内容摘要：哈喽，大家好，我是指北君。在我们做电商网站的时候，如果直接用传统的通过数据库去搜索数据，数据库内容比较少的情况下还能勉强做好及时搜索，但是如果成百上千的数据在数据库里面，你还是用传统的搜索数据库的方法

哈喽，手把手教大家好，何安我是手把手教指北君。

在我们做电商网站的何安时候，如果直接用传统的手把手教通过数据库去搜索数据，数据库内容比较少的何安情况下还能勉强做好及时搜索，但是手把手教如果成百上千的数据在数据库里面，你还是何安用传统的搜索数据库的方法，那就要等很长一段时间，手把手教影响用户体验，何安所以一般数据搜索引擎采用的手把手教是Elasticsearch来进行搜索。

1.Elasticsearch简介

全文搜索属于最常见的何安需求，开源的手把手教 Elasticsearch 是目前全文搜索引擎的首选。它可以快速地储存、何安搜索和分析海量数据。手把手教维基百科、Stack Overflow、Github 都采用它。

Elasticsearch是服务器托管一个分布式可扩展的实时搜索和分析引擎，一个建立在全文搜索引擎 Apache Lucene™ 基础上的搜索引擎。Lucene只是一个框架，要充分利用它的功能，需要使用JAVA，并且在程序中集成Lucene，学习成本高，且Lucene确实非常复杂。

文档：

官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

官方中文(版本很旧，2.x):https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html

2.基本概念

2.1 index(索引)

ES将数据存储于一个或多个索引中。类比传统的关系型数据库领域来说，索引相当于SQL中的一个数据库database，或者一个数据存储方案(schema)。索引由其名称(必须为全小写字符)进行标识。一个ES集群中可以按需创建任意数目的索引。

2.2 Type(类型)

类型是索引内部的逻辑分区(category/partition)，一个索引内部可定义一个或多个类型(type)。类比传统的关系型数据库领域来说，类型相当于“表”。

ElasticSearch7—去掉 type 概念：

关系型数据库中两个数据表示是独立的，即使他们里面有相同名称的香港云服务器列也不影响使用，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-个索引下其实被认为是同一一个filed,你必须在两个不同的type中定义相同的filed映射。否则，不同typpe中的相同字段称就会在处理中出现神突的情况，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。

ES 7.x

URL 中的 type 参数 可选，比如索引一个文档不再要求提供文档类型

ES 8.X

不再支持 URL 中的 type 参数

解决：

将索引从多类型迁移到单类型，每种类型文档一个独立的索引将已存在的索引下的类型数据，云南idc服务商全部迁移到指定位置即可，详见数据迁移2.3 Document(文档)

文档是索引和搜索的原子单位，它是包含了一个或多个域（Field）的容器，每个域拥有一个名字及一个或多个值，有多个值的域通常称为“多值域”，文档基于JSON格式进行表示。每个文档可以存储不同的域集，但同一类型下的文档应该有某种程度上的相似之处。

简单来说：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 中某个 Table 里面的内容。

2.4 Cluster(集群)

一个或者多个拥有相同cluster.name配置的节点组成， 它们共同承担数据和负载的压力。

2.5 节点(Node)

一个运行中的 Elasticsearch 实例称为一个节点。

ES集群中的节点有三种不同的类型：

主节点：负责管理集群范围内的所有变更，例如增加、删除索引，或者增加、删除节点等。主节点并不需要涉及到文档级别的变更和搜索等操作。可以通过属性node.master进行设置。

数据节点：存储数据和其对应的倒排索引。默认每一个节点都是数据节点（包括主节点），可以通过node.data属性进行设置。

协调节点：如果node.master和node.data属性均为false，则此节点称为协调节点，用来响应客户请求，均衡每个节点的负载。

3.倒排索引

倒排索引: 倒排索引也叫反向索引，通俗来讲正向索引是通过key找value，反向索引则是通过value找key。

对每条要存储的文档进行分词，然后对每个词和所在的记录进行存储。在搜索时，先搜索含有其关键字的记录，然后对所记录计算相关性得分，得出最终的搜索结果。

4.Docker安装Elasticsearch

4.1 下载镜像文件 复制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1.2. 4.2 创建实例

①Elasticsearch

配置：

复制mkdir -p /mydata/elasticsearch/

config # 用来存放配置文件

mkdir -p /mydata/elasticsearch/

data # 数据

echo "http.host: 0.0.0.0" >/mydata/elasticsearch/config/elasticsearch.yml

# 允许任何机器访问

chmod -R 777 /mydata/elasticsearch/ ## 设置elasticsearch文件可读写权限1.2.3.4.

启动：

复制docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \-e "discovery.type=single-node"

\

-e ES_JAVA_OPTS="-Xms64m -Xmx512m"

\

-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:7.4.21.2.3.4.5.6.7.

设置开启自启：

复制docker update elasticsearch --restart=always1.

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

测试：

②Kibana

复制docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.88.14:9200 -p 5601:5601 -d kibana:7.4.21.

上面的ip地址：http://192.168.88.14:9200 改成自己Elasticsearch上的地址

测试：