zoukankan      html  css  js  c++  java

  • L ==> E & L & K ==> G

    三剑客：Elastic Stack

    在学习ELK前，先对 Lucene作基本了解。

    今天才知道关系型数据库的索引是 B-Tree，罪过...

    • 减少磁盘寻道次数 ---> 提高查询性能

    Lucene

    原始数据基础查询 + 原始数据聚合查询

    • 物化视图
    • 实时聚合

    核心：反向倒排索引

    //关键词
document ---> term ---> posting list<docid>
term dictionary --->  term index
    • Term Index：以 FST（finite state transducers）形式保存
    • Term Dictionary： 以分 block 形式式保存，block 内公共前缀压缩 term

    联合索引查询

    • skip list 数据结构：同时遍历 A和 B的 posting list，互相 skip
      • Frame Of Reference编码压缩 docid
    • bitset 数据结构：对 A和 B两个 filter分别求出 bitset，对两个 bitset做 AND 操作
      • Roaring Bitmap

    关于两者的性能比较，参见：Frame of Reference and Roaring Bitmaps

    Nested Document

    定期行数据合并：子文档 ---> 父文档

    DocValues

    主存储按列组织，随机读操作很快

    • 底层读文件方式：memory mapped byte buffer（mmp）

    时间序列数据库秘密：https://segmentfault.com/a/1190000003502849?mType=Group

    E：Elasticsearch

    基于Lucene实现，接近实时（NRT，Near Realtime）的搜索平台，基于 JSON的分布式搜索和分析引擎

    • 开源分布式搜索与数据分析引擎
    • 面向文档型，文档Json序列化
    • PB 级的数据处理
    • 开箱即用，RESTful WebApi：Json

    官网：https://www.520mwx.com/view/44635，版本演进：5.x --> 6.x --> 7.x

    从5.x支持拆分成text和keyword，在6.x废弃string
在7.x废弃TransportClient，建议High-level-rest-client
在7.x使用默认的_doc作为type，在8.x移除type
从7.x默认节点名称为主机名，分片数改为1
在7.x默认自带jdk
从7.x Kibana支持全局开启“黑暗”模式
从7.x时间戳从毫秒级支持至纳秒级
    • Weak-AND算法：取 TOP-N 结果集，估算命中记录数
    • 间隔查询(Intervals query)

    关于7.x版本参见：Elastic Stack 7.0.0， Breaking changes in 7.0

    ES每日持续性能监控：https://benchmarks.elastic.co/index.html

    基本概念

    关系数据库 --> 数据库 --> 表 --> 行(Rows) --> 列(Columns)
Elasticsearch --> 索引(Index) --> 类型(type) --> 文档(Docments) --> 字段(Fields)

    其中，document 是可以被索引的基本信息单元，Index 名字务必小写 。

    Elasticsearch系列 - JaJian 

    基本操作：GET-查询，POST-更新，PUT-增加，DELETE-删除

    • 倒排索引：词条-文档，segment在硬盘
    • 顺排索引：文档-词条，fielddata堆内存，通过format参数控制是否启用字段的fielddata特性，loading属性控制fielddata加载到内存的时机

    最佳场景：1、检索  2、统计监控  3、(日志)分析

    ES使用场景深入探究

    docid --> block --> Segment --> Shards/Replicas --> Index

    分片 number_of_shards：

    • 支持水平分割/扩展内容容量
    • 支持在分片之上进行分布式、并行操作

    复制 number_of_replicas：

    • 在分片/节点失败的情况下，提供了高可用性
    • 在所有的复制上并行运行，扩展搜索量/吞吐量

    默认情况下，Elasticsearch中的每个索引配置5个主分片和每个分片的1个复制

    节点数 <= 主分片数 *（副本数+1）　　

    shards索引创建后不可更改，replicas可用 update-index-settings API 动态修改

    PUT /myindex/_settings {
  "number_of_replicas": 1
}

    Mapping映射

    动态映射 --> 定制映射

    • 创建索引同时创建映射
    • 先创建索引，再创建映射

    mapping一经创建无法修改，若要修改需重新建立索引和定义映射，具体方法：
    step1.给现有索引定义别名，并把现有索引指向该别名，PUT /现有索引/_alias/别名A 
    step2.新创建一个索引，定义新的映射关系
    step3.将别名指向新的索引，并且取消之前索引的执行

    POST /_aliases
{
    "actions":[
        {"remove": { "index": "现有索引名", "alias":"别名A" }},
        {"add"   : { "index": "新建索引名", "alias":"别名A" }}
    ]
}

    性能：实现索引的平滑过渡，并且是零停机。

    索引+检索

    精髓：一切设计都是为了提高搜索的性能

    • Java API
    • HTTP Restful API

    【强烈推荐】：Elasticsearch 的性能优化，亿级 Elasticsearch 性能优化 

    自动创建索引 

    action.auto_create_index:false //禁止自动创建索引
index.mapper.dynamic: false //禁止自动映射
PUT http://host:port/index_name/ + index_configuration //手动建立索引

    通常设置为true即可

    PUT /_cluster/settings
{
    "persistent" : {
        "action": {
          "auto_create_index": "true"
        }
    }
}

    其中，indiex_configuration用于定义索引的配置信息：映射节（mappings）和配置节（settings）

    PUT faceafvmain-201905{  
   "settings":{  
      "number_of_shards":5,
      "number_of_replicas":0
   },
   "mappings":{  
      "articles":{  
         "dynamic_date_formats":["yyyy-MM-dd", "yyyyMMdd"],
         "dynamic":"false",
         "properties":{  
            "articleid":{  
               "type":"long",
               "index":"not_analyzed",
            },
            "title":{  
               "type":"string",
               "index":"analyzed",
            },
            "author":{  
               "type":"string",
               "index":"analyzed",
            },
            "content":{  
               "type":"string",
               "index":"analyzed",
            },
            "postat":{  
               "type":"date",
               "format":["yyyy-MM-dd", "yyyyMMdd"],
               "index":"not_analyzed",
            }
         }
      }
   }
}

    若未手动指定时间戳，_source中也不存在时间戳字段，建议指定mapping中的_timestamp设置为enable

    PUT myindex {
  "mappings": {
    "mytype": {
      "_timestamp": { 
        "enabled": true
      }
    }
  }
}

    索引使用问题总结

    [1]. 建议使用double，float类型存储在es中可能存在精度损失

    [2]. 索引数据插入与更新

    插入："result": "created"，"_version": 1
更新："result": "updated", "_version": 2

    [3]. IP类型：支持ipv4/ipv6

    文档刷新与过期时间

    TTL时间间隔以_timestamp为基准

    若数据操作索引后要马上能搜到，可手动执行refresh操作：只要在API后面添加 refresh=true ，但不建议

    Pipeline Aggregation

    先了解下聚合

    • metric：类似sum、avg等
    • bucket：类似group by

    可优化网络传输量

    • Shard本地聚合 ---> 多Shards最终聚合
    • Hyperloglog算法

    Pipeline Aggregation 作为聚合的 plus版本

    ElasticSearch使用列式存储实现排序和聚合查询

    elasticsearch安装

    推荐 ES 6.x版本，暂用 -v6.8.0 & -v6.2.0

    鉴于 .net Framework生产最高 4.6，也采用 ES v6.2.0版本

    同时考虑 Java技术栈中 NodeClient已过期，当前流行的 Transport Client在 7.x版本开始将不再支持

    运行：elasticsearch.bat

    9300：java/.Net 程序访问的端口（tcp）
9200：浏览器、postman 访问端口（http）

    默认 ES只允许本机访问，修改 config/elasticsearch.yml文件，修改 network.host 为 0.0.0.0或指定IP，再重启即可

    建议在文件最后新增如下配置

    http.cors.enabled: true //是否支持跨域
http.cors.allow-origin: "*" //支持所有域名 （以上2个配置解决：使用 Head 插件连接不上集群）
node.master: true
node.data: true

    注意，根据规划 ES 6.x版每个 Index只允许包含一个 Type，7.x版将会彻底移除 Type：Removal of mapping types 

    若遇报错

    ERROR: bootstrap checks failed
system call filters failed to install; check the logs and fix your configuration or disable system call filters at your own risk

    则在配置文件中新增

    bootstrap.memory_lock: false
bootstrap.system_call_filter: false

    常用命令

    http://localhost:9200/_cat/indices?v //当前结点的所有Index
http://localhost:9200/_mapping?pretty=true //当前Index包含的所有Type
http://ip:9200/_nodes #查看节点信息
http://ip:9200/_template #查看模板

GET /Index/Type/_search?pretty  #返回索引记录，默认size=10
GET /index_name/_mapping/type_name #查询映射
GET /index_Name/_mapping  #获取映射关系
GET /_all/_mapping/  #获取集群内的所有映射关系

    安装教程：https://blog.csdn.net/weixin_42633131/article/details/82902812

    elasticsearch-head插件 

    下载地址：https://github.com/mobz/elasticsearch-head

    在 Gruntfile.js的 connect配置项中新增 hostname:'*',

    注意，es5 以上版本安装 head需要安装 node和 grunt

    重点了解下grunt

    JavaScript 任务运行器，基于 Node.js的项目构建工具，可以进行打包压缩、测试、执行等工作

    npm install -g grunt-cli  #全局安装
grunt -version #查看版本号

    head 插件通过 grunt 启动。

    安装教程：https://www.cnblogs.com/wymbk/p/5766064.html

    head/_site/app.js 下配置修改

    #这里改成es的IP和端口
this.base_uri = this.config.base_uri || this.prefs.get("app-base_uri") || "http://99.6.150.141:9200";

    暂时未用到，先 mark 备用。

    安装：npm install
运行：grunt server 或 npm run start

    安装时若出现 FetchError: request to https://registry.npmjs.com/grunt-karma failed，reason connect EACCES 104.16.27.35:443
    解决：更新npm：npm install -g npm
    若出现 notarget No matching version found for grunt-karma@2.0.0
    解决：重新安装grunt
    若出现 error phantomjs-prebuilt@2.1.16 install: 'node install.js'
    解决：执行npm install -g phantomjs-prebuilt@2.1.16 --ignore-scrip
    相关信息可参考：npm install error | stackoverflow
    至于出现 Local Npm module "grunt-contrib-jasmine" not found. Is it installed?
    解决：可以忽略，尚不影响使用，也可以安装 npm install grunt-contrib-jasmine解决

    注意，出现 connect EACCES 或 connect ETIMEDOUT，优先启用重试大法命令。

    安装教程：https://blog.csdn.net/qq_42875667/article/details/87450394 

    ik分词器

    ES 内置分词器（standard、simple）效果不理想，推荐插件安装：IK Analyzer v3.0

    •  面向Java的公用分词组件，独立于Lucene项目
    •  正向迭代最细粒度切分算法
    •  多子处理器分析模式

    选择与 ES配套的版本即可，下载地址，或选择其他分词器 smartcn

    • analyzer：字段文本的分词器
    • search_analyzer：搜索词的分词器
    • ik_max_word：插件ik提供的分词器，可对文本进行最大数量的分词

    重命名为 ik，放在 elasticsearchplugins 目录下重启 es 即可

    • IKAnalyzer.cfg.xml：扩展词和停用词文件

    分词在线测试地址：grokdebug

    注意，原始文本作为单个分词最大长度默认 32766Bytes，可以通过 ignore_above 属性设置字符个数

    ES中一个字段不能同时支持全文和聚合搜索，除非采用如下方式：参见 

    "url": {
 "type": "string", "analyzer": "simple",
  "fields": {
	"keyword": {
		"type": "keyword", "ignore_above": 256
	  }
	}
},

    基本使用

    全文搜索引擎ElasticSearch教程 | 阮一峰

    几个重要的配置

    # (master_eligible_nodes / 2) + 1
discovery.zen.minimum_master_nodes：集群主节点最小可见数量，为提高集群的可用性，避免集群脑裂
discovery.zen.ping.unicast.hosts：节点发现机制，unicast通信方式
discovery.zen.ping_timeout：发现过程中的等待时间，默认3秒
bootstrap.memory_lock：ture 启用Elasticsearch的内存锁定，避免内存被OS换出

    L：Logstash

    动态数据收集管道，日志解析引擎，拥有可扩展的插件生态系统。

    官网：https://www.elastic.co/cn/products/logstash

    下载版本与 es一致即可：下载地址

    安装教程：

    • 组成部分：input、filter、output、codec
    • Grok：filter核心插件，文本格式字符串 ---> 结构化数据 + 正则表达式：测试地址

    filter的ruby插件待学习...

    基本使用

     Shipper Logstash --> Redis --> Indexer Logstash --> Elasticsearch  

    K：Kibana

    分析和可视化平台， 统计 。官网：https://www.elastic.co/cn/products/kibana

    下载版本与 es一致即可：下载地址， demo-案例 

    默认 Kibana只允许本机访问，修改 config/kibana.yml文件，修改 server.host 为 0.0.0.0或指定IP，再重启即可

    http://ip:5601/app/kibana#/home/tutorial_directory/sampleData?_g=() #添加kibana样例数据

    基本使用

    REST访问模式：<REST Verb>/<Index>/<Type>/<ID>

    http://localhost:5601/status #状态信息

GET _cluster/health
GET /_cat/health?v #集群健康信息
GET /_cat/nodes?v #集群中结点列表
GET /_cat/indices?v #集群中索引列表
GET _cat/plugins

GET /  #集群属性信息
GET /_all/_settings #索引配置信息
GET /index_c/_settings

PUT index_c/_settings { #配置索引参数
	"index":{
		"max_result_window":50000
	}
}

    参考：Index settings | ES

    删除

    DELETE /index_name
DELETE /index_name/type_name/0gt3dWwBJmcVNuQWEmyy

POST /index_name/type_name/_delete_by_query { ---按条件删除数据
  "query":{
    "term": {
      "PhoneNumber": {
        "value": "12304567890"
      }
    }
  }
}

    快捷键

    ctrl+enter：提交当前请求　

    建议入库 ES 的对象包含 Date 字段，否则 Create Index Pattern 时无可用字段可选，报错

    The indices which match this index pattern don't contain any time fields.

    日期字段尽量兼容多种格式

    "date": {
          "type": "date",
          "format": "yyyy-MM-dd'T'HH:mm:ss.SSSZ||yyyy/MM/dd'T'HH:mm:ss.SSSZ||yyyy-MM-dd HH:mm:ss.SSS||yyyy/MM/dd HH:mm:ss.SSS||yyyy-MM-dd HH:mm:ss||yyyy/MM/dd HH:mm:ss",
          "copy_to": "All_Info"
        }

    reindex

    给出一个简单的迁移示例

    POST _reindex {
  "source": {"index":"index_b"},
  "dest": {"index":"index_a"},
  "script":{
    "lang":"painless",
    "source":"ctx._source.date=ctx._source.date.replace('/','-').replace(' ','T');if(!ctx._source.date.contains('.')){ctx._source.date=ctx._source.date+'.100+0800';} else if(!ctx._source.date.contains('+')){ctx._source.date=ctx._source.date+'+0800';}"
  }
}

    其中，源、目的索引

    PUT index_a
{
  "order": 1,
  "index_patterns": [
    "auto-afvapp*"
  ],
  "settings": {
    "index": {
      "max_result_window": "2147483647",
      "refresh_interval": "10s",
      "number_of_shards": "2",
      "number_of_replicas": "1"
    }
  },
  "mappings": {
    "afvapp": {
      "dynamic": false,
      "properties": {
        "uid": {
          "type": "keyword"
        },
        "date": {
          "type": "date",
          "format": "yyyy-MM-dd'T'HH:mm:ss.SSSZ||yyyy/MM/dd'T'HH:mm:ss.SSSZ||yyyy-MM-dd HH:mm:ss.SSS||yyyy/MM/dd HH:mm:ss.SSS||yyyy-MM-dd HH:mm:ss||yyyy/MM/dd HH:mm:ss",
          "copy_to": "All_Info"
        },
        "errmsg": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 1024
            }
          }
        }
      }
    }
  },
  "aliases": {}
}
PUT index_b
{
  "order": 1,
  "index_patterns": [
    "auto-afvapp*"
  ],
  "settings": {
    "index": {
      "max_result_window": "2147483647",
      "refresh_interval": "10s",
      "number_of_shards": "2",
      "number_of_replicas": "1"
    }
  },
  "mappings": {
    "afvapp": {
      "dynamic": false,
      "properties": {
        "uid": {
          "type": "keyword"
        },
        "date": {
          "type": "keyword"
        },
        "errmsg": {
          "type": "text",
          "fields": {
            "keyword": {
              "type": "keyword",
              "ignore_above": 1024
            }
          }
        }
      }
    }
  },
  "aliases": {}
}

    painless script语法参见：Painless API 

    尤其注意：日期时间格式 

    问题解决

    按{"type":"string","index":"not_analyzed"}设置mapping时，报错：
Elasticsearch:No handler for type [string] declared on field[XXX]

    原因：Elasticsearch从5.X引入"text"和"keyword"用于分词和全词匹配，从6.X彻底移除"string"，且"index"值只能是boolean变量：string类型已去, 字符串数据永生。

    • 关键词搜索（keyword search）：精准匹配和聚合分析
    • 全文搜索（full-text search）：分词

    若允许该字段被索引查询，需{"type":"text","index":true}，否则会报错：Cannot search on field [xxx] since it is not indexed. 

    关于ES中的数据类型，参见：Field datatypes

    G：Grafana

    分析和可视化平台， 监控 

    扩展工具

    ElasticHD

    独立于elasticsearch安装使用，cmd命令启动

    安装使用指南

    Elastsearch-SQL

    作为插件依赖elasticsearch使用

    安装使用指南 

    X-Pack

    ElasticSearch 扩展包

    • 安全防护：用户验证 + 授权和基于角色的访问控制 + 节点/客户端认证和信道加密
    • 实时集群监控：可视化报告

    cerebro

    elasticsearch 开源监控软件，替代 kopf（http://99.6.150.141:9200/_plugin/kopf/#!/cluster）

    下载地址：cerebro | github  

    es-rally

    ES性能监控工具

    [使用教程](https://blog.csdn.net/laoyang360/article/details/52155481)

    其他工具使用

    Grafana：适合监控类场景
ElasticHD：支持SQL转DSL
elasticsearch-SQL：类SQL查询工具
测试工具：在原来执行的DSL的基础上新增profile参数 "profile": true
  • 相关阅读:
    leetcode Remove Linked List Elements
    leetcode Word Pattern
    leetcode Isomorphic Strings
    leetcode Valid Parentheses
    leetcode Remove Nth Node From End of List
    leetcode Contains Duplicate II
    leetcode Rectangle Area
    leetcode Length of Last Word
    leetcode Valid Sudoku
    leetcode Reverse Bits
  • 原文地址：https://www.cnblogs.com/wjcx-sqh/p/11228371.html
Copyright © 2011-2022 走看看