前端玩转elasticsearch入门

铁男一号
1,406 阅读10分钟

什么是elasticsearch？

一个开源的分布式搜索引擎，底层是开源库Lucene，可以用来实现海量数据的搜索、日志统计、分析、系统监控等功能。对搜索引擎的操作封装成了RESTful的API，通过http请求就能对其进行操作。

ELK技术栈 image.png

准备工作之安装docker

mac商城直接安装desktop， 安装好了直接pull elasticsearch和kibana镜像（注意版本适配，参考官网）
image.png docker相关学习可参考我之前的一篇文章juejin.cn/post/684490…

运行容器

image.png

访问kibana localhost:5601

  • 获取token
    找到elasticsearch容器运行ID docker ps或者通过桌面工具直接复制
    进容器docker exec -it 容器运行ID bash
    生成tokenbin/elasticsearch-create-enrollment-token --scope kibana

  • 获取elasticsearch的账号密码
    进容器 ./bin/elasticsearch-setup-passwords auto 自动生成账号密码

image.png

登陆进去就可以愉快的玩耍devtool image.png

ES数据库基本概念

索引和映射

索引就像数据库里的表，映射就像数据库中定义的表结构 例如：

  • 所有用户文档，就可以组织在一起，称为用户的索引；(ps:文档可以看走表中的一条数据，下文有相关学习)
  • 所有商品的文档，可以组织在一起，称为商品的索引；
  • 所有订单的文档，可以组织在一起，称为订单的索引； image.png

因此，我们可以把索引当做是数据库中的表。

数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping） ，是索引中文档的字段约束信息，类似表的结构约束。

Mapping映射

mapping是对索引库中文档的约束，常见的mapping属性包括：

  • type：字段数据类型，常见的简单类型有：

    • 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）

      keyword类型只能整体精确搜索，不支持搜索部分内容

    • 数值：long、integer、short、byte、double、float、

    • 布尔：boolean

    • 日期：date

    • 对象：object

  • index：是否创建索引参与搜索，默认为true

  • analyzer：使用哪种分词器

  • properties：该字段的子字段

举个🌰

{    
"age": 21,    
"weight": 52.1,    
"isMarried": false,    
"info": "真相只有一个！", 
"email": "zy@itcast.cn", 
"score": [99.1, 99.5, 98.9],    
}

对应的每个字段映射（mapping）：

  • age：类型为 integer；参与搜索，因此需要index为true；无需分词器
  • weight：类型为float；参与搜索，因此需要index为true；无需分词器
  • isMarried：类型为boolean；参与搜索，因此需要index为true；无需分词器
  • info：类型为字符串，需要分词，因此是text；参与搜索，因此需要index为true；分词器可以用ik_smart
  • email：类型为字符串，但是不需要分词，因此是keyword；不参与搜索，因此需要index为false；无需分词器
  • score：虽然是数组，但是我们只看元素的类型，类型为float；参与搜索，因此需要index为true；无需分词器

索引库操作

CRUD简单描述：

  • 创建索引库：PUT /索引库名
  • 查询索引库：GET /索引库名
  • 删除索引库：DELETE /索引库名
  • 修改索引库（添加字段）：PUT /索引库名/_mapping

创建

image.png

查询

image.png

修改(添加新字段)

image.png image.png

文档和字段

一个文档就像数据库里的一条数据，字段就像数据库里的列，所有文档组织在一起可以称之为索引。 elasticsearch是面向文档（Document） 存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中：

image.png

而Json文档中往往包含很多的字段（Field） ，类似于mysql数据库中的列。

文档操作

文档操作有哪些？

  • 创建文档：POST /{索引库名}/_doc/文档id
  • 查询文档：GET /{索引库名}/_doc/文档id
  • 删除文档：DELETE /{索引库名}/_doc/文档id
  • 修改文档：
    • 全量修改：PUT /{索引库名}/_doc/文档id
    • 增量修改：POST /{索引库名}/_update/文档id { "doc": {字段}}

创建

image.png

查询

image.png

修改

  1. 全量修改是覆盖原来的文档，其本质是：
  • 根据指定的id删除文档
  • 新增一个相同id的文档 image.png

image.png

  1. 增量修改
  • 增量修改是只修改指定id匹配的文档中的部分字段。
POST /{索引库名}/_update/文档id 
{     
    "doc": 
        { 
            "字段名": "新的值", 
        } 
}

image.png

查看所有索引

image.png

IK分词

github：github.com/infinilabs/…

进es容器 安装对应版本分词器后需重启es服务：

`bin/elasticsearch-plugin install https://get.infini.cloud/elasticsearch/analysis-ik/8.13.0`

IK分词器包含两种模式：

  • ik_smart：最少切分
  • ik_max_word：最细切分

测试分词功能： image.png

DSL

elasticsearch的查询依然是基于JSON风格的DSL来实现的。

//查询的语法基本一致
GET /indexName/_search
{   
    "query": {
        "查询类型": {
                "查询条件": "条件值"     
         }   
     } 
 }

常见的查询类型

  • 查询所有：查询出所有数据，一般测试用。例如：match_all

  • 全文检索（full text）查询：利用分词器对用户输入内容分词，然后去倒排索引库中匹配。例如：

    • match： 根据一个字段查询
    • multi_match： 根据多个字段查询

  • 精确查询：根据精确词条值查找数据，一般是查找keyword、数值、日期、boolean等类型字段。例如：

    • ids
    • range：根据数值范围查询，可以是数值、日期的范围
    • term： 根据词条精确匹配，一般搜索keyword类型、数值类型、布尔类型、日期类型字段

  • 地理（geo）查询：根据经纬度查询。例如：

    • geo_distance
    • geo_bounding_box

  • 复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。例如：

    • bool
    • function_score：算分函数查询，可以控制文档相关性算分，控制文档排名

全文检索

全文检索查询的基本流程如下：

  • 对用户搜索的内容做分词，得到词条
  • 根据词条去倒排索引库中匹配，得到文档id
  • 根据文档id找到文档，返回给用户

常用场景：如很多网站的输入框搜索

  1. match
//语法
GET /indexName/_search 
{   
    "query": {     
        "match": {       
            "FIELD": "TEXT"     
         }  
    } 
}

image.png

  1. mulit_match
// 语法
GET /indexName/_search
{
  "query": {
    "multi_match": {
      "query": "TEXT",
      "fields": ["FIELD1", " FIELD12"]
    }
  }
}

image.png

精确检索

因为精确查询的字段搜是不分词的字段，因此查询的条件也必须是不分词的词条，换句话来说，不会搜索具有分词功能的字段。查询时，用户输入的内容跟自动值完全匹配时才认为符合条件。

term

// 语法
GET /indexName/_search
{
  "query": {
    "term": {
      "FIELD": {
        "value": "VALUE"
      }
    }
  }
}

image.png

如果搜具有分词功能也就是类型是text的字段，则查不出数据

image.png

range

范围查询，一般应用在对数值类型做范围过滤的时候。比如做价格范围过滤。

// 语法
GET /indexName/_search
{
  "query": {
    "range": {
      "FIELD": {
        "gte": 10, // 这里的gte代表大于等于，gt则代表大于
        "lte": 20 // lte代表小于等于，lt则代表小于
      }
    }
  }
}

image.png

复合查询

fuction score

1.1 相关性算分
elasticsearch会根据词条和文档的相关度做打分，目前采用BM25算法。
当我们利用match查询时，文档结果会根据与搜索词条的关联度打分query_score（_score），返回结果时按照分值降序排列。

image.png 1.2 算分函数查询
在搜索出来的结果的分数基础上，再手动与指定的数字进行一定运算来改变算分，从而改变结果的排序。(以百度搜索为例，花钱的广告会排在前位)

function score query定义的三要素是什么？

  • 过滤条件：哪些文档要加分
  • 算分函数：如何计算function score
  • 加权方式：function score 与 query score如何运算

1.1中的例子可以看出彭猛排在陈楠后面，如果彭猛花钱了，想排在前面，怎么解决？

GET /biaoxun/_search
{
  "query": {
    "function_score": {           
      "query": { // 原始查询，可以是任意条件，基于BM25算法，得出原始算分query_score
          "match": {
            "jineng": "吃饭"
          }
        },
      "functions":[//算分函数，复合条件的才会加分
        {
          
          "filter":{ //过滤条件，【这里是加分条件】,得出函数算分function_score
            "match":{
              "name":"彭猛"
            }
          },
          "weight":2//算分权重为2
        }
      ],
      "boost_mode": "sum" // 加权模式，求和 = function_score + query_score
    }
  }  
}

运行后会发现彭猛排在前面了
image.png function score 查询中包含四部分内容：

  • 原始查询条件：query部分，基于这个条件搜索文档，并且基于BM25算法给文档打分，原始算分（query score)

  • 过滤条件：filter部分，符合该条件的文档才会重新算分

  • 算分函数：符合filter条件的文档要根据这个函数做运算，得到的函数算分（function score），有四种函数

    • weight：函数结果是常量
    • field_value_factor：以文档中的某个字段值作为函数结果
    • random_score：以随机数作为函数结果
    • script_score：自定义算分函数算法

  • 运算模式：算分函数的结果、原始查询的相关性算分，两者之间的运算方式，包括：

    • multiply：相乘
    • replace：用function score替换query score
    • 其它，例如：sum、avg、max、min

bool查询

布尔查询是一个或多个查询子句的组合，每一个子句就是一个子查询。子查询的组合方式有：

  • must：必须匹配每个子查询，类似“与”
  • should：选择性匹配子查询，类似“或”
  • must_not：必须不匹配，不参与算分，类似“非”
  • filter：必须匹配，不参与算分

注意：尽量在筛选的时候多使用不参与算分的must_not和filter，以保证性能良好，搜索时，参与打分的字段越多，查询的性能也越差。因此这种多条件查询时，建议这样做：

  • 搜索框的关键字搜索，是全文检索查询，使用must查询，参与算分
  • 其它过滤条件，采用filter查询。不参与算分
GET /biaoxun/_search
//查询技能含吃饭，年龄大于20小于35的人
{
  "query": {
    "bool": {
      "must": [{
        "match": {
          "jineng": "吃饭"
        }
      }],
      "filter": [
        {
          "range": {
            "age": {
              "gte": 20,
              "lte": 35
            }
          }
        }
      ]
    }
  }
}

image.png

设置搜索结果

可以按照用户的想法设置返回结果，查询的DSL是一个大的JSON对象，包含下列属性：

  • query：查询条件
  • from和size：分页条件
  • sort：排序条件
  • highlight：高亮条件
  • aggs：定义聚合

高亮&&排序

GET /biaoxun/_search
{
  "query":{
    "match":{
      "jineng": "牛皮旅游" // 分词为牛皮和旅游
    }
  },
  "from":0,//从第几个文档开始，默认为0
  "size":10,//期望获取的文档总数
  "sort":[
    {"age":"desc"} //排序字段、排序方式升序ASC、降序DESC
    ],
    "highlight": {
      "fields": {
        "jineng":{ //【要和上面的查询字段FIELD一致】
        "pre_tags": "<em>",  // 用来标记高亮字段的前置标签
        "post_tags": "</em>" // 用来标记高亮字段的后置标签
        }
      }
    }
}

image.png

聚合

注意： 参加聚合的字段必须是keyword、日期、数值、布尔类型

可以让我们极其方便的实现对数据的统计、分析、运算；比如：

  • 什么品牌的手机最受欢迎？
  • 这些手机的平均价格、最高价格、最低价格？

聚合常见的有三类：

  • 桶（Bucket） 聚合：用来对文档做分组

    • TermAggregation：按照文档字段值分组，例如按照品牌值分组、按照国家分组
    • Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组

  • 度量（Metric） 聚合：用以计算一些值，比如：最大值、最小值、平均值等

    • Avg：求平均值
    • Max：求最大值
    • Min：求最小值
    • Stats：同时求max、min、avg、sum等

  • 管道（pipeline） 聚合：其它聚合的结果为基础做聚合

    • 如：用桶聚合实现种类排序，然后使用度量聚合实现各个桶的最大值、最小值、平均值等

//查询年龄大于30并且小于55的，按照city降序聚合
GET /biaoxun/_search
{
  "query": {
    "range": {
      "age": { // 年龄小于55，大于30
        "gte": 30,
        "lte": 55
      }
    }
  },
  "size": 0,  // 设置size为0，结果中不包含查询结果文档，只包含聚合结果,
  "aggs": {
    "ageGroupTtems": {//给聚合起个名字
      "terms": {
        "field": "city",
        "order": {
          "_count": "desc" // 对聚合结果降序排列
        },
        "size": 20 // 希望获取的聚合结果数量【设置多少就最多只显示多少】
      }
    }
  }
}

image.png

未完待续...

avatar
文章
阅读
粉丝