全文搜索引擎 ElasticSearch 入門教程

全文搜索屬於最常見的需求，開源的 ElasticSearch （以下簡稱 Elastic）是目前全文搜索引擎的首選。

　　它可以快速地儲存、搜索和分析海量數據。維基百科、Stack Overflow、Github 都採用它。

　　Elastic 的底層是開源庫 Lucene。但是，你沒法直接用 Lucene，必須自己寫代碼去調用它的介面。Elastic 是 Lucene 的封裝，提供了 REST API 的操作介面，開箱即用。

　　本文從零開始，講解如何使用 Elastic 搭建自己的全文搜索引擎。每一步都有詳細的說明，大家跟著做就能學會。

　一、安裝

　　Elastic 需要 Java 8 環境。如果你的機器還沒安裝 Java，可以參考這篇文章，注意要保證環境變數JAVA_HOME正確設置。

　　安裝完 Java，就可以跟著官方文檔安裝 Elastic。直接下載壓縮包比較簡單。

$ wget https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-5.5.1.zip
$ unzip elasticsearch-5.5.1.zip
$ cd elasticsearch-5.5.1/

　　接著，進入解壓後的目錄，運行下面的命令，啟動 Elastic。

$ ./bin/elasticsearch

　　如果這時報錯"max virtual memory areas vm.maxmapcount [65530] is too low"，要運行下面的命令。

$ sudo sysctl -w vm.max_map_count=262144

　　如果一切正常，Elastic 就會在默認的9200埠運行。這時，打開另一個命令行窗口，請求該埠，會得到說明信息。

$ curl localhost:9200

{
 "name" : "atntrTf",
 "cluster_name" : "elasticsearch",
 "cluster_uuid" : "tf9250XhQ6ee4h7YI11anA",
 "version" : {
   "number" : "5.5.1",
   "build_hash" : "19c13d0",
   "build_date" : "2017-07-18T20:44:24.823Z",
   "build_snapshot" : false,
   "lucene_version" : "6.6.0"
 },
 "tagline" : "You Know, for Search"
}

　　上面代碼中，請求9200埠，Elastic 返回一個 JSON 對象，包含當前節點、集群、版本等信息。

　　按下 Ctrl + C，Elastic 就會停止運行。

　　默認情況下，Elastic 只允許本機訪問，如果需要遠程訪問，可以修改 Elastic 安裝目錄的config/elasticsearch.yml文件，去掉network.host的注釋，將它的值改成0.0.0.0，然後重新啟動 Elastic。

network.host: 0.0.0.0

　　上面代碼中，設成0.0.0.0讓任何人都可以訪問。線上服務不要這樣設置，要設成具體的 IP。

　二、基本概念

　　2.1 Node 與 Cluster

　　Elastic 本質上是一個分散式資料庫，允許多台伺服器協同工作，每台伺服器可以運行多個 Elastic 實例。

　　單個 Elastic 實例稱為一個節點（node）。一組節點構成一個集群（cluster）。

　　2.2 Index

　　Elastic 會索引所有欄位，經過處理後寫入一個反向索引（Inverted Index）。查找數據的時候，直接查找該索引。

　　所以，Elastic 數據管理的頂層單位就叫做 Index（索引）。它是單個資料庫的同義詞。每個 Index （即資料庫）的名字必須是小寫。

　　下面的命令可以查看當前節點的所有 Index。

$ curl -X GET "http://localhost:9200/_cat/indices?v"

　　2.3 Document

　　Index 裡面單條的記錄稱為 Document（文檔）。許多條 Document 構成了一個 Index。

　　Document 使用 JSON 格式表示，下面是一個例子。

{
 "user": "張三",
 "title": "工程師",
 "desc": "資料庫管理"
}

　　同一個 Index 裡面的 Document，不要求有相同的結構（scheme），但是最好保持相同，這樣有利於提高搜索效率。

　　2.4 Type

　　Document 可以分組，比如weather這個 Index 裡面，可以按城市分組（北京和上海），也可以按氣候分組（晴天和雨天）。這種分組就叫做 Type，它是虛擬的邏輯分組，用來過濾 Document。

　　不同的 Type 應該有相似的結構（schema），舉例來說，id欄位不能在這個組是字元串，在另一個組是數值。這是與關係型資料庫的表的一個區別。性質完全不同的數據（比如products和logs）應該存成兩個 Index，而不是一個 Index 裡面的兩個 Type（雖然可以做到）。

　　下面的命令可以列出每個 Index 所包含的 Type。

$ curl "localhost:9200/_mapping?pretty=true"

　　根據規劃，Elastic 6.x 版只允許每個 Index 包含一個 Type，7.x 版將會徹底移除 Type。

　三、新建和刪除 Index

　　新建 Index，可以直接向 Elastic 伺服器發出 PUT 請求。下面的例子是新建一個名叫weather的 Index。

$ curl -X PUT "localhost:9200/weather"

　　伺服器返回一個 JSON 對象，裡面的acknowledged欄位表示操作成功。

{
 "acknowledged":true,
 "shards_acknowledged":true
}

　　然後，我們發出 DELETE 請求，刪除這個 Index。

$ curl -X DELETE "localhost:9200/weather"

　四、中文分詞設置

　　首先，安裝中文分詞插件。這裡使用的是 ik，也可以考慮其他插件（比如 smartcn）。

$ ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v5.5.1/

elasticsearch-analysis-ik-5.5.1.zip

　　上面代碼安裝的是5.5.1版的插件，與 Elastic 5.5.1 配合使用。

　　接著，重新啟動 Elastic，就會自動載入這個新安裝的插件。

　　然後，新建一個 Index，指定需要分詞的欄位。這一步根據數據結構而異，下面的命令只針對本文。基本上，凡是需要搜索的中文欄位，都要單獨設置一下。

$ curl -X PUT "localhost:9200/accounts" -d "
{
 "mappings": {
   "person": {
     "properties": {
       "user": {
         "type": "text",
         "analyzer": "ik_max_word",
         "search_analyzer": "ik_max_word"
       },
       "title": {
         "type": "text",
         "analyzer": "ik_max_word",
         "search_analyzer": "ik_max_word"
       },
       "desc": {
         "type": "text",
         "analyzer": "ik_max_word",
         "search_analyzer": "ik_max_word"
       }
     }
   }
 }
}"

　　上面代碼中，首先新建一個名稱為accounts的 Index，裡面有一個名稱為person的 Type。person有三個欄位。

• 
  

  user



• 
  

  title



• 
  

  desc

　　這三個欄位都是中文，而且類型都是文本（text），所以需要指定中文分詞器，不能使用默認的英文分詞器。

　　Elastic 的分詞器稱為 analyzer。我們對每個欄位指定分詞器。

"user": {
 "type": "text",
 "analyzer": "ik_max_word",
 "search_analyzer": "ik_max_word"
}

　　上面代碼中，analyzer是欄位文本的分詞器，search_analyzer是搜索詞的分詞器。ik_max_word分詞器是插件ik提供的，可以對文本進行最大數量的分詞。

　五、數據操作

　5.1 新增記錄

　　向指定的 /Index/Type 發送 PUT 請求，就可以在 Index 裡面新增一條記錄。比如，向/accounts/person發送請求，就可以新增一條人員記錄。

$ curl -X PUT "localhost:9200/accounts/person/1" -d "
{
 "user": "張三",
 "title": "工程師",
 "desc": "資料庫管理"
}"

　　伺服器返回的 JSON 對象，會給出 Index、Type、Id、Version 等信息。

{
 "_index":"accounts",
 "_type":"person",
 "_id":"1",
 "_version":1,
 "result":"created",
 "_shards":{"total":2,"successful":1,"failed":0},
 "created":true
}

　　如果你仔細看，會發現請求路徑是/accounts/person/1，最後的1是該條記錄的 Id。它不一定是數字，任意字元串（比如abc）都可以。

　　新增記錄的時候，也可以不指定 Id，這時要改成 POST 請求。

$ curl -X POST "localhost:9200/accounts/person" -d "
{
 "user": "李四",
 "title": "工程師",
 "desc": "系統管理"
}"

　　上面代碼中，向/accounts/person發出一個 POST 請求，添加一個記錄。這時，伺服器返回的 JSON 對象裡面，_id欄位就是一個隨機字元串。

{
 "_index":"accounts",
 "_type":"person",
 "_id":"AV3qGfrC6jMbsbXb6k1p",
 "_version":1,
 "result":"created",
 "_shards":{"total":2,"successful":1,"failed":0},
 "created":true
}

　　注意，如果沒有先創建 Index（這個例子是accounts），直接執行上面的命令，Elastic 也不會報錯，而是直接生成指定的 Index。所以，打字的時候要小心，不要寫錯 Index 的名稱。

　　5.2 查看記錄

　　向/Index/Type/Id發出 GET 請求，就可以查看這條記錄。

$ curl "localhost:9200/accounts/person/1?pretty=true"　

　　上面代碼請求查看/accounts/person/1這條記錄，URL 的參數pretty=true表示以易讀的格式返回。

　　返回的數據中，found欄位表示查詢成功，_source欄位返回原始記錄。

{
 "_index" : "accounts",
 "_type" : "person",
 "_id" : "1",
 "_version" : 1,
 "found" : true,
 "_source" : {
   "user" : "張三",
   "title" : "工程師",
   "desc" : "資料庫管理"
 }
}

　　如果 Id 不正確，就查不到數據，found欄位就是false。

$ curl "localhost:9200/weather/beijing/abc?pretty=true"

{
 "_index" : "accounts",
 "_type" : "person",
 "_id" : "abc",
 "found" : false
}

　　5.3 刪除記錄

　　刪除記錄就是發出 DELETE 請求。

$ curl -X DELETE "localhost:9200/accounts/person/1"

　　這裡先不要刪除這條記錄，後面還要用到。

　　5.4 更新記錄

　　更新記錄就是使用 PUT 請求，重新發送一次數據。

$ curl -X PUT "localhost:9200/accounts/person/1" -d "
{
   "user" : "張三",
   "title" : "工程師",
   "desc" : "資料庫管理，軟體開發"
}"

{
 "_index":"accounts",
 "_type":"person",
 "_id":"1",
 "_version":2,
 "result":"updated",
 "_shards":{"total":2,"successful":1,"failed":0},
 "created":false
}

　　上面代碼中，我們將原始數據從"資料庫管理"改成"資料庫管理，軟體開發"。 返回結果裡面，有幾個欄位發生了變化。

"_version" : 2,
"result" : "updated",
"created" : false

　　可以看到，記錄的 Id 沒變，但是版本（version）從1變成2，操作類型（result）從created變成updated，created欄位變成false，因為這次不是新建記錄。

　六、數據查詢

6.1 返回所有記錄

　　使用 GET 方法，直接請求/Index/Type/_search，就會返回所有記錄。

$ curl "localhost:9200/accounts/person/_search"

{
 "took":2,
 "timed_out":false,
 "_shards":{"total":5,"successful":5,"failed":0},
 "hits":{
   "total":2,
   "max_score":1.0,
   "hits":[
     {
       "_index":"accounts",
       "_type":"person",
       "_id":"AV3qGfrC6jMbsbXb6k1p",
       "_score":1.0,
       "_source": {
         "user": "李四",
         "title": "工程師",
         "desc": "系統管理"
       }
     },
     {
       "_index":"accounts",
       "_type":"person",
       "_id":"1",
       "_score":1.0,
       "_source": {
         "user" : "張三",
         "title" : "工程師",
         "desc" : "資料庫管理，軟體開發"
       }
     }
   ]
 }
}

　　上面代碼中，返回結果的 took欄位表示該操作的耗時（單位為毫秒），timed_out欄位表示是否超時，hits欄位表示命中的記錄，裡面子欄位的含義如下。

• 
  

  total：返回記錄數，本例是2條。



• 
  

  max_score：最高的匹配程度，本例是1.0。



• 
  

  hits：返回的記錄組成的數組。

　　返回的記錄中，每條記錄都有一個_score欄位，表示匹配的程序，默認是按照這個欄位降序排列。

　　6.2 全文搜索

　　Elastic 的查詢非常特別，使用自己的查詢語法，要求 GET 請求帶有數據體。

$ curl "localhost:9200/accounts/person/_search"  -d "
{
 "query" : { "match" : { "desc" : "軟體" }}
}"

　　上面代碼使用 Match 查詢，指定的匹配條件是desc欄位裡面包含"軟體"這個詞。返回結果如下。

{
 "took":3,
 "timed_out":false,
 "_shards":{"total":5,"successful":5,"failed":0},
 "hits":{
   "total":1,
   "max_score":0.28582606,
   "hits":[
     {
       "_index":"accounts",
       "_type":"person",
       "_id":"1",
       "_score":0.28582606,
       "_source": {
         "user" : "張三",
         "title" : "工程師",
         "desc" : "資料庫管理，軟體開發"
       }
     }
   ]
 }
}

　　Elastic 默認一次返回10條結果，可以通過size欄位改變這個設置。

$ curl "localhost:9200/accounts/person/_search"  -d "
{
 "query" : { "match" : { "desc" : "管理" }},
 "size": 1
}"

　　上面代碼指定，每次只返回一條結果。

　　還可以通過from欄位，指定位移。

$ curl "localhost:9200/accounts/person/_search"  -d "
{
 "query" : { "match" : { "desc" : "管理" }},
 "from": 1,
 "size": 1
}"

　　上面代碼指定，從位置1開始（默認是從位置0開始），只返回一條結果。

　　6.3 邏輯運算

　　如果有多個搜索關鍵字， Elastic 認為它們是or關係。

$ curl "localhost:9200/accounts/person/_search"  -d "
{
 "query" : { "match" : { "desc" : "軟體 系統" }}
}"

　　上面代碼搜索的是軟體 or 系統。

　　如果要執行多個關鍵詞的and搜索，必須使用布爾查詢。

$ curl "localhost:9200/accounts/person/_search"  -d "
{
 "query": {
   "bool": {
     "must": [
       { "match": { "desc": "軟體" } },
       { "match": { "desc": "系統" } }
     ]
   }
 }
}"

　七、參考鏈接

• 
  

  ElasticSearch 官方手冊



• 
  

  A Practical Introduction to Elasticsearch

　　via：http://www.ruanyifeng.com/blog/2017/08/elasticsearch.html

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！