ES，ElasticSearch的缩写，并不特殊，特殊的是今天是西方的情人节，说起情人节，是不是最先想到的是圣瓦伦丁这位大神，一个基督徒。其实这位大哥跟情人节没什么直接关系，把情人节跟他的名字联系在一起的是英国的李白，乔叟；把情人节炒作起来的是贺卡/邮币商人还有当初做了心形巧克力的吉百利。
ES跟数据库有些相似之处，毕竟它也来自Compass，15年前为西安的华商网做搜索，第一次用到了Lucene/Compass，到了现在搜索领域的热度远不如当年，技术上的确也有进步，对比大数据还是差了很多。ES最近我们也在用，的确是因为要把用户的使用情况这种使用日志记录下来，就是记录“某某在几月几日几点几分在系统上做了什么操作，就是系统使用日志”，为啥我们要记录这些，就是想记录之后，能够看到大家在系统上作业的过程，从流程到时间都会记录，还能让管理者更好的进行搜索也是避免一些操作型风险的产生。既然说ES跟数据库有相似之处，相似在：
- 索引（Index)： 索引与关系型数据库实例(Database)相当。索引只是一个 逻辑命名空间，它指向一个或多个分片(shards)
- 文档类型（Type）：相当于数据库中的表的概念。每个文档在ES中都必须设定它的类型。文档类型使得同一个索引中在存储结构不同文档时，只需要依据文档类型就可以找到对应的参数映射(Mapping)信息，方便文档的存取。
- 文档（Document) ：相当于数据库中的row， 是可以被索引的基本单位。例如，你可以有一个的客户文档，有一个产品文档，还有一个订单的文档。文档是以JSON格式存储的。在一个索引中，您可以存储多个的文档。
ES主要就这些基本概念了，弄明白很容易。别问为啥能进行搜索，因为这还要借助于分词工具比如“ik_max_word”等。
PUT my/_doc/1
{
"msg":"我爱北京天安门"
}
POST /my/_search
{
"query": {
"match": {
"msg": "北京"
}
}
}
PUT my/_mapping
{
"properties": {
"msg": {
"type": "text",
"analyzer": "ik_max_word"
}
}
}
只要我们给定我们的标准日志格式，就能够轻松获取所有的日志。ES只是存储了这些索引，更方便进行检索。前后联动的逻辑，我们不细说了，因为都一样。
<template>
<div id="login">
<el-form ref="form" :model="User" label-width="80px">
<el-form-item label="账号">
<el-input v-model="User.username"></el-input>
</el-form-item>
<el-form-item label="密码">
<el-input v-model="User.password" type="password"></el-input>
</el-form-item>
<el-form-item>
<el-button type="primary" @click="toLogin">立即登录</el-button>
<el-button>取消</el-button>
</el-form-item>
</el-form>
</div>
</template>
<script>
const axios = require("axios");
export default {
name: 'login',
data () {
return {
User: { //Assume user has only two attributes
username: '',
password: ''
}
}
},
methods: {
toLogin () {//登录方法
var vm = this;
axios.post('http://localhost:8080/login', this.User)
.then(function (response) {
if (response.data.state == 200) {//登录成功
vm.$notify.success({//弹窗
title: '登录',
message: '登录成功！',
position: 'bottom-right'
});
})
.catch(function (error) {
console.log(error)
})
}
}
}
</script>
<style>
#login {
width: 800px;
margin: 0 auto;
margin-top: 100px;
}
</style>
Java的代码片段如下：
@RestController
public class LoginController {
@Autowired
private UserServiceImpl userService;
/**
* Login
* @param response
* @param request
* @param user
* @param model
* @return
*/
@PostMapping("/login")
public ResponseResult Login(HttpServletResponse response , HttpServletRequest request, @RequestBody User user, Model model){
ResponseResult responseResult=new ResponseResult();
try {
User my-user = userService.userlogin(request, response, user);
if (user2!=null){
responseResult.setState(200);
responseResult.setMsg("登录成功！");
return responseResult;
}
}catch (Exception e) {
.....
}
}.....
UserServiceImpl.java
@Service
public class UserServiceImpl{
@Autowired
private UserDao userDao;
private Map<Integer,String> UserLogin = new HashMap<>();
@Resource
private KafkaTemplate<String, String> kafkaTemplate;
/**
* 登录
* @param request
* @param response
* @param u
* @return
*/
public User userlogin(HttpServletRequest request, HttpServletResponse response, User u){
//查询登录是否成功
User user=userDao.findByUsernameAndPassword(u.getUsername(),u.getPassword());
//判断user是否为空
if(user==null){
return null;
}
kafkaTemplate.send("Kafka.topic.user", user.toString());
return user;
} .....
只要再写个Consumer消费一下消息，并且把消息的内容ES一下即可：
KafkaConsumer<String, String> consumer = new KafkaConsumer<>(props);
consumer.subscribe(Collections.singletonList("Kafka.topic.user"));
说白了就是这么个过程
当然，你完全可以通过Logstash来完成这件事，也不复杂，还是ELK的精髓所在。
日志的来源还是靠客户端的事件获取。ES的shards是用来做集群使用的,关于集群ES倒是用不上Zookeeper了，因为自己干的就是这么个集群的事情，用分片这个词更恰当。ES可以把一个完整的索引分成多个分片，这样的好处是可以把一个大的索引拆分成多个，分布到不同的节点上。构成分布式搜索。分片的数量只能在索引创建前指定，而且索引创建后不能更改。除了分片，ES还提供Replicas，代表了索引副本，副本的作用一是提高系统的容错性，当某个节点某个分片损坏或丢失时可以从副本中恢复。二是提高ES的查询效率，能够自动对搜索请求进行负载均衡（设计的的确巧妙）。当然在实际使用的场景下，一些基本的设置还是要注意的，比如：
- 内存：特别是机器内存大于64G的时候，还有GC，另外像Query Cache的设置，是否需要手动Flush，避免使用脚本来对ES进行线上的操作等等。
总之，还是要在实际场景中去使用，技术才会有价值，好吧还是祝大家情人节快乐。
