查看数据卷目录

安装插件需要知道elasticsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看elasticsearch的数据卷目录，通过下面命令查看:

docker volume inspect es-plugins

显示结果：

[{"CreatedAt": "2023-04-29T04:11:49+08:00","Driver": "local","Labels": null,"Mountpoint": "/var/lib/docker/volumes/es-plugins/_data","Name": "es-plugins","Options": null,"Scope": "local"}
]

说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data 这个目录中。

2）解压缩分词器安装包

下面我们需要把ik分词器解压缩，重命名为ik

3）上传到es容器的插件数据卷中

也就是/var/lib/docker/volumes/es-plugins/_data ：

4）重启容器

# 4、重启容器
docker restart es

# 查看es日志
docker logs -f es

5）测试：

IK分词器包含两种模式：

• ik_smart：最少切分

• ik_max_word：最细切分

ik分词器-拓展词库

要拓展ik分词器的词库，只需要修改一个ik分词器目录中的config目录中的IKAnalyzer.cfg.xml文件:

<?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">ext.dic</entry>
</properties>

然后在名为ext.dic的文件中，添加想要拓展的词语即可:

白嫖
鸡你太美
奥力给

ik分词器-停用词库

要禁用某些敏感词条，只需要修改一个ik分词器目录中的config目录中的IKAnalyzer.cfg.xml文件:

<?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">ext.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">stopword.</entry>
</properties>

然后在名为stopword.dic的文件中，添加想要拓展的词语即可:

的
了
哦
嗯
啊

索引库操作

mapping属性

mapping是对索引库中文档的约束，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 (可分词的文本)、keyword（精确值，例如:品牌、国家、ip地址)
  • 数值:long、integer、short、byte、double、float
  • 布尔: boolean
  • 日期:date
  • 对象:object
• index:是否创建索引，默认为true
• analyzer:使用哪种分词器
• properties:该字段的子字段

创建索引库

ES中通过Restful请求操作索引库、文档。请求内容用DSL语句来表示。创建索引库和mapping的DSL语法如下:

{"mappings": {"properties": {"字段名": {"type": "text","analyzer ": "ik_smart"},"字段名2": {"type": "keyword","index": "false"},"字段名3": {"properties": {"子字段": {"type ": "keyword"}}},// ...略}}
}

例如：

# 创建索引库
PUT /jihua
{"mappings": {"properties": {"info": {"type": "text","analyzer": "ik_smart"},"email": {"type": "keyword","index": false},"name": {"type": "object","properties": {"firstName": {"type": "keyword"},"lastName": {"type": "keyword"}}}}}
}

查看、删除索引库

• 查看索引库语法:

GET /索引库名

• 删除索引库的语法:

DELETE /索引库名

修改索引库

索引库和mapping一旦创建无法修改，但是可以添加新的字段，语法如下:

PUT/索引库名/ _mapping
{"properties" : {"新字段名":{"type" : "integer"}}
}

例如：

# 修改索引库
PUT /jihua/_mapping
{"properties": {"age": {"type": "integer"}}
}

文档操作

新增文档

新增文档的DSL语法如下:

POST /索引库名/_doc/文档id
{"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"},//...
}

例如：

# 插入文档
POST /jihua/_doc/1
{"info": "这里是介绍信息","email": "","name": {"firstName": "ji","lastName": "hua"},"age": 21
}

查询文档

查看文档语法:

GET /索引库名/_doc/文档id

删除文档

DELETE /索引库名/_doc/文档id

修改文档

方式一:全量修改，会删除旧文档，添加新文档

# 修改文档
PUT /jihua/_doc/1
{"字段1":"值1","字段2":"值2",// ...略
}

方式二:增量修改，修改指定字段值

# 修改文档
POST /_update/_doc/1
{"doc":{"字段名":"新的值"}
}

RestClient操作索引库

什么是RestClient

ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发送给ES。

官方文档地址: https://www.elastic.co/guide/en/elasticsearch/client/index.html

---

案例

利用JavaRestClient实现创建、删除索引库，判断索引库是否存在

根据课前资料提供的酒店数据创建索引库，索引库名为hotel，mapping属性根据数据库结构定义。

基本步骤如下:

1. 导入课前资料Demo

2. 分析数据结构，定义mapping属性

   mapping要考虑的问题:
   字段名、数据类型、是否参与搜索、是否分词、如果分词，分词器是什么?

   ES中支持两种地理坐标数据类型:

   • geo_point:由纬度（latitude）和经度( longitude）确定的一个点。例如:“32.8752345,120.2981576”
   • geo_shape:有多个geo_point组成的复杂几何图形。例如一条直线，
     “LINESTRING (-77.03653 38.897676,-77.009051 38.889939)”

   字段拷贝可以使用copy_to属性将当前字段拷贝到指定字段。示例:

   "all": {"type" : "text","analyzer" : "ik_max_word"
   },
   "brand": {"type " : "keyword","copy_to": "all"
   }
   

   最终的mapping：

   # 酒店的mapping
   PUT /hotel
   {"mappings": {"properties": {"id": {"type": "keyword"},"name": {"type": "text","analyzer": "ik_max_word","copy_to": "all"},"address": {"type": "keyword","index": false},"price": {"type": "integer"},"score": {"type": "integer"},"brand": {"type": "keyword","copy_to": "all"},"city": {"type": "keyword"},"starName": {"type": "keyword"},"business": {"type": "keyword","copy_to": "all"},"location": {"type": "geo_point"},"pic": {"type": "keyword","index": false},"all": {"type": "text","analyzer": "ik_max_word"}}}
   }
   

3. 初始化JavaRestClient

   1. 引入es的RestHighLevelclient依赖:

      <!--elasticsearch-->
      <dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId><version>7.12.1</version>
      </dependency>
      

   2. 因为SpringBoot默认的ES版本是7.6.2，所以我们需要覆盖默认的ES版本:

      <properties><java.version>1.8</java.version><elasticsearch.version>7.12.1</elasticsearch.version>
      </properties>
      

   3. 初始化RestHighLevelClient:

      package cn.itcast.hotel;import org.apache.http.HttpHost;
      import org.elasticsearch.client.RestClient;
      import org.elasticsearch.client.RestHighLevelClient;
      import org.junit.jupiter.api.AfterEach;
      import org.junit.jupiter.api.BeforeEach;
      import org.junit.jupiter.api.Test;import java.io.IOException;public class HotelIndexTest {private RestHighLevelClient client;@Testvoid testInit() {System.out.println(client);}@BeforeEachvoid setUp() {this.client = new RestHighLevelClient(RestClient.builder(HttpHost.create("http://192.168.5.131:9200")));}@AfterEachvoid tearDown() throws IOException {this.client.close();}
      }
      

4. 利用JavaRestClient创建索引库

package cn.itcast.hotel.constants;public class HotelConstants {public static final String MAPPING_TEMPLATE = "{\n" +"  \"mappings\": {\n" +"    \"properties\": {\n" +"      \"id\": {\n" +"        \"type\": \"keyword\"\n" +"      },\n" +"      \"name\": {\n" +"        \"type\": \"text\",\n" +"        \"analyzer\": \"ik_max_word\",\n" +"        \"copy_to\": \"all\"\n" +"      },\n" +"      \"address\": {\n" +"        \"type\": \"keyword\",\n" +"        \"index\": false\n" +"      },\n" +"      \"price\": {\n" +"        \"type\": \"integer\"\n" +"      },\n" +"      \"score\": {\n" +"        \"type\": \"integer\"\n" +"      },\n" +"      \"brand\": {\n" +"        \"type\": \"keyword\",\n" +"        \"copy_to\": \"all\"\n" +"      },\n" +"      \"city\": {\n" +"        \"type\": \"keyword\"\n" +"      },\n" +"      \"starName\": {\n" +"        \"type\": \"keyword\"\n" +"      },\n" +"      \"business\": {\n" +"        \"type\": \"keyword\",\n" +"        \"copy_to\": \"all\"\n" +"      },\n" +"      \"location\": {\n" +"        \"type\": \"geo_point\"\n" +"      },\n" +"      \"pic\": {\n" +"        \"type\": \"keyword\",\n" +"        \"index\": false\n" +"      },\n" +"      \"all\": {\n" +"        \"type\": \"text\",\n" +"        \"analyzer\": \"ik_max_word\"\n" +"      }\n" +"    }\n" +"  }\n" +"}";
}

@Test
void createHotelIndex() throws IOException {//1.创建Request对象CreateIndexRequest request = new CreateIndexRequest("hotel");//2.准备请求的参数:DSL语句request.source(MAPPING_TEMPLATE, XContentType.JSON);//3.发送请求client.indices().create(request, RequestOptions.DEFAULT);
}

5. 利用JavaRestClient删除索引库

   @Test
   void testDeleteHotelIndex() throws IOException {//1.创建Request对象DeleteIndexRequest request = new DeleteIndexRequest("hotel");//2.发送请求client.indices().delete(request, RequestOptions.DEFAULT);
   }
   

6. 利用JavaRestClient判断索引库是否存在

   @Test
   void testExistsHotelIndex() throws IOException {//1.创建Request对象GetIndexRequest request = new GetIndexRequest("hotel");//2.发送请求boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);//3.输出System.err.println(exists?"索引库已经存在！" : "索引库不存在！");
   }
   

RestClient操作文档

案例1

利用JavaRestClient实现文档的CRUD

去数据库查询酒店数据，导入到hotel索引库，实现酒店数据的CRUD。基本步骤如下:

1. 初始化JavaRestClient

   新建一个测试类，实现文档相关操作，并且完成JavaRestClient的初始化

   public class ElasticsearchDocumentTest {//客户端private RestHighLevelClient client;@BeforeEachvoid setUp() {this.client = new RestHighLevelClient(RestClient.builder(HttpHost.create("http://192.168.5.131:9200")));}@AfterEachvoid tearDown() throws IOException {this.client.close();}
   }
   

2. 利用JavaRestClient新增酒店数据

   先查询酒店数据，然后给这条数据创建倒排索引，即可完成添加:

   @Test
   void testAddDocument() throws IOException {//根据id查询酒店数据Hotel hotel = hotelService.getById(61083L);//转换为文档类型HotelDoc hotelDoc = new HotelDoc(hotel);//1.准备Request对象IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());//2.准备Json文档request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);//3.发送请求client.index(request, RequestOptions.DEFAULT);
   }
   

3. 利用JavaRestClient根据id查询酒店数据

   根据id查询到的文档数据是json，需要反序列化为java对象:

   @Test
   void testGetDocumentById() throws IOException {//1.创建request对象GetRequest request = new GetRequest("hotel", "61083");//2.发送请求，得到结果GetResponse response = client.get(request, RequestOptions.DEFAULT);//3.解析结果String json = response.getSourceAsString();HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);System.out.println(hotelDoc);
   }
   

4. 利用JavaRestClient删除酒店数据

   修改文档数据有两种方式:

   方式一:全量更新。再次写入id一样的文档，就会删除旧文档，添加新文档(同新增)

   方式二:局部更新。只更新部分字段：

   @Test
   void testUpdateDocument() throws IOException {// 1.准备RequestUpdateRequest request = new UpdateRequest("hotel", "61083");// 2.准备请求参数request.doc("price", "952","starName", "四钻");// 3.发送请求client.update(request, RequestOptions.DEFAULT);
   }
   

5. 利用lavaRestClient修改酒店数据

   @Test
   void testDeleteDocument() throws IOException {// 1.准备RequestDeleteRequest request = new DeleteRequest("hotel", "61083");// 2.发送请求client.delete(request, RequestOptions.DEFAULT);
   }
   

案例2

利用JavaRestClient批量导入酒店数据到ES

需求:批量查询酒店数据，然后批量导入索引库中
思路:

1. 利用mybatis-plus查询酒店数据
2. 将查询到的酒店数据(Hotel)转换为文档类型数据（HotelDoc)
3. 利用JavaRestClient中的Bulk批处理，实现批量新增文档

@Test
void testBulkRequest() throws IOException {//批量查询数据库List<Hotel> hotels = hotelService.list();// 1.创建RequestBulkRequest request = new BulkRequest();// 2.准备参数，添加多个新增的Requestfor (Hotel hotel : hotels) {//转换为文档类型HotelDocHotelDoc hotelDoc = new HotelDoc(hotel);//创建新增文档的Request对象request.add(new IndexRequest("hotel").id(hotelDoc.getId().toString()).source(JSON.toJSONString(hotelDoc), XContentType.JSON));}// 3.发送请求client.bulk(request, RequestOptions.DEFAULT);
}

t
DeleteRequest request = new DeleteRequest(“hotel”, “61083”);
// 2.发送请求
client.delete(request, RequestOptions.DEFAULT);
}

## 案例2利用JavaRestClient**批量导入**酒店数据到ES需求:批量查询酒店数据，然后批量导入索引库中
思路:1. 利用mybatis-plus查询酒店数据
2. 将查询到的酒店数据(Hotel)转换为文档类型数据（HotelDoc)
3. 利用JavaRestClient中的Bulk批处理，实现批量新增文档```java
@Test
void testBulkRequest() throws IOException {//批量查询数据库List<Hotel> hotels = hotelService.list();// 1.创建RequestBulkRequest request = new BulkRequest();// 2.准备参数，添加多个新增的Requestfor (Hotel hotel : hotels) {//转换为文档类型HotelDocHotelDoc hotelDoc = new HotelDoc(hotel);//创建新增文档的Request对象request.add(new IndexRequest("hotel").id(hotelDoc.getId().toString()).source(JSON.toJSONString(hotelDoc), XContentType.JSON));}// 3.发送请求client.bulk(request, RequestOptions.DEFAULT);
}