Elasticsearch 零基础到入门新手教程

共计 16806 个字符，预计需要花费 43 分钟才能阅读完成。

 1 ElasticSearch 介绍

Elasticsearch 是一个实时的分布式搜索分析引擎，它能让你以一个之前从未有过的速度和规模，去探索你的数据。它被用作全文检索、结构化搜索、分析以及这三个功能的组合。

Elasticsearch 是一个基于 Apache Lucene(TM)的开源搜索引擎。无论在开源还是专有领域，Lucene 可以被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。

但是，Lucene 只是一个库。想要使用它，你 必须使用 Java 来作为开发语言并将其直接集成到你的应用中，更糟糕的是，Lucene 非常复杂，你需要深入了解检索的相关知识来理 
解它是如何工作的

Elasticsearch 也使用 Java 开发并使用 Lucene 作为其核心来实现所有索引和搜索的功能, 但是它的目的是通过简单的 RESTful API 来隐藏 Lucene 的复杂性，从而让全文搜索变得简单。

Elasticsearch 使用 JavaScript Object Notation 或者 JSON 作为文档的序列化格式。JSON 序列化被大多数编程语言所支持，并且已经成为 NoSQL 领域的标准格式。它简单、简洁、易于阅读。

考虑下面这个 JSON 文档，它代表了一个 user 对象：

2 ElasticSearch 安装

必须要有 java 环境

1. 下载 elasticsearch 

下载地址：下载的 rpm 包
https://www.elastic.co/cn/downloads/elasticsearch

我的版本是: 
elasticsearch-6.5.1

安装：

目录说明

2. 启动 es 服务

3. 测试是否安装成功

3 ElasticSearch 配置文件介绍

Elasticsearch 已经有了 很好 的默认值，特别是涉及到性能相关的配置或者选项, 其它数据库可能需要调优，但总得来说，Elasticsearch 不需要。如果你遇到了性能问题，解决方法通常是更好的数据布局或者更多的节点。

3.1 elasticsearch.yml 重要文件

Elasticsearch 默认启动的集群名字叫 elasticsearch 
可以在你的 /etc/elasticsearch/elasticsearch.yml 中修改 

给每个节点设置一个有意义的、清楚的、描述性的名字，同样你可以在 elasticsearch.yml 中配置：

默认情况下， Elasticsearch 会把插件、日志以及你最重要的数据放在安装目录下 。这会带来不幸的事故，如果你 重新安装 Elasticsearch的时候不小心把安装目录覆盖了。如果你不小心，你就可能把你的 全部数据删掉 了。

最好的选择就是把你的数据目录配置到安装目录以外的地方，同样你也可以选择转移你的插件和日志目录。

默认的插件目录在/usr/share/elasticsearch/plugins 

可以自定义更改如下：

最小主节点数  
minimum_master_nodes 设定对你的集群的稳定 极其 重要, 当你的集群中有 两个 masters（注：主节点）的时候，这个配置有助于防止 脑裂，一种两个主节点同时存在于一个集群的现象。

如果你的 集群发生了脑裂 ，那么你的集群就 会处在丢失数据 的危险中，因为主节点被认为是这个集群的最高统治者，它决定了什么时候新的索引可以创建，分片是如何移动的等等。

如果你有   两个 masters 节点 ，你的 数据的完整性将得不到保证，因为你有两个节点认为他们有集群的控制权 

这个配置就是告诉 Elasticsearch 当 没有足够 master 候选节点 的时候，就 不要进行 master 节点选举，等 master 候选节点足够了才进行选举。

此设置应该始终被配置为 master 候选节点的 法定个数（大多数个）。法定个数就是 (master 候选节点个数 / 2) + 1。

可以在你的 elasticsearch.yml 文件中这样配置：

Elasticsearch 默认被配置为 使用单播 发现 

使用单播，你可以为 Elasticsearch 提供一些它应该去尝试连接的节点列表。当一个节点联系到单播列表中的成员时，它就会得到整个集群所有节点的状态，然后它会联系 master 节点，并加入集群。

这个配置在 elasticsearch.yml 文件中

内存交换 

到磁盘对服务器性能来说是 致命 的 
需要打开配置文件中的 mlockall 开关。它的作用就是允许 JVM 锁住内存，禁止操作系统交换出去。在你的 elasticsearch.yml 文件中，设置如下：

绑定 IP 

默认 elasticsearch 只能访问自己 127.0.0.1，如果需要让其他的机器的访问则需要在加上

3.2 jvm.options 配置文件

Elasticsearch 默认安装后设置的堆内存是 1 GB 
你也可以通过命令行参数的形式，在程序启动的时候把内存小传递给它，如果你觉得这样更简单的话：

确保堆内存最小值（Xms）与最大值（Xmx）的大小是相同的，防止程序在运行时改变堆内存大小，这是一个很耗系统资源的过程。

标准的建议是把 50% 的可用内存作为 Elasticsearch 的堆内存, 保留剩下的 50%。当然它也不会被浪费，Lucene 会利用起余下的内存.

但堆内存大小设置不要超过 32 GB

3.3 做实验用的配置文件

这只是我做实验用的配置文件，具体环境，根据生产而定 
elasticsearch.yml

4 ElsaticSearch 交互

所有其他语言 可以使用 RESTful API 通过端口 9200 和 Elasticsearch 进行通信，你可以用你最喜爱的 web 客户端访问 Elasticsearch。事实上，正如你所看到的，你甚至可以使用 curl 命令来和 Elasticsearch 交互。

一个 Elasticsearch 请求和任何 HTTP 请求一样由若干相同的部件组成：

VERB 适当的 HTTP 方法 或 谓词 :GET、POST、PUT、HEAD或者 DELETE。

PROTOCOL http 或者 https（如果你在 Elasticsearch 前面有一个 https 代理）

HOST Elasticsearch 集群中任意节点的主机名，或者用 localhost 代表本地机器上的节点

PORT 运行 Elasticsearch HTTP 服务的端口号，默认是 9200。

PATH API 的终端路径（例如 _count 将返回集群中文档数量）。Path 可能包含多个组件，

例如：_cluster/stats 和 _nodes/stats/jvm。

QUERY_STRING 任意可选的查询字符串参数 (例如 ?pretty 将格式化地输出 JSON 返回值，使其更容易阅读) 

BODY 一个 JSON 格式的请求体 (如果请求需要的话)

1. 插入索引数据 
   每个雇员索引一个文档，包含该雇员的所有信息。
   每个文档都将是 employee 类型。
   该类型位于 索引 megacorp 内。
   该索引保存在我们的 Elasticsearch 集群中。

2. 查询索引中一行数据：

3. 查询索引中的所有信息

4. 查询索引中符合条件的数据 
   搜索姓氏为 Smith 的雇员

5. 使用查询表达式查询想要的数据 
   Query-string 搜索通过命令非常方便地进行临时性的即席搜索，但它有自身的局限性 
   Elasticsearch 提供一个丰富灵活的查询语言叫做 查询表达式，它支持构建更加复杂和健壮的查询。

领域特定语言（DSL），指定了使用一个 JSON 请求。我们可以像这样重写之前的查询所有 Smith 的搜索：

 返回结果与之前的查询一样，但还是可以看到有一些变化。其中之一是，不再使用 query-string 参数，而是一个请求体替代。这个请求使用 JSON 构造，并使用了一个 match 查询

搜索姓氏为 Smith 的雇员，但这次我们只需要年龄大于 30 的。查询需要稍作调整，使用 过滤器 filter，它支持高效地执行一个结构化查询

range 过滤器，它能找到年龄大于 30 的文档，其中 gt 表示_大于(_great than)

5. 全文检索 
   搜索下所有喜欢攀岩（rock climbing）的雇员：

5 ElasticSearch 集群

Elasticsearch 可以横向扩展至数百（甚至数千）的服务器节点，同时可以处理 PB 级数据 
Elasticsearch 天生就是分布式的，并且在设计时屏蔽了分布式的复杂性。

Elasticsearch 尽可能地屏蔽了分布式系统的复杂性。这里列举了一些在后台自动执行的操作：

分配文档到不同的容器 或 分片 中，文档可以储存在一个或多个节点中 
按集群节点来均衡分配这些分片，从而对索引和搜索过程进行负载均衡 
复制每个分片以支持数据冗余，从而防止硬件故障导致的数据丢失 
将集群中任一节点的请求路由到存有相关数据的节点 
集群扩容时无缝整合新节点，重新分配分片以便从离群节点恢复

一个运行中的 Elasticsearch 实例称为一个 节点，而集群是由一个或者多个拥有相同 cluster.name 配置的节点组成，它们共同承担数据和负载的压力。当有节点加入集群中或者从集群中移除节点时，集群将会重新平均分布所有的数据。

当一个节点被选举成为 主 节点时，它将负责管理集群范围内的所有变更，例如增加、删除索引，或者增加、删除节点等。

而主节点并不需要涉及到文档级别的变更和搜索等操作，所以当集群只拥有一个主节点的情况下，即使流量的增加它也不会成为瓶颈。任何节点都可以成为主节点。我们的示例集群就只有一个节点，所以它同时也成为了主节点。

作为用户，我们可以将请求发送到 集群中的任何节点，包括主节点。每个节点都知道任意文档所处的位置，并且能够将我们的请求直接转发到存储我们所需文档的节点。无论我们将请求发送到哪个节点，它都能负责从各个包含我们所需文档的节点收集回数据，并将最终结果返回給客户端。Elasticsearch 对这一切的管理都是透明的。

Elasticsearch 的集群监控信息中包含了许多的统计数据，其中最为重要的一项就是 集群健康，它在 status 字段中展示为 green、yellow 或者 red

status 字段是要关注的

status 字段指示着当前集群在总体上是否工作正常。它的三种颜色含义如下：

green：
所有的主分片和副本分片都正常运行 
yellow: 
所有的主分片都正常运行，但不是所有的副本分片都正常运行。
red: 
有主分片没能正常运行。

往 Elasticsearch 添加数据时需要用到 索引 —— 保存相关数据的地方。索引实际上是指向一个或者多个物理 分片 的 逻辑命名空间  
一个 分片 是一个底层的 工作单元，它仅保存了 全部数据中的一部分

文档被存储和索引到分片内，但是应用程序是直接与索引而不是与分片进行交互。
Elasticsearch 是利用分片将数据分发到集群内各处的。分片是数据的容器，文档保存在分片内，分片又被分配到集群内的各个节点里。当你的集群规模扩大或者缩小时，Elasticsearch 会自动的在各节点中迁移分片，使得数据仍然均匀分布在集群里。
一个分片可以是 主 分片或者 副本 分片。索引内任意一个文档都归属于一个主分片，所以 主分片的数目决定着索引能够保存的最大数据量

一个副本分片只是一个主分片的拷贝。副本分片作为硬件故障时保护数据不丢失的冗余备份，并为搜索和返回文档等读操作提供服务。

在索引建立的时候就已经确定了主分片数，但是副本分片数可以随时修改。 
索引在默认情况下会被分配 5 个主分片，但可以在创建索引时指定分配 3 个主分片和一份副本（每个主分片拥有一个副本分片）

 例如下面建立了一个索引名叫: blogs，设置了 3 个主分片，1 个副本分片

megacorp 有 5 个 主分片，blogs 有 3 个主分片，
现在集群有 8 个主分片，8 个副本分片，现在集群只有一个节点。

所有集群中 8 个副本分片都是 unassigned —— 它们都没有被分配到任何节点。在同一个节点上既保存原始数据又保存副本是没有意义的，因为一旦失去了那个节点，我们也将丢失该节点上的所有副本数据。 
当前我们的集群是正常运行的，但是在硬件故障时有丢失数据的风险

当第二个节点加入到集群后，3 个 副本分片 将会分配到这个节点上——每个主分片对应一个副本分片。这意味着当集群内任何一个节点出现问题时，我们的数据都完好无损。

所有新近被索引的文档都将会保存在主分片上，然后被并行的复制到对应的副本分片上。这就保证了我们既可以从主分片又可以从副本分片上获得文档。

5.1 搭建 ES 集群

 在两台机器分别安装好 elasticsearch

在两个节点的 elasticsearch.yml 上设置相同的 cluster_name，但不同的 node_name 
在两个节点上设置相互发现的配置：discovery.zen.ping.unicast.hosts

 重启之后查看集群整体节点数量：

5.2 查看集群的状态信息

 1. 查看集群状态

重要参数解释：
cluster_name: 表示集群名称，所有节点的集群名称必须一致 
status：表示集群状态 
green：
所有的主分片和副本分片都正常运行 
yellow: 
所有的主分片都正常运行，但不是所有的副本分片都正常运行。
red: 
有主分片没能正常运行。

number_of_nodes: 表示 es 集群有几个节点 
active_primary_shards: 8 表示有 8 个主分片 
active_shards: 16 表示一共有 16 个分片 
unassigned_shards: 0 表示未分配分片

2. 查看节点列表

 master 下面的 * 号表示管理节点

3. 查看所有索引信息

 index：表示 es 集群有哪些索引，例如 megacorp 这个索引，一共在 5 个主分片(pri)，一个副本，索引里的文档一共是 24.9KB 大小

4. 计算集群中文档的数量

6 ElasticSearch 插件

ElasticSearch 的图形化界面插件很多，
现在最常用的elasticsearch-head，早期版本用 marvel-agent。

上面全是用的 curl 方式查看 es 相应的一些信息，命令太多很繁琐。这个时候就可以用 elasticsearch-head 插件，使用 web 界面的来查看 es 集群的状态，节点信息，创建索引，设置分片等等功能。

6.1 安装 elasticsearch-head 插件

有若干种安装方式，比如压缩包安装，docker 安装，但最简单的方式还是直接使用浏览器插件确保服务器上的 es 运行，使用 chrome 浏览器，安装专门的浏览器插件。

https://github.com/mobz/elasticsearch-head 

安装方法如下:

出现以下界面

访问：http://10.0.0.100:9100

有点问题，不能连接到 es

配置一下允许跨域请求设置：
在 es 集群的 所有 es 节点 给加上 /etc/elasticsearch/elasticsearch.yml

重启 ES 服务, 查看 web 界面

 ok，这个时候就可以同 web 界面来操作 es

粗黑线框是 主分片 
docs：表示这个索引有多少数据

星号表示管理节点，

1 查看集群状态

2 查看索引数据

7 ES 集群分片一些常见问题

准备 3 个 es 节点，上面已近有两个 es 节点，把新的 es 节点，加入 es 集群, 好看看问题。

各机器配置文件如下

当启动了第三个节点，我们的集群将会看起来如下

以 blogs 索引为例：

es-test01 节点和 es-test02 的节点 上各有一个分片被迁移到了新的 es-test03 节点，现在每个节点上都拥有 2 个分片，而不是之前的 3 个。这表示每个节点的硬件资源（CPU, RAM, I/O）将被更少的分片所共享，每个分片的性能将会得到提升。分片是一个功能完整的搜索引擎，它拥有使用一个节点上的所有资源的能力。我们这个拥有 6 个分片（3 个主分片和 3 个副本分片）的索引可以最大扩容到 6 个节点，每个节点上存在一个分片，并且每个分片拥有所在节点的全部资源。主分片的数目在索引创建时 就已经确定了下来。读操作——搜索和返回数据——可以同时被主分片 或 副本分片所处理，所以当你拥有越多的副本分片时，也将拥有越高的吞吐量。 

 在运行中的集群上是可以动态调整副本分片数目的，我们可以按需伸缩集群。让我们把 blogs 副本数从默认的 1 增加到 2：

看一下效果

7.1 模拟 ES 节点故障

如果我们关闭第一个节点，这时集群的状态为

 集群状态变为 yellow 了，这个提示主分片的过程是瞬间发生的，如同按下一个开关一般。

为什么集群状态是 yellow 了，而不是 green 了，这里我 设置了 3 个主分片，2 个副本分片，我在上面设置了 blogs 每个主分片需要对应 2 分副本分片，正常这样设置的情况下，应该有 3 个主分片 6 个副本分片，但是 现在有 3 个主分片，3 个副本分片，现在缺失副本分片了，所以此时的集群的状态会为 yellow。

在重新启动 es-test01 , 集群可以将缺失的副本分片再次进行分配。

8 文档元数据

一个文档不仅仅包含它的数据，也包含 元数据 —— 有关 文档的信息。三个必须的元数据元素如下：
_index 文档在哪存放 
_type 文档表示的对象类别 
_id 文档唯一标识 

_index 

_index 一个 索引 应该是因共同的特性被分组到一起的文档集合。例如，你可能存储所有的产品在索引 products 中，而存储所有销售的交易到索引 sales 中

_type 
数据可能在索引中只是松散的组合在一起，但是通常明确定义一些数据中的子分区是很有用的。例如，所有的产品都放在一个索引中，但是你有许多不同的产品类别，比如“electronics”、”kitchen”和“lawncare”。

这些文档共享一种相同的（或非常相似）的模式：他们有一个标题、描述、产品代码和价格。他们只是正好属于“产品”下的一些子类

Elasticsearch 公开了一个称为 types（类型）的特性，它允许您在索引中对数据进行逻辑分区。不同 types 的文档可能有不同的字段，但最好能够非常相似。

_id 
ID 是一个字符串，当它和 _index 以及 _type 组合就可以唯一确定 Elasticsearch 中的一个文档。当你创建一个新的文档，要么提供自己的 _id，要么让 Elasticsearch 帮你生成。

9 文档

1. 查询文档  
例如

 2. 返回文档一部分  
默认情况下，GET 请求 会返回整个文档，这个文档正如存储在 _source 字段中的一样。但是也许你只对其中的 title 字段感兴趣。单个字段能用 _source 参数请求得到，多个字段也能使用逗号分隔的列表来指定

 3. 检查文档是否存在 

如果只想检查一个文档是否存在 –根本不想关心内容–那么用 HEAD 方法来代替 GET 方法。HEAD 请求没有返回体，只返回一个 HTTP 请求报头：

如果文档存在，Elasticsearch 将返回一个 200 ok 的状态码 
若文档不存在，Elasticsearch 将返回一个 404 Not Found 的状态码：

4. 删除文档  
删除文档 的语法和我们所知道的规则相同，只是 使用 DELETE 方法：

与上面与 elasticsearch 交互那一块 可以看看

10 索引的 CRUD

1 . 删除一个索引编辑  
也是用 curl 方式 
用以下的请求来 删除索引:

也可以这样删除多个索引

甚至可以这样删除 全部 索引：

对一些人来说，能够用单个命令来删除所有数据可能会导致可怕的后果。如果你想要避免意外的大量删除, 你可以在你的 elasticsearch.yml 做如下配置：

这个设置使删除只限于特定名称指向的数据, 而不允许通过指定 _all 或通配符来删除指定索引库。

2. 索引设置编辑

你可以通过修改配置来自定义索引行为 
下面是两个 最重要的设置：
number_of_shards 每个索引的主分片数，默认值是 5。这个配置在索引创建后不能修改。 
number_of_replicas 每个主分片的副本数，默认值是 1。对于活动的索引库，这个配置可以随时修改。

例如刚刚 blogs 索引，设置的是每个主分片有两个副本分片

现在修改:

表示修改成功了，web 验证

11 规定 shards 的个数设置

现在有索引了，怎么规定索引的 shard，怎么样才能达到最优。
默认建立的索引是有 5 个主分片一个副本分片 
例如 blogs 的 shards

是每个主分片都有一个副本分片

具体怎么设置是看每个 shard 的数据量：
每个 shad 的数据量最好不要超过 50G，一般 20G-30G 之间比较合理的大小。

例如 
整个索引大小是 100G，shard 分成是 5 是合理的 
整个索引大小是 500G，用默认的 shard 5 是不合理的

参考手册：

https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

：