以一个电商项目为例，用户访问我们的首页，一般都会直接搜索来寻找自己想要购买的商品。而商品的数量非常多，而且分类繁杂。如果能正确的显示出用户想要的商品，并进行合理的过滤，尽快促成交易，是搜索系统要研究的核心。面对这样复杂的搜索业务和数据量，使用传统数据库搜索就显得力不从心，一般我们都会使用全文检索技术，比如之前大家学习过的Solr。不过今天，我们要讲的是另一个全文检索技术：Elasticsearch。
Elastic官网：https://www.elastic.co/cn/
Elastic有一条完整的产品线及解决方案：Elasticsearch、Kibana、Logstash等，前面说的三个就是大家常说的ELK技术栈。
Elasticsearch官网：https://www.elastic.co/cn/products/elasticsearch
如上所述，Elasticsearch具备以下特点：
- 分布式，无需人工搭建集群（solr就需要人为配置，使用Zookeeper作为注册中心）
- Restful风格，一切API都遵循Rest原则，容易上手
- 近实时搜索，数据更新在Elasticsearch中几乎是完全同步的。
目前Elasticsearch最新的版本是6.3.1，我们就使用6.3.0
需要虚拟机JDK1.8及以上
为了模拟真实场景，我们将在linux下安装Elasticsearch。
出于安全考虑，elasticsearch默认不允许以root账号运行。
创建用户：
useradd zerol设置密码：
passwd 123456
切换用户：
su zerol
我们将安装包上传到：/home/zerol目录
解压缩：
tar -zxvf elasticsearch-6.2.4.tar.gz
我们把目录重命名：
mv elasticsearch-6.2.4/ elasticsearch
进入，查看目录结构：
我们进入config目录：cd config
需要修改的配置文件有两个：
- jvm.options
Elasticsearch基于Lucene的，而Lucene底层是java实现，因此我们需要配置jvm参数。
编辑jvm.options：
vim jvm.options
默认配置如下：
-Xms1g
-Xmx1g
内存占用太多了，我们调小一些：
-Xms512m
-Xmx512m
- elasticsearch.yml
vim elasticsearch.yml
- 修改数据和日志目录：
path.data: /home/leyou/elasticsearch/data # 数据目录位置
path.logs: /home/leyou/elasticsearch/logs # 日志目录位置我们把data和logs目录修改指向了elasticsearch的安装目录。但是这两个目录并不存在，因此我们需要创建出来。
进入elasticsearch的根目录，然后创建：
mkdir data
mkdir logs
- 修改绑定的ip：
network.host: 0.0.0.0 # 绑定到0.0.0.0，允许任何ip来访问
默认只允许本机访问，修改为0.0.0.0后则可以远程访问
目前我们是做的单机安装，如果要做集群，只需要在这个配置文件中添加其它节点信息即可。
elasticsearch.yml的其它可配置信息：
| 属性名 | 说明 |
|---|---|
| cluster.name | 配置elasticsearch的集群名称，默认是elasticsearch。建议修改成一个有意义的名称。 |
| node.name | 节点名，es会默认随机指定一个名字，建议指定一个有意义的名称，方便管理 |
| path.conf | 设置配置文件的存储路径，tar或zip包安装默认在es根目录下的config文件夹，rpm安装默认在/etc/ elasticsearch |
| path.data | 设置索引数据的存储路径，默认是es根目录下的data文件夹，可以设置多个存储路径，用逗号隔开 |
| path.logs | 设置日志文件的存储路径，默认是es根目录下的logs文件夹 |
| path.plugins | 设置插件的存放路径，默认是es根目录下的plugins文件夹 |
| bootstrap.memory_lock | 设置为true可以锁住ES使用的内存，避免内存进行swap |
| network.host | 设置bind_host和publish_host，设置为0.0.0.0允许外网访问 |
| http.port | 设置对外服务的http端口，默认为9200。 |
| transport.tcp.port | 集群结点之间通信端口 |
| discovery.zen.ping.timeout | 设置ES自动发现节点连接超时的时间，默认为3秒，如果网络延迟高可设置大些 |
| discovery.zen.minimum_master_nodes | 主结点数量的最少值 ,此值的公式为：(master_eligible_nodes / 2) + 1 ，比如：有3个符合要求的主结点，那么这里要设置为2 |
进入elasticsearch/bin目录，可以看到下面的执行文件：
然后输入命令：
./elasticsearch
发现报错了，启动失败：
我们使用的是centos6，其linux内核版本为2.6。而Elasticsearch的插件要求至少3.5以上版本。不过没关系，我们禁用这个插件即可。
修改elasticsearch.yml文件，在最下面添加如下配置：
bootstrap.system_call_filter: false
然后重启
再次启动，又出错了：
[1]: max file descriptors [4096] for elasticsearch process likely too low, increase to at least [65536]
我们用的是zerol用户，而不是root，所以文件权限不足。
首先用root用户登录。
然后修改配置文件:
vim /etc/security/limits.conf
添加下面的内容：
* soft nofile 65536
* hard nofile 131072
* soft nproc 4096
* hard nproc 4096
刚才报错中，还有一行：
[1]: max number of threads [1024] for user [leyou] is too low, increase to at least [4096]
这是线程数不够。
继续修改配置：
vim /etc/security/limits.d/90-nproc.conf
修改下面的内容：
* soft nproc 1024
改为：
* soft nproc 4096
[3]: max virtual memory areas vm.max_map_count [65530] likely too low, increase to at least [262144]
vm.max_map_count：限制一个进程可以拥有的VMA(虚拟内存区域)的数量，继续修改配置文件， ：
vim /etc/sysctl.conf
添加下面内容：
vm.max_map_count=655360
然后执行命令：
sysctl -p
所有错误修改完毕，一定要重启你的 Xshell终端，否则配置无效。
再次启动，终于成功了！
可以看到绑定了两个端口:
- 9300：集群节点间通讯接口
- 9200：客户端访问接口
我们在浏览器中访问：http://192.168.56.101:9200
Kibana是一个基于Node.js的Elasticsearch索引库数据统计工具，可以利用Elasticsearch的聚合功能，生成各种图表，如柱形图，线状图，饼图等。
而且还提供了操作Elasticsearch索引数据的控制台，并且提供了一定的API提示，非常有利于我们学习Elasticsearch的语法。
因为Kibana依赖于node，我们的虚拟机没有安装node，而window中安装过。所以我们选择在window下使用kibana。
最新版本与elasticsearch保持一致，也是6.3.0
解压到特定目录即可
配置
进入安装目录下的config目录，修改kibana.yml文件：
修改elasticsearch服务器的地址：
elasticsearch.url: "http://localhost:9200"
运行
进入安装目录下的bin目录：
双击运行：
发现kibana的监听端口是5601
选择左侧的DevTools菜单，即可进入控制台页面：
在页面右侧，我们就可以输入请求，访问Elasticsearch了。
Lucene的IK分词器早在2012年已经没有维护了，现在我们要使用的是在其基础上维护升级的版本，并且开发为ElasticSearch的集成插件了，与Elasticsearch一起维护升级，版本也保持一致，最新版本：6.3.0
https://github.com/medcl/elasticsearch-analysis-ik
上传课前资料中的zip包，解压到Elasticsearch目录的plugins目录中：
使用unzip命令解压：
unzip elasticsearch-analysis-ik-6.3.0.zip -d ik-analyzer
然后重启elasticsearch：
大家先不管语法，我们先测试一波。
在kibana控制台输入下面的请求：
POST _analyze
{
"analyzer": "ik_max_word",
"text": "我是中国人"
}
运行得到结果：
{
"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
}
]
}