Elasticsearch入门

2023-10-11 09:52:22

简介

Elaticsearch简称为ES,是一个开源的可扩展的分布式的全文检索引擎，它可以近乎实时的存储、检索数据。本身扩展性很好，可扩展到上百台服务器，处理PB级别的数据。ES使用Java开发并使用Lucene作为其核心来实现索引和搜索的功能，但是它通过简单的RestfulAPI和javaAPI来隐藏Lucene的复杂性，从而让全文搜索变得简单。

Elasticsearch官网：https://www.elastic.co/cn/products/elasticsearch

功能

  • 分布式的搜索引擎
    分布式：Elasticsearch自动将海量数据分散到多台服务器上去存储和检索
    搜索：百度、谷歌，站内搜索

  • 全文检索
    提供模糊搜索等自动度很高的查询方式，并进行相关性排名，高亮等功能

  • 数据分析引擎（分组聚合）
    电商网站，最近一周笔记本电脑这种商品销量排名top10的商家有哪些？新闻网站，最近1个月访
    问量排名top3的新闻板块是哪些

  • 对海量数据进行近实时的处理
    海量数据的处理：因为是分布式架构，Elasticsearch可以采用大量的服务器去存储和检索数据，自
    然而然就可以实现海量数据的处理
    近实时：Elasticsearch可以实现秒级别的数据搜索和分析

特点

  1. 安装方便：没有其他依赖，下载后安装非常方便；只用修改几个参数就可以搭建起来一个集群

  2. JSON：输入/输出格式为 JSON，意味着不需要定义 Schema，快捷方便

  3. RESTful：基本所有操作 ( 索引、查询、甚至是配置 ) 都可以通过 HTTP 接口进行

  4. 分布式：节点对外表现对等（每个节点都可以用来做入口） 加入节点自动负载均衡

  5. 多租户：可根据不同的用途分索引，可以同时操作多个索引

  6. 支持超大数据： 可以扩展到 PB 级的结构化和非结构化数据 海量数据的近实时处理

使用场景

常见场景

  1. 搜索类场景
    比如说电商网站、招聘网站、新闻资讯类网站、各种app内的搜索。

  2. 日志分析类场景
    经典的ELK组合（Elasticsearch/Logstash/Kibana），可以完成日志收集，日志存储，日志分析查
    询界面基本功能，目前该方案的实现很普及，大部分企业日志分析系统使用了该方案。

  3. 数据预警平台及数据分析场景
    例如电商价格预警，在支持的电商平台设置价格预警，当优惠的价格低于某个值时，触发通知消
    息，通知用户购买。
    数据分析常见的比如分析电商平台销售量top 10的品牌，分析博客系统、头条网站top 10关注度、
    评论数、访问量的内容等等。

  4. 商业BI(Business Intelligence)系统
    比如大型零售超市，需要分析上一季度用户消费金额，年龄段，每天各时间段到店人数分布等信
    息，输出相应的报表数据，并预测下一季度的热卖商品，根据年龄段定向推荐适宜产品。
    Elasticsearch执行数据分析和挖掘，Kibana做数据可视化。

常见案例

  • *、百度百科：有全文检索、高亮、搜索推荐功能

  • stack overflow：有全文检索，可以根据报错关键信息，去搜索解决方法。

  • github：从上千亿行代码中搜索你想要的关键代码和项目。

  • 日志分析系统：各企业内部搭建的ELK平台。

主流全文搜索方案对比

Lucene、Solr、Elasticsearch是目前主流的全文搜索方案，基于倒排索引机制完成快速全文搜索。

  • Lucene
    Lucene是Apache基金会维护的一套完全使用Java编写的信息搜索工具包（Jar包），它包含了索引结构、读写索引工具、相关性工具、排序等功能，因此在使用Lucene时仍需要我们自己进一步开发搜索引擎系统，例如数据获取、解析、分词等方面的东西。

    注意：Lucene只是一个框架，我们需要在Java程序中集成它再使用。而且需要很多的学习才能明白它是如何运行的，熟练运用Lucene非常复杂。

  • Solr
    Solr是一个有HTTP接口的基于Lucene的查询服务器，是一个搜索引擎系统，封装了很多Lucene细节，Solr可以直接利用HTTP GET/POST请求去查询，维护修改索引。

  • Elasticsearch
    Elasticsearch也是一个建立在全文搜索引擎 Apache Lucene基础上的搜索引擎。采用的策略是分布式实时文件存储，并将每一个字段都编入索引，使其可以被搜索。

搜索引擎排行 https://db-engines.com/en/ranking/search+engine

区别

Solr和Elasticsearch都是基于Lucene实现的。但Solr和Elasticsearch之间也是有区别的

  1. Solr利用Zookpper进行分布式管理，而Elasticsearch自身带有分布式协调管理功能

  2. Solr比Elasticsearch实现更加全面，Solr官方提供的功能更多，而Elasticsearch本身更注重于核心功能， 高级功能多由第三方插件提供

  3. Solr在传统的搜索应用中表现好于Elasticsearch，而Elasticsearch在实时搜索应用方面比Solr表现好

版本介绍

Elasticsearch 主流版本为5.x , 6.x及7.x版本

7.x 更新的内容如下

  1. 集群连接变化：TransportClient被废弃

  2. ES数据存储结构变化：简化了Type 默认使用_doc

  3. ES程序包默认打包jdk：以至于7.x版本的程序包大小突然增大了200MB+, 对比6.x发现，包大了200MB+， 正是JDK的大小

  4. 默认配置变化：默认节点名称为主机名，默认分片数改为1，不再是5。

  5. Lucene升级为lucene 8 ; 查询相关性速度优化：Weak-AND算法
    es可以看过是分布式lucene，lucene的性能直接决定es的性能。lucene8在top k及其他查询上有
    很大的性能提升。

    weak-and算法 核心原理：取TOP N结果集，估算命中记录数。
    TOP N的时候会跳过得分低于10000的文档来达到更快的性能。

  6. 间隔查询(Intervals queries)： intervals query 允许用户精确控制查询词在文档中出现的先后关系，实现了对terms顺序、terms之间的距离以及它们之间的包含关系的灵活控制。

  7. 引入新的集群协调子系统 移除 minimum_master_nodes 参数，让 Elasticsearch 自己选择可以形成仲裁的节点。

  8. 7.0将不会再有OOM的情况，JVM引入了新的circuit breaker（熔断）机制，当查询或聚合的数据量超出单机处理的最大内存限制时会被截断。
    设置indices.breaker.fielddata.limit的默认值已从JVM堆大小的60％降低到40％。

  9. 分片搜索空闲时跳过refresh
    以前版本的数据插入，每一秒都会有refresh动作，这使得es能成为一个近实时的搜索引擎。但是当没有查询需求的时候，该动作会使得es的资源得到较大的浪费。

软件兼容

单节点部署

Elasticsearch是一个分布式全文搜索引擎，支持单节点模式(Single-Node Mode)和集群模式(Cluster Mode)部署，一般来说，小公司的业务场景往往使用Single-Node Mode部署即可

上一篇：A1088 Rational Arithmetic (20分)


下一篇：搜索引擎 solr