概述
-
Elastic Stack简介
-
如果你没有听说过Elastic Stack，那你一定听说过ELK，实际上ELK是三款软件的简称，分别是ElasticsearchLogstash、Kibana组成，在发展的过程中，又有新成员Beats的加入，所以就形成了Elastic Stack。所以说，ELK是旧的称呼，Elastic Stack是新的名字。
-
官网：https://www.elastic.co/cn/products/elasticsearch
-
-
-
Elasticsearch
-
Elasticsearch 基于java，是个开源分布式搜索引擎，它的特点有：分布式，零配置，自动发现，索引自动分片，索 引副本机制，restful风格接口，多数据源，自动搜索负载等。
-
-
Logstash
-
Logstash 基于java，是一个开源的用于收集,分析和存储日志的工具。
-
-
Kibana
-
Kibana 基于nodejs，也是一个开源和免费的工具，Kibana可以为 Logstash 和 ElasticSearch 提供的日志分析友好的 Web 界面，可以汇总、分析和搜索重要数据日志。
-
-
Beats
-
Beats是elastic公司开源的一款采集系统监控数据的代理agent，是在被监控服务器上以客户端形式运行的数据收集器的统称，可以直接把数据发送给Elasticsearch或者通过Logstash发送给Elasticsearch，然后进行后续的数据分析活动。
-
Beats由如下组成:
-
Packetbeat：是一个网络数据包分析器，用于监控、收集网络流量信息，Packetbeat嗅探服务器之间的流 量，解析应用层协议，并关联到消息的处理，其支 持ICMP (v4 and v6)、DNS、HTTP、Mysql、PostgreSQL、Redis、MongoDB、Memcache等协议；
-
Filebeat：用于监控、收集服务器日志文件，其已取代 logstash forwarder；
-
Metricbeat：可定期获取外部系统的监控指标信息，其可以监控、收集 Apache、HAProxy、MongoDB
-
MySQL、Nginx、PostgreSQL、Redis、System、Zookeeper等服务；
-
Winlogbeat：用于监控、收集Windows系统的日志信息；
-
-
-
-
版本说明
-
Elasticsearch的发展是非常快速的，所以在ES5.0之前，ELK的各个版本都不统一，出现了版本号混乱的状态，所以从5.0开始，所有Elastic Stack中的项目全部统一版本号。目前最新版本是6.5.4
-
下载地址: https://www.elastic.co/cn/downloads/elasticsearch
-
链接：https://pan.baidu.com/s/1LchVTTXG4abcJIPvLx7jkA
提取码：ig8w
复制这段内容后打开百度网盘手机App，操作更方便哦-
包含Ik中文分词器
-
-
-
单机版安装命令:
-
#创建elsearch用户，Elasticsearch不支持root用户运行 useradd elsearch #权限问题,建议不要用root用户传. #解压安装包 到当前目录的 /data/es目录下 tar -xvf elasticsearch-6.5.4.tar.gz -C /data/es/ #修改配置文件 vim conf/elasticsearch.yml network.host: 172.16.55.185 #绑定的地址 #说明：在Elasticsearch中如果，network.host不是localhost或者127.0.0.1的话，就会认为是生产环 境，会对环境的要求比较高，我们的开发环境不一定能够满足，一般情况下需要修改2处配置，如下： #1：修改jvm启动参数 默认1G vim conf/jvm.options -Xms128m #根据自己机器情况修改 -Xmx128m #2：单个进程中的最大线程数 vim /etc/sysctl.conf vm.max_map_count=655360 #启动ES服务 su - elsearch cd bin ./elasticsearch 或 ./elasticsearch -d #后台系统 #通过访问http://172.16.55.185:9200进行测试，看到如下信息，就说明ES启动成功了 { "name": "dSQV6I8", "cluster_name": "elasticsearch", "cluster_uuid": "v5GPTWAtT5emxFdjigFg-w", "version": { "number": "6.5.4", "build_flavor": "default", "build_type": "tar", "build_hash": "d2ef93d", "build_date": "2018-12-17T21:17:40.758843Z", "build_snapshot": false, "lucene_version": "7.5.0", "minimum_wire_compatibility_version": "5.6.0", "minimum_index_compatibility_version": "5.0.0" }, "tagline": "You Know, for Search" } #停止: 输入 jps 查看进程端口号 68709 Jps 68072 Elasticsearch 然后使用kill 68072 结束进程 -
-
-
使用docker安装
-
#拉取镜像 docker pull elasticsearch:6.5.4 #创建容器 docker create --name elasticsearch --net host -e "discovery.type=single-node" -e "network.host=172.16.55.185" elasticsearch:6.5.4 #启动 docker start elasticsearch #查看日志 docker logs elasticsearch现在docker安装是开发环境模式，并没有配置目录挂载等内容.
-
-
elasticsearch-head (可视化的管理工具)
-
由于ES官方并没有为ES提供界面管理工具，仅仅是提供了后台的服务。elasticsearch-head是一个为ES开发的一个页面客户端工具，其源码托管于GitHub，地址为：https://github.com/mobz/elasticsearch-head
-
head提供了4种安装方式
-
1.源码安装，通过npm run start启动（不推荐） 2.通过docker安装（推荐） 3.通过chrome插件安装（推荐 4.通过ES的plugin方式安装（不推荐)
-
-
docker安装
-
#拉取镜像 docker pull mobz/elasticsearch-head:5 #创建容器 docker create --name elasticsearch-head -p 9100:9100 mobz/elasticsearch-head:5 #启动容器 docker start elasticsearch-head 注意： 由于前后端分离开发，所以会存在跨域问题，需要在服务端做CORS的配置，如下： vim elasticsearch.yml http.cors.enabled: true http.cors.allow-origin: "*" 通过chrome插件的方式安装不存在该问题。
-
-
chrome插件的方式安装
-
打开chrome的应用商店，即可安装
-
https://chrome.google.com/webstore/detail/elasticsearch-head/ffffmkiejjmecolpflfloofpjologoblkegm
-
-
-
-
基本概念
-
索引
-
1.索引（index）是Elasticsearch对逻辑数据的逻辑存储，所以它可以分为更小的部分。 2.可以把索引看成关系型数据库的表，索引的结构是为快速有效的全文索引准备的，特别是它不存储原始值。 3.可以把Elasticsearch的索引看成MongoDB里的一个集合。 4.Elasticsearch可以把索引存放在一台机器或者分散在多台服务器上，每个索引有一或多个分片（shard）， 每个分片可以有多个副本（replica）。
-
-
文档
-
1.存储在Elasticsearch中的主要实体叫文档（document）。用关系型数据库来类比的话，一个文档相当于数据 库表中的一行记录。 2.Elasticsearch和MongoDB中的文档类似，都可以有不同的结构，但Elasticsearch的文档中，相同字段必须有相同类型。 3.文档由多个字段组成，每个字段可能多次出现在一个文档里，这样的字段叫多值字段（multivalued）。 4.每个字段的类型，可以是文本、数值、日期等。字段类型也可以是复杂类型，一个字段包含其他子文档或者 数组。
-
-
映射
-
所有文档写进索引之前都会先进行分析，如何将输入的文本分割为词条、哪些词条又会被过滤，这种行为叫 做映射（mapping）。一般由用户自己定义规则。
-
-
文档类型
-
1.在Elasticsearch中，一个索引对象可以存储很多不同用途的对象。例如，一个博客应用程序可以保存文章和 评论。 2.每个文档可以有不同的结构。 3.不同的文档类型不能为相同的属性设置不同的类型。例如，在同一索引中的所有文档类型中，一个叫title的字 段必须具有相同的类型。
-
-
-
创建非结构化索引
-
在Lucene中，创建索引是需要定义字段名称以及字段的类型的，在Elasticsearch中提供了非结构化的索引，就是 不需要创建索引结构，即可写入数据到索引中，实际上在Elasticsearch底层会进行结构化操作，此操作对用户是透明的。
-
可视化界面:
-
-
-
使用请求的方式. 使用postman之类的工具:
-
#访问 PUT http://172.16.55.185:9200/test1 参数 { "settings": { "index": { "number_of_shards": "2", "number_of_replicas": "0" } } } 解释: "number_of_shards": "2", #分片数 "number_of_replicas": "0" #副本数 #删除索引 DELETE http://172.16.55.185:9200/test1 参数 { "acknowledged": true }
-
-
-
插入数据
-
URL规则: POST http://172.16.55.185:9200/{索引}/{类型}/{id}
-
POST http://172.16.55.185:9200/test/user/1001 #数据 { "id":1001, "name":"张三", "age":20, "sex":"男" } #响应 { "_index": "test", "_type": "user", "_id": "1", "_version": 1, "result": "created", "_shards": { "total": 1, "successful": 1, "failed": 0 },"_seq_no": 0, "_primary_term": 1 } 说明：非结构化的索引，不需要事先创建，直接插入数据默认创建索引。 不指定id插入数据的时候, 会自动生成id.
-
-
-
更新数据
-
在Elasticsearch中，文档数据是不为修改的，但是可以通过覆盖的方式进行更新。
-
#全量更新 重新插入就会覆盖 PUT http://172.16.55.185:9200/test/user/1001 { "id":1001, "name":"张三", "age":21, "sex":"女" } 问题来了，可以局部更新吗？ -- 可以的。 前面不是说，文档数据不能更新吗？ 其实是这样的： 在内部，依然会查询到这个文档数据，然后进行覆盖操作，步骤如下： 1. 从旧文档中检索JSON 2. 修改它 3. 删除旧文档 4. 索引新文档 #注意：这里多了_update标识 POST http://172.16.55.185:9200/test/user/1001/_update {"doc":{ "age":23 } } 可以看到数据已经被局部更新了。
-
-
-
删除数据
-
在Elasticsearch中，删除文档数据，只需要发起DELETE请求即可。
-
DELETE http://172.16.55.185:9200/test/user/1001 需要注意的是，result表示已经删除，version也更加了。 如果删除一条不存在的数据，会响应404： 说明： 删除一个文档也不会立即从磁盘上移除，它只是被标记成已删除。Elasticsearch将会在你之后添加更多索引 的时候才会在后台进行删除内容的清理。
-
-
-
搜索数据
-
根据id搜索数据
-
GET http://172.16.55.185:9200/test/user/BbPe_WcB9cFOnF3uebvr
-
-
搜索全部数据(默认返回10条数据)
-
GET http://172.16.55.185:9200/test/user/_search
-
-
关键字搜素数据
-
#查询年龄等于20的用户 GET http://172.16.55.185:9200/test/user/_search?q=age:20
-
-
DSL搜索
-
Elasticsearch提供丰富且灵活的查询语言叫做DSL查询(Query DSL),它允许你构建更加复杂、强大的查询。 DSL(Domain Specific Language特定领域语言)以JSON请求体的形式出现。 POST http://172.16.55.185:9200/test/user/_search #请求体 #match只是查询的一种 { "query" : { "match" : { "age" : 20} } } #查询年龄大于30岁的男性用户。 #请求数据 { "query": { "bool": { "filter": {"range": { "age": { "gt": 30 } } },"must": { "match": { "sex": "男" } } } } } #gt 大于的意思 #must match是匹配. #filter range是过滤 -
全文搜索
-
POST http://172.16.55.185:9200/test/user/_search #请求数据 { "query": { "match": { "name": "张三 李四" } } } 这样会查出来 张三和李四两条数据.其实是分词器的作用.
-
-
高亮显示 : highlight fields 里面是要高亮的字段
-
POST http://172.16.55.185:9200/haoke/user/_search { "query": { "match": { "name": "张三 李四"} },"highlight": { "fields": { "name": {} } } } -
-
-
聚合 在Elasticsearch中，支持聚合操作，类似SQL中的group by操作。
-
POST http://172.16.55.185:9200/test/user/_search { "aggs": { "all_interests": { "terms": { "field": "age" } } } }
-
-
-
-
核心
-
文档
-
在Elasticsearch中，文档以JSON格式进行存储，可以是复杂的结构，如：
-
{ "_index": "test", "_type": "user", "_id": "1005", "_version": 1, "_score": 1,"_source": { "id": 1005, "name": "孙七", "age": 37, "sex": "女", "card": { "card_number": "123456789" } } } 其中，card是一个复杂对象，嵌套的Card对象。 一个文档不只有数据。它还包含了元数据(metadata)——关于文档的信息。三个必须的元数据节点是： 节点 说明 _index 文档存储的地方 _type 文档代表的对象的类 _id 文档的唯一标识 -
_index
-
索引(index)类似于关系型数据库里的“数据库”——它是我们存储和索引关联数据的地方。
-
提示：事实上，我们的数据被存储和索引在分片(shards)中，索引只是一个把一个或多个分片分组在一起的逻辑空间。然而，这只是一些内部细节——我们的程序完全不用关心分片。对于我们的程序而言，文档存储在索引(index)中。剩下的细节由Elasticsearch关心既可。
-
-
_type
-
在应用中，我们使用对象表示一些“事物”，例如一个用户、一篇博客、一个评论，或者一封邮件。每个对象都属于一个类(class)，这个类定义了属性或与对象关联的数据。 user 类的对象可能包含姓名、性别、年龄和Email地址。在关系型数据库中，我们经常将相同类的对象存储在一个表里，因为它们有着相同的结构。同理，在Elasticsearch中，我们使用相同类型(type)的文档表示相同的“事物”，因为他们的数据结构也是相同的。每个类型(type)都有自己的映射(mapping)或者结构定义，就像传统数据库表中的列一样。所有类型下的文档被存储在同一个索引下，但是类型的映射(mapping)会告诉Elasticsearch不同的文档如何被索引。_type 的名字可以是大写或小写，不能包含下划线或逗号。我们将使用 blog 做为类型名。
-
-
_id
-
id仅仅是一个字符串，它与 _index 和 _type 组合时，就可以在Elasticsearch中唯一标识一个文档。当创建一个文档，你可以自定义 _id ，也可以让Elasticsearch帮你自动生成（32位长度）。
-
-
-
-
-
查询响应
-
pretty
-
可以在查询url后面添加pretty参数，使得返回的json更易查看。
-
格式化数据.postman的话就不需要了.postman自动格式化了.
-
-
-
指定响应字段
-
在响应的数据中，如果我们不需要全部的字段，可以指定某些需要的字段进行返回
-
GET http://172.16.55.185:9200/test/user/1005?_source=id,name #响应 { "_index": "test", "_type": "user", "_id": "1005", "_version": 1, "found": true, "_source": { "name": "孙七", "id": 1005 } } 如果只返回元数据. 不会返回_index 这些数据. 只返回存放的实体类. GET http://172.16.55.185:9200/test/user/1005/_source?_source=id,name
-
-
-
判断文档是否存在
-
如果我们只需要判断文档是否存在，而不是查询文档内容，那么可以这样：
-
HEAD http://172.16.55.185:9200/test/user/1005 这只表示你在查询的那一刻文档不存在，但并不表示几毫秒后依旧不存在。另一个进程在这期间可能 创建新文档。
-
-
-
批量操作 : 有些情况下可以通过批量操作以减少网络请求。如：批量查询、批量插入数据。
-
批量查询
-
POST http://172.16.55.185:9200/test/user/_mget { "ids" : [ "1001", "1003" ] } 如果，某一条数据不存在，不影响整体响应，需要通过found的值进行判断是否查询到数据。 POST http://172.16.55.185:9200/haoke/user/_mget { "ids" : [ "1001", "1006" ] } #查询不到found = false
-
-
_bulk操作
-
在Elasticsearch中，支持批量的插入、修改、删除操作，都是通过_bulk的api完成的。请求格式如下：（请求格式不同寻常）
-
示例: { action: { metadata }}n { request body }n { action: { metadata }}n { request body }n ... #注意最后一行的回车。 Demo: {"create":{"_index":"test","_type":"user","_id":2001}} {"id":2001,"name":"name1","age": 20,"sex": "男"} {"create":{"_index":"test","_type":"user","_id":2002}} {"id":2002,"name":"name2","age": 20,"sex": "男"} {"create":{"_index":"test","_type":"user","_id":2003}} {"id":2003,"name":"name3","age": 20,"sex": "男"} -
批量删除
-
{"delete":{"_index":"test","_type":"user","_id":2001}} {"delete":{"_index":"test","_type":"user","_id":2002}} {"delete":{"_index":"test","_type":"user","_id":2003}} #由于delete没有请求体，所以，action的下一行直接就是下一个action。
-
-
其他操作就类似了。
-
-
一次请求多少性能最高？
-
1.整个批量请求需要被加载到接受我们请求节点的内存里，所以请求越大，给其它请求可用的内存就越小。有 一个最佳的bulk请求大小。超过这个大小，性能不再提升而且可能降低。 2.最佳大小，当然并不是一个固定的数字。它完全取决于你的硬件、你文档的大小和复杂度以及索引和搜索的 负载。 3.幸运的是，这个最佳点(sweetspot)还是容易找到的：试着批量索引标准的文档，随着大小的增长，当性能开 始降低，说明你每个批次的大小太大了。开始的数量可以在1000~5000个文档之间，如果你的文档非常大， 可以使用较小的批次。 4.通常着眼于你请求批次的物理大小是非常有用的。一千个1kB的文档和一千个1MB的文档大不相同。一个好的 批次最好保持在5-15MB大小间。
-
-
-
-
分页
-
和SQL使用 LIMIT 关键字返回只有一页的结果一样，Elasticsearch接受 from 和 size 参数：
-
size: 结果数，默认10 . from: 跳过开始的结果数，默认0
-
如果你想每页显示5个结果，页码从1到3，那请求如下： GET /_search?size=5 GET /_search?size=5&from=5 GET /_search?size=5&from=10 应该当心分页太深或者一次请求太多的结果。结果在返回前会被排序。但是记住一个搜索请求常常涉及多个 分片。每个分片生成自己排好序的结果，它们接着需要集中起来排序以确保整体排序正确。 GET http://172.16.55.185:9200/haoke/user/_search?size=1&from=2
-
-
-
在集群系统中深度分页
-
为了理解为什么深度分页是有问题的，让我们假设在一个有5个主分片的索引中搜索。当我们请求结果的第一 页（结果1到10）时，每个分片产生自己最顶端10个结果然后返回它们给请求节点(requesting node)，它再排序这所有的50个结果以选出顶端的10个结果。现在假设我们请求第1000页——结果10001到10010。工作方式都相同，不同的是每个分片都必须产生顶端的10010个结果。然后请求节点排序这50050个结果并丢弃50040个！
-
你可以看到在分布式系统中，排序结果的花费随着分页的深入而成倍增长。这也是为什么网络搜索引擎中任 何语句不能返回多于1000个结果的原因。
-
-
-
映射
-
前面我们创建的索引以及插入数据，都是由Elasticsearch进行自动判断类型，有些时候我们是需要进行明确字段类型的，否则，自动判断的类型和实际需求是不相符的。
-
自动判断的规则如下： JSON type Field type Boolean:true or false "boolean" Whole number: 123 "long" Floating point: 123.45 "double" String, valid date: "2014-09-15" "date" String: "foo bar" "string" Elasticsearch中支持的类型如下： 类型 表示的数据类型 String string , text , keyword Whole number byte , short , integer , long Floating point float , double Boolean boolean Date date 1.string类型在ElasticSearch 旧版本中使用较多，从ElasticSearch 5.x开始不再支持string，由text和 keyword类型替代。 2.text 类型，当一个字段是要被全文搜索的，比如Email内容、产品描述，应该使用text类型。设置text类 型以后，字段内容会被分析，在生成倒排索引以前，字符串会被分析器分成一个一个词项。text类型的 字段不用于排序，很少用于聚合。 3.keyword类型适用于索引结构化的字段，比如email地址、主机名、状态码和标签。如果字段需要进行 过滤(比如查找已发布博客中status属性为published的文章)、排序、聚合。keyword类型的字段只能通 过精确值搜索到。
-
-
创建明确类型的索引：
-
PUT http://172.16.55.185:9200/test1 { "settings": { "index": { "number_of_shards": "2","number_of_replicas": "0" } },"mappings": { "person": { "properties": { "name": { "type": "text" },"age": { "type": "integer" },"mail": { "type": "keyword" },"hobby": { "type": "text" } } } } } #查看映射： GET http://172.16.55.185:9200/test1/_mapping
-
-
-
-
结构化查询
-
term查询
-
term 主要用于精确匹配哪些值，比如数字，日期，布尔值或 not_analyzed 的字符串(未经分析的文本数据类型)：
-
{ "term": { "age": 26 }} { "term": { "date": "2014-09-01" }} { "term": { "public": true }} { "term": { "tag": "full_text" }} 示例： POST http://172.16.55.185:9200/test1/person/_search { "query" : { "term" : { "age" : 20 } } }
-
-
-
terms查询
-
terms 跟 term 有点类似，但 terms 允许指定多个匹配条件。 如果某个字段指定了多个值，那么文档需要一起去做匹配：
-
{ "terms": { "tag": [ "search", "full_text", "nosql" ] } } 示例： POST http://172.16.55.185:9200/test/person/_search { "query" : { "terms" : { "age" : [20,21] } } }
-
-
-
range查询
-
range 过滤允许我们按照指定范围查找一批数据
-
{ "range": { "age": { "gte": 20, "lt": 30 } } } 范围操作符包含： gt :: 大于 gte :: 大于等于 lt :: 小于 lte :: 小于等于 示例： POST http://172.16.55.185:9200/test1/person/_search { "query": { "range": { "age": { "gte": 20, "lte": 22 } } } }
-
-
-
exists 查询
-
exists 查询可以用于查找文档中是否包含指定字段或没有某个字段，类似于SQL语句中的 IS_NULL 条件
-
{ "exists": { "field": "title" } } #这两个查询只是针对已经查出一批数据来，但是想区分出某个字段是否存在的时候使用。 示例： POST http://172.16.55.185:9200/test1/user/_search { "query": { "exists": {"field": "card" } } } #必须包含
-
-
-
match查询
-
match 查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。如果你使用 match 查询一个全文本字段，它会在真正查询之前用分析器先分析 match 一下查询字符：
-
{ "match": { "tweet": "About Search" } } 如果用 match 下指定了一个确切值，在遇到数字，日期，布尔值或者 not_analyzed 的字符串时，它将为你搜索你给定的值 { "match": { "age": 26 }} { "match": { "date": "2014-09-01" }} { "match": { "public": true }} { "match": { "tag": "full_text" }}
-
-
-
bool查询
-
bool 查询可以用来合并多个条件查询结果的布尔逻辑，它包含一下操作符：
-
must :: 多个查询条件的完全匹配,相当于 and 。
-
must_not :: 多个查询条件的相反匹配，相当于 not 。
-
should :: 至少有一个查询条件匹配, 相当于 or 。
-
这些参数可以分别继承一个查询条件或者一个查询条件的数组： { "bool": { "must": { "term": { "folder": "inbox" }}, "must_not": { "term": { "tag": "spam" }}, "should": [ { "term": { "starred": true }}, { "term": { "unread": true }} ] } }
-
-
-
-
过滤查询
-
Elasticsearch也支持过滤查询，如term、range、match等。
-
查询年龄为20岁的用户。 POST http://172.16.55.185:9200/test1/person/_search { "query": { "bool": { "filter": { "term": { "age": 20 } } } } }
-
-
查询和过滤的对比
-
一条过滤语句会询问每个文档的字段值是否包含着特定值。
-
查询语句会询问每个文档的字段值与特定值的匹配程度如何。
-
一条查询语句会计算每个文档与查询语句的相关性，会给出一个相关性评分 _score，并且 按照相关性对 匹配到的文档进行排序。 这种评分方式非常适用于一个没有完全配置结果的全文本搜索.
-
- 一个简单的文档列表，快速匹配运算并存入内存是十分方便的， 每个文档仅需要1个字节。这些缓存的过滤结
果集与后续请求的结合使用是非常高效的。
-
查询语句不仅要查找相匹配的文档，还需要计算每个文档的相关性，所以一般来说查询语句要比 过滤语句更 耗时，并且查询结果也不可缓存.
-
建议：
-
做精确匹配搜索时，最好用过滤语句，因为过滤语句可以缓存数据。
-
-
-
-
-
中文分词
-
分词
-
分词就是指将一个文本转化成一系列单词的过程，也叫文本分析，在Elasticsearch中称之为Analysis。
-
举例：我是中国人 --> 我/是/中国人
-
-
分词api
-
POST http://172.16.55.185:9200/_analyze { "analyzer":"standard", "text":"hello world" } -
-
在结果中不仅可以看出分词的结果，还返回了该词在文本中的位置。 指定索引分词 POST http://172.16.55.185:9200/test/_analyze { "analyzer": "standard", "field": "hobby", "text": "听音乐" } -
-
-
-
内置分词
-
Standard:Standard 标准分词，按单词切分，并且会转化成小写
-
POST http://172.16.55.185:9200/_analyze { "analyzer": "standard", "text": "A man becomes learned by asking questions." } 返回结果: { "tokens": [{ "token": "a", "start_offset": 0, "end_offset": 1, "type": "<ALPHANUM>", "position": 0 }, { "token": "man", "start_offset": 2, "end_offset": 5, "type": "<ALPHANUM>", "position": 1 }, { "token": "becomes", "start_offset": 6, "end_offset": 13, "type": "<ALPHANUM>", "position": 2 }, { "token": "learned", "start_offset": 14, "end_offset": 21, "type": "<ALPHANUM>", "position": 3 }, { "token": "by", "start_offset": 22, "end_offset": 24, "type": "<ALPHANUM>", "position": 4 }, { "token": "asking", "start_offset": 25, "end_offset": 31, "type": "<ALPHANUM>", "position": 5 }, { "token": "questions", "start_offset": 32, "end_offset": 41, "type": "<ALPHANUM>", "position": 6 }] }
-
-
Simple :Simple分词器，按照非单词切分，并且做小写处理
-
POST http://172.16.55.185:9200/_analyze { "analyzer": "simple", "text": "If the document doesn't already exist" } 结果 { "tokens": [{ "token": "if", "start_offset": 0, "end_offset": 2, "type": "word", "position": 0 }, { "token": "the", "start_offset": 3, "end_offset": 6, "type": "word", "position": 1 }, { "token": "document", "start_offset": 7, "end_offset": 15, "type": "word", "position": 2 }, { "token": "doesn", "start_offset": 16, "end_offset": 21, "type": "word", "position": 3 }, { "token": "t", "start_offset": 22, "end_offset": 23, "type": "word", "position": 4 }, { "token": "already", "start_offset": 24, "end_offset": 31, "type": "word", "position": 5 }, { "token": "exist", "start_offset": 32, "end_offset": 37, "type": "word", "position": 6 }] }
-
-
Whitespace :Whitespace是按照空格切分。
-
POST http://172.16.55.185:9200/_analyze { "analyzer": "whitespace", "text": "If the document doesn't already exist" } 结果: { "tokens": [{ "token": "If", "start_offset": 0, "end_offset": 2, "type": "word", "position": 0 }, { "token": "the", "start_offset": 3, "end_offset": 6, "type": "word", "position": 1 }, { "token": "document", "start_offset": 7, "end_offset": 15, "type": "word", "position": 2 }, { "token": "doesn't", "start_offset": 16, "end_offset": 23, "type": "word", "position": 3 }, { "token": "already", "start_offset": 24, "end_offset": 31, "type": "word", "position": 4 }, { "token": "exist", "start_offset": 32, "end_offset": 37, "type": "word", "position": 5 }] }
-
-
Stop :Stop分词器，是去除Stop Word语气助词，如the、an等。
-
POST http://172.16.55.185:9200/_analyze { "analyzer": "stop", "text": "If the document doesn't already exist" } 结果: { "tokens": [{ "token": "document", "start_offset": 7, "end_offset": 15, "type": "word", "position": 2 }, { "token": "doesn", "start_offset": 16, "end_offset": 21, "type": "word", "position": 3 }, { "token": "t", "start_offset": 22, "end_offset": 23, "type": "word", "position": 4 }, { "token": "already", "start_offset": 24, "end_offset": 31, "type": "word", "position": 5 }, { "token": "exist", "start_offset": 32, "end_offset": 37, "type": "word", "position": 6 }] }
-
-
Keyword:Keyword分词器，意思是传入就是关键词，不做分词处理。
-
POST http://172.16.55.185:9200/_analyze { "analyzer": "keyword", "text": "If the document doesn't already exist" } 结果: { "tokens": [{ "token": "If the document doesn't already exist", "start_offset": 0, "end_offset": 37, "type": "word", "position": 0 }] }
-
-
-
中文分词
-
中文分词的难点在于，在汉语中没有明显的词汇分界点，如在英语中，空格可以作为分隔符，如果分隔不正确就会
造成歧义。如：我/爱/炒肉丝 我/爱/炒/肉丝
-
常用中文分词器，IK、jieba、THULAC等，推荐使用IK分词器。
-
IK Analyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始， IKAnalyzer已经推出了3个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析 算法的中文分词组件。新版本的IK Analyzer 3.0则发展为面向Java的公用分词组件，独立于Lucene项目，同 时提供了对Lucene的默认优化实现。 采用了特有的“正向迭代最细粒度切分算法“，具有80万字/秒的高速处理能力 采用了多子处理器分析模式，支 持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数量词，罗马数字，科学计数法），中文词 汇（姓名、地名处理）等分词处理。 优化的词典存储，更小的内存占用。
-
-
IK分词器 Elasticsearch插件地址：https://github.com/medcl/elasticsearch-analysis-ik
-
#安装方法：将下载到的elasticsearch-analysis-ik-6.5.4.zip解压到/elasticsearch/plugins/ik 目录下即可。 #如果使用docker运行 docker cp /tmp/elasticsearch-analysis-ik-6.5.4.zip elasticsearch:/usr/share/elasticsearch/plugins/ #进入容器 docker exec -it elasticsearch /bin/bash mkdir /usr/share/elasticsearch/plugins/ik cd /usr/share/elasticsearch/plugins/ik unzip elasticsearch-analysis-ik-6.5.4.zip #重启容器即可 docker restart elasticsearch 测试: POST http://172.16.55.185:9200/_analyze { "analyzer": "ik_max_word", "text": "我是中国人" } 结果: { "tokens": [{ "token": "我", "start_offset": 0, "end_offset": 1, "type": "CN_CHAR", "position": 0 }, { "token": "是", "start_offset": 1, "end_offset": 2, "type": "CN_CHAR", "position": 1 }, { "token": "中国人", "start_offset": 2, "end_offset": 5, "type": "CN_WORD", "position": 2 }, { "token": "中国", "start_offset": 2, "end_offset": 4, "type": "CN_WORD", "position": 3 }, { "token": "国人", "start_offset": 3, "end_offset": 5, "type": "CN_WORD", "position": 4 }] }
-
-
最后
以上就是冷傲萝莉为你收集整理的Elastic Stack入门的全部内容，希望文章能够帮你解决Elastic Stack入门所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复