尚硅谷大数据技术之Elasticsearch.pdf-资料库

尚硅谷大数据技术之Elasticsearch (作者：大海哥) 官网：www.atguigu.com 版本：V1.0 1.1 百度：我们比如说想找寻任何的信息的时候，就会上百度去搜索一下，比如说找一部自己喜欢的电影，或者说找一本喜欢的书，或者找一条感兴趣的新闻（提到搜索的第一印象）。百度 != 搜索 1）互联网的搜索：电商网站，招聘网站，新闻网站，各种app 2）IT系统的搜索：OA软件，办公自动化软件，会议管理，日程管理，项目管理。搜索，就是在任何场景下，找寻你想要的信息，这个时候，会输入一段你要搜索的关键字，然后就期望找到这个关键字相关的有些信息 1.2 用数据库来实现搜索，是不太靠谱的。通常来说，性能会很差的。 1.3 Lucene 1）全文检索，倒排索引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。这个过程类似于通过字典中的检索字表查字的过程。全文搜索搜索引擎数据库中的数据。 2）lucene，就是一个jar包，里面包含了封装好的各种建立倒排索引，以及进行搜索的代码，包括各种算法。我们就用java开发的时候，引入lucene jar，然后基于lucene的api进行去进行开发就可以了。 1.4 Elasticsearch Elasticsearch，基于lucene，隐藏复杂性，提供简单易用的restful api接口、java api接口（还有其他语言的api接口）。关于elasticsearch的一个传说，有一个程序员失业了，陪着自己老婆去英国伦敦学习厨师课程。程序员在失业期间想给老婆写一个菜谱搜索引擎，觉得lucene实在太复杂了，就开发了一个封装了lucene的开源项目，compass。后来程序员找到了工作，是做分布式的高性能项目的，觉得compass不够，就写了elasticsearch，让lucene变成分布式的系统。一概述什么是搜索？如果用数据库做搜索会怎么样？什么是全文检索和？什么是？

Elasticsearch是一个实时分布式搜索和分析引擎。它用于全文搜索、结构化搜索、分析。全文检索：将非结构化数据中的一部分信息提取出来,重新组织,使其变得有一定结构,然后对此有一定结构的数据进行搜索,从而达到搜索相对较快的目的。结构化检索：我想搜索商品分类为日化用品的商品都有哪些，select * from products where category_id='日化用品' 数据分析：电商网站，最近7天牙膏这种商品销量排名前10的商家有哪些；新闻网站，最近1个月访问量排名前3的新闻版块是哪些 1.5 Elasticsearch 1）维基百科，类似百度百科，牙膏，牙膏的维基百科，全文检索，高亮，搜索推荐。 2）The Guardian（国外新闻网站），类似搜狐新闻，用户行为日志（点击，浏览，收藏，评论）+ 社交网络数据（对某某新闻的相关看法），数据分析，给到每篇新闻文章的作者，让他知道他的文章的公众反馈（好，坏，热门，垃圾，鄙视，崇拜）。 3）Stack Overflow（国外的程序异常讨论论坛），IT问题，程序的报错，提交上去，有人会跟你讨论和回答，全文检索，搜索相关问题和答案，程序报错了，就会将报错信息粘贴到里面去，搜索有没有对应的答案 4）GitHub（开源代码管理），搜索上千亿行代码。 5）国内：站内搜索（电商，招聘，门户，等等），IT系统搜索（OA，CRM，ERP，等等），数据分析（ES热门的一个使用场景）。 1.6 Elasticsearch 1）可以作为一个大型分布式集群（数百台服务器）技术，处理PB级数据，服务大公司；也可以运行在单机上，服务小公司 2）Elasticsearch不是什么新技术，主要是将全文检索、数据分析以及分布式技术，合并在了一起，才形成了独一无二的ES；lucene（全文检索），商用的数据分析软件（也是有的），分布式数据库（mycat） 3）对用户而言，是开箱即用的，非常简单，作为中小型的应用，直接3分钟部署一下ES，就可以作为生产环境的系统来使用了，数据量不大，操作不是太复杂 4）数据库的功能面对很多领域是不够用的（事务，还有各种联机事务型的操作）；特殊的功能，比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据的近实时处理；Elasticsearch作为传统数据库的一个补充，提供了数据库所不能提供的很多功能 1.7 Elasticsearch 1.7.1 近实时，两个意思，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级。 1.7.2 Cluster 集群包含多个节点，每个节点属于哪个集群是通过一个配置（集群名称，默认是elasticsearch）来决定的，对于中小型应用来说，刚开始一个集群就一个节点很正常 1.7.3 Node 集群中的一个节点，节点也有一个名称（默认是随机分配的），节点名称很重要（在执行运维管理操作的时候），默认节点会去加入一个名称为“elasticsearch”的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，当然一个节点也可以组成一个elasticsearch集群。 1.7.4 Index - 索引包含一堆有相似结构的文档数据，比如可以有一个客户索引，商品分类索引，订单索引，索引有一个名称。一个index包含很多 document，一个index就代表了一类类似的或者相同的document。比如说建立一个product index，商品索引，里面可能就存放了所有的商品数据，所有的商品document。 1.7.5 Type - 每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document，都有相同的field，比如博客系统，有一个索引，可以定义用户数据type，博客数据type，评论数据type。商品index，里面存放了所有的商品数据，商品document 但是商品分很多种类，每个种类的document的field可能不太一样，比如说电器商品，可能还包含一些诸如售后时间范围这样的特殊 field；生鲜商品，还包含一些诸如生鲜保质期之类的特殊field type，日化商品type，电器商品type，生鲜商品type 日化商品type：product_id，product_name，product_desc，category_id，category_name 电器商品type：product_id，product_name，product_desc，category_id，category_name，service_period 生鲜商品type：product_id，product_name，product_desc，category_id，category_name，eat_period 每一个type里面，都会包含一堆document { "product_id": "1", "product_name": "长虹电视机", "product_desc": "4k高清", "category_id": "3", "category_name": "电器", "service_period": "1年" 的适用场景的特点的核心概念近实时（集群）（节点）（索引数据库）（类型表）

} { "product_id": "2", "product_name": "基围虾", "product_desc": "纯天然，冰岛产", "category_id": "4", "category_name": "生鲜", "eat_period": "7天" } 1.7.6 Document - 文档是es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，一条订单数据，通常用JSON数据结构表示，每个index下的type中，都可以去存储多个document。 1.7.7 Field - Field是Elasticsearch的最小单位。一个document里面有多个field，每个field就是一个数据字段。 product document { "product_id": "1", "product_name": "高露洁牙膏", "product_desc": "高效美白", "category_id": "2", "category_name": "日化用品" } 1.7.8 mapping - 数据如何存放到索引对象上，需要有一个映射配置，包括：数据类型、是否存储、是否分词等。这样就创建了一个名为blog的Index。Type不用单独创建，在创建Mapping 时指定就可以。Mapping用来定义Document中每个字段的类型，即所使用的 analyzer、是否索引等属性，非常关键等。创建Mapping 的代码示例如下： client.indices.putMapping({ index : 'blog', type : 'article', body : { article: { properties: { id: { type: 'string', analyzer: 'ik', store: 'yes', }, title: { type: 'string', analyzer: 'ik', store: 'no', }, content: { type: 'string', analyzer: 'ik', store: 'yes', } } } } }); 1.7.9 elasticsearch 关系型数据库（比如Mysql）数据库 Database 非关系型数据库（Elasticsearch）索引Index 表Table 类型Type 数据行Row 文档Document 数据列 Column 字段Field 映射Mapping 约束 Schema 1.7.10 ES （文档行）（字段列）（映射约束）与数据库的类比存入数据和搜索数据机制

1）索引对象（blog）：存储数据的表结构，任何搜索数据，存放在索引对象上。 2）映射（mapping）：数据如何存放到索引对象上，需要有一个映射配置，包括：数据类型、是否存储、是否分词等。 3）文档（document）：一条数据记录，存在索引对象上 4）文档类型（type）：一个索引对象，存放多种类型数据，数据用文档类型进行标识 2.1 1）Elasticsearch官网： https://www.elastic.co/products/elasticsearch Elasticsearch 2.2 1）解压elasticsearch-5.2.2.tar.gz到/opt/module目录下 Linux [atguigu@hadoop102 software]$ tar -zxvf elasticsearch-5.2.2.tar.gz -C /opt/module/ 2）在/opt/module/elasticsearch-5.2.2路径下创建data和logs文件夹 [atguigu@hadoop102 elasticsearch-5.2.2]$ mkdir data [atguigu@hadoop102 elasticsearch-5.2.2]$ mkdir logs 3）修改配置文件/opt/module/elasticsearch-5.2.2/config/elasticsearch.yml [atguigu@hadoop102 config]$ pwd /opt/module/elasticsearch-5.2.2/config [atguigu@hadoop102 config]$ vi elasticsearch.yml # ---------------------------------- Cluster ------------------- ---------------- cluster.name: my-application 二快速入门安装包下载安装（单节点环境）

# ------------------------------------ Node ------------------- ----------------- node.name: node-102 # ----------------------------------- Paths -------------------- ---------------- path.data: /opt/module/elasticsearch-5.2.2/data path.logs: /opt/module/elasticsearch-5.2.2/logs # ----------------------------------- Memory ---------------- ------------------- bootstrap.memory_lock: false bootstrap.system_call_filter: false # ---------------------------------- Network ----------------- ------------------ network.host: 192.168.1.102 # --------------------------------- Discovery ----------------- ----------------- discovery.zen.ping.unicast.hosts: ["hadoop102"] （1）cluster.name 如果要配置集群需要两个节点上的elasticsearch配置的cluster.name相同，都启动可以自动组成集群，这里如果不改cluster.name则默认是cluster.name=my-application，（2）nodename随意取但是集群内的各节点不能相同（3）修改后的每行前面不能有空格，修改后的“：”后面必须有一个空格 5）配置linux系统环境（参考：http://blog.csdn.net/satiling/article/details/59697916）（1）切换到root用户，编辑limits.conf 添加类似如下内容 [root@hadoop102 elasticsearch-5.2.2]# vi /etc/security/limits.conf 添加如下内容: * soft nofile 65536 * hard nofile 131072 * soft nproc 2048 * hard nproc 4096 （2）切换到root用户，进入limits.d目录下修改配置文件。 [root@hadoop102 elasticsearch-5.2.2]# vi /etc/security/limits.d/90-nproc.conf 修改如下内容： * soft nproc 1024 #修改为 * soft nproc 2048 （3）切换到root用户修改配置sysctl.conf [root@hadoop102 elasticsearch-5.2.2]# vi /etc/sysctl.conf 添加下面配置： vm.max_map_count=655360 并执行命令： [root@hadoop102 elasticsearch-5.2.2]# sysctl -p 然后，重新启动elasticsearch，即可启动成功。 6）启动集群 [atguigu@hadoop102 elasticsearch-5.2.2]$ bin/elasticsearch 7）测试集群 [atguigu@hadoop102 elasticsearch-5.2.2]$ curl http://hadoop102:9200 { "name" : "node-102", "cluster_name" : "my-application", "cluster_uuid" : "v-nwhc7ITsmVHECpNQYzHw", "version" : { "number" : "5.2.2", "build_hash" : "57e20f3", "build_date" : "2017-09-23T13:16:45.703Z", "build_snapshot" : false, "lucene_version" : "6.6.1" }, "tagline" : "You Know, for Search" }

8）停止集群 kill -9 进程号 2.3 Elasticsearch 略 2.4 Elasticsearch head 1）下载插件 Linux https://github.com/mobz/elasticsearch-head elasticsearch-head-master.zip 2）nodejs官网下载安装包 https://nodejs.org/dist/ node-v6.9.2-linux-x64.tar.xz 3）将elasticsearch-head-master.zip和node-v6.9.2-linux-x64.tar.xz都导入到linux的/opt/software目录。 4）安装nodejs [atguigu@hadoop102 software]$ tar -zxvf node-v6.9.2-linux-x64.tar.gz -C /opt/module/ 5）配置nodejs环境变量 [root@hadoop102 software]# vi /etc/profile export NODE_HOME=/opt/module/node-v6.9.2-linux-x64 export PATH=$PATH:$NODE_HOME/bin [root@hadoop102 software]# source /etc/profile 6）查看node和npm版本 [root@hadoop102 software]# node -v v6.9.2 [root@hadoop102 software]# npm -v 3.10.9 7）解压head插件到/opt/module目录下 [atguigu@hadoop102 software]$ unzip elasticsearch-head-master.zip -d /opt/module/ 8）查看当前head插件目录下有无node_modules/grunt目录：没有：执行命令创建： [atguigu@hadoop102 elasticsearch-head-master]$ npm install grunt --save 9）安装head插件： [atguigu@hadoop102 elasticsearch-head-master]$ npm install -g cnpm --registry=https://registry.npm.taobao.org 10）安装grunt： [atguigu@hadoop102 elasticsearch-head-master]$ npm install -g grunt-cli 11）编辑Gruntfile.js [atguigu@hadoop102 elasticsearch-head-master]$ vim Gruntfile.js 文件93行添加hostname:'0.0.0.0' options: { hostname:'0.0.0.0', port: 9100, base: '.', keepalive: true 安装（多节点集群环境）插件安装

} 12）检查head根目录下是否存在base文件夹没有：将 _site下的base文件夹及其内容复制到head根目录下 [atguigu@hadoop102 elasticsearch-head-master]$ mkdir base [atguigu@hadoop102 _site]$ cp base/* ../base/ 13）启动grunt server： [atguigu@hadoop102 elasticsearch-head-master]$ grunt server -d Running "connect:server" (connect) task [D] Task source: /opt/module/elasticsearch-head-master/node_modules/grunt-contrib-connect/tasks/connect.js Waiting forever... Started connect web server on http://localhost:9100 如果提示grunt的模块没有安装： Local Npm module “grunt-contrib-clean” not found. Is it installed? Local Npm module “grunt-contrib-concat” not found. Is it installed? Local Npm module “grunt-contrib-watch” not found. Is it installed? Local Npm module “grunt-contrib-connect” not found. Is it installed? Local Npm module “grunt-contrib-copy” not found. Is it installed? Local Npm module “grunt-contrib-jasmine” not found. Is it installed? Warning: Task “connect:server” not found. Use –force to continue. 执行以下命令： npm install grunt-contrib-clean -registry=https://registry.npm.taobao.org npm install grunt-contrib-concat -registry=https://registry.npm.taobao.org npm install grunt-contrib-watch -registry=https://registry.npm.taobao.org npm install grunt-contrib-connect -registry=https://registry.npm.taobao.org npm install grunt-contrib-copy -registry=https://registry.npm.taobao.org npm install grunt-contrib-jasmine -registry=https://registry.npm.taobao.org 最后一个模块可能安装不成功，但是不影响使用。 14）浏览器访问head插件： http://hadoop102:9100 15）启动集群插件后发现集群未连接在/opt/module/elasticsearch-5.2.2/config路径下修改配置文件elasticsearch.yml，在文件末尾增加 [atguigu@hadoop102 config]$ pwd /opt/module/elasticsearch-5.2.2/config [atguigu@hadoop102 config]$ vi elasticsearch.yml http.cors.enabled: true http.cors.allow-origin: "*" 再重新启动elasticsearch。 16）关闭插件服务 ctrl+c [atguigu@hadoop102 elasticsearch-head-master]$ netstat -lntp | grep 9100 tcp 0 0 192.168.1.102:9100 0.0.0.0:* LISTEN 6070/grunt Java API Elasticsearch的Java客户端非常强大；它可以建立一个嵌入式实例并在必要时运行管理任务。运行一个Java应用程序和Elasticsearch时，有两种操作模式可供使用。该应用程序可在Elasticsearch集群中扮演更加主动或更加被动的角色。在更加主动的情况下（称为Node Client），应用程序实例将从集群接收请求，确定哪个节点应处理该请求，就像正常节点所做的三操作

一样。（应用程序甚至可以托管索引和处理请求。）另一种模式称为Transport Client，它将所有请求都转发到另一个Elasticsearch节点，由后者来确定最终目标。 3.1 API 3.1.1 1）创建maven工程 2）添加pom文件 junit junit 3.8.1 test org.elasticsearch elasticsearch 5.2.2 org.elasticsearch.client transport 5.2.2 org.apache.logging.log4j log4j-core 2.9.0 3）等待依赖的jar包下载完成基本操作操作环境准备

资料库

尚硅谷大数据技术之Elasticsearch.pdf

相关推荐

大数据

热门标签

最新资料