ES 入门（一）：安装部署与基本概念

本文参考了多篇入门和进阶文章，主要介绍了 ES 安装部署、ES 基本概念、映射和索引模板相关的内容。

一、安装部署

1、Windows 单节点部署

对于 Windows 系统，安装 Elasticsearch 最为简单，直接从官方网址下载 ES 的安装包（.zip），下载完成后解压到本地磁盘的某个文件夹；待解压完成后，进入安装根路径的 bin 目录，双击 elasticsearch.bat 即可开始使用。

安装使用 ES 前，请保证 Java 已经安装成功，确保已设置 JAVA_HOME 环境变量。

2、Linux 单节点部署

Linux 单节点部署请参考下面的 Linux 集群部署。

3、Linux 集群部署

集群部署可以参考文章：CentOS 7.4 下安装 ES 6.5.1 搜索集群

二、基本概念

部分内容来源：Elasticsearch安装与配置

1、NRT

Elasticsearch 是一个接近实时（Near Real Time）的搜索平台，也就是说，从建立索引，到这个索引可以被搜索需要很小的延迟，通常是 1 秒。

2、Cluster

一个集群就是由一个或多个节点组织在一起，这些节点共同持有全部的索引数据，并共同提供索引和搜索功能。一个集群由一个唯一的名字标识，这个名字很重要，一个节点只能通过指定某个集群的名字，来加入这个集群。

3、Node

一个节点就是集群中的一个服务，作为集群的一部分，它可以用来存储数据，参与集群的索引和搜索功能。对于许多应用场景来说，部署一个单节点的 ElasticSearch 服务就足够了；但是考虑到容错性和数据过载，配置多节点的 ElasticSearch 集群是明智的选择。

4、Index

一个索引就是一个拥有相似特征的文档（Document）的集合，ElasticSearch 把数据存放到一个或者多个索引中；一个索引由一个名字来标识，并且当我们要对这个索引中的文档进行索引、搜索、更新和删除的时候，都要使用到这个名字。

5、Type

• ES 6.0 之前：在一个索引中，可以定义一种或多种类型；一个类型是索引的一个逻辑上的分类/分区；通常，会为具有一组相同字段的文档定义一个类型。
• ES 6.0 及更高版本：创建的索引只包含单个映射类型，映射类型将在 ES 7.0 中将完全移除。

许多人喜欢将index比喻为关系型数据库中的database，将type比喻为关系型数据库中的table，实际上这个比喻非常不贴切。因为在关系型数据库中，表中的字段都是独立的，但是在Elasticsearch中，在不同的type中，如果filed具有相同的名字，则这些不同的filed实际上是由相同的Lucene Filed提供支持的，因此这种比喻并不恰当；另一方面，在同一索引中存储具有很少或没有共同字段的不同实体会干扰Lucene有效压缩文档的能力。

6、Document

一个文档是可被索引的基础信息单元，文档以 JSON 格式来表示，在一个 index/type 里面，可以存储任意多的文档。文档由一个或者多个字段（Field）组成，每个字段（Field）由一个字段名和一个或者多个值组成。

7、Shards and Replicas

一个索引可以存储超出单个节点硬件限制的数据，例如一个具有 100 亿文档的索引占据 10TB 的磁盘空间，而任一节点可能没有这样大的磁盘空间来存储，或者单个节点处理搜索请求，响应会太慢。

Shards

为了解决这个问题，Elasticsearch 提供了将索引划分成多片的能力，这些片叫做分片。当用户创建一个索引的时候，可以指定分片的数量（默为 5，但是在 7.0 版本中默认会变为 1）；每个分片本身也是一个功能完善并且独立的“索引”，这个“索引”可以被放置到集群中的任何节点上。

分片之所以重要，主要有两方面的原因：

• 允许水平分割/扩展内容容量；
• 允许在分片（位于多个节点上）之上进行分布式的、并行的操作，进而提高性能/吞吐量。

Replicas

至于一个分片怎样分布，它的文档怎样聚合回搜索请求，是完全由 Elasticsearch 管理的，对于用户来说，这些都是透明的。在一个网络/云的环境里，失败随时都可能发生。在某个分片/节点因为某些原因处于离线状态或者消失的情况下，故障转移机制是非常有用且强烈推荐的。为此，Elasticsearch 允许创建分片的一份或多份拷贝，这些拷贝叫做复制分片，或者直接叫复制。

复制之所以重要，有两个主要原因：

• 在分片/节点失败的情况下，复制提供了高可用性；
• 复制分片不与原/主要分片放置再相同节点上；
• 搜索可以在所有的复制上并行运行，复制可以扩展你的搜索量/吞吐量。

总之，每个索引可以被分成多个分片，一个索引也可以被复制 0 次或多次；分片和复制的数量可以在索引创建的时候指定，索引创建之后，可以在任何时候动态地改变复制的数量，但是不能再改变分片的数量。

8、Field、Term、Token

• Field：它是 Document 的组成部分，由两部分组成，名称（name）和值（value）；
• Term：它是搜索的基本单位，其表现形式为文本中的一个词；
• Token：它是单个 Term 在所属 Field 中文本的呈现形式，包含了 Term 内容、Term 类型、Term 在文本中的起始及偏移位置。

三、Mapping and Index Template

部分内容来源：论 Elasticsearch 数据建模的重要性

1、Mapping

映射（Mapping）是定义文档（Document）及其包含的字段（Field）的存储和索引方式的过程。

例如，使用映射来定义：

• 哪些字符串字段需要进行全文检索；
• 哪些字段数据类型为数字）、日期或地理位置；
• 是否应将文档中所有字段的值索引到 _all 字段中；
• 日期类型的格式（format）；
• 用于控制动态添加字段的映射的自定义规则。

数据建模

数据类型

text 类型

• 特性：分词，将大段的文字根据分词器切分成独立的词或者词组，以便全文检索;
• 适用：email 内容、产品的描述等需要分词并全文检索的字段；
• 不适用：精准查询、过滤、排序或聚合（Significant Terms 聚合例外）。

keyword 类型

• 特性：无需分词、整段完整精确匹配；
• 适用：email 地址、状态码、分类 tags、电话号码、主外键等；
• 也适用：支持类似 mysql like 的查询；
• 特别适用：精准查询、过滤、排序或聚合；
• 不适用：需要全文检索、内容过长的字段。

数值类型

• long：带符号的 64 位整数；
• integer：带符号的 32 位整数；
• short：带符号的 16 位整数；
• byte：带符号的 8 位整数；
• double：双精度 64 位 IEEE 754 浮点数；
• float：单精度 32 位 IEEE 754 浮点数；
• half_float：半精度 16 位 IEEE 754 浮点数；
• scaled_float：由长度固定的缩放因子支持的浮点数。

日期类型

日期支持时间戳和字符串，具体根据日期字段 format 的设置；

• epoch_millis：时间戳（毫秒）；
• strict_date_optional_time：通用 ISO 日期时间解析器，其中日期是必需的，时间是可选的。

"dtm_field": {
  "mapping": {
    "type": "date",
    "format": "yyyy-MM-dd HH:mm:ss||yyyy/MM/dd HH:mm:ss||strict_date_optional_time||epoch_millis",
    "store": "true"
  }
}
复制代码

可以通过设置索引 mapping 的 dynamic_date_formats 参数来设置索引动态日期检测所匹配的日期格式。

布尔类型

• false：false，“false”，“off”，“no”，“0”，“”（空字符串），0，0.0；
• true：以上 false 示例的反面，一切非假值。

二进制类型

二进制类型接受二进制值作为 Base64 编码字符串，该字段默认情况下不存储，不可搜索；可用于存储小图片，小文档等。

范围类型

• integer_range：整型范围类型；
• float_range：单精度浮点范围类型；
• long_range：长整型范围类型；
• double_range：双精度范围类型；
• date_range：时间范围类型；
• ip_range：IP 范围类型

Array 数组类型

默认情况下，任何字段都可以包含零个或多个值，但是数组中的所有值必须是相同的数据类型。数组类型将单个数组元素做为一个数据单元，如果是分词的话也只是会依单个数组元素作为词源进行分词，不会将所有的数组元素整合到一起。在查询的时候如果数组里面的元素有一个能够命中那么将视为命中。

当使用 script 脚本时，使用 doc['xxxx'][0] 即可获取字段的值，等同于常规情况下的 doc['xxxx'].value。

object 对象类型

文档可能包含内部对象，而内部对象又可能包含其他内部对象。

## 用户写入
{ 
  "region": "US",
  "manager": { 
    "age": 30,
    "name": { 
      "first": "John",
      "last":  "Smith"
    }
  }
}

## 实际存储
{
  "region": "US",
  "manager.age": 30,
  "manager.name.first": "John",
  "manager.name.last":  "Smith"
}
复制代码

nested 嵌套类型

nested 嵌套类型是 object 数据类型的特定版本，允许对象数组彼此独立地进行索引和查询。

## 用户写入
{
  "group" : "fans",
  "user" : [ 
    {
      "first" : "John",
      "last" :  "Smith"
    },
    {
      "first" : "Alice",
      "last" :  "White"
    }
  ]
}

## 实际存储
{
  "group" : "fans",
  "user.first" : [ "alice", "john" ],
  "user.last" :  [ "smith", "white" ]
}
复制代码

默认情况下，每个索引最多创建 50 个嵌套文档，可以通过索引设置选项：index.mapping.nested_fields.limit 修改默认的限制。

ip 类型

存储 IPV4 或 IPV6 地址。

geo_point 类型

geo_point 类型字段存储经纬度信息，可以用于：

• 在边界框内，在中心点的特定距离内或在多边形内查找地理点；
• 通过地理位置或距离中心点的距离来聚合文档；
• 将距离整合到文档的相关性分数中；
• 按距离对文件进行排序。

completion 类型

请参考文章：Elasticsearch Suggester详解

Mapping 设置

类型选择

2、Index Template

请参考文章：基于 IK 分词器的 ES 通用索引模板

四、推荐阅读

• 死磕 Elasticsearch 方法论认知清单（2019 春节更新版）
• 掌握 analyze API，一举搞定 Elasticsearch 分词难题
• 明明存在，怎么搜索不出来呢？

Any Code，Code Any！

扫码关注『AnyCode』，编程路上，一起前行。