目录指引:
springcloud教程(一)_Eureka,Nacos,Feign,Gateway 前往查看springcloud教程(二)_Docker 前往查看springcloud教程(三)_RabbitMQ 前往查看springcloud教程(四)_Elasticsearch 前往查看 Elasticsearch
elasticsearch简称es是一款非常强大的开源搜索引擎，可以帮助我们从海量数据中快速找到需要的内容。
elasticsearch结合kibana、Logstash、Beats，也就是elastic stack(ELK)。被广泛应用在日志数据分析、实时监控等领域
Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，由DougCutting于1999年研发。
官网地址: https://lucene.apache.org/
Lucene的优势:
易扩展高性能（基于倒排索引)
Lucene的缺点:
只限于Java语言开发学习曲线陡峭不支持水平扩展
elasticsearch是基于lucene开发的
相比与lucene，elasticsearch具备下列优势:·
支持分布式，可水平扩展提供Restful接口，可被任何语言调用
在实际开发中两者协同作战
因为我们还需要部署kibana容器，因此需要让es和kibana容器互联。这里先创建一个网络：
docker network create es-net(2)加载镜像
这里我们采用elasticsearch的7.12.1版本的镜像，这个镜像体积非常大，接近1G。不建议大家自己pull。
资料提供了镜像的tar包：
大家将其上传到虚拟机中，然后运行命令加载即可：
# 导入数据 docker load -i es.tar
同理还有kibana的tar包也需要这样做。
(3)运行运行docker命令，部署单点es：
docker run -d
--name es
-e "ES_JAVA_OPTS=-Xms512m -Xmx512m"
-e "discovery.type=single-node"
-v es-data:/usr/share/elasticsearch/data
-v es-plugins:/usr/share/elasticsearch/plugins
--privileged
--network es-net
-p 9200:9200
-p 9300:9300
elasticsearch:7.12.1
命令解释：
-e “cluster.name=es-docker-cluster”：设置集群名称
-e “http.host=0.0.0.0”：监听的地址，可以外网访问
-e “ES_JAVA_OPTS=-Xms512m -Xmx512m”：内存大小
-e “discovery.type=single-node”：非集群模式
-v es-data:/usr/share/elasticsearch/data：挂载逻辑卷，绑定es的数据目录
-v es-logs:/usr/share/elasticsearch/logs：挂载逻辑卷，绑定es的日志目录
-v es-plugins:/usr/share/elasticsearch/plugins：挂载逻辑卷，绑定es的插件目录
–privileged：授予逻辑卷访问权
–network es-net ：加入一个名为es-net的网络中
-p 9200:9200：端口映射配置
9200是暴露的http端口供用户访问
9300是将来es容器各个节点互联的端口
在浏览器中输入：http://192.168.150.101:9200 即可看到elasticsearch的响应结果：
kibana可以给我们提供一个elasticsearch的可视化界面，便于我们学习。
部署运行docker命令，部署kibana
docker run -d --name kibana -e ELASTICSEARCH_HOSTS=http://es:9200 --network=es-net -p 5601:5601 kibana:7.12.1
–network es-net ：加入一个名为es-net的网络中，与elasticsearch在同一个网络中
-e ELASTICSEARCH_HOSTS=http://es:9200"：设置elasticsearch的地址，因为kibana已经与elasticsearch在一个网络，因此可以用容器名直接访问elasticsearch
-p 5601:5601：端口映射配置
kibana启动一般比较慢，需要多等待一会，可以通过命令：
docker logs -f kibana
查看运行日志，当查看到下面的日志，说明成功：
此时，在浏览器输入地址访问：http://192.168.150.101:5601，即可看到结果:
点击执行就会发送请求到es
这个界面中可以编写DSL来操作elasticsearch。并且对DSL语句有自动补全功能。
可以看到,在对中文进行拆分时不友好,一个字一个字的分
处理中文分词，一般会使用IK分词器 https://github.com/medcl/elasticsearch-analysis-ik
在线安装ik插件（较慢）# 进入容器内部 docker exec -it elasticsearch /bin/bash # 在线下载并安装 ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip #退出 exit #重启容器 docker restart elasticsearch离线安装ik插件（推荐）
1.查看数据卷目录
安装插件需要知道elasticsearch的plugins目录位置，而我们用了数据卷挂载，因此需要查看elasticsearch的数据卷目录，通过下面命令查看:
docker volume inspect es-plugins
说明plugins目录被挂载到了：/var/lib/docker/volumes/es-plugins/_data 这个目录中。
2.解压缩分词器安装包
下面我们需要把课前资料中的ik分词器解压缩，重命名为ik
3.上传到es容器的插件数据卷中
也就是/var/lib/docker/volumes/es-plugins/_data
4.重启容器
# 4、重启容器 docker restart es
# 查看es日志 docker logs -f es测试
IK分词器包含两种模式：
ik_smart：最少切分(粗粒度)ik_max_word：最细切分(细粒度)
随着互联网的发展，“造词运动”也越发的频繁。出现了很多新的词语，在原有的词汇列表中并不存在。比如：“奥力给”，“传智播客” 等。
所以我们的词汇也需要不断的更新，IK分词器提供了扩展词汇的功能。
1.打开IK分词器config目录：
2.在IKAnalyzer.cfg.xml配置文件内容添加：
IK Analyzer 扩展配置 ext.dic
3.新建一个 ext.dic，可以参考config目录下复制一个配置文件进行修改
注意当前文件的编码必须是 UTF-8 格式，严禁使用Windows记事本编辑
传智播客 奥力给
添加新词
4.重启elasticsearch
docker restart es # 查看 日志 docker logs -f elasticsearch
日志中已经成功加载ext.dic配置文件
测试:
在互联网项目中，在网络间传输的速度很快，所以很多语言是不允许在网络上传递的，如：关于宗教、政治等敏感词语，那么我们在搜索时也应该忽略当前词汇。
IK分词器也提供了强大的停用词功能，让我们在索引时就直接忽略当前的停用词汇表中的内容。
1.IKAnalyzer.cfg.xml配置文件内容添加：
IK Analyzer 扩展配置 ext.dic stopword.dic
2.在 stopword.dic 添加停用词
小阿giao
3.重启elasticsearch
# 重启服务 docker restart elasticsearch docker restart kibana # 查看 日志 docker logs -f elasticsearch
日志中已经成功加载stopword.dic配置文件
最后测试效果
E.3.4 部署es集群部署es集群可以直接使用docker-compose来完成，不过要求你的Linux虚拟机至少有4G的内存空间
首先编写一个docker-compose文件，内容如下：
version: '2.2'
services:
es01:
image: docker.elastic.co/elasticsearch/elasticsearch:7.12.1
container_name: es01
environment:
- node.name=es01
- cluster.name=es-docker-cluster
- discovery.seed_hosts=es02,es03
- cluster.initial_master_nodes=es01,es02,es03
- bootstrap.memory_lock=true
- "ES_JAVA_OPTS=-Xms512m -Xmx512m"
ulimits:
memlock:
soft: -1
hard: -1
volumes:
- data01:/usr/share/elasticsearch/data
ports:
- 9200:9200
networks:
- elastic
es02:
image: docker.elastic.co/elasticsearch/elasticsearch:7.12.1
container_name: es02
environment:
- node.name=es02
- cluster.name=es-docker-cluster
- discovery.seed_hosts=es01,es03
- cluster.initial_master_nodes=es01,es02,es03
- bootstrap.memory_lock=true
- "ES_JAVA_OPTS=-Xms512m -Xmx512m"
ulimits:
memlock:
soft: -1
hard: -1
volumes:
- data02:/usr/share/elasticsearch/data
networks:
- elastic
es03:
image: docker.elastic.co/elasticsearch/elasticsearch:7.12.1
container_name: es03
environment:
- node.name=es03
- cluster.name=es-docker-cluster
- discovery.seed_hosts=es01,es02
- cluster.initial_master_nodes=es01,es02,es03
- bootstrap.memory_lock=true
- "ES_JAVA_OPTS=-Xms512m -Xmx512m"
ulimits:
memlock:
soft: -1
hard: -1
volumes:
- data03:/usr/share/elasticsearch/data
networks:
- elastic
volumes:
data01:
driver: local
data02:
driver: local
data03:
driver: local
networks:
elastic:
driver: bridge
Run docker-compose to bring up the cluster:
docker-compose upE.4 索引库操作 mapping映射
查看删除修改索引库
修改索引库示例:
案例:
修改文档
资料准备:
执行 tb_hotel.sql 脚本
用idea打开hotel-demo工程
copy_to: 可以实现在一个字段中搜到多个字段的内容
引入依赖:
使用springboot的环境时,一定要强制的指定es的版本,不然会被覆盖
编写单元测试:
在运行每一个@Test都会先运行@BeforeEach在运行@AfterEach完成初始化
1.新建一个常量,内容就是步骤2的mappings
2.编写测试方法并执行
浏览器中测试
测试删除
测试判断:
由于索引库与数据库的数据类型不一致,所以先新建一个索引库数据的实体类
浏览器测试:
测试:
