转载

Elasticsearch学习笔记

在介绍Elasticsearch的用法之前先讲讲为什么要用它吧。首先学习搜索引擎,肯定不可避免的都听过lucene,solr和Elasticsearch都是基于它的。spinx文章很多,但是数据库的入侵性太强(插件模式)。Elasticsearch是当下最流行的分布式搜索引擎之一。solr也稍微玩过,文章也多。同时也希望能通过Elasticsearch进一步学习完善自己对于分布式的学习。更深入的同学可以考虑开始学习ELK(Elasticsearch, Logstash, Kibana)。

推荐: 《Elasticsearch-definitive-guide》

看过这本书之后入门就成了很简单的事,书很浅显易懂,没什么特别难的地方。

其中有一个例子写的非常好,可以作为全局引导大家学习,摘抄一部分过来:

我们首先要做的是存储员工数据,每个文档代表一个员工。在Elasticsearch中存储数据的行为就叫做 索引(indexing) ,不过在索引之前,我们需要明确数据应该存储在哪里。

在Elasticsearch中,文档归属于一种 类型(type) ,而这些类型存在于 索引(index) 中,我们可以画一些简单的对比图来类比传统关系型数据库:

Relational DB -> Databases -> Tables -> Rows -> Columns Elasticsearch -> Indices   -> Types  -> Documents -> Fields 

Elasticsearch集群可以包含多个 索引(indices) (数据库),每一个索引可以包含多个 类型(types) (表),每一个类型包含多个 文档(documents) (行),然后每个文档包含多个 字段(Fields) (列)。

「索引」含义的区分

你可能已经注意到 索引(index) 这个词在Elasticsearch中有着不同的含义,所以有必要在此做一下区分:

  • 索引(名词) 如上文所述,一个 索引(index) 就像是传统关系数据库中的 数据库 ,它是相关文档存储的地方,index的复数是 indices indexes
  • 索引(动词)  「索引一个文档」 表示把一个文档存储到 索引(名词) 里,以便它可以被检索或者查询。这很像SQL中的 INSERT 关键字,差别是,如果文档已经存在,新的文档将覆盖旧的文档。
  • 倒排索引 传统数据库为特定列增加一个索引,例如B-Tree索引来加速检索。Elasticsearch和Lucene使用一种叫做 倒排索引(inverted index) 的数据结构来达到相同目的。

默认情况下,文档中的所有字段都会被 索引 (拥有一个倒排索引),只有这样他们才是可被搜索的。

理解上面的索引介绍后,接下来就是很入门的开工工作了。安装Elasticsearch:

  1. 安装JDK( 下载地址 )
  2. 安装ElasticSearch( 下载地址 )

    1. 解压,运行/bin/elasticsearch.bat.
    2. 浏览器输入http://localhost:9200/,可以看到如图:

      Elasticsearch学习笔记

    3. 安装成功。
  3. 安装ElasticSearch – header plugin  https://github.com/mobz/elasticsearch-head

    这个插件主要是用来管理索引数据和状态,文档中有详细说明,安装步骤也很简单,用命令行转bin目录下运行插件安装

    完成后,打开http://localhost:9200/_plugin/head/就可以看到下面这个管理界面

    Elasticsearch学习笔记

这样子安装算告一段落了,可以开始写点代码做点实事了,我用的是NEST这个Client工具,大家可以根据自己的语言选择工具。

一般而言,我们用到搜索的功能都是全文索引,否则也没必要用搜索引擎了:

static void Main(string[] args)   {    //var person = new Person    //{    // Id = System.Guid.NewGuid().ToString("N"),    // Firstname = "中文测试一下 天才",    // Lastname = "哈哈 蠢的不行?"    //};    //CraateIndex(person);    var items = GetPagingForSearch<Person>("天才", "firstname", SortOrder.Descending, 0, 10);    foreach (var item in items)    {     Console.WriteLine("item:" + Newtonsoft.Json.JsonConvert.SerializeObject(item));    }    Console.ReadLine();   }   public static IList<T> GetPagingForSearch<T>(string key, string orderbyKey, SortOrder orderType, int index, int size) where T : class   {    var client = GetClient();    //query_string只是其中一种最常用查询,Operator枚举的Or和And可以根据全文检索的业务要求使用,以下查询就是为了最简单的分页全文检索接口    var searchResults = client.Search<T>(s => s     .Index("sample-index")     .Type("sample-type")     .Query(q => q.QueryString(qs => qs.Query(key).DefaultOperator(Operator.And)))     .Sort(sort => sort.OnField(orderbyKey).Order(orderType))     .From(index * size)    //分页页码     .Size(size)   //分页尺寸    );    return searchResults.Documents.ToList();   }   public static void CraateIndex<T>(T model) where T : class   {    var client = GetClient();    var index = client.Index(model, i => i     .Index("sample-index")     .Type("sample-type")     .Id(System.Guid.NewGuid().ToString("N"))     .Refresh()     .Ttl("1m")    );   }   public static ElasticClient GetClient()   {    var node = new Uri("http://localhost:9200");    var settings = new ConnectionSettings(     node,     defaultIndex: "my-application"    );    return new ElasticClient(settings);   }   

运行结果:

Elasticsearch学习笔记

Elasticsearch学习笔记

以上只用到了QueryString,当然它的查询方法远不只这些,具体的查询方法我这里就不班门弄斧了。推荐去看文档。附上NEST的文档:http://nest.azurewebsites.net/nest/quick-start.html

Elasticsearch致力于隐藏分布式系统的复杂性。以下这些操作都是在底层自动完成的:

  • 将你的文档分区到不同的容器或者 分片(shards) 中,它们可以存在于一个或多个节点中。
  • 将分片均匀的分配到各个节点,对索引和搜索做负载均衡。
  • 冗余每一个分片,防止硬件故障造成的数据丢失。
  • 将集群中任意一个节点上的请求路由到相应数据所在的节点。
  • 无论是增加节点,还是移除节点,分片都可以做到无缝的扩展和迁移。

你可以看到以下默认的分片情况:

Elasticsearch学习笔记


很明显以上分片都在同一个node上,而分片又组成了集群。其中node本身是有可能存在主分片和复制分片,而节点与节点之间又有可能通过分片联系。
还有一些很关键的集群模块,集群健康监控,Elasticsearch健康有三种状态:greenyellowred。限制query执行时占用的JVM Heap sized等等。
对于分布式这块这里就不能再往下展开了,具体可学习文中提到的那本书,里面有详细介绍。而性能方面,由于现在公司的业务根本达不到这个数量级,暂时无法给出较好的对比。千百万级别,不管solr,还是ES都是OK的。上亿恐怕要斟酌和优化了。


正文到此结束
Loading...