【安装】ES的安装过程

1.安装ES

首先我们需要去官网下载安装包官方下载地址

下载后不需要编译，直接解压

解压后结构是这样的(2.5以上版本会有plugins目录，没有的需要手动创建)

方式一：

创建一个es用户(因为es不允许使用root用户启动)

useradd es

将该目录权限修改为es用户所有

chown es:es -hR .

所有要作为es节点的机器都要执行以上操作

***********

以下亲测

***********

#添加一个用户：elasticsearch

$useradd elasticsearch

#给用户elasticsearch设置密码，连续输入2次

$passwd elasticsearch

#创建一个用户组 es

groupadd es

#分配 elasticsearch 到 es 组

usermod -G elasticsearch es

#这里注意下，如果提示用户“es”不存在，那么是因为服务器版本问题，你可以换成 usermod -G es elasticsearch ,也就是用户和用户组对调一下使用。

#在elasticsearch 根目录下，给定用户权限。-R表示逐级（N层目录）， * 表示任何文件

chown -R elasticsearch.es *

#赋予文件执行读写权限

chmod -R 755 bin/*

#切换到elasticsearch用户

su elasticsearch

方式二：（2.4.2版本不好使）

用vi打开elasicsearch执行文件，在变量ES_JAVA_OPTS使用前添加以下命令

ES_JAVA_OPTS="-Des.insecure.allow.root=true"

方式三：（2.4.2版本不好使）

在执行elasticSearch时加上参数-Des.insecure.allow.root=true，完整命令如下

./elasticsearch -Des.insecure.allow.root=true

2.安装插件

ES的插件都是要安装到 es安装目录/plugins/ 下

1.elasticsearch-head

这是一个elasticsearch的集群管理工具，它是完全由HTML5编写的独立网页程序，通过这个插件可以可视化监控ES。

官网：https://github.com/mobz/elasticsearch-head

（备注）安装方式：

在elasticsearch-2.4.2/bin下执行

./plugin install mobz/elasticsearch-head

再访问http://<ipaddress>:9200/_plugin/head/

2.中文分词器 ik

官网 https://github.com/medcl/elasticsearch-analysis-ik

这里默认的是master的但是master的项目需要用gradle编译，这里选择1.8.0版本。而且从下面的介绍可以知道1.8.0正好对应elasticsearch的2.2.0版本

下载后的压缩包解压后进去发现是pom工程

然后用maven编译

#mvn clean

#mvn compile 编译源代码

#mvn package

成功后安装包在target/releases/elasticsearch-analysis-ik-x.x.x.zip

将这个压缩包解压到es的插件的对应目录下即可(plugins/ik)。

最后重启ES集群

3.elasticsearch-analysis-pinyin 分词器

4.nGram

我们用ik分词器的时候，检索的时候会把搜索词进行分词然后检索。如

搜索 “我们的生活”，优先是包含这5个字的，但是也会返回包含“我们”和“生活”的数据。

但是有时候我们不需要这么智能，只需要完全匹配的进行搜索。这就需要用到ngram了。(不需要单独安装，只需要设置settings即可)

先上一个例子

POST

url : localhost:9200/ngramtest

Content-Type: application/json

{

"settings": {

"analysis": {

"analyzer": {

"charSplit": {

"type": "custom",

"tokenizer": "my_ngram_tokenizer",

"filter":["lowercase"]

}

"tokenizer": {

"my_ngram_tokenizer": {

"type": "nGram",

"min_gram": "2",

"max_gram": "4",

"token_chars": ["letter","digit","punctuation"]

}

"mappings": {

"myType": {

"dynamic": "strict",

"properties": {

"content": {

"type": "string",

"analyzer": "charSplit",

"search_analyzer": "charSplit"

}

属性settings.analysis.tokenizer下面的 my_ngram_tokenizer 对象是自定义的tokenizer

settings.analysis.analyzer.charSplit 则是基于 my_ngram_tokenizer 的自定义分词器

关于my_ngram_tokenizer 中的属性：

min_gram：单个词的最小长度，默认1

max_gram：单个词的最大长度，默认2

token_chars：可以接受的字符集(即遇到不在列表中的字符集会进行文本分割)

字符集包括

letter 字母或汉字 a, b, ï or 京

digit 数字 3 or 7

whitespace 空白(空格、回车、tab等) " " or "\n"

punctuation 标点符号 ! , 。or "

symbol 标志(区别于标点符号) $ or √

可以从下面的例子了解一下

配置片段 "token_chars": ["letter","digit","punctuation"]

即接收文字数字和标点，那现在我在内容中添加symbol标记 $

POST 192.168.5.222:9200/yuqingtest/_analyze?pretty&analyzer=charSplit

商业核心和$标准化技术

返回结果

{

"tokens": [

{

"token": "商业核",

"start_offset": 0,

"end_offset": 3,

"type": "word",

"position": 0

{

"token": "商业核心",

"start_offset": 0,

"end_offset": 4,

"type": "word",

"position": 1

{

"token": "业核心",

"start_offset": 1,

"end_offset": 4,

"type": "word",

"position": 2

{

"token": "业核心和",

"start_offset": 1,

"end_offset": 5,

"type": "word",

"position": 3

{

"token": "核心和",

"start_offset": 2,

"end_offset": 5,

"type": "word",

"position": 4

{

"token": "标准化",

"start_offset": 6,

"end_offset": 9,

"type": "word",

"position": 5

{

"token": "标准化技",

"start_offset": 6,

"end_offset": 10,

"type": "word",

"position": 6

{

"token": "准化技",

"start_offset": 7,

"end_offset": 10,

"type": "word",

"position": 7

{

"token": "准化技术",

"start_offset": 7,

"end_offset": 11,

"type": "word",

"position": 8

{

"token": "化技术",

"start_offset": 8,

"end_offset": 11,

"type": "word",

"position": 9

}

]

}

可以看到$分割开了左右的词

3.配置

配置文件只需要改动config/elasticsearch.yml 的几个地方

cluster.name: my-es-cluster

node.name: sdp0.xx.cn

path.repo: ["/opt/module/elasticsearch-2.x.x/backup"]

network.host: 192.168.0.xxx

discovery.zen.ping.unicost.hosts: ["192.168.0.xxx", "192.168.0.xxx", "192.168.0.xxx", "192.168.0.xxx"]

//http.port: 9200 不需要设置端口，默认http就是9200，浏览器访问

//transport.tcp.port: 9300 默认tcp端口是9300，程序访问

要注意的是 yml类型的配置文件冒号后面必须要有一个空格否则读取的时候会认为格式不正确

启动

#先进入ES安装路径su es //切换到之前创建的es用户

bin/elasticsearch(前台运行)

#bin/elasticsearch -d(后台运行)

如果提示版本不一致，修改plugins/ik/plugin-descriptor.properties ,对应的2.2.0改为2.4.2

在浏览器上输入 http://<IP>:9200/

{

"name" : "myhost",

"cluster_name" : "my-es-cluster",

"cluster_uuid" : "UZHnaRT7R06kBjKh6Qbzvg",

"version" : {

"number" : "2.4.2",

"build_hash" : "161c65a337d4b422ac0c805f284565cf2014bb84",

"build_timestamp" : "2017-03-17T11:51:03Z",

"build_snapshot" : false,

"lucene_version" : "5.5.2"

"tagline" : "You Know, for Search"

}

看到以上结构内容则表明安装配置成功

Java调用还需配置本机映射

修改C:\Windows\System32\drivers\etc\hosts文件增加映射配置

192.168.193.129 sdp1.sarnath.cn

192.168.0.37 sdp3.sarnath.cn

192.168.0.38 sdp4.sarnath.cn

192.168.0.39 sdp5.sarnath.cn

CURL命令

index

#创建index

curl -XPUT http://192.168.5.222:9200/index_name/#删除index

curl -XDELETE http://192.168.5.222:9200/index_name/#查看index

curl -XGET http://192.168.5.222:9200/index_name/

type

#新增/更新Type(不在url的最后指定id的话，es会自动生成id)

curl -XPOST http://192.168.5.222:9200/index_name/emp/1 -d '{"first_name" : "John","age" : 25,"about" : "I love to go rock climbing","interests": ["sports","music"]}'#根据ID删除

curl -XDELETE http://192.168.5.222:9200/index_name/emp/1#检索Type

curl -XGET http://192.168.5.222:9200/index_name/emp/1?pretty#查询所有字段

curl –XGET http://192.168.5.222:9200/index_name/emp/1/_source#只返回部分字段

curl -XGET http://192.168.5.222:9200/index_name/emp/1?_source=name,age#返回所有数据

curl -XGET http://192.168.5.222:9200/index_name/emp/_search#简单的条件查询

curl -XGET http://192.168.5.222:9200/index_name/emp/_search?q=first_name:Smith#条件删除

curl -XDELETE 'http://localhost:9200/index_name/emp,user/_query?q=user:kimchy'

#查看分词情况

curl -XPOST http://192.168.5.222:9200/index_name/_analyze?pretty&analyzer=charSplit -d '商业核心和$标准化技术'

type的复杂查询(DSL)，这种查询同时支持GET和POST，不过使用CURL命令来POST数据太不直观，我都是使用Postman

#新增type

POST 192.168.5.222:9200/yuqingtest/article/

Content-Type: application/json

{

"title" : "政协副主席建议提高境外黑匣子",

"content" : "使用了商业核心和$标准化技术，相比以前的非标$准化方案，更容易维护和支持哈哈有个黑匣子在外面。"

}

#查询(查询相关语句太多)

{

"query": {

"multi_match": {

"query": "黑匣子",

"type": "phrase",

"slop": 1,

"fields": [

"content"

"max_expansions": 1

}

"highlight" : {

"pre_tags" : ["<tag1>", "<tag2>"],

"post_tags" : ["</tag1>", "</tag2>"],

"fields" : {

"content" : {}

}

"sort":{

"createTime":{"order":"esc"}

}

JAVA API

ES官方提供的Javaapi用起来不是很方便(org.elasticsearch.elasticsearch)

用spring的封装版就好得多(org.springframework.data.spring-data-elasticsearch)，尤其是结合springboot后，精简了配置等相关操作，开发效率更是提升

pom的依赖以及配置参考 Springboot结合elasticsearch，下面只看重点

略过ArticleEntity

Repo

public interface ArticleRepository extends ElasticsearchRepository<ArticleEntity, String> {

}

增删改查例子

package com.ray.estest;

import java.util.ArrayList;import java.util.List;import java.util.Map;

import org.elasticsearch.action.search.SearchResponse;import org.elasticsearch.index.query.BoolQueryBuilder;import org.elasticsearch.index.query.QueryBuilders;import org.elasticsearch.index.query.RangeQueryBuilder;import org.elasticsearch.search.SearchHit;import org.elasticsearch.search.highlight.HighlightBuilder.Field;import org.elasticsearch.search.highlight.HighlightField;import org.elasticsearch.search.sort.SortBuilder;import org.elasticsearch.search.sort.SortBuilders;import org.elasticsearch.search.sort.SortOrder;import org.springframework.beans.factory.annotation.Autowired;import org.springframework.data.domain.Page;import org.springframework.data.domain.PageRequest;import org.springframework.data.domain.Pageable;import org.springframework.data.elasticsearch.core.ElasticsearchTemplate;import org.springframework.data.elasticsearch.core.SearchResultMapper;import org.springframework.data.elasticsearch.core.aggregation.AggregatedPage;import org.springframework.data.elasticsearch.core.aggregation.impl.AggregatedPageImpl;import org.springframework.data.elasticsearch.core.query.NativeSearchQueryBuilder;import org.springframework.data.elasticsearch.core.query.SearchQuery;

import com.product.yq_common.utils.StringUtils;import com.product.yq_service.entity.input.ArticleDetailInput;import com.product.yq_service.entity.input.ArticleQueryEntity;import com.product.yq_service.entity.output.ArticleSummaryInfoEntity;import com.product.yq_serviceimpl.entity.ArticleEntity;import com.product.yq_serviceimpl.repo.ArticleRepository;/**

* @author Ray

* 2017年3月30日

*/public class ArticleServiceImpl {

@Autowired

private ArticleRepository repo;

@Autowired

private ElasticsearchTemplate elasticsearchTemplate;

public Object getArticles(ArticleQueryEntity entity) throws Exception {

List<ArticleSummaryInfoEntity> articles = new ArrayList<ArticleSummaryInfoEntity>();

// 分页

Pageable pager = new PageRequest(0, 10);

// 构建查询语句

BoolQueryBuilder qb = QueryBuilders.boolQuery().must(QueryBuilders.termQuery("deleted", false))

.must(QueryBuilders.termQuery("name", "Zhang"))// term一般用于not_analyzed

.must(QueryBuilders.matchQuery("favorite", entity.getType()));// match则用于analyzed

// 拼接条件

if (!StringUtils.isEmpty(entity.getSearchWord())) {

// multiMatchQuery 混合查询同时检索多个字段

qb = qb.must(QueryBuilders.multiMatchQuery(entity.getSearchWord(), "title", "summary"));

}

if (!StringUtils.isEmpty(entity.getStartDate()) || !StringUtils.isEmpty(entity.getEndDate())) {

// 区间查询 gt,lt,gte,lte,from-to,

RangeQueryBuilder rqb = QueryBuilders.rangeQuery("createDate");

if (!StringUtils.isEmpty(entity.getStartDate())) {

rqb = rqb.gte(entity.getStartDate());

}

if (!StringUtils.isEmpty(entity.getEndDate())) {

rqb = rqb.lte(entity.getEndDate());

}

qb = qb.must(rqb);

}

// 排序(最好不要用字符串类型的Field做排序)

SortBuilder sort = SortBuilders.fieldSort("createTime").order(SortOrder.DESC);

// 开始组装

SearchQuery query = new NativeSearchQueryBuilder().withQuery(qb).withSort(sort).withPageable(pager).build();

// 返回的是带有分页数据的对象

Page<ArticleEntity> entities = repo.search(query);

long total = entities.getTotalElements();

int pages = entities.getTotalPages();

List<ArticleEntity> rst = entities.getContent();

return rst;

}

/**

* 更新

public void update(ArticleDetailInput entity) throws Exception {

ArticleEntity oriES = repo.findOne(entity.getArticleId());

oriES.setTitle(entity.getTitle());

oriES.setContent(entity.getContent());

repo.save(oriES);

}

/**

* 添加

public String add(ArticleDetailInput entity) throws Exception {

ArticleEntity oriES = new ArticleEntity();

oriES.setTitle("这是title");

oriES.setContent("这是content");

oriES = repo.save(oriES);

return oriES.getArticleId();// articleId映射ES中的ID }

/**

* 获取详情

public Object detail(String id) throws Exception {

return repo.findOne(id);

}

/**

* 删除

public void delete(String id) throws Exception {

repo.delete(id);

}

/**

* 根据关键词进行搜索并返回高亮内容

public Object searchByWords(String word) throws Exception {

List<ArticleSummaryInfoEntity> articles = new ArrayList<ArticleSummaryInfoEntity>();

Pageable pager = new PageRequest(0, 10);

// 构建查询语句

BoolQueryBuilder qb = QueryBuilders.boolQuery().must(QueryBuilders.termQuery("deleted", false))

.must(QueryBuilders.multiMatchQuery(word, "title", "content"));

String preTags = "<span class='highlight'>";

String postTags = "</span>";

// 设置要高亮的字段，高亮的前后标签，高亮内容的截取长度

Field fTitle = new Field("title").preTags(preTags).postTags(postTags).fragmentSize(100);

Field fContent = new Field("content").preTags(preTags).postTags(postTags).fragmentSize(100);

SearchQuery query = new NativeSearchQueryBuilder().withQuery(qb).withPageable(pager)

.withHighlightFields(fTitle, fContent).build();

elasticsearchTemplate.queryForPage(query, ArticleEntity.class, new SearchResultMapper() {

@SuppressWarnings("unchecked")

@Override

public <T> AggregatedPage<T> mapResults(SearchResponse response, Class<T> clazz, Pageable pageable) {

// 总个数

long total = response.getHits().getTotalHits();

// 总页数

int pages = (int) Math.ceil((double) total / pager.getPageSize());

if (response.getHits().getTotalHits() <= 0) {

return null;

}

for (SearchHit searchHit : response.getHits()) {

ArticleSummaryInfoEntity item = new ArticleSummaryInfoEntity();

articles.add(item);

Map<String, Object> source = searchHit.getSource();

item.setArticleId(source.get("articleId").toString());

Map<String, HighlightField> highlightFields = searchHit.getHighlightFields();

// 查看高亮字段是否命中

HighlightField hlTitleField = highlightFields.get("title");

if (hlTitleField != null && hlTitleField.fragments() != null) {

item.setTitle((hlTitleField.fragments()[0].string()));

} else {

item.setTitle((String) source.get("title"));

}

HighlightField hlContentField = highlightFields.get("content");

if (hlContentField != null && hlContentField.fragments() != null) {

item.setSummary(hlContentField.fragments()[0].string());

} else {

item.setSummary((String) source.get("summary"));

}

return new AggregatedPageImpl<T>((List<T>) articles);

}

});

return articles;

}

如果使用ngram让部分字段实现完全匹配查询，除了要设置要mappings，java代码中也会有点小改动：给QueryBuilder设置slop和type

......

// 构建查询语句

BoolQueryBuilder qb = QueryBuilders.boolQuery().must(QueryBuilders.multiMatchQuery(search, "content").slop(1).type(Type.PHRASE));

......