[LNMP]全文检索方案：分布式Elasticsearch+My

2016-04-17 本文已影响3343人 tumg的LNMP_IOS小集

从2011年开始使用coreseek（基于sphinx）作为全文检索的解决方案，对于中小型应用使用还不错，但coreseek的新版一直跳票，而且在实际生产环境的表现不太稳定（单索引文件超过1G），缺少相应的运维监控工具，考虑替换其他的检索引擎。

在Yii 2.x 官方扩展中集成了Elasticsearch，于是开始学习关于Elasticsearch的资料，但由于版本更新太快，大部分资料都已经过时，所以用本文稍作记录，当然与sphinx 对比，Elasticsearch并不是完全对等的替代。

简介

概括来说是支持中文分词（重要）、多种数据源的分布式全文检索引擎，更多详细看官网：https://www.elastic.co/products/elasticsearch/

版本说明

服务器：Linux（centos 6.x）
java环境：JDK 1.8.0
elasticsearch：2.3.1
elasticsearch-jdbc（数据源插件）：2.3.1
IK Analysis（中文分词插件）：1.9.1

安装

JDK 环境

检查java版本
<code>java -version</code>
安装1.8+JDK
<code>yum install java-1.8.0</code>
查询旧版 JDK
<code>rpm -qa | grep java</code>
移除旧版JDK，根据查询的旧版本包名
<code>yum remove java-1.6.0</code>

Elasticsearch

1.添加yum源

创建.repo文件（elasticsearch.repo）：
<code>
[elasticsearch-2.x]
name=Elasticsearch repository for 2.x packages
baseurl=https://packages.elastic.co/elasticsearch/2.x/centos
gpgcheck=1
gpgkey=https://packages.elastic.co/GPG-KEY-elasticsearch
enabled=1
</code>

导入key：
<code>
rpm --import https://packages.elastic.co/GPG-KEY-elasticsearch
</code>

2.安装
<code>
yum install elasticsearch
</code>

基本配置

<pre>
mkdir -p /data/elasticsearch/data
mkdir -p /data/elasticsearch/logs
chown -R elasticsearch /data/elasticsearch/data
chown -R elasticsearch /data/elasticsearch/logs
</pre>

Elasticsearch 配置

默认路径：/etc/elasticsearch/elasticsearch.yml
<pre>

集群名（同一个集群，名称必须相同）

cluster.name: my-application

服务节点名（每个服务节点不一样）

node.name: node-1

数据存储路径

path.data: /data/elasticsearch/data

服务日志路径

path.logs: /data/elasticsearch/logs

服务ip地址

network.host: 0.0.0.0

服务端口

http.port: 9200
</pre>

Elasticsearch 环境变量配置

默认路径：/etc/sysconfig/elasticsearch
<pre>

设置为可用内存的50%

ES_HEAP_SIZE = 1g

其余参数参考说明进行调优（JVM）

</pre>

中文分词

采用 ik 分词插件进行中文分词，支持web热更新词库，项目github地址：https://github.com/medcl/elasticsearch-analysis-ik

安装

elasticsearch plugin安装方式失败，采用手动安装

1.安装maven工具
<code>wget http://repos.fedorapeople.org/repos/dchen/apache-maven/epel-apache-maven.repo -O /etc/yum.repos.d/epel-apache-maven.repo</code>

<code>yum install apache-maven</code>
2.下载ik源码包
<code>git clone https://github.com/medcl/elasticsearch-analysis-ik</code>

<code>cd elasticsearch-analysis-ik</code>
3.生成jar插件包
<code>
mvn clean
mvn compile
mvn package
</code>
4.copy到plugins 目录（/usr/share/elasticsearch/plugins）
<code>unzip target/releases/elasticsearch-analysis-ik-*.zip</code>

<code>cp -r target/releases/ /usr/share/elasticsearch/plugins/ik</code>

5.配置词库（ik自带搜狗词库）
配置：/usr/share/elasticsearch/plugins/ik/config/ik/IKAnalyzer.cfg.xml
<pre>
<code>
<entry key="ext_dict">custom/mydict.dic;custom/single_word_low_freq.dic;custom/sougou.dic</entry>
</code>
</pre>

6.重启elasticsearch
<code>service elasticsearch restart</code>

数据源（JDBC importer for Elasticsearch）

插件官网：https://github.com/jprante/elasticsearch-jdbc

1. 安装：（一般解压即可使用）
强烈建议下载与Elasticsearch 版本对应的源码包：https://github.com/jprante/elasticsearch-jdbc/tree/2.3.1.0

2. mysql数据源配置（默认脚本目录/path/bin/）

全量索引：mysql-es-all.sh

<pre>

!/bin/sh

DIR="$( cd "$( dirname "${BASH_SOURCE[0]}" )" && pwd )"
bin=${DIR}/../bin
lib=${DIR}/../lib

curl -XDELETE '192.168.115.115:9200/myindex'
echo '
{
"type" : "jdbc",
"jdbc" : {
"locale" : "zh_CN",
"statefile" : "statefile.json",
"timezone" : "GMT+8",
"autocommit" : true,

    "elasticsearch" : {
        "cluster" : "my-application",
        "host" : "192.168.115.115",
        "port" : "9300"
    },

    "index" : "myindex",
    "type" : "mytype",

    "url" : "jdbc:mysql://192.168.115.112:3306/search_content",
    "user" : "root",
    "password" : "",
    "sql" : "select cid as _id,title,content from news",
    
   
    "schedule": "0 0/15 0-23 ? * *",
    "metrics" : {
        "enabled" : true,
        "interval" : "5m"
    },

    "index_settings" : {
        "index" : {
            "number_of_shards" : 2,
            "number_of_replicas" : 2
        }
    },
    "type_mapping": {
        "mytype" : {
            "properties" : {
                "title" : {
                    "type" : "string",
                    "store": "no",
                    "term_vector": "with_positions_offsets",
                    "analyzer": "ik_max_word",
                    "search_analyzer": "ik_max_word",
                    "include_in_all": "true"
                },
                "content" : {
                    "type" : "string",
                    "store": "no",
                    "term_vector": "with_positions_offsets",
                    "analyzer": "ik_max_word",
                    "search_analyzer": "ik_max_word",
                    "include_in_all": "true"
                }
            }
        }
    }   
}

}
' | java
-cp "${lib}/*"
-Dlog4j.configurationFile=${bin}/log4j2.xml
org.xbib.tools.Runner
org.xbib.tools.JDBCImporter

</pre>

增量索引:mysql-es-update.sh

通过statefile.json 里面的时间进行查询，需相应的数据表有相应的字段
<pre>
...
"sql" : [
{
"statement" : "select cid as _id,title,content,from news where utime > unix_timestamp(?)",
"parameter" : [ "$metrics.lastexecutionstart" ]
}
],
...
</pre>

3. shell 运行相应的脚本

如果出现运行问题，通过查看/path/bin/logs/jdbc.log 排查

常用组件

head

安装命令：
<code>
/usr/share/elasticsearch/bin/plugin install mobz/elasticsearch-head
</code>
使用：
http://localhost:9200/_plugin/head/

head 插件

license

安装命令：
<code>
/usr/share/elasticsearch/bin/plugin install license
</code>

kibana＋marvel 监控台

elasticsearch集群监控平台

1. 安装kibana
1).添加yum源
创建.repo文件（kibana.repo）：
<code>
[kibana]
name=Kibana
baseurl=http://packages.elastic.co/kibana/4.5/centos
gpgcheck=1
gpgkey=http://packages.elastic.co/GPG-KEY-elasticsearch
enabled=1
</code>

导入key：
<code>
rpm --import https://packages.elastic.co/GPG-KEY-elasticsearch
</code>

2).安装
<code>
yum install kibana
</code>

2. 安装Marvel
在elasticsearch 安装 Marvel 插件
<code>
/usr/share/elasticsearch/bin/plugin install marvel-agent
</code>

在kibana 安装 Marvel 插件
<code>
/opt/kibana/bin/kibana plugin --install elasticsearch/marvel/latest
</code>

3. 启动kibana
<code>
service elasticseach restart
service kibana restart
</code>

4. 使用
http://localhost:5601/app/marvel

kibana监控台界面

集群配置

服务节点的基本参数，参考 Elasticsearch 配置 进行设置，为了方便，集群机器放在同一网段下（非强制）