Elasticsearch入门，看这篇就够了

2020-05-22 00:00:00 索引 数据 分布式 分片 分词

我将会从下面四个方面去介绍 Elasticsearch。

目录

一、Elasticsearch是什么？
二、Elasticsearch全文检索的原理是什么？
三、Elasticsearch的核心数据类型有哪些？
四、怎么判断搜索准确性？

一、Elasticsearch是什么？

Elasticsearch是一个实时的分布式搜索分析引擎，它可以使你以前所未有的速度和规模，去探索你的数据。

它被用来做全文检索，结构化搜索，分析以及这三个功能的组合：

  • Wikipedia使用Elasticsearch提供了高亮片段的全文搜索，还有search-as-you-type和did-you-mean的建议。
  • 卫报使用Elasticsearch将其社交媒体提供给公众有关新文章的实时反馈。
  • Stack Overflow将定位查询整合到全文检索中去，并使用more-like-this接口去查找相关的问题和回答。
  • GitHub使用Elasticsearch对1300亿行代码进行查询。

（这是官方的简介）


ES的生态圈

ES生态圈主要包含这几个好基友。


ES的用途

（1）用作搜索系统数据存储

  1. 应用程序将数据写入到mysql或其他数据库当中
  2. mysql把数据同步到ES中
  3. 应用程序查询数据时，从ES中搜索数据

（2）用作日志分析

  1. 日志通过kafka传到Logstash进行日志数据聚合
  2. Logstash将日志存储到ES中
  3. 通过Grafna或者Kibana对数据进行监控和分析

ES的特点和优势

  1. 分布式实时文件存储，可将每一个字段存入索引，使其可以被检索到
  2. 实时分析的分布式搜索引擎，分布式，索引拆分成多个分片，集群中的数据节点可以承载一个或多个分片，并且协调和处理各种操作，负载再平衡和路由大多数情况下自动完成。
  3. 可以扩张到上百台服务器，处理PB级别的结构化和非结构化数据，也可以运行在单台PC上。
  4. 支持插件机制，分词插件、同步插件、Hadoop插件、可视化插件。


几个重要概念

文档
  • Elasticsearch 是面向文档的，文档是所有可搜索数据的小单位
  • Elasticsearch里面的文档是以 JSON 的格式保存。
  • 每个文档都有一个的 Doc ID

文档相当于关系型数据库的一行记录

举例：下图的JSON格式数据就是一个文档

索引（index）

索引是文档的容器，是一类文档的集合

索引需要定义Mapping和Settings

  • Mapping定义文档字段的类型
  • Settings定义不通的字段分布，比如说你的索引需要多少个分片

索引相当于关系型数据库的一个表

举例：下面的结构是一个索引

分词

分词是把全文本转换成一系列单词的过程。

分词器是处理分词的模块。

分词器的处理过程可以分为三个步骤：

  1. Character Filters 处理原始文本，比如说去除html标签
  2. Tokenizer 按照一些规则，将文本切分成一个个单词
  3. Token Filters 将切分后的单词进行加工，例如：单词转小写、过滤停用词、增加同义词等

处理中文分词的第三方插件：analysis-icu、IK、THULAC

安装 analysis-icu 插件的方式

elasticsearch-plugin install analysis-icu

相关文章