[Elasticsearch] 사내 스터디: 엘라스틱서치 CRUD/색인/분석기 2th

📌 Elastic Stack

목차

1. 엘라스틱서치 CRUD
2. RDBMS의 색인
3. 엘라스틱 서치의 색인
4. 분석기

📌 엘라스틱서치 CRUD

메서드	설명	메서드 1	설명 1
POST	해당 리소스를 추가	GET	해당 리소스를 조회
PUT	해당 리소스를 수정	DELETE	해당 리소스를 삭제

• 엘라스틱서치는 모든 요청과 응답을 REST API 형태로 제공
• 6.x 부터 PUT과 POST를 엄격히 구분하지 않고 사용을 한다.

RESTFul API

Restful API를 통해 index에 document를 추가할 수 있는데, 이러한 작업을 문서를 색인화 한다 지칭

인덱스 만들기

PUT customer?pretty

• PUT 메서드를 사용하여 customer라는 색인을 생성
• pretty의 경우 reponse(결과)를 예쁘게 보여주기 위함

{
  "acknowledged": true, // 응답 결과 여부
  "shards_acknowledged": true, // 필요한 수의 shard copy의 시작 유무
  "index": "customer" // 생성된 데이터 베이스(인덱스)명
}

인덱스 조회

GET /_cat/indices?v

• GET: HTTP 메서드명
• _cat: 엘라스틱서치에서 제공해주는 API
• indices: 복수의 인덱스를 의미

health status index                             uuid                   pri rep docs.count docs.deleted store.size pri.store.size
yellow open   filebeat-7.16.2-2021.12.23-000001 _vAVYsNlT5OBFWhrZl2N4w   1   1          0            0       226b           226b
green  open   .geoip_databases                  pX5UN4wESS-vCV5AoEuhxQ   1   0         44           43     43.6mb         43.6mb
green  open   .kibana_task_manager_7.16.2_001   JwZwWmBvQv20SgLrQainDw   1   0         17         5733      1.8mb          1.8mb

엘라스틱 서치에서 제공하는 API

## _언더바                            : API를 의미
## _cat/health?v                     : 현재 클러스터의 상태
## _cat/nodes?v                      : 노드 상태
## _update                           : 특정 데이터 업데이트
## _search                           : 데이터 전체 조회
## ?v                                : 상세 정보 확인

• 기본적으로 자주 사용이 되는 API 리스트

데이터 삽입

POST tourcompany/customerlist/1
{
  "name": "Alfred",
  "phone": "010-1234-5678",
  "holiday_dest": "Disneyland",
  "departure_date": "2017/01/20"
}

• index: tourcompany
• type: customerlist
• id: 1

데이터 삽입 성공

{
  "_index" : "customer",
  "_type" : "type1",
  "_id" : "1", ## document => 지정하지 않을 시 랜덤으로 들어간다
  "_version" : 1,
  "result" : "created",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 0,
  "_primary_term" : 1
}

데이터 삭제

DELETE customer/type1/1

• 데이터 삭제 시 인덱스, 타입, Id를 지정
• POST와는 다르게 바디 영역이 존재하지 않는다.

데이터 삭제 성공

{
  "_index" : "customer",
  "_type" : "type1",
  "_id" : "1",
  "_version" : 2,
  "result" : "deleted", # 삭제 여부
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 1,
  "_primary_term" : 1
}

데이터 수정

# 아래 명령어를 통해 document의 일부분을 변경할 수 있다
POST customer/type1/1/_update
{
  "doc" : {
    "age" : 123
  }
}

# 해당 명령어는 document 전체를 갈아끼우는 방법
POST customer/type1/1
{
  "name": "ymkim"
}

📌 RDBMS의 색인

• MySQL, MS-SQL, MariaDB 등등

Ⅰ 일반적인 데이터베이스 인덱싱(Indexing)

• 일반적인 데이터베이스(MySQL, MS-SQL)는 단방향 색인을 사용
• 대표적으로 Like 검색을 사용

Ⅱ 일반적인 데이터베이스 인덱싱(Indexing)

• 특정 키워드를 찾기 위해서는 Full Scan을 수행 해야한다
• 상단한 연산을 수반
• 별도의 캐싱 로직을 추가하지 않는 이상 같은 작업을 반복

📌 엘라스틱 서치의 색인?

• 엘라스틱 서치는 기본적으로 역색인을 사용한다

Ⅰ 엘라스틱 서치의 역색인

1. 엘라스틱 서치는 데이터 저장 시 의미있는 단어들을 추출
2. 해당 단어들로 역색인(Inverted Index)를 생성
3. 단어를 검색시 어떤 도큐먼트에 해당 단어가 포함되 있는지 확인 가능

Ⅱ 엘라스틱 서치의 역색인

• 데이터가 늘어나도 찾아가야 할 행이 늘어나는 것이 아니라 역 인덱스가 가리키는 id의 배열값이 추가되는 것 뿐이기 때문에 큰 속도의 저하 없이 빠른 속도로 검색이 가능합니다

📌 분석기?

Ⅰ 분석에 필요한 구성 요소

전처리 필터 - CharFilters

• 원문에서 불필요한 문자를 제거한다
• 문자열 자체가 분리된것이 아닌, 필터링 된 문자열

Ⅱ 분석에 필요한 구성 요소

토크나이저 필터 문자 분리 방법

• standard tokenizer
  • 기호 기준
• whitespace tokenizer
  • 공백 기준
• ngram tokenizer
  • 한 글자씩
• keyword tokenizer
  • 분리하지 않는다

Ⅲ 분석에 필요한 구성 요소

토큰 필터

• Ascii Folding
  • ASCII
• Lowercase
  • 소문자
• Uppercase
  • 대문자
• Stop
  • 불용어 사전을 구축하여 검색되지 않을 단어 지정
• Synonym
  • 동의어 처리를 위한 필터, 비슷한 뜻으로 쓰이는 단어를 묶는다
  • ex) 애플 검색 → 아이폰 검색 결과를 포함하여 표시
• Trim
  • 공란 제거

참고 자료

• Elasticsearch 개발부터 운영까지 📌
• 6.1 역 인덱스 - Inverted Index
• 6.2 텍스트 분석 - Text Analysis
• Character filters reference
• Elasticsearch 분석
• Analysis & Analyzer