ShopMall31 分钟 读完 (大约 4622 个字)  0次访问

八、Elasticsearch

【摘要】elasticsearch~

Elasticsearch简介

https://www.elastic.co/cn/what-is/elasticsearch
全文搜索属于最常见的需求，开源的Elasticsearch是目前全文搜索引擎的首选。
它可以快速地储存、搜索和分析海量数据。维基百科。Stack Overflow、Github都采用它。
Elastic的底层是开源库Lucene。但是，你没有办法直接用Lucene，必须自己写代码区调用它的接口。Elastic是Lucene封装的，提供了REST API的操作接口，开箱即用。
REST API：天然的跨平台。
官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html
官方中文：https://www.elastic.co/guide/cn/elasticsearch/guide/current/index.html
社区中文：http://elasticsearch.cn

基本概念

Index(索引)

动词，相当于MySQL中的insert；
名词，相当于MySQL中的Database；

Type(类型)

在Index(索引)中，可以定义一个或多个类型。
类似于MySQL中的Table；每一种类型的数据放在一起；

Document(文档)

保存在某个索引(Index)下，某种类型(Type)的一个数据(Document)，文档是JSON格式的，Document就像是MySQL中的某个Table里面的内容。

Docker上安装es

下载镜像文件

1
2
docker pull elasticsearch:7.4.2 # 存储和检索数据
docker pull kibana:7.4.2 # 可视化检索数据

free -m 可以查看linux内存使用情况。

创建实例

Elasticsearch

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data
echo "http.host:0.0.0.0">>/mydata/elasticsearch/config/elasticsearch.yml

docker run --name elasticsearch \
-p 9200:9200 -p 9300:9300 \
-e "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx128m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.2

chmod -R 777 /mydata/elasticsearch/ # 文件权限设置

docker restart elasticsearch7.4.2

以后在外面安装好插件重启即可。
特别注意：-e ES_JAVA_OPTS="-Xms64m -Xmx128m"测试环境下，设置ES的初始内存和最大内存，否则导致过大启动不了ES。

使用PostMan测试ElaticSearch

Kibana

1
docker run --name kibana -e ELASTICSEARCH_URL=http://119.23.25.235:9200 -p 5601:5601 -d kibana:7.4.2

初步检索

_cat

GET /_cat/nodes ：查看所有节点
GET /_cat/health ：查看es健康状况
GET /_cat/master ：查看主节点
GET /_cat/indices ：查看所有索引 show databases;

索引一个文档(保存)

保存一个数据，保存在哪个索引的那个类型下面，指定用哪个唯一标识。
PUT customer/external/1 在customer索引下的external类型下保存1号数据为

1
2
3
{
	"name":"Zhang Yao"
}

PUT和POST都可以。
POST新增，如果不指定id，会自动生成id。指定id就会修改这个数据，并新增版本号。
PUT可以新增可以修改。PUT必须指定id，由于PUT需要指定id，我们一般都用来做修改操作，不指定id会报错。

查询文档

1
2
3
4
5
6
7
8
9
10
11
12
13
14
GET customer/external/1
结果
{
    "_index": "customer",	//在哪个索引
    "_type": "external",	//在哪个类型
    "_id": "1",				//记录id
    "_version": 3,			//版本号
    "_seq_no": 2,			//并发控制字段，每次更新就会+1，用来做乐观锁
    "_primary_term": 1,		//同上，主分片重新分片，如重启，就会变化
    "found": true,
    "_source": {			//真正的内容
        "name": "Zhang Yao"
    }
}

更新携带 ?if_seq_no=0&if_primary_term=1
类似MySQL中的乐观锁。

更新文档

1
2
3
4
5
6
POST customer/external/1/_update
{
	"doc":{
			"name":"Yao"
	}
}

或者

1
2
3
4
POST customer/external/1
{
	"name":"Zhang Yao 2"
}

或者

1
2
3
4
PUT customer/external/1
{
	"name":"Zhang Yao 2"
}

不同：POST操作会对比与源文档数据，如果相同不会有什么操作，文档version不增加；
PUT操作总会将数据重写保存并增加version版本。
带_updata对比元数据重新保存并增加version版本；
看场景：对于大并发更新，不带update;对于大并发查询偶尔更新带update;对比更新，重写计算分配规则。

更新同时增加属性

1
2
3
4
POST customer/external/1/_update
{
	"doc":{"name":"Yao","age":23}
}

PUT和POST(不带_update)也可以。

删除文档&索引

DELETE customer/external/_bulk
DELETE customer

bulk批量API

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
POST customer/external/_bulk
{"index":{"_id":"1"}}
{"name":"Yao 1"}
{"index":{"_id":"2"}}
{"name":"Yao 2"}
语法格式
{action:{metadata}}\n
{request body}\n

{action:{metadata}}\n
{request body}\n

复杂实例
POST /_bulk
{"delete":{"_index":"website","_type":"blog","_id":"123"}}
{"create":{"_index":"website","_type":"blog","_id":"123"}}
{"title":"my first blog post"}
{"index":{"_index":"website","_type":"blog"}}
{"title":"my second blog post"}
{"update":{"_index":"website","_type":"blog","_id":"123"}}
{"doc":{"title":"my updated blog post"}}

样本测试数据

导入测试数据
POST /bank/account/_bulk
测试数据

设置es开机自启docker update 17b4e7fcb342 --restart=always

进阶检索

SearchAPI

https://www.elastic.co/guide/en/elasticsearch/reference/7.x/getting-started-search.html
ES支持两种基本方式检索：

  • 一个是通过使用REST request URI 发送搜索数据 (uri+检索参数)
  • 另一个是通过使用 REST request body来发送他们 (uri+请求体)

检索信息

GET bank/_search?q=*&sort=account_number:asc

  • 一切检索从_search开始
    GET bank/_search ：检索bank下所有信息，包括type和docs
    GET bank/_search?q=*&sort=account_number:asc ：请求参数方式检索
    响应结果解释：
    took – Elasticsearch执行搜索的时间(毫秒)
    time_out – 告诉我们搜索是否超时
    _shards – 告诉我们多少个分片被搜索了，以及统计成功/失败的搜索分片
    hits – 搜索结果
    hits.total – 搜索结果
    hits.hits – 实际的搜索结构数组(默认为前10的文档)
    _source – 结果的排序key(键)(没有则按score排序)
    _score和max_score – 相关性得分和最高得分(全文检索用)

  • uri+请求体进行检索

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    GET bank/_search
    {
      "query": {
        "match_all": {}
      },
      "sort": [
        {
          "balance": {
            "order": "desc"
          }
        }
      ]
    }

    HTTP客户端工具(PostMan)，GET请求不能携带请求体，我们变为POST也是一样的。我们POST一个JSON风格的查询请求体到_search API。
    需要了解，一旦搜索的结果被返回，Elasticsearch就完成了这次请求，并且不会维护任何服务端的资源或者结果的cursor(游标)。

Query DSL

基本语法格式

Elasticsearch提供了一个可以执行查询的JSON风格的DSL(domain-specific language领域特定语言)。这个被称为Query DSL。该查询语言非常全面，并且刚开始的时候感觉有点复杂，真正学好它的方法是从一些基本的示例开始的。

  • 一个查询语句的典型结构
    1
    2
    3
    4
    5
    6
    {
    	QUERY_NAME:{
    		ARGUMENT:VALUE,
    		ARGUMENT:VALUE,...
    	}
    }
  • 如果是针对某个字段，那么他的结构如下：
    1
    2
    3
    4
    5
    6
    7
    8
    {
    	QUERY_NAME:{
    		FIELD_NAME:{
    			ARGUMENT:VALUE,
    			ARGUMENT:VALUE,...
    		}
    	}
    }
    示例：
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    GET bank/_search
    {
      "query": {
        "match_all": {}
      },
    	"from": 0,
      "size": 5,
      "sort": [
        {
          "balance": {
            "order": "desc"
          }
        }
      ]  
    }
    query定义如何查询
    match_all查询类型【代表查询所有的所以】，es中可以在query中组合非常多的查询类型完成复杂查询。
    除了query参数之外，我们也可以传递其他的参数以改变查询结果。如sort和size。
    from+size限定，完成分页功能。
    sort排序，多字段排序，会在前序字段相等时后续字段内部排序，否则以前序为准。

返回部分字段

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "balance": {
        "order": "desc"
      }
    }
  ],
  "from": 5,
  "size": 5,
  "_source": [
    "account_number",
    "balance",
    "firstname"
  ]
}

match[匹配查询]

  • 基本类型(非字符串)，精确匹配

    1
    2
    3
    4
    5
    6
    7
    8
    GET bank/_search
    {
      "query": {
        "match": {
          "account_number": "20"
        }
      }
    }

    match返回account_number=20的。

  • 字符串，全文检索

    1
    2
    3
    4
    5
    6
    7
    8
    GET bank/_search
    {
      "query": {
        "match": {
          "address": "mill"
        }
      }
    }

    最终查询出address中包含mill单词的所有记录。
    match当搜索字符串类型的时候，会进行全文检索，并且每条记录有相关性得分。

  • 字符串，多个单词(分词+全文检索)

    1
    2
    3
    4
    5
    6
    7
    8
    GET bank/_search
    {
      "query": {
        "match": {
          "address": "mill road"
        }
      }
    }

    最终查询出address中包含mill或者road或者mill road的所有记录，并给出相关性得分。

match_phrase[短语匹配]

当需要匹配的值当成一个整体单词(不分词)进行检索。

1
2
3
4
5
6
7
8
GET bank/_search
{
  "query": {
    "match_phrase": {
      "address": "mill road"
    }
  }
}

查出addres中包含mill road的所有记录，并给出相关性得分。

multi_match[多字段匹配]

1
2
3
4
5
6
7
8
9
GET bank/_search
{
  "query": {
    "multi_match": {
      "query": "mill",
      "fields": ["address","city"]
    }
  }
}

address或者city包含mill。

bool[复合查询]

bool用来做复合查询；
复合语句可以合并任何其他查询语句，包括复合查询，了解这一点是很重要的。这就意味着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。

  • must：必须达到must列举的所有条件。
  • should：应该达到should列举的条件，如果达到会增加相关性的评分，并不会改变查询的结果。如果query中只有should且只有一种匹配规则，那么should的条件就会被作为默认匹配条件而去改变查询结果。
  • must_not：必须补上指定的情况。
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    GET bank/_search
    {
      "query": {
        "bool": {
          "must": [
            {
              "match": {
                "gender": "M"
              }
            },
            {
              "match": {
                "address": "mill"
              }
            }
          ],
          "must_not": [
            {
              "match": {
                "age": "28"
              }
            }
          ],
          "should": [
            {
              "match": {
                "lastname": "Wallace"
              }
            }
          ]
        }
      }
    }
    address包含mill，并且gender是M，如果lastname里面有Wallace最好不过，但是age必须不是20。

filter[结果过滤]

并不是所有的查询都需要产生分数，特别是那些仅用于”filtering”(过滤)的文档。为了不计算分数Elasticsearch会自动检查场景并优化查询的执行。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
GET bank/_search
{
  "query": {
    "bool": {
      "filter": [
        {
          "range": {
            "age": {
              "gte": 18,
              "lte": 30
            }
          }
        }
      ]
    }
  }
}

term[结果过滤]

和match一样，匹配某个属性的值。全文检索字段用match，其他非text字段匹配用term。

1
2
3
4
5
6
7
8
GET bank/_search
{
  "query": {
    "term": {
      "balance": "32838"
    }
  }
}

aggregations[执行聚合]

聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大于等于SQL GROUP BY和SQL聚合函数。在Elasticsearch中，您有执行搜索返回hits(命中结果)，并且同时返回聚合结果，把一个响应的所有hits(命中结果)分隔开的能力。这是非常强大且有效的，您可以执行查询和多个聚合，并且在一次使用中得到各自的(任何一个的)返回结果，使用一次简洁和简化的API来避免网络往返。

  • 搜索address中包含mill的所有人的年龄分布以及平均年龄，但不显示这些人的详情。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    GET bank/_search
    {
      "query": {
        "match": {
          "address": "mill"
        }
      },
      "aggs": {
        "ageAgg": {
          "terms": {
            "field": "age",
            "size": 10
          }
        },
        "ageAvg": {
          "avg": {
            "field": "age"
          }
        },
        "balanceAvg": {
          "avg": {
            "field": "balance"
          }
        }
      },
      "size": 0
    }

    ---------------
    size:0 不显示搜索数据
    aggs:执行聚合。聚合语法入下。
    "aggs": {
    	"aggs_name 这次聚合的名字，方便展示在结果集中": {
    		"AGG_TYPE 聚合的类型(avg,term,terms)"{}
    	}
    }

    ex:

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    GET bank/_search
    {
      "query": {
        "match_all": {}
      },
      "aggs": {
        "ageAgg": {
          "terms": {
            "field": "age",
            "size": 100
          },
          "aggs": {
            "ageAvg": {
              "avg": {
                "field": "balance"
              }
            }
          }
        }
      }
    }

  • 复杂：按照年龄聚合，并且请求这些年龄段的这些人的平均薪资

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    GET bank/_search
    {
      "query": {
        "match_all": {}
      },
      "aggs": {
        "ageAgg": {
          "terms": {
            "field": "age",
            "size": 100
          },
          "aggs": {
            "genderAgg": {
              "terms": {
                "field": "gender.keyword"
              },
              "aggs": {
                "balanceAgg": {
                  "avg": {
                    "field": "balance"
                  }
                }
              }
            },
            "ageBalanceAvg": {
              "avg": {
                "field": "balance"
              }
            }
          }
        }
      }
    }

Mapping

字段类型

  • 核心简单域类型
    • 字符串: string
    • 整数 : byte, short, integer, long
    • 浮点数: float, double
    • 布尔型: boolean
    • 日期: date
  • 复合类型
  • 地理类型
  • 特定类型
  • 多字段

    映射(Mapping)

    Mapping是用来定义一个文档(document)，以及它所包含的属性(field)是如何存储和索引的。比如，使用Mapping来定义：
  • 哪些字符串属性应该被看做全文本属性。(full text fields)
  • 哪些属性包含数组、日期或者地理位置。
  • 文档中的所有属性是否都能被索引。(_all配置)
  • 日期的格式。
  • 自定义映射规则来执行动态添加属性。
  • 查看mapping信息：
    GET /bank/_mapping
  • 修改mapping信息：
    https://www.elastic.co/guide/cn/elasticsearch/guide/current/mapping-intro.html
    自动猜测的映射类型

新版本改…

es7及以上移除了type的概念。

  • 关系型数据库中两个数据显示是独立的，即使他们里面有相同名称的列也不影响使用，但es中不是这样的。elasticsearch是基于Lucene开发的搜索引擎，而es中不同type下名称相同的filed最终在Lucene中的处理方式是一样的。
    • 两个不同type下的两个user_name，在es同一个索引下其实被认为是同一个filed，你必须在两个不同type中定义相同的filed映射。否则，不同type中的相同字段名称就会在处理中出现冲突的情况，导致Lucene处理效率下降。
    • 去掉type就是为了提高es处理数据的效率。

Elasticsearch 7.x

  • URL中的type参数为可选。比如，索引一个文档不再要求提供文档类型。

Elasticsearch 8.x

  • 不再支持URL中的type参数。

解决：
1.将索引从多类型迁移到单类型，每种类型文档一个独立索引。
2.将已存在的索引下的数据类型，全部迁移到指定位置即可。详见数据迁移。

创建映射

1.创建索引并指定映射。

1
2
3
4
5
6
7
8
9
10
11
12
GET /bank/_mapping

PUT /my_index
{
  "mappings": {
    "properties": {
      "age":{"type": "integer"},
      "email":{"type": "keyword"},
      "name":{"type": "text"}
    }
  }
}

添加新的字段映射

1
2
3
4
5
6
7
8
9
PUT /my_index/_mapping
{
  "properties": {
    "employee-id": {
      "type": "keyword",
      "index": false
    }
  }
}

更新映射

对于已存在的映射字段，我们不能更新。更新必须创建新的索引进行数据迁移。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
PUT /newbank
{
  "mappings": {
    "properties": {
              "account_number" : {
          "type" : "long"
        },
        "address" : {
          "type" : "text"
        },
        "age" : {
          "type" : "long"
        },
        "balance" : {
          "type" : "long"
        },
        "city" : {
          "type" : "keyword"
        },
        "email" : {
          "type" : "keyword"
        },
        "employer" : {
          "type" : "keyword"
        },
        "firstname" : {
          "type" : "keyword"
        },
        "gender" : {
          "type" : "keyword"
        },
        "lastname" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        },
        "state" : {
          "type" : "keyword"
        }
    }
  }
}

数据迁移

先创建出newbank的正确映射。然后使用如下方式进行数据迁移。

1
2
3
4
5
6
7
8
9
POST _reindex
{
  "source": {
    "index": "bank"
  },
  "dest": {
    "index": "newbank"
  }
}

分词

一个tokenizer(分词器)接受一个字符流，将之分割为独立的tokens(词元，通常是独立的单词)，然后输出tokens流。
例如，whitespace tokenizer遇到空白字符时分割文本。它会将文本”Quick brown fox!”分割为[Quick,brown,fox!]。
该tokenizer(分词器)还负责记录各个term(词条)的顺序或position位置(用于phrase短语和word proximity词近邻查询)，以及term(词条)所代表的原始word(单词)的start(起始)和end(结束)的character offsets(字符偏移量)(用于高亮显示搜索的内容)。Elasticsearch提供了很多内置的分词器，可以用来构建custom analyzers(自定义分词器)。

安装ik分词器

注意：不能用默认elasticsearch-plugin install xxx.zip进行安装。
https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.4.2 对应es版本安装

1
2
3
4
5
6
7
8
9
10
11
进入es容器内部 plugins目录
docker exec -it 容器id /bin/bash
wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-analysis-ik-7.4.2.zip
unzip elasticsearch-analysis-ik-7.4.2.zip
rm -rf*.zip
mv elasticsearch/ik
可以确认是否安装好了分词器
cd ../bin
elasticsearch plugin-list 即可列出系统的分词器

docker restart elasticsearch # 需要重启es

测试分词器

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
POST _analyze
{
	"text": "我是中国人"
}
效果
{
  "tokens" : [
    {
      "token" : "我",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "<IDEOGRAPHIC>",
      "position" : 0
    },
    {
      "token" : "是",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "<IDEOGRAPHIC>",
      "position" : 1
    },
    {
      "token" : "中",
      "start_offset" : 2,
      "end_offset" : 3,
      "type" : "<IDEOGRAPHIC>",
      "position" : 2
    },
    {
      "token" : "国",
      "start_offset" : 3,
      "end_offset" : 4,
      "type" : "<IDEOGRAPHIC>",
      "position" : 3
    },
    {
      "token" : "人",
      "start_offset" : 4,
      "end_offset" : 5,
      "type" : "<IDEOGRAPHIC>",
      "position" : 4
    }
  ]
}

使用ik_smart分词器。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
POST _analyze
{
  "analyzer":"ik_smart",
	"text": "我是中国人"
}
效果
{
  "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
    }
  ]
}

使用ik_max_word分词器。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
POST _analyze
{
  "analyzer":"ik_max_word",
	"text": "我是中国人"
}
效果
{
  "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
    }
  ]
}

能够看出不同的分词器，分词有明显的区别，所以以后定义一个索引不能再使用默认的mapping了，要手工建立mapping，因为要选择分词器。

自定义词库

修改/mydata/elasticsearch/plugins/ik/config/IKAnalyzer.cfg.xml

1
2
3
4
5
6
7
8
9
10
11
12
13
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
	<comment>IK Analyzer 扩展配置</comment>
	<!--用户可以在这里配置自己的扩展字典 -->
	<entry key="ext_dict"></entry>
	 <!--用户可以在这里配置自己的扩展停止词字典-->
	<entry key="ext_stopwords"></entry>
	<!--用户可以在这里配置远程扩展字典 -->
	<entry key="remote_ext_dict">http://119.23.25.235/es/fenci.txt</entry>
	<!--用户可以在这里配置远程扩展停止词字典-->
	<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

配置完成后重启es。测试自定义词库。

更新完成后，es只会对新增的数据用新词分词。历史数据是不会重新分词的。如果想要历史数据重写分词。只需要执行：
POST my_index/_update_by_query?conflicts=proceed

Elasticsearch-Rest-Client

(1).9300:TCP

  • spring-data-elasticsearch:transport-api.jar
    • springboot版本不同，transport-api.jar不同，不能适配es版本。
    • 7.x已经不建议使用，8以后就要废弃。

(2).9200:HTTP

Spring Boot整合

配置

使用

附录-安装Nginx

  • 随便启动一个nginx实例，只是为了复制出配置
    • docker run -p 80:80 –name nginx -d nginx:1.10
  • 将容器内的配置文件拷贝到当前目录：docker container cp nginx:/etc/nginx .
    • 别忘记了后面的.
  • 修改文件名称：mv nginx conf 把这个conf移动到/mydata/nginx下
  • 终止原容器：docker stop nginx
  • 执行命令删除原容器：docker rm $ContainerId
  • 创建新的nginx：执行以下命令
    1
    2
    3
    4
    5
    docker run -p 80:80 --name nginx \
    -v /mydata/nginx/html:/usr/share/nginx/html \
    -v /mydata/nginx/logs:/var/log/nginx \
    -v /mydata/nginx/conf:/etc/nginx \
    -d nginx:1.10
    1
    2
    3
    4
    5
    6
    7
    8
    [root@iZwz9dvddod8c7o1rqic33Z nginx]# pwd
    /mydata/nginx
    [root@iZwz9dvddod8c7o1rqic33Z nginx]# ls
    conf  html  logs
    [root@iZwz9dvddod8c7o1rqic33Z es]# pwd
    /mydata/nginx/html/es
    [root@iZwz9dvddod8c7o1rqic33Z es]# ls
    fenci.txt
#

喜欢这篇文章？打赏一下作者吧

评论

关注我

订阅更新

Subscribe to get the lastest update!

链接

分类

×