从零启动 Elasticsearch

elastic 有弹力的

ElaticSearch （ES）是一个基于 Lucene 的分布式全文检索引擎。可以做到近乎实时地存储、检索数据，并且本身具有良好的扩展性，可以扩展到上百台服务器，处理PB级别（1 Petabyte = 1024TB）的数据。

ES 常用于日志分析、全文搜索、安全智能、业务分析和运维智能等场景。

使用

可用 docker 部署 elasticsearch 程序，默认有安全检测不好连接，生产环境可以见下面命令绕过连接启动：

访问测试：

也可以用 curl http://localhost:9200 来测试

相关docker命令：

-- 关闭 Elasticsearch 安全认证（仅测试环境） （没有应该会下载，注意版本）
docker run -d -p 9200:9200 -p 9300:9300 `-e "discovery.type=single-node" `-e "xpack.security.enabled=false" `--name elasticsearch docker.elastic.co/elasticsearch/elasticsearch:8.12.0-- 之后直接 start 启动即可：
docker start elasticsearch 
docker stop elasticsearch
docker rm elasticsearchdocker ps -a  # 查看所有容器（包括停止的）
docker logs elasticsearch

写java时：

SpringbootFramework 管理的 elasticsearch 只需配置即可使用：

• ElasticsearchRepository已经提供了基础的 CRUD 操作
  这里交互方法也只需声明继承的接口：
• 自定义方法则能通过命名规则来扩展更多查询功能——也不需要实现，Spring Data 框架能够依据方法名称自动生成对应的实现。

package org.example.searchservice.repository;import org.example.common.dto.Question;
import org.springframework.data.elasticsearch.repository.ElasticsearchRepository;
import org.springframework.stereotype.Repository;import java.util.List;@Repository
public interface QuestionEsRepository extends ElasticsearchRepository<Question, String> {// 标题或内容模糊搜索（自动解析成 bool should）List<Question> findByTitleContainingOrContentContaining(String title, String content);// 根据标签精确匹配（List<String> 是 keyword 类型）List<Question> findByTagsIn(List<String> tags);
}//你不需要手动实现插入方法，ElasticsearchRepository 已经帮你准备好了常用的 CRUD 方法，包括插入。
//        🧩 一、插入数据的方式
//ElasticsearchRepository 继承了 CrudRepository，所以它自动拥有以下方法：
//
//方法	作用
//save(T entity)	插入或更新单条数据
//saveAll(Iterable<T> entities)	批量插入或更新
//findById(ID id)	根据 ID 查询
//deleteById(ID id)	根据 ID 删除
//findAll()	查询所有
//count()	统计数量

检索：（需先把要检索的插入ES，如上的save方法）

原理

（图画故事参考 https://zhuanlan.zhihu.com/p/589967518）

倒排索引

像 map 是 kv 的，通过索引 key 获得对应的 value

现在我们为 value 建立索引，来找 value，即为倒排索引：

不过这样数据量确实会更多，我们索引原先的 key 即可：

现在新建立的反向索引也可一次索引多个 key！

分词

其实谷歌，百度这些搜素引擎原理就是建立倒排索引。

搜索引擎对文章分词后，才根据关键字建立倒排索引的。

Lucene

Lucene库可以方便的建立倒排索引，不过不懂原理的人很难调用，所以后来有人封装其为 Elasticsearch。

Lucene 是一个全文检索引擎工具包 。它是一款 纯Java的全文检索引擎工具包，提供了完整的查询引擎和索引引擎，主要用于实现全文搜索功能。

Lucene 主要是基于倒排索引的文本检索，通过创建并建立索引器（IndexWriter）来读取需要建立全文索引的文本内容 —— 即读入一堆文本文件并将其转换为易于搜索的数据结构

Elasticsearch

ElasticSearch 是基于 Lucene 做了封装和增强，通过简单的 RESTful API 来隐藏 Lucene 的复杂性。

它还考虑了海量数据，实现了分布式，是一个可以存储海量数据的分布式搜索引擎。

• 索引：elasticsearch 存放数据的地方。
• 类型：定义数据结构
• 文档：数据

要存一系列个体，就先为这种个体创建索引，索引内定义类型（一个带各种属性的结构体）

keyword 类型不会分词而直接建立反向索引，text会。

Elasticsearch 分布式原理

• hdfs (Hadoop Distributed File System) Hadoop分布式文件系统
  是指被设计成适合运行在通用硬件(commodity hardware)上的分布式文件系统

elasticsearch 也会对数据进行切分时每一个分片会保存多个副本 。（其原因和 HDFS 是一样的，都是为了保证分布式环境下的高可用 —— 主从架构，redis也是子结点分担读请求）

节点间会通过自己的一些规则选取集群的 Master
Master 会负责集群状态信息的改变，并同步给其他节点。

注意，只有建立索引和类型需要经过 Master，数据的写入有一个简单的 Routing 规则，可以 Route 到集群中的任意节点，所以数据写入压力是分散在整个集群的。

ELK Stack

ES与Logstash、Beats和Kibana等工具协同工作，共同提供数据收集、存储、分析、可视化和监控等功能，组成 ELK 。

• Logstash：数据收集与处理 管道工具（采集日志数据、过滤清洗）
• Beats：轻量级的数据采集器（日志或指标）
• Kibana：可视化工具

工作流程：[ 日志 / 数据 ]↓Beats（轻量上报器）↓Logstash（采集 + 清洗）↓
Elasticsearch（存储 + 查询）↓Kibana（可视化）

分析日志的用处可大了，你想，假如一个分布式系统有 1000 台机器，系统出现故障时，我要看下日志，还得一台一台登录上去查看，是不是非常麻烦？

但是如果日志接入了 ELK 系统就不一样。比如系统运行过程中，突然出现了异常，在日志中就能及时反馈，日志进入 ELK 系统中，我们直接在 Kibana 就能看到日志情况。如果再接入一些实时计算模块，还能做实时报警功能。