1.响应时间 MySQL 背景：+ 小刘在做测试时，发现当数据库中的文档数仅仅上万条时，关键词查询就比较慢了。如果一旦到企业级的数据，响应速度就会更加不可接受。

原因： 在数据库做模糊查询时，如LIKE语句，它会遍历整张表，同时进行字符串匹配。

例如，当小刘在数据库查询“市场”时，数据库会在每一条记录去匹配“市场”这两字是否出现。实际上，并不是所有记录都包含“市场”，所以做了很多无用功。

这两个步骤都不高效，而且随着数据量的增大，消耗的资源和时间都会线性的增长。

Elasticsearch 提升： 小刘使用了云搜索服务后，发现这个问题被很好解决，TB级数据在毫秒级就能返回检索结果，很好地解决了痛点。

原因： 而Elasticsearch是基于倒排索引的，例子如下。 当小刘搜索“手机”时，Elasticsearch就会立即返回文档F，G，H。这样就不用花多余的时间在其他文档上了，因此检索速度得到了数量级的提升

2.分词 MySQL 背景： 在做中文搜索时，小刘发现组合词检索在数据库是很难完成的。

例如，当用户在搜索框输入“四川火锅”时，数据库通常只能把这四个字去进行全部匹配。可是在文本中，可能会出现“推荐四川好吃的火锅”，这时候就没有结果了。

原因： 数据库并不支持分词。如果人工去开发分词功能，费时费精力。

Elasticsearch 提升： 小刘使用云搜索服务后，就不用太过于关注分词了，因为Elasticsearch支持中文分词插件，很好地解决了问题。

原因： 当用户使用Elasticsearch时进行搜索时，Elasticsearch就自动帮他分好词了。

例如当小刘输入“四川火锅”时，Elasticsearch会自动做下面两件事 （1） 将“四川火锅”分词成“四川”和“火锅” （2） 查找包含这两个词的文档 3.相关性 MySQL 背景： 在用数据库做搜索时，结果经常会出现一系列文档。小刘不禁思考： · 到底什么文档是用户真正想要的呢？ · 怎么才能把用户想看的文档放在搜索列表最前面呢？

原因： 数据库并不支持相关性搜索。

例如，当用户搜索“咖啡厅”的时候，他很可能更想知道附近哪里可以喝咖啡，而不是怎么开咖啡厅。

Elasticsearch 提升： 小刘使用了云搜索服务后，发现Elasticsearch能很好地支持相关性评分。通过合理的优化，云搜索服务能够返回精准的结果，满足用户的需求。

原因： Elasticsearch支持全文搜索和相关度评分。这样在返回结果就会根据分数由高到低排列。分数越高，意味着和查询语句越相关。

例如，当用户搜索“星巴克咖啡”，带有“星巴克咖啡”的信息就要比只包含“咖啡”的信息靠前。 4.可视化界面 MySQL 背景： 在使用数据库进行查询数据时，很多时候都是通过工程代码或者命令端完成。小刘发现很多时候分析结果并不太方便，缺少一个可视化界面来提高效率。

原因： 数据库自身通常不带可视化界面。而在完成搜索相关的任务时，常常需要根据搜索结果来进行分析。

Elasticsearch 提升： 小刘使用了云搜索服务后，发现可视化Kibana界面提升了研发的速度。

原因： Kibana可视化界面完美支持Elasticsearch。研发人员能够在上面快速地进行概念验证，分析结果，提高开发效率。

• 维基百科

• The Guardian（国外新闻网站）

• Stack Overflow（国外的程序异常讨论论坛）

• GitHub（开源代码管理）

• 电商网站

• 日志数据分析

• 商品价格监控网站

• BI系统

• 站内搜索

ElasticSearch是文件存储,ElasticSearch是面向文档型数据库,一条数据在这里就是一个文档,用JSON作为文档序列化的格式,比如下面的这天格式 { “name”:“william”, “age”:“12”; }

• 关系数据库 ⇒ 数据库 （会员数据库）⇒ 表 (用户表) ⇒ 行 ⇒ 列(Columns)
• Elasticsearch ⇒ 索引(Index) ⇒ 类型(type) ⇒ 文档(Docments) ⇒ 字段(Fields)

4.1 安装jdk https://blog.csdn.net/qq_42815754/article/details/82968464 4.2 Elasticsearch

1.进入解压后的config文件,并且编辑elasticsearch.yml host填写本机服务器,port为9200 2.进入bin目录,启动elasticsearch

**注意:**但是此时我们发现会报一个错,大概意思就是不能使用root启动 问题的解决:

启动报错的相关解决方案(注意:如果这个时候启动还是报错相关错误的话,以下的操作都是root进行的)

https://www.cnblogs.com/zhi-leaf/p/8484337.html

然后放你 阿里云服务器IP:9200 即可,就可以看到如下的界面

4: 修改如下的内容,host为服务器的ip, url为es的服务器地址 cluster-name 也需要进行开启

5:进入到bin目录启动kibana

然后浏览器搜索 服务器IP:5601 即可看到如下的界面

1.创建索引 后面的命令,我不会附加图片,直接上命令 2.查询索引

3.创建文档 (索引/类型/id) 索引可以看成数据库 类型可以看成表 ID:可以看出表的主键ID.而{}代表ID那一行对应的数据

记住这个{}必须这样的格式.不然会报错.类似如下图 4.查询文档

注意这个version 后面我会讲到. 5.修改文档(比如name修改为jack)

1.如果我们不写索引,此时利用put是无法进行添加,此时我们可以利用post请求进行添加,此时程序会默认给你创建一个ID

2.每次进行修改的时候,利用Get查询的时候,可以看出来的他的Version每次修改会+1 6.删除文档

7.查询所有的数据

8.根据多个ID进行查询

9.查询属性

查询年龄30岁-60岁之间

10.排序分页 查询年龄30岁-60岁之间 并且年龄降序、从0条数据到第1条数据

查询年龄30岁-60岁之间 并且年龄降序、从0条数据到第1条数据,展示name和age字段

上面我提到过version字段的出现,其实也可以看出里面用的是无锁cas的机制,来控制并发的,具体cas的资料 可以参考我的博客https://william.blog.csdn.net/article/details/102870414

1.依赖

2.配置文件

3.实体类

4.dao

5.controller

6.启动项目

然后访问localhost:800/addUser进行添加即可

全文检索底层采用的是倒排索引,那么何为倒排索引呢? 举个例子比如下面我们有这几条数据,每个数据在单独的一个文档

倒排索引:倒排表以字或词为关键字进行索引，表中关键字所对应的记录表项记录了出现这个字或词的所有文档，一个表项就是一个字表段，它记录该文档的ID和字符在该文档中出现的位置情况。 由于每个字或词对应的文档数量在动态变化，所以倒排表的建立和维护都较为复杂，但是在查询的时候由于可以一次得到查询关键字所对应的所有文档，所以效率高于正排表。在全文检索中，检索的快速响应是一个最为关键的性能，而索引建立由于在后台进行，尽管效率相对低一些，但不会影响整个搜索引擎的效率。

|1.小俊是一家科技公司创始人，开的汽车是奥迪a8l，加速爽。| |–|–| |2.小薇是一家科技公司的前台，开的汽车是保时捷911 | |3.小红买了小薇的保时捷911，加速爽。| |4.小明是一家科技公司开发主管，开的汽车是奥迪a6l,加速爽。 | |5.小军是一家科技公司开发，开的汽车是比亚迪速锐，加速有点慢|

比如我们要搜索"比亚迪", 此时传统方式是从第一个文档依次进行查询的.如果查询有值则返回.

倒排索引会对以上文档进行关键字分词,可以使用关键字进行纪律,直接定位到文档,下标对应着关键字和文档的序号的对应关系

根据上面的传统的方式的命令,我们可以体会到传统的方式很麻烦,那么如何解决呢?

es中的查询请求有两种方式，一种是简易版的查询，另外一种是使用JSON完整的请求体，叫做结构化查询（DSL）。 由于DSL查询更为直观也更为简易，所以大都使用这种方式。 DSL查询是POST过去一个json，由于post的请求是json格式的，所以存在很多灵活性，也有很多形式。

term查询是精确匹配的,他不会进行分词

match查询相当于模糊匹配,只包含其中一部分关键词就行

使用filter过滤年龄

为什么需要分词器? 因为Elasticsearch中默认的标准分词器分词器对中文分词不是很友好，会将中文词语拆分成一个一个中文的汉子。因此引入中文分词器-es-ik插件,比如我爱写代码,但是默认他把 代码拆分了代, 码 两个词.

安装说明 第一步：下载es的IK插件（资料中有）命名改为ik插件

下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

第二步: 上传到/usr/local/elasticsea rch-6.4.3/plugins 第三步: 重启elasticsearch即可

1. /usr/local/elasticsearch-6.4.3/plugins/ik/config目录下

2. vi custom/new_word.dic

   老铁 王者荣耀 洪荒之力 共有产权房 一带一路

把这些词进行添加即可,注意换行,注意关闭es进行修改,否则会无法保存,或者您可以换个方法2

方法2:

ElasticSearch的核心概念和关系数据库做了一个对比， 索引（index）相当于数据库， 类型(type)相当于数据表， 映射(Mapping)相当于数据表的表结构。 ElasticSearch中的映射（Mapping）用来定义一个文档，可以定义所包含的字段以及字段的类型、分词器及属性等等。 文档映射就是给文档中的字段指定字段类型、分词器。

使用GET /mymayikt/user/_mapping

13.1 动态映射

我们知道，在关系数据库中，需要事先创建数据库，然后在该数据库实例下创建数据表，然后才能在该数据表中插入数据。而ElasticSearch中不需要事先定义映射（Mapping），文档写入ElasticSearch时，会根据文档字段自动识别类型，这种机制称之为动态映射。

比如下面的命令

13.2 静态映射 在ElasticSearch中也可以事先定义好映射，包含文档的各个字段及其类型等，这种方式称之为静态映射。

13.3 修改文档映射 像一般情况下,我们的age 想用 Integer 不想用long 该如何修改呢?

14.1 Elasticsearch为什么要做集群 在单台ES服务器节点上，随着业务量的发展索引文件慢慢增多，会影响到效率和内存存储问题等。我们可以采用ES集群，将单个索引的分片到多个不同分布式物理机器上存储，从而可以实现高可用、容错性等

14.2 Elasticsearch集群的原理 1、每个索引会被分成多个分片shards进行存储，默认创建索引是分配5个分片进行存储,每个分片都会分布式部署在多个不同的节点上进行部署，该分片成为primary shards 主分片。 查看索引分片信息http://192.168.212.181:9200/mymayikt/_settings 注意：索引的主分片数量定义好后，不能被修改（待会讲） 2、每一个主分片为了实现高可用，都会有自己对应的备分分片，主分片对应的备分片不能存放同一台服务器上，主分片可以和其他备分片存放在同一个node节点上。 画图演示：为什么ES主分片对应的备分片不在同一台节点存放

14.3 Elasticsearch如何解决高并发 ES是一个分布式全文检索框架，隐藏了复杂的处理机制，内部使用 分片机制、集群发现、分片负载均衡请求路由。 Shards 分片:代表索引分片，es可以把一个完整的索引分成多个分片，这样的好处是可以把一个大的索引拆分成多个，分布到不同的节点上。构成分布式搜索。分片的数量只能在索引创建前指定，并且索引创建后不能更改。 Replicas分片:代表索引副本，es可以设置多个索引的副本，副本的作用一是提高系统的容错性，当某个节点某个分片损坏或丢失时可以从副本中恢复。二是提高es的查询效率，es会自动对搜索请求进行负载均衡。

14.4 为什么主分片的数量不能修改 当客户端发起创建document的时候，es需要确定这个document放在该index哪个shard上。这个过程就是数据路由。 路由算法：shard = hash(routing) % number_of_primary_shards 如果number_of_primary_shards在查询的时候取余发生的变化，无法获取到该数据 画图演示 注意：索引的主分片数量定义好后，不能被修改

14.5 Elasticsearch的集群搭建 1.关系对应 比如我们准备三台服务器,他们的关系如下 2.修改配置

3.进行验证 http://192.168.212.185:9200/_cat/nodes?pretty

一般的网盘,是通过爬虫实时获取网盘链接的,这里因为不涉及第三方技术,所以es的数据这里是写死的,具体前台代码,参考链接

1.依赖

2.实体类

3.dao

4.controller

5.配置信息

6.启动类

    以上就是本篇文章【Elasticsearch核心知识点大全】的全部内容了，欢迎阅览 ！ 文章地址：http://houdi.cs-ej.cn/news/717.html 
     资讯      企业新闻      行情      企业黄页      同类资讯      首页      网站地图      返回首页 成事e家移动站 http://houdi.cs-ej.cn/mobile/ , 查看更多