Elasticsearch,为了搜索

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。

如果没有搜索引擎,单单凭借Mysql提供的简单搜索功能,无论在性能还是效果上都不尽如人意,继承程序猿的折腾属性,决定将自己的博客插上Elasticsearch的翅膀。

安装 Oracle JDK

sudo apt-get update
sudo apt-get install openjdk-8-jdk

安装 Elasticsearch

  • 下载

    wget https://download.elasticsearch.org/elasticsearch/elasticsearch/elasticsearch-2.3.4.deb    
    sudo dpkg -i elasticsearch-2.3.4.deb

    目前ElasticSearch的中文分词插件IK最高版本为1.9.4,兼容Elasticsearch的2.3.4版本。

  • 安装

    sudo dpkg -i elasticsearch-2.3.4.deb
  • 开机自启动

    sudo update-rc.d elasticsearch defaults 95 10
    sudo service elasticsearch start
  • 测试

    curl http://localhost:9200

你如果你看到以下信息,说明你的ElasticSearch已安装成功。

{
    "name" : "Peter Petruski",
    "cluster_name" : "elasticsearch",
    "version" : {
        "number" : "2.3.4",
        "build_hash" : "...(隐藏)",
        "build_timestamp" : "2016-06-30T11:24:31Z",
        "build_snapshot" : false,
        "lucene_version" : "5.5.0"
    },
      "tagline" : "You Know, for Search"
}

默认情况下 Elasticsearch 的 RESTful 服务只有本机才能访问,也就是说无法从主机访问虚拟机中的服务。为了方便调试,可以修改 /etc/elasticsearch/config/elasticsearch.yml文件,加入以下两行:

network.bind_host: “0.0.0.0"
network.publish_host: \_non_loopback:ipv4_

安装中文分词插件 IK

Elasticsearch原装分词器会简单地拆分每个汉字,没有根据词库来分词,这样的后果就是搜索结果很可能不是你想要的。这里推荐使用elasticsearch-analysis-ik,支持自定义词库。

  • 下载
    wget https://github.com/medcl/elasticsearch-analysis-ik/archive/v1.9.4.tar.gz
  • 解压
    tar -xvf elasticsearch-analysis-ik.tar.gz
  • 使用maven打包该java项目
    cd elasticsearch-analysis-ik-1.9.4
    mvn package
  • 在plugins目录下创建ik目录,并将打包好的IK插件解压到其中
    mkdir /usr/share/elasticsearch/plugins/ik
    unzip target/releases/elasticsearch-analysis-ik-1.9.4.zip -d /usr/share/elasticsearch/plugins/ik/

    elasticsearch-analysis-ik 的配置文件在 ~/{es_root}/plugins/ik/config/ik/ 目录,很多都是词表,直接用文本编辑器打开就可以修改,改完记得保存为 utf-8 格式。

现在再启动 Elasticsearch 服务,如果看到类似下面这样的信息,说明 IK Analysis 插件已经装好了

plugins [analysis-ik]

使用 Elasticsearch

在使用之前,先大概了解下ES的特点:

网上通常会将Elasticsearch和传统关系型数据库Mysql做一下类比:

MySQL Elasticsearch
Database(数据库) Index (索引)
Table(表) Type (类型)
Row (行) Document (文档)
Column (列) Field (字段)
Schema (方案) Mapping (映射)
Index (索引) Everything Indexed by default (所有字段都被索引)
SQL (结构化查询语言) Query DSL (查询专用语言)

Elasticsearch不仅仅是全文搜索:

  • 分布式的实时文件存储,每个字段都被索引并可被搜索
  • 分布式的实时分析搜索引擎
  • 可以扩展到上百台服务器,处理PB级结构化或非结构化数据

分布式实时每个字段PB级,有点不明觉厉~ 不要慌,刚认识不熟悉很正常,慢慢接触,自然就熟络了,stop getting off track(回归正题),想要详细认识ES,请移步Elasticsearch权威指南,接下来就是一步步将ES集成进项目当中:

1. 使用package

可以直接使用官方提供的package,由于不想花时间重复造轮子,我直接使用进一步封装的第三方package。在github上有好几个可用的,我选了Elasticquent,部分是因为名字和laravel的Eloquent比较搭(笑...)。Elasticquent提供了简洁好用的trait,直接集成进你的Model里,例如Article:

...
use Elasticquent\ElasticquentTrait;

class Article extends Model
{
    use ElasticquentTrait;
        ...
}

然后就可以优雅的使用Elasticsearch了,具体如何安装使用,请参考Elasticquent的说明文档。

2. 配置Mapping

关于Mapping(映射),我找到了一篇专门介绍它的文章(传送们),通俗易懂。

文章中提到,mapping不仅告诉ES一个field中是什么类型的值, 它还告诉ES如何索引数据以及数据是否能被搜索到。

Got it! 也就是说,如果我们不配置mapping,那ES就不会知道我们是想让它按照IK的分词方式来进行索引咯~

到这里,不得不说这是一个坑,目前网上的很多资料因为使用的是老版本的ES和IK,所以index和mapping的配置一般都放在es的配置文件yml当中。但我按照那种配置方法,并没有达到预期的分词效果,ES还是简单粗暴的将汉字一个个的切开,屡败屡战折腾两天之后,终于想到试着使用Elasticquent说明文档里在Model中配置mapping的方式,果然,豁然开朗:

curl -XGET 'http://localhost:9200/_analyze?analyzer=ik&pretty=true&text=%e4%bd%a0%e5%a5%bd%e9%ba%a6%e8%82%af%e5%85%88%e7%94%9f'
{   
    "tokens" : [ {
        "token" : "你好",
           "start_offset" : 0,
        "end_offset" : 2,
        "type" : "CN_WORD",
        "position" : 0
    },
    {
        "token" : "麦",
        "start_offset" : 2,
        "end_offset" : 3,
        "type" : "CN_WORD",
        "position" : 1
    }, {
        "token" : "肯",
        "start_offset" : 3,
        "end_offset" : 4,
        "type" : "CN_WORD",
    "position" : 2
    }, {
        "token" : "先生",
        "start_offset" : 4,
        "end_offset" : 6,
        "type" : "CN_WORD",
        "position" : 3
    }]
}

附上我的mapping配置代码

protected $mappingProperties = array(
   'title' => array(
        'type' => 'string',
        'analyzer' => 'ik_max_word'
    ),
   'content' => array(
        'type' => 'string',
        'analyzer' => 'ik_max_word'
    )
);

可以看出,我告诉ES,我的title和content字段是string类型而且请按照ik的分词方式帮我检索。

3. 创建索引

直接使用Elasticquent提供的createIndex方法创建,如果想把现有文档全部索引,可以使用addAllToIndex方法,简单愉快。

Article::createIndex($shards = null, $replicas = null);
Article::addAllToIndex();

4. 增删改查

在你的控制器里的增删改查方法中,将Elasticquent提供的相应操作索引的方法依次加上即可,完成之后,那么你对文档的操作就会同步ES的索引了。具体代码请直接移步Elasticquent开源项目中trait里的代码就好,这里不再贴出。

写在最后

在此之前,了解过sphinx,使用过配置好的xunsearch,但真正自己从零开始研究全文搜索引擎还是头一次,中间遇到了许多坑,虽然被坑郁闷,但也感谢这些坑,毕竟越过去就会有快感。写这篇文章一来作为纪念和起点,二来希望能多少对别人有点帮助,因为我也是看过好多相关的文章才一点点将ES搭建完成,在这里感谢那些乐于分享的前辈。

当然,Elasticsearch功能很强大,各种插件各种配置,这篇文章需要完善的地方还有很多,后期会不断更新,如果文中有错误或者不严谨的地方,欢迎留言交流。

PS. 最后贴出我项目中的Dockerfile,方便感兴趣的同学使用。

原文链接:https://macken.me/article/elasticsearch-fo...

参考资料

本作品采用《CC 协议》,转载必须注明作者和本文链接
本帖由 Summer 于 7年前 加精
《L05 电商实战》
从零开发一个电商项目,功能包括电商后台、商品 & SKU 管理、购物车、订单管理、支付宝支付、微信支付、订单退款流程、优惠券等
《L03 构架 API 服务器》
你将学到如 RESTFul 设计风格、PostMan 的使用、OAuth 流程,JWT 概念及使用 和 API 开发相关的进阶知识。
讨论数量: 31

建议筒子们直接看官网的权威指南不要看文中推荐的那个(可能因为阅读习惯的问题吧我觉得官网的排版更清楚舒服些)。
链接: https://www.elastic.co/guide/cn/elasticsea...

6年前 评论

新浪云提供的elasticsearch 比较符合中国用户。其实algolia比elasticsearch更快更好,只是服务器在国外,不太适合国内的用户。

7年前 评论

高质量文章啊 :+1:

7年前 评论

@Macken 首先非常感谢您的回复, 但是我需要 mysql 同步的方案,第三方插件,难度有点大,涉及到我的技术忙点,而且实时同步这个问题,一直都困扰着我,毕竟是旧项目,该起来也有点难度呢。

5年前 评论

其实我想知道 Elasticsearch 用哪个工具 与 mysql 同步吗?

5年前 评论

如何给elasticsearch 增加密码?

5年前 评论
hellloveyy

file
大大,这个报错有遇到过吗?我确认已经启动了 es

6年前 评论
Jourdon

@Macken 安装了 elasticsearch-rtf ,但是好像不能分词。比如。我的数据库里面有牛肉,已经导入索引。我搜牛可以搜到,搜索牛肉就没有。这种是分词的问题吗?

6年前 评论

啊,我之前装这个装到想死啊。怒赞!我回头再试试!file

6年前 评论
Please allow at least 10 seconds for Elasticsearch to fully start 
before you are able to use it. 
Otherwise, you may get errors about not being able to connect.
like this:
curl: (7) Failed to connect to 0.0.0.0 port 9200: Connection refused
7年前 评论
Summer

@bluetoothswh algolia 确实很赞

7年前 评论

文笔不错哦,学习了!

7年前 评论

感谢分享 现在ES用的比较多啊

7年前 评论

写得很好 质量很高!

7年前 评论

@nophp 这个没有别的意思,你想多了 ,本来想写成 998 呢,但是一想 1023 之前的(包含)的端口不建议使用,就又写了个8。:sweat_smile:

7年前 评论

@zhuzhichao 为啥一定要是9988呢,求教~

7年前 评论

@nophp 端口也可以改,哈哈

http.port: 9988

7年前 评论

@zhuzhichao +1:
file
然后再这配置上那台索引服务器的ip地址即可。

7年前 评论

@FreeDKR
@nophp

如果搜索业务量大了,单台服务器同时作为业务和搜索显然不科学。13年的时候我在的那家公司索引服务器是单独的一台,数据库两台。当时的情况是每天10万IP,Lucene 是货真价实的高性能。

配置很简单,

  1. 编辑配置文件 Linux /etc/elasticsearch/elasticsearch.yml ( Mac 为 /usr/local/etc/elasticsearch/elasticsearch.yml ) 打开 Network 下面的 network.host 注释
  2. 更改内容为 network.host: 0.0.0.0 ,这样就可以公网访问了,如果是内容,改为对应的 Ip 地址。
  3. restart 你的 Elasticsearch 服务即可。
  4. Cheer !
7年前 评论

@FreeDKR 恩,这个我不清楚,同问。

7年前 评论

@nophp 不了解所以问问,因为很多时候多节点,如果每台机器上都装一个ES服务,觉得不太可能,一定有方法起一个服务公用的方法吧?

7年前 评论

@FreeDKR 有什么更好的见解么?

7年前 评论

一定要和业务安装到一起吗?

7年前 评论
Summer

很棒,已加精

7年前 评论

讨论应以学习和精进为目的。请勿发布不友善或者负能量的内容,与人为善,比聪明更重要!