全文搜索引擎 Elasticsearch 入门教程 - 阮一峰的网络日志

二、基本概念

2.1 Node 与 Cluster

Elastic 本质上是一个分布式数据库，允许多台服务器协同工作，每台服务器可以运行多个 Elastic 实例。

单个 Elastic 实例称为一个节点（node）。一组节点构成一个集群（cluster）。

2.2 Index

Elastic 会索引所有字段，经过处理后写入一个反向索引（Inverted Index）。查找数据的时候，直接查找该索引。

所以，Elastic 数据管理的顶层单位就叫做 Index（索引）。它是单个数据库的同义词。每个 Index （即数据库）的名字必须是小写。

下面的命令可以查看当前节点的所有 Index。

$ curl -X GET 'http://localhost:9200/_cat/indices?v'

2.3 Document

Index 里面单条的记录称为 Document（文档）。许多条 Document 构成了一个 Index。

Document 使用 JSON 格式表示，下面是一个例子。

"user": "张三", "title": "工程师", "desc": "数据库管理"

同一个 Index 里面的 Document，不要求有相同的结构（scheme），但是最好保持相同，这样有利于提高搜索效率。

2.4 Type

Document 可以分组，比如 weather 这个 Index 里面，可以按城市分组（北京和上海），也可以按气候分组（晴天和雨天）。这种分组就叫做 Type，它是虚拟的逻辑分组，用来过滤 Document。

不同的 Type 应该有相似的结构（schema），举例来说， id 字段不能在这个组是字符串，在另一个组是数值。这是与关系型数据库的表的一个区别。性质完全不同的数据（比如 products 和 logs ）应该存成两个 Index，而不是一个 Index 里面的两个 Type（虽然可以做到）。

下面的命令可以列出每个 Index 所包含的 Type。

$ curl 'localhost:9200/_mapping?pretty=true'

根据规划，Elastic 6.x 版只允许每个 Index 包含一个 Type，7.x 版将会彻底移除 Type。

三、新建和删除 Index

新建 Index，可以直接向 Elastic 服务器发出 PUT 请求。下面的例子是新建一个名叫 weather 的 Index。

$ curl -X PUT 'localhost:9200/weather'

服务器返回一个 JSON 对象，里面的 acknowledged 字段表示操作成功。

"acknowledged":true, "shards_acknowledged":true

然后，我们发出 DELETE 请求，删除这个 Index。

$ curl -X DELETE 'localhost:9200/weather'

四、中文分词设置

首先，安装中文分词插件。这里使用的是 ik ，也可以考虑其他插件（比如 smartcn ）。

$ ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v5.5.1/elasticsearch-analysis-ik-5.5.1.zip

上面代码安装的是5.5.1版的插件，与 Elastic 5.5.1 配合使用。

接着，重新启动 Elastic，就会自动加载这个新安装的插件。

然后，新建一个 Index，指定需要分词的字段。这一步根据数据结构而异，下面的命令只针对本文。基本上，凡是需要搜索的中文字段，都要单独设置一下。

$ curl -X PUT 'localhost:9200/accounts' -d ' "mappings": { "person": { "properties": { "user": { "type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word" "title": { "type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word" "desc": { "type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word"

上面代码中，首先新建一个名称为 accounts 的 Index，里面有一个名称为 person 的 Type。 person 有三个字段。

title

这三个字段都是中文，而且类型都是文本（text），所以需要指定中文分词器，不能使用默认的英文分词器。

Elastic 的分词器称为 analyzer 。我们对每个字段指定分词器。

"user": { "type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word"

上面代码中， analyzer 是字段文本的分词器， search_analyzer 是搜索词的分词器。 ik_max_word 分词器是插件 ik 提供的，可以对文本进行最大数量的分词。

五、数据操作

5.1 新增记录

向指定的 /Index/Type 发送 PUT 请求，就可以在 Index 里面新增一条记录。比如，向 /accounts/person 发送请求，就可以新增一条人员记录。

$ curl -X PUT 'localhost:9200/accounts/person/1' -d ' "user": "张三", "title": "工程师", "desc": "数据库管理"

服务器返回的 JSON 对象，会给出 Index、Type、Id、Version 等信息。

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

如果你仔细看，会发现请求路径是 /accounts/person/1 ，最后的 1 是该条记录的 Id。它不一定是数字，任意字符串（比如 abc ）都可以。

新增记录的时候，也可以不指定 Id，这时要改成 POST 请求。

$ curl -X POST 'localhost:9200/accounts/person' -d ' "user": "李四", "title": "工程师", "desc": "系统管理"

上面代码中，向 /accounts/person 发出一个 POST 请求，添加一个记录。这时，服务器返回的 JSON 对象里面， _id 字段就是一个随机字符串。

"_index":"accounts", "_type":"person", "_id":"AV3qGfrC6jMbsbXb6k1p", "_version":1, "result":"created", "_shards":{"total":2,"successful":1,"failed":0}, "created":true

注意，如果没有先创建 Index（这个例子是 accounts ），直接执行上面的命令，Elastic 也不会报错，而是直接生成指定的 Index。所以，打字的时候要小心，不要写错 Index 的名称。

5.2 查看记录

向 /Index/Type/Id 发出 GET 请求，就可以查看这条记录。

$ curl 'localhost:9200/accounts/person/1?pretty=true'

上面代码请求查看 /accounts/person/1 这条记录，URL 的参数 pretty=true 表示以易读的格式返回。

返回的数据中， found 字段表示查询成功， _source 字段返回原始记录。

"_index" : "accounts", "_type" : "person", "_id" : "1", "_version" : 1, "found" : true, "_source" : { "user" : "张三", "title" : "工程师", "desc" : "数据库管理"

如果 Id 不正确，就查不到数据， found 字段就是 false 。

$ curl 'localhost:9200/weather/beijing/abc?pretty=true' "_index" : "accounts", "_type" : "person", "_id" : "abc", "found" : false

5.3 删除记录

删除记录就是发出 DELETE 请求。

$ curl -X DELETE 'localhost:9200/accounts/person/1'

这里先不要删除这条记录，后面还要用到。

5.4 更新记录

更新记录就是使用 PUT 请求，重新发送一次数据。

$ curl -X PUT 'localhost:9200/accounts/person/1' -d ' "user" : "张三", "title" : "工程师", "desc" : "数据库管理，软件开发" "_index":"accounts", "_type":"person", "_id":"1", "_version":2, "result":"updated", "_shards":{"total":2,"successful":1,"failed":0}, "created":false

上面代码中，我们将原始数据从"数据库管理"改成"数据库管理，软件开发"。返回结果里面，有几个字段发生了变化。

"_version" : 2, "result" : "updated", "created" : false

可以看到，记录的 Id 没变，但是版本（version）从 1 变成 2 ，操作类型（result）从 created 变成 updated ， created 字段变成 false ，因为这次不是新建记录。

六、数据查询

6.1 返回所有记录

使用 GET 方法，直接请求 /Index/Type/_search ，就会返回所有记录。

$ curl 'localhost:9200/accounts/person/_search' "took":2, "timed_out":false, "_shards":{"total":5,"successful":5,"failed":0}, "hits":{ "total":2, "max_score":1.0, "hits":[ "_index":"accounts", "_type":"person", "_id":"AV3qGfrC6jMbsbXb6k1p", "_score":1.0, "_source": { "user": "李四", "title": "工程师", "desc": "系统管理" "_index":"accounts", "_type":"person", "_id":"1", "_score":1.0, "_source": { "user" : "张三", "title" : "工程师", "desc" : "数据库管理，软件开发"

上面代码中，返回结果的 took 字段表示该操作的耗时（单位为毫秒）， timed_out 字段表示是否超时， hits 字段表示命中的记录，里面子字段的含义如下。


    total

：返回记录数，本例是2条。


    max_score

：最高的匹配程度，本例是

1.0

。


    hits

：返回的记录组成的数组。

返回的记录中，每条记录都有一个 _score 字段，表示匹配的程序，默认是按照这个字段降序排列。

6.2 全文搜索

Elastic 的查询非常特别，使用自己的查询语法，要求 GET 请求带有数据体。

$ curl 'localhost:9200/accounts/person/_search' -d ' "query" : { "match" : { "desc" : "软件" }}

上面代码使用 Match 查询，指定的匹配条件是 desc 字段里面包含"软件"这个词。返回结果如下。

"took":3, "timed_out":false, "_shards":{"total":5,"successful":5,"failed":0}, "hits":{ "total":1, "max_score":0.28582606, "hits":[ "_index":"accounts", "_type":"person", "_id":"1", "_score":0.28582606, "_source": { "user" : "张三", "title" : "工程师", "desc" : "数据库管理，软件开发"

Elastic 默认一次返回10条结果，可以通过 size 字段改变这个设置。

$ curl 'localhost:9200/accounts/person/_search' -d ' "query" : { "match" : { "desc" : "管理" }}, "size": 1

上面代码指定，每次只返回一条结果。

还可以通过 from 字段，指定位移。

$ curl 'localhost:9200/accounts/person/_search' -d ' "query" : { "match" : { "desc" : "管理" }}, "from": 1, "size": 1

上面代码指定，从位置1开始（默认是从位置0开始），只返回一条结果。

6.3 逻辑运算

如果有多个搜索关键字， Elastic 认为它们是 or 关系。

$ curl 'localhost:9200/accounts/person/_search' -d ' "query" : { "match" : { "desc" : "软件系统" }}

上面代码搜索的是 软件 or 系统 。

如果要执行多个关键词的 and 搜索，必须使用布尔查询。

$ curl 'localhost:9200/accounts/person/_search' -d ' "query": { "bool": { "must": [ { "match": { "desc": "软件" } }, { "match": { "desc": "系统" } }

七、参考链接

ElasticSearch 官方手册

A Practical Introduction to Elasticsearch

Elasticsearch 说说我的感受吧，我13年开始用，到现在4个年头了，我基本上是去一家公司，我就会改变原有的搜索或者NOSQL数据存储，改成Elasticsearch 。 Elasticsearch 有着以下特点：

第一，更新迭代快，社区活跃。文档现在着实丰富（这是选型的第一要素）。
第二，从性能上来说，确实目前来说是首选。
第三，目前第三方组件越来越多，只有你想不到的。
... ...

小白（Java）可以看看这个博客，http://www.sojson.com/blog/81.html
Ctrl + F 实现站内搜索，包括近义词，比如搜索ES，内容会出现Elasticsearch和ES的内容。脚本=JS=Javascript

{userId:1, name: 'liu', createTime:'2017-9-16', investMount: 1000, sex: 1},

{userId:1, name: 'liu', createTime:'2017-9-16', investMount: 2000, sex: 1},

{userId:1, name: 'liu', createTime:'2017-9-16', investMount: 3000, sex: 1},

{userId:2, name: 'wang', createTime:'2017-10-1', investMount: 1500, sex: 0},

{userId:3, name: 'zhang', createTime:'2017-10-14', investMount: 1800, sex: 1},

{userId:4, name: 'zhao', createTime:'2017-10-17', investMount: 4000, sex: 1}

比如：现在想查询注册时间(createTime)是2017-9-15到2017-10-15日之间，投资总额(同一个userId用户investMount的总和)在2000-5000之间的男性（sex==1）的用户，最后取到符合条件的userId的集合，这种需求该如何写DSL语句呢？

我现在对es的学习能力只能想到这一步，先根据固定的条件进行查询筛选，然后再根据用户id进行分组，查询每个用户的投资总金额，但是如何使最后结果能返回符合所有条件的用户userId的集合我还是想不出来，求指教~~

"query": {

"bool": {

"must": {

{"term": {"sex": 1}}

"filter": {

"range": {

"createTime": {

"from": "2017-9-15",

"to": "2017-10-15"

"aggs": {

"group_by_userId": {

"terms": {"field": "userId"},

"aggs": {

"sum_investMount": {

"sum": { "field": "investMount"}

新建Index时按照官网的例子就会返回
{"error":"Content-Type header [application/x-www-form-urlencoded] is not supported","status":406}%

查了一下需要添加头文件请求： -H "Content-Type: application/json"

我解决了上面的问题但是又报了curl -H "Content-Type: application/json" -X PUT 'localhost:9200/accounts' -d '{"mappings":{"person":{"properties":{"user":{"type":"text","analyzer":"ik_max_word","search_analyzer":"ik_max_word"},"title":{"type":"text","analyzer":"ik_max_word","search_analyzer":"ik_max_word"},"desc":{"type":"text","analyzer":"ik_max_word","search_analyzer":"ik_max_word"}}}}}'
{"error":{"root_cause":[{"type":"mapper_parsing_exception","reason":"analyzer [ik_max_word] not found for field [title]"}],"type":"mapper_parsing_exception","reason":"Failed to parse mapping [person]: analyzer [ik_max_word] not found for field [title]","caused_by":{"type":"mapper_parsing_exception","reason":"analyzer [ik_max_word] not found for field [title]"}},"status":400}%这个

http://localhost:9200/accounts/person/_search/
get:"max_score": 1,
post:"max_score": 0.25316024
为啥会这样呢?获取应该是get呀

由于老师使用的是5.5.1，新版的6.3.1会报错{"error":"Content-Type header [application/x-www-form-urlencoded] is not supported","status":406}

解决办法：在每个请求上加上-H 'Content-Type:application/json'即可

http://localhost:9200/accounts/person/_search/
get:"max_score": 1,
post:"max_score": 0.25316024
为啥会这样呢?获取应该是get呀

elastic的get常常都会带body的json，而post也是可以访问的。

我安装了elasticsearch-6.5.4 和 analysis-ik 6.5.4;
重启：可以看到 ik plugin被加载
[2019-01-08T17:25:10,333][INFO ][o.e.p.PluginsService ] [00eqG7f] loaded plugin [analysis-ik]
然后测试：
curl -XGET "http://localhost:9200/index/_analyze?pretty" -H 'Content-Type: application/json' -d'
"text":"中华人民共和国MN","tokenizer": "ik_max_word"
能够正常分词；
但是！建立索引，设置mapping的时候出错了
curl -XPUT http://localhost:9200/index
curl -XPOST http://localhost:9200/index/fulltext/_mapping?pretty -H 'Content-Type:application/json' -d'
"properties": {
"content": {
"type": "text",
"analyzer": "ik_max_word",
"search_analyzer": "ik_max_word"
"error" : {
"root_cause" : [
"type" : "mapper_parsing_exception",
"reason" : "analyzer [ik_max_word] not found for field [content]"
"type" : "mapper_parsing_exception",
"reason" : "analyzer [ik_max_word] not found for field [content]"
"status" : 400

为什么找不到分词器呢？都折磨我两天了...

引用omgzui的发言：

由于老师使用的是5.5.1，新版的6.3.1会报错{"error":"Content-Type header [application/x-www-form-urlencoded] is not supported","status":406}

解决办法：在每个请求上加上-H 'Content-Type:application/json'即可

没错，在6.0版本之后，请求都需要加 -H 'Content-Type:application/json'

我这里有一个需求，就是需要将关系型数据库（国产数据库）的数据抽取到elasticsearch。除了通过写code从关系型数据库查出来再导入es中，有没有什么更好，或者说更高效的方法去实现数据的导入。
logstash我试过了，但是只能提前预定好sql语句即知道要查什么。并且只能初始化同步一次，然后根据配置的定时去抽取

我的业务场景中，sql是service code中动态生成的，所以要查询的数据也不确定。并需要可以手动触发进行增量/全量抽取。请问这该如何实现，各位前辈指点指点。