全文搜索引擎 ElasticSearch

1. 介绍

ElasticSearch 简称 ES。

先来看它的用途:如果只是在多个机器同步,存储和检索大量数据,它与数据库的差别在哪儿,为什么非要使用 ES 呢?

ES 是目前全文搜索引擎的首选。全文检索是指计算机索引程序通过扫描文章中的每一个词,对每一个词建立一个索引,指明该词在文章中出现的次数和位置,当用户查询时,检索程序就根据事先建立的索引进行查找,并将查找的结果反馈给用户的检索方式。简单地说它的优势在于文本检索。ES 还可搭建成集群,有良好的扩展性。

如果把 ES 和数据库相比,ES 中包含多个索引 index(相当于数据库中的库),索引又包括多个类型 type(相当于数据库中的表)。

Kibana 是一个开源的分析与可视化平台,设计出来用于和 Elasticsearch 一起使用的。

2. ES 环境搭建

(1) 安装 8 以上的 Java 版本

 ES 是由 java 编写的,所以先要安装与其版本匹配的 JAVA 工具

  在以下网址下载 Java8 版本:

http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

1
2
3
4
$ cd /usr/lib/jvm/
$ tar xvzf jdk-8u181-linux-x64.tar.gz # 解包
$ sudo update-alternatives --install /usr/bin/java java /usr/lib/jvm/jdk1.8.0_181/bin/java # 把新版java纳入版本管理
$ sudo update-alternatives --config java # 选择新版本为默认java版本

  用以上方法设置可以省去手动设置 JAVA_HOME 等环境变量。

(2) 安装 ES 和 Kibana

  安装时,需要考虑 ES 和它的辅助软件 kibana 的版本匹配,于是在网站 https://www.elastic.co/downloads,下载了最新版本的 deb 包(目前最新为 6.3.2)

1
2
$ sudo dpkg -i elasticsearch-6.3.2.deb # ubuntu系统下安装
$ sudo dpkg -i kibana-6.3.2-amd64.deb

(3) 配置 ES

1
2
3
$ sudo vi /etc/elasticsearch/elasticsearch.yml # 编辑配置文件,也可以通过该配置文件,配置ES集群(一个设成master node, 多个data node,使用同一集群名)
此处介绍最简单的配置,将host替换为你的地址
network.host: 127.0.0.1 # 我用的是本机地址

(4) 启动 ES

1
2
3
4
$ sudo service elasticsearch restart # 重启ES
如果无法启动,也可尝试手动启动服务,命令如下:
$ sudo /usr/share/elasticsearch/bin/elasticsearch -d
此时在浏览器中打开:http://127.0.0.1:9200/,可看到端口已打开。

(5) 配置 Kibana

1
2
3
4
5
6
7
8
$ sudo vi /etc/kibana/kibana.yml # 修改配置文件
此处介绍最简单的配置,打开对以下行的注释:
server.port: 5601
server.host: "127.0.0.1"
server.name: "testme"
elasticsearch.url: "http://127.0.0.1:9200"
elasticsearch.preserveHost: true
kibana.index: ".kibana"

(6) 启动 Kibana

1
$ sudo service kibana restart

  此时在浏览器中,打开 http://127.0.0.1:5601,即可看到 kibana 已启动

(7) 一次性安装 ES 和 Kibana

1
2
$ docker pull nshou/elasticsearch-kibana
$ docker run -it --name es-kibana -d -p 9200:9200 -p 5601:5601 nshou/elasticsearch-kibana

目前下载的是较新的 7.16.2 版本

3. 使用 curl 命令访问 ES

(1) 查看服务状态(也可以在浏览器中查看)

1
$ curl 'localhost:9200/_cat/health?v'

(2) 查看当前的 Node 节点

1
$ curl 'localhost:9200/_cat/nodes?v'

(3) 新建一个 index(类似于数据库操作中的建库)

1
$ curl -XPUT 'localhost:9200/test_1'

  此时在浏览器输入 http://127.0.0.1:9200/test_1?pretty,可看到具体信息。

(4) 查看当前所有 index

1
$ curl 'localhost:9200/_cat/indices?v'

(5) 向 index 中添加数据

1
$ curl -XPOST http://localhost:9200/test_1/product/ -d '{"author" : "Jack", , "age": 32}'

  如果报错 406,请加入参数 -H,如下:

1
$ curl -XPOST http://localhost:9200/test_1/product/ -H 'Content-Type: application/json' -d '{"author" : "Xie Yan"}'

  插入的 index 是 test_1,type 是 product,此处可以看到,输入 ES 数据的格式是相当灵活的,它以 key-value 的方式存取,不像数据库中固定的字段。

(6) 查询所有数据

1
$ curl -XPOST 'localhost:9200/test_1/_search' -d ' { "query": { "match_all": {} } }'

(7) 条件查询

1
$ curl -XGET http://localhost:9200/test_1/_search?q=age:32

##4. 使用 Kibana 查看 ES 数据

  浏览器访问 http://127.0.0.1:5601,在 Management-> Elasticsearch 中即可以查看当前的 index 和 type,及其它们的内容,以及进一步分析。

5. 用 Python 访问 ES 数据

(1) 安装 python 支持库

1
$ sudo pip install elasticsearch

(2) 代码

1
2
3
4
5
6
7
8
9
from elasticsearch import Elasticsearch

es_host = '127.0.0.1'
es_index = 'test_1'
es = Elasticsearch(es_host)

result = es.search(index=es_index, body={}, size=10)
for item in result['hits']['hits']:
print(item)

(3) 说明

  可以在 body 中加入一些用 json 串描述的查询条件和需要的字段,条件最多 1024 个,在 size 中可设置返回条目的多少,用此方法查询最多能返回一万条。

如果超过一万条,用 helpers.scan,详见参考的第三部分

如果只关心其中某几个字段,可以 body 中指定 "_source": [' 字段 1',' 字段 2'...]。

6. 参考

(1) ES 与传统数据库的比较

https://blog.csdn.net/playgrrrrr/article/details/79008124

(2) 搭建 Elasticsearch 5.4 分布式集群

https://blog.csdn.net/napoay/article/details/52202877

(3) ElasticSearch scan 和 scroll 功能 python 实现

https://blog.csdn.net/xsdxs/article/details/72876703