Elasticsearch 简介

头像
funhacks
    阅读 8 分钟
    1

    Elasticsearch 是一款稳定高效的分布式搜索和分析引擎，它的底层基于 Lucene，并提供了友好的 RESTful API 来对数据进行操作，还有比较重要的一点是， Elasticsearch 开箱即可用，上手也比较容易。

    目前 Elasticsearch 在搭建企业级搜索（如日志搜索、商品搜索等）平台中很广泛，官网也提供了不少案例，比如：

    • GitHub 使用 Elasticsearch 检索超过 800 万的代码库

    • eBay 使用 Elasticsearch 搜索海量的商品数据

    • Netflix 使用 Elasticsearch 来实现高效的消息传递系统

    本文主要介绍 Elasticsearch 的基本概念及入门使用。

    <!-- more -->

    安装

    在安装 Elasticsearch 之前，请确保你的计算机已经安装了 Java。目前 Elasticsearch 的最新版是 5.2，需要安装 Java 8，如果你用的是老版本的 Elasticsearch，如 2.x 版，可用 Java 7，但还是推荐使用 Java 8。

    可以使用如下的命令检查 Java 的版本：

    $ java -version

    接着，我们可以从这里下载最新版本的 Elasticsearch，也可使用 wget 下载，如下：

    $ wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-5.2.2.tar.gz

    Windows 用户也可以下载 .zip 格式的安装包。

    下载完后进行解压：

    $ tar -zxvf elasticsearch-5.2.2.tar.gz

    运行

    首先，我们进入到刚刚解压出来的目录中：

    $ cd elasticsearch-5.2.2

    接着，使用如下命令启动 Elasticsearch：

    $ bin/elasticsearch

    此时，如果正常的话，你可以在终端看到类似如下的输出：

    [2017-03-04T23:25:09,961][INFO ][o.e.n.Node               ] [] initializing ...
[2017-03-04T23:25:10,073][INFO ][o.e.e.NodeEnvironment    ] [yO11WLM] using [1] data paths, mounts [[/ (/dev/disk0s2)]], net usable_space [141.1gb], net total_space [232.9gb], spins? [unknown], types [hfs]
[2017-03-04T23:25:10,074][INFO ][o.e.e.NodeEnvironment    ] [yO11WLM] heap size [1.9gb], compressed ordinary object pointers [true]
[2017-03-04T23:25:10,095][INFO ][o.e.n.Node               ] node name [yO11WLM] derived from node ID [yO11WLMOQDuAOpZbYZYjzw]; set [node.name] to override
[2017-03-04T23:25:10,100][INFO ][o.e.n.Node               ] version[5.2.2], pid[7607], build[db0d481/2017-02-09T22:05:32.386Z], OS[Mac OS X/10.11.5/x86_64], JVM[Oracle Corporation/Java HotSpot(TM) 64-Bit Server VM/1.8.0_102/25.102-b14]
[2017-03-04T23:25:11,363][INFO ][o.e.p.PluginsService     ] [yO11WLM] loaded module [aggs-matrix-stats]
...

    上面的命令是在前台运行的，如果想在后台以守护进程模式运行，可以加 -d 参数。

    Elasticsearch 启动后，也启动了两个端口 9200 和 9300：

    • 9200 端口：HTTP RESTful 接口的通讯端口

    • 9300 端口：TCP 通讯端口，用于集群间节点通信和与 Java 客户端通信的端口

    现在，让我们做一些测试。在浏览器访问链接 http://localhost:9200/ ，或使用 curl 命令：

    $ curl 'http://localhost:9200/?pretty'

    我们可以看到类似如下的输出：

    {
  "name" : "yO11WLM",
  "cluster_name" : "elasticsearch",
  "cluster_uuid" : "yC8BGwzlSnu_zGbKL918Xg",
  "version" : {
    "number" : "5.2.1",
    "build_hash" : "db0d481",
    "build_date" : "2017-02-09T22:05:32.386Z",
    "build_snapshot" : false,
    "lucene_version" : "6.4.1"
  },
  "tagline" : "You Know, for Search"
}

    概念

    在进一步使用 Elasticsearch 之前，让我们先了解几个关键概念。

    在逻辑层面：

    • Index (索引)：这里的 Index 是名词，一个 Index 就像是传统关系数据库的 Database，它是 Elasticsearch 用来存储数据的逻辑区域

    • Document (文档)：Elasticsearch 使用 JSON 文档来表示一个对象，就像是关系数据库中一个 Table 中的一行数据

    • Type (类型)：文档归属于一种 Type，就像是关系数据库中的一个 Table

    • Field (字段)：每个文档包含多个字段，类似关系数据库中一个 Table 的列

    我们用一个表格来做类比，如下：

    Elasticsearch MySQL
    Index Database
    Type Table
    Document Row
    Field Column

    在物理层面：

    • Node (节点)：node 是一个运行着的 Elasticsearch 实例，一个 node 就是一个单独的 server

    • Cluster (集群)：cluster 是多个 node 的集合

    • Shard (分片)：数据分片，一个 index 可能会存在于多个 shard

    使用

    接下来，我们看看如何建立索引、创建文档等，就好比在 MySQL 中进行诸如创建数据库，插入数据等操作。

    添加文档

    下面，我们将创建一个存储电影信息的 Document：

    • Index 的名称为 movie

    • Type 为 adventure

    • Document 有两个字段：name 和 actors

    我们使用 Elasticsearch 提供的 RESTful API 来执行上述操作，如图所示：

    • 用 url 表示一个资源，比如 /movie/adventure/1 就表示一个 index 为 movie，type 为 adventure，id 为 1 的 document

    • 用 http 方法操作资源，如使用 GET 获取资源，使用 POST、PUT 新增或更新资源，使用 DELETE 删除资源等

    我们可以使用 curl 命令来执行上述操作：

    $ curl -i -X PUT "localhost:9200/movie/adventure/1" -d '{"name": "Life of Pi", "actors": ["Suraj", "Irrfan"]}'

    不过，本文推荐使用 httpie，类似 curl，但比 curl 更好用，将上面的命令换成 httpie，如下：

    $ http put :9200/movie/adventure/1 name="Life of Pi" actors:='["Suraj", "Irrfan"]'

    上面的命令结果如下：

    HTTP/1.1 201 Created
Location: /movie/adventure/1
content-encoding: gzip
content-type: application/json; charset=UTF-8
transfer-encoding: chunked

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

    可以看到，我们已经成功创建了一个 _index 为 movie，_type 为 adventure，_id 为 1 的文档。

    我们通过 GET 请求来查看这个文档的信息：

    $ http :9200/movie/adventure/1

    结果如下：

    HTTP/1.1 200 OK
content-encoding: gzip
content-type: application/json; charset=UTF-8
transfer-encoding: chunked

{
    "_id": "1",
    "_index": "movie",
    "_source": {
        "actors": [
            "Suraj",
            "Irrfan"
        ],
        "name": "Life of Pi"
    },
    "_type": "adventure",
    "_version": 1,
    "found": true
}

    可以看到，原始的文档数据存在了 _source 字段中。

    如果我们的数据没有 id，也可以让 Elasticsearch 自动为我们生成，此时要使用 POST 请求，形式如下：

    POST /movie/adventure/
{
    "name": "Life of Pi"
}

    更新整个文档

    当我们使用 PUT 方法指明文档的 _index, _type 和 _id时，如果 _id 已存在，则新文档会替换旧文档，此时文档的 _version 会增加 1，并且 _created 字段为 false。比如：

    $ http put :9200/movie/adventure/1 name="Life of Pi"

    结果如下：

    HTTP/1.1 200 OK
content-encoding: gzip
content-type: application/json; charset=UTF-8
transfer-encoding: chunked

{
    "_id": "1",
    "_index": "movie",
    "_shards": {
        "failed": 0,
        "successful": 1,
        "total": 2
    },
    "_type": "adventure",
    "_version": 2,
    "created": false,
    "result": "updated"
}

    使用 GET 请求查看新文档的数据：

    $ http :9200/movie/adventure/1

    结果如下：

    HTTP/1.1 200 OK
content-encoding: gzip
content-type: application/json; charset=UTF-8
transfer-encoding: chunked

{
    "_id": "1",
    "_index": "movie",
    "_source": {
        "name": "Life of Pi"
    },
    "_type": "adventure",
    "_version": 2,
    "found": true
}

    可以看到，actors 这个字段已经不存在了，文档的 _version 变成了 2。

    因此，为了避免在误操作的情况下，原文档被替换，我们可以使用 _create 这个 API，表示只在文档不存在的情况下才创建新文档（返回 201 Created），如果文档存在则不做任何操作（返回 409 Conflict），命令如下：

    $ http put :9200/movie/adventure/1/_create name="Life of Pi"

    由于文档 id 存在，会返回 409 Conflict。

    局部更新

    在有些情况下，我们只想更新文档的局部，而不是整个文档，这时我们可以使用 _update 这个 API。

    现在，待更新的文档信息如下：

    {
    "_id": "1",
    "_index": "movie",
    "_source": {
        "name": "Life of Pi"
    },
    "_type": "adventure",
    "_version": 2,
    "found": true
}

    最简单的 update 请求接受一个局部文档参数 doc，它会合并到现有文档中：将对象合并在一起，存在的标量字段被覆盖，新字段被添加。

    形式如下：

    POST /movie/adventure/1/_update
{
   "doc": {
      "name": "life of pi"
   }
}

    由于有嵌套字段，我们可以这样使用 http（这里需要注意使用 POST 方法）：

    $ echo '{"doc": {"actors": ["Suraj", "Irrfan"]}}' | http post :9200/movie/adventure/1/_update

    上面的命令中，我们添加了一个新的字段：actors，结果如下：

    HTTP/1.1 200 OK
content-encoding: gzip
content-type: application/json; charset=UTF-8
transfer-encoding: chunked

{
    "_id": "1",
    "_index": "movie",
    "_shards": {
        "failed": 0,
        "successful": 1,
        "total": 2
    },
    "_type": "adventure",
    "_version": 3,
    "result": "updated"
}

    可以看到，_version 增加了 1，result 的结果是 updated。

    检索文档

    检索某个文档

    要检索某个文档很简单，我们只需使用 GET 请求并指出文档的 index, type, id 就可以了，比如：

    $ http :9200/movie/adventure/1/

    响应内容会包含文档的元信息，文档的原始数据存在 _source 字段中。

    我们也可以直接检索出文档的 _source 字段，如下：

    $ http :9200/movie/adventure/1/_source

    检索所有文档

    我们可以使用 _search 这个 API 检索出所有的文档，命令如下：

    $ http :9200/movie/adventure/_search

    返回结果如下：

    {
    "_shards": {
        "failed": 0,
        "successful": 5,
        "total": 5
    },
    "hits": {
        "hits": [
            {
                "_id": "1",
                "_index": "movie",
                "_score": 1.0,
                "_source": {
                    "actors": [
                        "Suraj",
                        "Irrfan"
                    ],
                    "name": "Life of Pi"
                },
                "_type": "adventure"
            }
        ],
        "max_score": 1.0,
        "total": 1
    },
    "timed_out": false,
    "took": 299
}

    可以看到，hits 这个 object 包含了 hits 数组，total 等字段，其中，hits 数组包含了所有的文档，这里只有一个文档，total 表明了文档的数量，默认情况下会返回前 10 个结果。我们也可以设定 From/Size 参数来获取某一范围的文档，可参考这里，比如：

    $ http :9200/movie/adventure/_search?from=1&size=5

    当不指定 from 和 size 时，会使用默认值，其中 from 的默认值是 0，size 的默认值是 10。

    检索某些字段

    有时候，我们只需检索文档的个别字段，这时可以使用 _source 参数，多个字段可以使用逗号分隔，如下所示：

    $ http :9200/movie/adventure/1?_source=name
$ http :9200/movie/adventure/1?_source=name,actors

    query string 搜索

    query string 搜索以 q=field:value 的形式进行查询，比如查询 name 字段含有 life 的电影：

    $ http :9200/movie/adventure/_search?q=name:life

    DSL 搜索

    上面的 query string 搜索比较轻量级，只适用于简单的场合。Elasticsearch 提供了更为强大的 DSL（Domain Specific Language）查询语言，适用于复杂的搜索场景，比如全文搜索。我们可以将上面的 query string 搜索转换为 DSL 搜索，如下：

    GET /movie/adventure/_search
{
    "query" : {
        "match" : {
            "name" : "life"
        }
    }
}

    如果使用 httpie，可以这样：

    $ echo '{"query": {"match": {"name": "life"}}}' | http get :9200/movie/adventure/_search

    如果使用 curl，可以这样：

    $ curl -X GET "127.0.0.1:9200/movie/adventure/_search" -d '{"query": {"match": {"name": "life"}}}'

    文档是否存在

    使用 HEAD 方法查看文档是否存在：

    $ http head :9200/movie/adventure/1

    如果文档存在则返回 200，否则返回 404。

    删除文档

    使用 DELETE 方法删除文档：

    $ http delete :9200/movie/adventure/1

    小结

    • Elasticsearch 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

    • 在创建文档时，我们可以用 POST 方法指定将文档添加到某个 _index/_type 下，来让 Elasticsearch自动生成唯一的 _id；而用 PUT 方法指定将文档的 _index/_type/_id

    本文由 funhacks 发表于个人博客，采用 Creative Commons BY-NC-ND 4.0（自由转载-保持署名-非商用-禁止演绎）协议发布。
    非商业转载请注明作者及出处。商业转载请联系作者本人。
    本文标题为: Elasticsearch 简介
    本文链接为: http://funhacks.net/2017/03/2...

    参考资料

    elasticsearch
    funhacks
    435 声望54 粉丝
    « 上一篇
    HTTP 协议简介

    引用和评论

    被 1 篇内容引用
    推荐阅读
    头像
    从零开始 Elasticsearh Docker 单机集群

    zzMeow赞 1阅读 2.8k

    头像
    ElasticSearch源码本地调试指南

    Foghost阅读 1.1k

    头像
    Elasticsearch 8.x 重要变化（qbit）

    qbit阅读 744

    头像
    一夜之间，7.0万 Star，全部清零！

    CodeSheep阅读 708

    头像
    KylinV10 ARM 版本安装 Ambari + HDP + ElasticSerach 记录

    LnEoi阅读 339

    头像
    Elasticsearch Serverless 高性价比智能日志分析关键技术解读

    阿里云大数据AI阅读 303

    头像
    Elasticsearch 查看节点状态信息（qbit）

    qbit阅读 292

    0 条评论
    得票最新