# Elasticsearch基础


<!--more-->

## 1. 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

起源：Shay Banon。2004年失业，陪老婆去伦敦学习厨师。失业在家帮老婆写一个菜谱搜索引擎。封装了lucene,做出了开源项目compass。找到工作后，做分布式高性能项目，再封装compass，写出了elasticsearch，使得lucene支持分布式。现在是Elasticsearch创始人兼Elastic首席执行官。

## 2. 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

## 3. 特点

Elasticsearch的特点是它提供了一个极速的搜索体验。这源于它的高速（**speed**）。相比较其它的一些大数据引擎，Elasticsearch可以实现秒级的搜索，速度非常有优势。Elasticsearch的cluster是一种分布式的部署，极易扩展(**scale** )这样很容易使它处理PB级的数据库容量。最重要的是Elasticsearch是它搜索的结果可以按照**分数**进行排序，它能提供我们最相关的搜索结果（**relevance**) 。

![img](https://img.zhaojq.top/20260727091744986.png "img")

- 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

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

- 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
- 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
- 多租户：可根据不同的用途分索引，可以同时操作多个索引
- 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

## 4. 企业使用场景

- 常见场景
  - 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。
  - 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。
  - 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。
  - 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
  - 维基百科、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。


## 5. 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

**区别和联系:**

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

- 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
- 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
- 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

## 6. 版本

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
>    es7的java代码，只能使用restclient。对于java编程，建议采用 High-level-rest- client 的方式操作ES集群。High-level REST client 已删除接受Header参数的API方 法,Cluster Health API默认为集群级别
> 2. ES数据存储结构变化：简化了Type 默认使用_doc
>    es6时，官方就提到了es7会逐渐删除索引type，并且es6时已经规定每一个index只能有一个 type。在es7中使用默认的_doc作为type，官方说在8.x版本会彻底移除type。
>    api请求方式也发生变化，如获得某索引的某ID的文档：GET index/_doc/id其中index和id为具 体的值
> 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可以看作是分布式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

## 7. Single-Node Mode快速部署

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(ClusterMode)**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

目前最新版本到8.x,这里我们安装7.x版本,注意,需先配置好java环境

最新版本地址: https://www.elastic.co/cn/downloads/elasticsearch 

版本与jdk图:![img_1](https://img.zhaojq.top/20260727091745135.png "img_1")

```shell
#1.下载 事实证明这个7.17.5这个版本需要jdk11,因为我安装jdk8,再下载一个老的版本
wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-7.17.5-linux-x86_64.tar.gz
#2.解压
tar -zxvf elasticsearch-7.17.5-linux-x86_64.tar.gz
#3.移动到usr目录下
mv elasticsearch-7.17.5 /usr/local/elasticsearch/
#4.配置es
#4.1 elasticsearch.yml
vim config/elasticsearch.yml
#单机安装请取消注释：node.name: node-1，否则无法正常启动
#修改网络和端口，取消注释master节点，单机只保留一个node
node.name: node-1 
network.host: ip地址 
http.port: 9200 
cluster.initial_master_nodes: ["node-1"]
#4.2 jvm.options
vim config/jvm.options
#根据实际情况修改占用内存，默认都是1G，单机1G内存，启动会占用700m+然后在安装kibana后，基本上无法运行了，运行了一会就挂了报内存不足。 内存设置超出物理内存，也会无法启动，启动报错
-Xms1g 
-Xmx1g
#4.3 添加es用户,默认root用户无法启动,需要改为其他用户
useradd estest
#修改密码 
passwd estest
#改变es目录拥有者账号
chown -R estest /usr/local/elasticsearch/
#4.4 /etc/sysctl.conf
vim /etc/sysctl.conf
# 末尾添加：
vm.max_map_count=655360
# 执行sysctl -p 让其生效
#4.5 /etc/security/limits.conf
#末尾添加：
* soft nofile 65536 
* hard nofile 65536 
* soft nproc 4096 
* hard nproc 4096
#4.6启动es
#启动刚新建的用户
su estest
#注意是你的安装路径
/usr/local/elasticsearch/bin/elasticsearch

#配置完成 浏览器访问　ip:9200
```

示例如下：

![img_2](https://img.zhaojq.top/20260727091745334.png "img_2")