elasticsearch 初步

本文主要内容：

1、elasticsearch的认识(是个啥，能干啥)

2、安装启动、简单集群及关键配置

3、名词解释

4、存取数据，中文分词

---------------------------------------------------------------------------------------------------

1、elasticsearch的认识

　　elasticsearch是一个开源的实时分布式搜索分析引擎，底层使用lucene实现。lucene使用较为复杂，es将其做成一个单独的服务，方便开发人员使用。这么说不太方便理解，通俗的讲，可以把它理解成一个分布式的海量数据库，而且使用方便。

　　比较详细的介绍可以参考官网的文档以及权威指南：

　　官网文档描述：https://www.elastic.co/guide/en/elasticsearch/reference/6.4/getting-started.html

　　es权威指南：https://www.elastic.co/guide/cn/elasticsearch/guide/current/intro.html

2、安装启动、简单集群及关键配置

　　该部分就是一个安装过程，附带了配置说明

　　a、单机版

　　单节点的es比较简单，直接下载启动即可；

　　下载：https://www.elastic.co/downloads在官网点击下载，找自己需要的版本下载即可；

　　启动：解压后，bin目录，./elasticsearch 回车即可。

　　注意：不可用root账号启动，因为es为了防止危险脚本的注入，禁止root启动；内存不要过小，默认内存配置是1G，如果当前内存小于1G，会报错，考虑加大内存或者修改es默认内存配置，es默认占用的jvm堆内存大小设置路径:config/jvm.options中的-Xms跟-Xmx。

　　b、集群搭建

　　一般是3点集群或者5点集群，理由当然是尽量防止脑裂问题。本地只有一台虚拟机，比较懒，就双机集群吧。

a	172.20.10.2	9200	物理机
b	172.20.10.3	9200	虚拟机

　　使用的es版本为6.4.3，要修改的配置文件为conf/elasticsearch.yml，主要修改以下选项：

#集群名称
cluster.name: my-application
#节点名称
node.name: node-1
# 是否可以作为master节点，默认true
node.master: true
#本机地址
network.host: 172.20.10.2
#本机es端口
http.port: 9200
#单播模式下，具有master资格的节点列表，新加入的节点向这个列表中的节点发送请求来加入集群
discovery.zen.ping.unicast.hosts: ["172.20.10.2", "172.20.10.3"]
#一个节点需要看到的具有master资格的节点的最小数量
discovery.zen.minimum_master_nodes: 1

　　以上，集群名称用于区分网络环境中的不同es集群。集群中，不是所有节点都会参与master选举，这样的话会因为节点太多而过于复杂，故一般es集群中只设置几个节点用于master，其它节点只作为数据节点，不参与主节点竞争；有master资格的节点需要尽量让其它节点看到自己；一个节点需要看到一定数量的具有master资格节点才能加入集群并在其中执行操作，官方推荐的数字是(N/2)+1，其中N为具有master资格的节点数量；

　　当然，生产环境的话，一般数据跟程序是不在同一目录的，主要目的是方便es的版本升级，避免数据覆盖。因此我们把数据跟日志目录移动到别的目录：

#es的数据存储目录
path.data: /var/elasticsearch/data
#es日志存储目录
path.logs: /var/elasticsearch/logs

　　相应的，es的配置文件在每次升级之后也会被覆盖，这不是我们想要的，故而也应该提取出来。比如本次是将config移动到了/opt/elasticsearch/目录下，同目录下有elasticsearch-6.4.3目录，也就是我们es的home目录。修改后，相应的启动有两种方式：

　　a、参数启动

　　在es的home目录/bin下执行 ES_PATH_CONF=/opt/elasticsearch/config ./elasticsearch

　　b、设置环境变量

　　在~/.bash_profile添加

ES_PATH_CONF=/opt/elasticsearch/config
export ES_PATH_CONF

　　两行，然后可以正常启动。

　　分别启动，结束后执行：curl -X GET "http://172.20.10.2:9200/_cat/health?v"，查看集群运行状态：

　　node.total是所有节点数量，可以看到有两个节点。

　　本次启动过程中碰到两个问题：

ERROR: [2] bootstrap checks failed
[1]: max file descriptors [4096] for elasticsearch process is too low, increase to at least [65536]
[2]: max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]

　　第一个问题，是说当前es用户拥有的可创建文件描述的权限太低，解决办法：

　　切换到root用户进行修改：

　　vi /etc/security/limits.conf

　　在最后添加：

*** hard nofile 65536
*** soft nofile 65536

　　其中，***  是启动ES的用户

　　第二个问题，是单个jvm能开启的最大线程数太小，

　　切换root用户，执行：sysctl -w vm.max_map_count=655360进行修改即可。

3、名词解释

　　虽然es已经启动起来了，可我们貌似对它并没有什么了解，那就从名词解释开始吧！

　　近实时：es是一个近乎实时的搜索平台，所谓近实时就是说从索引文档到返回结果还是需要一点时间的，但不太长，通常是1秒。

　　索引：(名词)es存储数据的地方，是具有某些类似特征的文档的集合。类似于关系数据库中的“数据库”或者“表”。

　　　　(动词)将数据存到es的索引的过程，叫做索引。

　　文档：文档是es中的一个json文件，相当于关系数据库中的一行记录。文档存储在索引中，有类型跟id。一个索引可以保存多种类型的文档，相当于一个student表中可以放teacher跟student，不太贴切，但暂且这么理解吧。es7中类型将被删除，相当于与student表只能存student数据了。

　　类型：就是orm中的那个o的类型吧，es7中将被移除。

　　分片：数据存储在索引中，索引的存储量可能会超过单个节点的硬件限制条件。比如1TB大小的索引，如果放在单节点，会因为太大而导致搜索太慢或者干脆硬盘没有这么大，而无法进行存储。为了解决这个问题，es提供了分片机制，在创建索引时指定分片数量，指定后不可更改。每个分片都是一个功能齐全且独立的“索引”。

　　分片副本：顾名思义，就是分片的一个拷贝，在发生网络故障时可以保证损坏的节点数据正常使用。

4、存取数据，中文分词

　　对es数据的操作可以通过es提供的rest api来完成，curl命令不方便使用，之前有chrome插件sense可以方便使用，但最新的chrome商店中删掉了该插件，网络上的改版也会被浏览器提示安全问题或者编码问题，我们此处使用kibana。

　　kibana默认连接localhost，需要在es的配置文件中添加 network.host: [localhost, 172.20.10.2]，否则会导致无法连接到es。启动后访问localhost:5601 --> Dev Tools 打开es 的rest api访问工具。

　　a、增

　　添加一条数据到megacorp索引的employee类型下，id是1：

　　右边，_version表示该记录的版本号，3表示被修改过3次，我本地是增加后删除了一次，第二次新增，故而版本是3。

　　批量增加：

　　批量处理有一些格式上要注意的地方：

　　1、操作命令跟内容交替出现，每个独占一行；

　　即使文档内容有很多，都是json格式，必须在一行，否则会报错："type": "illegal_argument_exception", "reason": "Malformed action/metadata line [3], expected START_OBJECT but found [VALUE_STRING]"

　　2、更新操作要有doc或者script，否则报错：Validation Failed: 1: script or doc is missing

　　3、操作有4种，index、create、update跟delete，index跟create的区别是如果存在，是否替换，index会替换，create不会。

　　　　更多细节请参照：https://www.elastic.co/guide/en/elasticsearch/reference/6.4/docs-bulk.html

　　b、删

　　单条删除比较简单，就是delete /索引名/类别/id ，比较常用的是通过查询api来删除

　　删掉年龄为32的员工：

　　更多细节请参照：https://www.elastic.co/guide/en/elasticsearch/reference/6.4/docs-delete-by-query.html

　　c、改

　　update在上文增操作中有涉及；

　　通过脚本，将id为3的员工年龄加5

　　当然也有按api查询进行更新：https://www.elastic.co/guide/en/elasticsearch/reference/6.4/docs-update-by-query.html

　　d、查

　　查询单个： get /索引/类型/id，条件查询的api比较复杂；

　　整个的查询api还是有些复杂的：https://www.elastic.co/guide/en/elasticsearch/reference/6.4/getting-started-search-API.html

　　中文分词

　　es自带的默认分词器对中文的处理是拆成一个个汉字进行处理的，这显然不合理，比较好用的中文分词器是ik分词器https://github.com/medcl/elasticsearch-analysis-ik

　　找到es对应版本，下载解压，然后在es/plugins下建ik文件夹，放到这里后重启es即可。该部分详细操作请参照https://www.cnblogs.com/zlslch/p/6440373.html

　　本地安装完成后测试：

　　可以看到，把王者跟荣耀分别作为了一个单词，虽不是我们期望的，但也还可以理解。通过分词器，我们还可以自定义词语，近义词等。

---------------------------------------------------------------------------------------------------

　　大概就先这样吧，稍后分析es的内部数据存储逻辑以及分词器的一些常用操作。