高级架构师_Elasticsearch_第二章kibana+IK分词器安装+索引操作+ 映射操作
文章目录
第二部分 玩转Elasticsearch之入门使用第1节 核心概念第2节 Elasticsearch API介绍第3节 安装配置kibana1.什么是Kibana2.安装Kibana1) 下载Kibana2) 安装kibana3) kidbana使用页面4 )扩展kibana dev tools快捷键:第4节 Elasticsearch集成IK分词器1. 集成IK分词器下载地址:2 扩展词典使用3 停用词典使用自定义停用词库4 同义词典使用配置IK同义词第5节 索引操作(创建、查看、删除)1. 创建索引库2. 判断索引是否存在3.查看索引4. 打开索引5.关闭索引6. 删除索引库第6节 映射操作1. 创建映射字段2. 映射属性详解第二部分 玩转Elasticsearch之入门使用
Elasticsearch是基于Lucene的全文检索引擎,本质也是存储和检索数据。ES中的很多概念与MySQL类 似 我们可以按照关系型数据库的经验去理解。
第1节 核心概念
索引(index)类似的数据放在一个索引,非类似的数据放不同索引, 一个索引也可以理解成一个关系型数据
库。类型(type)
代表document属于index中的哪个类别(type)也有一种说法一种type就像是数据库的表,
比如dept表,user表。
注意ES每个大版本之间区别很大:
ES 5.x中一个index可以有多种type。
ES 6.x中一个index只能有一种type。
ES 7.x以后 要逐渐移除type这个概念。映射(mapping)
mapping定义了每个字段的类型等信息。相当于关系型数据库中的表结构。
常用数据类型:text、keyword、number、array、range、boolean、date、geo_point、ip、
nested、object
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-types.html#multifields_2
第2节 Elasticsearch API介绍
Elasticsearch提供了Rest风格的API,即http请求接口,而且也提供了各种语言的客户端API。
Rest风格API
文档地址:https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html
客户端API
Elasticsearch支持的语言客户端非常多:https://www.elastic.co/guide/en/elasticsearch/client/i
ndex.html,我们在实战时将使用到Java客户端API
ElasticSearch没有自带图形化界面,我们可以通过安装ElasticSearch的图形化插件,完成图形化界面的 效果,完成索引数据的查看,比如可视化插件Kibana。
第3节 安装配置kibana
1.什么是Kibana
Kibana是一个基于Node.js的Elasticsearch索引库数据统计工具,可以利用Elasticsearch的聚合功
能,生成各种图表,如柱形图,线状图,饼图等。
而且还提供了操作Elasticsearch索引数据的控制台,并且提供了一定的API提示,非常有利于我们学习
Elasticsearch的语法。
2.安装Kibana
1) 下载Kibana
Kibana与操作系统
2) 安装kibana
root账户下操作
tar -zxvf kibana-7.3.0-linux-x86_64.tar.gzmv /root/kibana-7.3.0-linux-x86_64 /usr/kibana/
改变es目录拥有者账号
chown -R estest /usr/kibana/
还需要设置访问权限
chmod -R 777 /usr/kibana/
修改配置文件
vim /usr/kibana/config/kibana.yml
修改端口,访问ip,elasticsearch服务器ip
server.port: 5601server.host: "0.0.0.0"# The URLs of the Elasticsearch instances to use for all your queries. elasticsearch.hosts: ["http://192.168.211.136:9200"]
配置完成启动:
切换用户su estest./bin/kibana(路径:/usr/kibana)
没有error错误启动成功:
3) kidbana使用页面
选择左侧的DevTools菜单,即可进入控制台页面:
在页面右侧,我们就可以输入请求,访问Elasticsearch了。
4 )扩展kibana dev tools快捷键:
ctrl+enter 提交请求ctrl+i 自动缩进第4节 Elasticsearch集成IK分词器
1. 集成IK分词器
IKAnalyzer是一个开源的,基于java语言开发的轻量级的中文分词工具包。从12月推出1.0版 开始,IKAnalyzer已经推出 了3个大版本。最初,它是以开源项目Lucene为应用主体的,结合词典分词和文法分析算法的中文分词组件。新版本的IKAnalyzer3.0则发展为 面向Java的公用分词组件,独立于Lucene项目,同时提供了对Lucene的默认优化实现。
IK分词器3.0的特性如下:
1) 采用了特有的“正向迭代最细粒度切分算法“,具有60万字/秒的高速处理能力。2) 采用了多子处理器分析模式,支持:英文字母(IP地址、Email、URL)、数字(日期,常用中文数 量词,罗马数字,科学计数法),中文词汇(姓名、地名处理)等分词处理。 3)支持个人词条的优化的词典存储,更小的内存占用。4) 支持用户词典扩展定义。5) 针对Lucene全文检索优化的查询分析器IKQueryParser;采用歧义分析算法优化查询关键字的搜索 排列组合,能极大的提高Lucene检索的命中率。
下载地址:
</medcl/elasticsearch-analysis-ik/releases/tag/v7.3.0>
下载插件并安装(安装方式一)
1)在elasticsearch的bin目录下执行以下命令,es插件管理器会自动帮我们安装,然后等待安装完成:
cd /usr/elasticsearch/bin/elasticsearch-plugin install/medcl/elasticsearch-analysisik/releases/download/v7.3.0/elasticsearch-analysis-ik-7.3.0.zip
2)下载完成后会提示 Continue with installation?输入 y 即可完成安装
3)重启Elasticsearch 和Kibana
上传安装包安装 (安装方式二)
1)在elasticsearch安装目录的plugins目录下新建 analysis-ik 目录
#新建analysis-ik文件夹mkdir analysis-ik#切换至 analysis-ik文件夹下cd analysis-ik#上传资料中的 elasticsearch-analysis-ik-7.3.0.zip#解压unzip elasticsearch-analysis-ik-7.3.3.zip#解压完成后删除ziprm -rf elasticsearch-analysis-ik-7.3.0.zip
2) 重启Elasticsearch 和Kibana
测试案例IK分词器有两种分词模式:ik_max_word和ik_smart模式。1)ik_max_word (常用)会将文本做最细粒度的拆分2)ik_smart会做最粗粒度的拆分大家先不管语法,我们先在Kibana测试一波输入下面的请求:
POST _analyze{"analyzer": "ik_max_word","text": "南京市长江大桥"}
ik_max_word 分词模式运行得到结果:
{"tokens": [{"token": "南京市", "start_offset": 0,"end_offset": 3, "type": "CN_WORD","position": 0},{"token": "南京", "start_offset": 0,"end_offset": 2, "type": "CN_WORD","position": 1},{"token": "市长", "start_offset": 2,"end_offset": 4, "type": "CN_WORD","position": 2},{"token": "长江大桥", "start_offset": 3,"end_offset": 7, "type": "CN_WORD","position": 3},{"token": "长江", "start_offset": 3,"end_offset": 5, "type": "CN_WORD","position": 4},{"token": "大桥", "start_offset": 5,"end_offset": 7, "type": "CN_WORD","position": 5}]}
POST _analyze{"analyzer": "ik_smart","text": "南京市长江大桥"}
ik_smart分词模式运行得到结果:
{"tokens": [{"token": "南京市","start_offset": 0,"end_offset": 3,"type": "CN_WORD","position": 0},{"token": "长江大桥","start_offset": 3,"end_offset": 7,"type": "CN_WORD","position": 1}]}
如果现在假如江大桥是一个人名,是南京市市长,那么上面的分词显然是不合理的,该怎么办?
2 扩展词典使用
扩展词:就是不想让哪些词被分开,让他们分成一个词。比如上面的江大桥
自定义扩展词库
1)进入到 config/analysis-ik/(插件命令 安装方式) 或 plugins/analysis-ik/config(安装包安装方式) 目录下, 新增自定义词典
vim lagou_ext_dict.dic
输入 :江大桥
2)将我们自定义的扩展词典文件添加到IKAnalyzer.cfg.xml配置中
vim IKAnalyzer.cfg.xml
<?xml version="1.0" encoding="UTF-8"?><!DOCTYPE properties SYSTEM "/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">lagou_ext_dict.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">lagou_stop_dict.dic</entry><!--用户可以在这里配置远程扩展字典 --><!-- <entrykey="remote_ext_dict">http://192.168.211.130:8080/tag.dic</entry> --><!--用户可以在这里配置远程扩展停止词字典--><!-- <entry key="remote_ext_stopwords">words_location</entry> --></properties>
3)重启Elasticsearch
3 停用词典使用
停用词:有些词在文本中出现的频率非常高。但对本文的语义产生不了多大的影响。例如英文的a、 an、the、of等。或中文的”的、了、呢等”。这样的词称为停用词。停用词经常被过滤掉,不会被进行 索引。在检索的过程中,如果用户的查询词中含有停用词,系统会自动过滤掉。停用词可以加快索引的 速度,减少索引库文件的大小。
自定义停用词库
1) 进入到 config/analysis-ik/(插件命令安装方式) 或 plugins/analysis-ik/config(安装包安装方式) 目录下, 新增自定义词典
vim lagou_stop_dict.dic
输入
的了啊
2)将我们自定义的停用词典文件添加到IKAnalyzer.cfg.xml配置中
3)重启Elasticsearch
4 同义词典使用
语言博大精深,有很多相同意思的词,我们称之为同义词,比如“番茄”和“西红柿”,“馒头”和“馍”等。在 搜索的时候,我们输入的可能是“番茄”,但是应该把含有“西红柿”的数据一起查询出来,这种情况叫做 同义词查询。
注意:扩展词和停用词是在索引的时候使用,而同义词是检索时候使用。
配置IK同义词
Elasticsearch 自带一个名为 synonym 的同义词 filter。为了能让 IK 和 synonym 同时工作,我们需要定义新的 analyzer,用 IK 做 tokenizer,synonym 做 filter。听上去很复杂,实际上要做的只是加一段配置。
1)创建/config/analysis-ik/synonym.txt 文件,输入一些同义词并存为 utf-8 格式。例如
lagou,拉勾china,中国
2)创建索引时,使用同义词配置,示例模板如下
PUT /索引名称{"settings": {"analysis": {"filter": {"word_sync": {"type": "synonym","synonyms_path": "analysis-ik/synonym.txt"}},"analyzer": {"ik_sync_max_word": {"filter": ["word_sync"],"type": "custom","tokenizer": "ik_max_word"},"ik_sync_smart": {"filter": ["word_sync"],"type": "custom","tokenizer": "ik_smart"}}}},"mappings": {"properties": {"字段名": {"type": "字段类型","analyzer": "ik_sync_smart","search_analyzer": "ik_sync_smart"}}}}
以上配置定义了ik_sync_max_word和ik_sync_smart这两个新的 analyzer,对应 IK 的 ik_max_word 和ik_smart 两种分词策略。ik_sync_max_word和 ik_sync_smart都会使用 synonym filter 实现同义词转换
3)到此,索引创建模板中同义词配置完成,搜索时指定分词为ik_sync_max_word或ik_sync_smart。
4)案例
PUT /lagou-es-synonym{"settings": {"analysis": {"filter": {"word_sync": {"type": "synonym","synonyms_path": "analysis-ik/synonym.txt"}},"analyzer": {"ik_sync_max_word": {"filter": ["word_sync"],"type": "custom","tokenizer": "ik_max_word"},"ik_sync_smart": {"filter": ["word_sync"],"type": "custom","tokenizer": "ik_smart"}}}},"mappings": {"properties": {"name": {"type": "text","analyzer": "ik_sync_max_word","search_analyzer": "ik_sync_max_word"}}}}
插入数据
POST /lagou-es-synonym/_doc/1{"name":"拉勾是中国专业的互联网招聘平台"}
使用同义词"lagou"或者“china”进行搜索
POST /lagou-es-synonym/_doc/_search{"query": {"match": {"name": "lagou"}}}
第5节 索引操作(创建、查看、删除)
1. 创建索引库
Elasticsearch采用Rest风格API,因此其API就是一次http请求,你可以用任何工具发起http请求
语法
PUT /索引名称{"settings": {"属性名": "属性值"}}
settings:就是索引库设置,其中可以定义索引库的各种属性 比如分片数 副本数等,目前我们可以不设置,都走默认
示例
PUT /lagou-company-index
可以看到索引创建成功了。
2. 判断索引是否存在
语法
HEAD /索引名称
示例 HEAD /lagou-company-index
3.查看索引
Get请求可以帮我们查看索引的相关属性信息,格式:
查看单个索引语法
GET /索引名称
示例 GET /lagou-company-index
批量查看索引语法
GET /索引名称1,索引名称2,索引名称3,...
查看所有索引
方式一
GET _all
方式二
GET /_cat/indices?v
绿色:索引的所有分片都正常分配。黄色:至少有一个副本没有得到正确的分配。红色:至少有一个主分片没有得到正确的分配。
4. 打开索引
语法
POST /索引名称/_open
5.关闭索引
语法
POST /索引名称/_close
6. 删除索引库
删除索引使用DELETE请求
语法
DELETE /索引名称1,索引名称2,索引名称3...
示例
再次查看,返回索引不存在
第6节 映射操作
索引创建之后,等于有了关系型数据库中的database。Elasticsearch7.x取消了索引type类型的设置, 不允许指定类型,默认为_doc,但字段仍然是有的,我们需要设置字段的约束信息,叫做字段映射(mapping)
字段的约束包括但不限于:
字段的数据类型是否要存储是否要索引分词器
我们一起来看下创建的语法。
1. 创建映射字段
语法
https://www.elastic.co/guide/en/elasticsearch/reference/7.3/mapping-params.html
字段名:任意填写,下面指定许多属性,例如:
type:类型,可以是text、long、short、date、integer、object等index:是否索引,默认为truestore:是否存储,默认为falseanalyzer:指定分词器
示例
发起请求:
PUT /lagou-company-indexPUT /lagou-company-index/_mapping/{"properties": {"name": {"type": "text","analyzer": "ik_max_word"},"job": {"type": "text","analyzer": "ik_max_word"},"logo": {"type": "keyword","index": "false"},"payment": {"type": "float"}}}
响应结果:
上述案例中,就给lagou-company-index这个索引库设置了4个字段:
name:企业名称job: 需求岗位logo:logo图片地址payment:薪资
并且给这些字段设置了一些属性,至于这些属性对应的含义,我们在后续会详细介绍。
2. 映射属性详解
1)type
Elasticsearch中支持的数据类型非常丰富:
https://www.elastic.co/guide/en/elasticsearch/reference/7.3/mapping-types.html
我们说几个关键的:
tring类型,又分两种: text:
可分词,不可参与聚合keyword:不可分词,数据会作为完整字段进行匹配,可以参与聚合
Numerical:数值类型,分两类
基本数据类型:long、interger、short、byte、double、float、half_float 浮点数的高精度类型:scaled_float需要指定一个精度因子,比如10或100。elasticsearch会把真实值乘以这个因子后存储,取出时再原。
Date:日期类型
elasticsearch可以对日期格式化为字符串存储,但是建议我们存储为毫秒值,存储为long,节省空间。
Array:数组类型
进行匹配时,任意一个元素满足,都认为满足排序时,如果升序则用数组中的最小值来排序,如果降序则用数组中的最大值来排序
Object:对象
{"name": "Jack","age": 21,"girl": {"name": "Rose","age": 21}}
如果存储到索引库的是对象类型,例如上面的girl,会把girl变成两个字段:girl.name和girl.age 2)
index
index影响字段的索引情况。
true:字段会被索引,则可以用来进行搜索。默认值就是truefalse:字段不会被索引,不能用来搜索
index的默认值就是true,也就是说你不进行任何配置,所有字段都会被索引。
但是有些字段是我们不希望被索引的,比如企业的logo图片地址,就需要手动设置index为false。