高级架构师_Elasticsearch_第一章_Elasticsearch安装

高级架构师_Elasticsearch_第一章_Elasticsearch基础_安装

第一部分 全文搜索引擎Elasticsearch基础

第1节 Elasticsearch是什么

Elaticsearch简称为ES,是一个开源的可扩展的分布式的全文检索引擎，它可以近乎实时的存储、检索数 据。本身扩展性很好，可扩展到上百台服务器，处理PB级别的数据。ES使用Java开发并使用Lucene作 为其核心来实现索引和搜索的功能，但是它通过简单的RestfulAPI和javaAPI来隐藏Lucene的复杂性， 从而让全文搜索变得简单。

Elasticsearch官网：https://www.elastic.co/cn/products/elasticsearch

起源：Shay Banon。2004年失业，陪老婆去伦敦学习厨师。失业在家帮老婆写一个菜谱搜索引擎。封装了lucene,做出了开源项目compass。找到工作后，做分布式高性能项目，再封装compass，写出了elasticsearch，使得lucene支持分布式。现在是Elasticsearch创始人兼Elastic首席执行官。

第2节 Elasticsearch的功能

分布式的搜索引擎

分布式：Elasticsearch自动将海量数据分散到多台服务器上去存储和检索搜索：百度、谷歌，站内搜索

全文检索

提供模糊搜索等自动度很高的查询方式，并进行相关性排名，高亮等功能

数据分析引擎（分组聚合）

电商网站，最近一周笔记本电脑这种商品销量排名top10的商家有哪些？新闻网站，最近1个月访 问量排名top3的新闻板块是哪些

海量数据的处理：因为是分布式架构，Elasticsearch可以采用大量的服务器去存储和检索数据，自 然而然就可以实现海量数据的处理近实时：Elasticsearch可以实现秒级别的数据搜索和分析

第3节 Elasticsearch的特点

Elasticsearch的特点是它提供了一个极速的搜索体验。这源于它的高速（speed）。相比较其它 的一些大数据引擎，Elasticsearch可以实现秒级的搜索，速度非常有优势。Elasticsearch的cluster是一种分布式的部署，极易扩展(scale )这样很容易使它处理PB级的数据库容量。最重要的是Elasticsearch是它搜索的结果可以按照分数进行排序，它能提供我们最相关的搜索结果（relevance) 。

• 安装方便：没有其他依赖，下载后安装非常方便；只用修改几个参数就可以搭建起来一个集群
• JSON：输入/输出格式为 JSON，意味着不需要定义 Schema，快捷方便
• RESTful：基本所有操作 ( 索引、查询、甚至是配置 ) 都可以通过 HTTP 接口进行
• 分布式：节点对外表现对等（每个节点都可以用来做入口） 加入节点自动负载均衡
• 多租户：可根据不同的用途分索引，可以同时操作多个索引
• 支持超大数据： 可以扩展到 PB 级的结构化和非结构化数据 海量数据的近实时处理

第4节 Elasticsearch企业使用场景

1. 常见场景

• 搜索类场景
  比如说电商网站、招聘网站、新闻资讯类网站、各种app内的搜索。

• 日志分析类场景
  经典的ELK组合（Elasticsearch/Logstash/Kibana），可以完成日志收集，日志存储，日志分析查 询界面基本功能，目前该方案的实现很普及，大部分企业日志分析系统使用了该方案。

• 数据预警平台及数据分析场景
  例如电商价格预警，在支持的电商平台设置价格预警，当优惠的价格低于某个值时，触发通知消 息，通知用户购买。
  数据分析常见的比如分析电商平台销售量top 10的品牌，分析博客系统、头条网站top 10关注度、评论数、访问量的内容等等。

• 商业BI(Business Intelligence)系统

  比如大型零售超市，需要分析上一季度用户消费金额，年龄段，每天各时间段到店人数分布等信 息，输出相应的报表数据，并预测下一季度的热卖商品，根据年龄段定向推荐适宜产品。Elasticsearch执行数据分析和挖掘，Kibana做数据可视化。

2.常见案例

• 维基百科、百度百科：有全文检索、高亮、搜索推荐功能

• stack overflow：有全文检索，可以根据报错关键信息，去搜索解决方法。

• github：从上千亿行代码中搜索你想要的关键代码和项目。

• 日志分析系统：各企业内部搭建的ELK平台。

第5节 主流全文搜索方案对比

Lucene、Solr、Elasticsearch是目前主流的全文搜索方案，基于倒排索引机制完成快速全文搜索。

Lucene

Lucene是Apache基金会维护的一套完全使用Java编写的信息搜索工具包（Jar包），它包含了索引 结构、读写索引工具、相关性工具、排序等功能，因此在使用Lucene时仍需要我们自己进一步开 发搜索引擎系统，例如数据获取、解析、分词等方面的东西。

注意：Lucene只是一个框架，我们需要在Java程序中集成它再使用。而且需要很多的学习才能明 白它是如何运行的，熟练运用Lucene非常复杂。

Solr

Solr是一个有HTTP接口的基于Lucene的查询服务器，是一个搜索引擎系统，封装了很多Lucene细 节，Solr可以直接利用HTTP GET/POST请求去查询，维护修改索引。

Elasticsearch

Elasticsearch也是一个建立在全文搜索引擎 Apache Lucene基础上的搜索引擎。采用的策略是分布式实时文件存储，并将每一个字段都编入索引，使其可以被搜索。

三者之间的区别和联系

Solr和Elasticsearch都是基于Lucene实现的。但Solr和Elasticsearch之间也是有区别的1）Solr利用Zookpper进行分布式管理，而Elasticsearch自身带有分布式协调管理功能

https://db-engines.com/en/ranking

1.Elasticsearch****版本介绍Elasticsearch 主流版本为5.x , 6.x及7.x版本

7.x 更新的内容如下

1. 集群连接变化：TransportClient被废弃

以至于，es7的java代码，只能使用restclient。对于java编程，建议采用 High-level-rest- client 的方式操作ES集群。High-level REST client 已删除接受Header参数的API方法,Cluster Health API默认为集群级别。
1

2. ES数据存储结构变化：简化了Type 默认使用_doc

es6时，官方就提到了es7会逐渐删除索引type，并且es6时已经规定每一个index只能有一个type。在es7中使用默认的_doc作为type，官方说在8.x版本会彻底移除type。
api请求方式也发送变化，如获得某索引的某ID的文档：GET index/_doc/id其中index和id为具体的值
1
2

3. ES程序包默认打包jdk：以至于7.x版本的程序包大小突然增大了200MB+, 对比6.x发现，包大了 200MB+， 正是JDK的大小

4. 默认配置变化：默认节点名称为主机名，默认分片数改为1，不再是5。

5. Lucene升级为lucene 8 查询相关性速度优化：Weak-AND算法 es可以看过是分布式lucene，lucene的性能直接决定es的性能。lucene8在top k及其他查询上有 很大的性能提升。

weak-and算法 核心原理：取TOP N结果集，估算命中记录数。
TOP N的时候会跳过得分低于10000的文档来达到更快的性能。
1
2

6. 间隔查询(Intervals queries)： intervals query 允许用户精确控制查询词在文档中出现的先后关 系，实现了对terms顺序、terms之间的距离以及它们之间的包含关系的灵活控制。

7. 引入新的集群协调子系统 移除 minimum_master_nodes 参数，让 Elasticsearch 自己选择可以形 成仲裁的节点。

8. 7.0将不会再有OOM的情况，JVM引入了新的circuit breaker（熔断）机制，当查询或聚合的数据 量超出单机处理的最大内存限制时会被截断。

   设置indices.breaker.fielddata.limit的默认值已从JVM堆大小的60％降低到40％。

9. 分片搜索空闲时跳过refresh

   以前版本的数据插入，每一秒都会有refresh动作，这使得es能成为一个近实时的搜索引擎。但是 当没有查询需求的时候，该动作会使得es的资源得到较大的浪费。

2. Elasticsearch与其他软件兼容

2.1 Elasticsearch与操作系统

Elasticsearch and JVM

第7节 Elasticseach Single-Node Mode快速部署

Elasticsearch是一个分布式全文搜索引擎，支持单节点模式(Single-Node Mode)和集群模式(Cluster Mode)部署，一般来说，小公司的业务场景往往使用Single-Node Mode部署即可。课程中我们先以Single-Node Mode部署实例学习，随后再专门讲授集群模式相关内容。

1. 虚拟机环境准备

• 准备一台虚拟机操作系统：CentOS 7.x 64 bit
• 客户端连接工具：XShell
• 关闭虚拟机的防火墙

systemctl stop firewalld.service #停止firewall
systemctl disable firewalld.service #禁止firewall开机启动
firewall-cmd --state # 查看防火墙
1
2
3

2. Elasticsearch Single-Node Mode部署

我们在虚拟机上部署Single-Node Mode Elasticsearch下载Elasticsearch

地址： https://www.elastic.co/cn/downloads/elasticsearch 最新版本

下载: https://www.elastic.co/cn/downloads/past-releases/elasticsearch-7.3…0 版本

选择Linux版本下载：

开始安装****JDK[需要先安装jdk]

1.解压三个tar.gz文件

tar -zxvf jdk-8u171-linux-x64.tar.gz
tar -zxvf elasticsearch-7.3.0-linux-x86_64.tar.gz
1
2

2.移动文件到安装目录

mv /root/jdk1.8.0_171 /usr/java/
mv /root/elasticsearch-7.3.0 /usr/elasticsearch/
1
2

3.配置jdk环境变量

vim /etc/profile
1

在profile结尾添加如下内容:

JAVA_HOME=/usr/java
JRE_HOME=/usr/java/jre
CLASS_PATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar:$JRE_HOME/lib
PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
export JAVA_HOME JRE_HOME CLASS_PATH PATH
1
2
3
4
5

让修改生效:

source /etc/profile
1

检查jdk

java -version
1

jdk配置完成！

配置Elasticsearch

1.编辑vim /usr/elasticsearch/config/elasticsearch.yml ，注意冒号后面有个空格。

vim /usr/elasticsearch/config/elasticsearch.yml
1

单机安装请取消注释：node.name: node-1，否则无法正常启动。

修改网络和端口，取消注释master节点，单机只保留一个node

node.name: node-1
network.host: 192.168.211.136
#
# Set a custom port for HTTP:
#
http.port: 9200
cluster.initial_master_nodes: ["node-1"]
1
2
3
4
5
6
7

2.按需修改vim /usr/elasticsearch/config/jvm.options内存设置

vim /usr/elasticsearch/config/jvm.options
1

根据实际情况修改占用内存，默认都是1G，单机1G内存，启动会占用700m+然后在安装kibana
后，基本上无法运行了，运行了一会就挂了报内存不足。 内存设置超出物理内存，也会无法启
动，启动报错。
1
2
3

-Xms1g
-Xmx1g
1
2

3.添加es用户，es默认root用户无法启动，需要改为其他用户

useradd estest
修改密码
passwd estest
1
2
3

改变es目录拥有者账号

chown -R estest /usr/elasticsearch/
1

4.修改/etc/sysctl.conf

vim /etc/sysctl.conf
1

末尾添加：vm.max_map_count=655360
1

执行sysctl -p 让其生效

sysctl -p
1

5.修改/etc/security/limits.conf

vim /etc/security/limits.conf
1

末尾添加：

* soft nofile 65536
* hard nofile 65536
* soft nproc 4096
* hard nproc 4096
1
2
3
4

6.启动es

切换刚刚新建的用户

su estest
1

启动命令

cd /usr/elasticsearch/bin/elasticsearch
1

7.配置完成：浏览器访问测试。 ip:9200