ElasticSearch第五篇:基本用法

基础概念:

一:集群和节点


ElasticSearch第五篇:基本用法_第1张图片
image.png
ElasticSearch第五篇:基本用法_第2张图片
image.png

一个节点只能是集群的一部分。所有的节点都是通过集群的名字来加入到集群的。
每个节点都有自己的名字:master /slave1/slave2

二:基础概念
索引:含有相同属性的文档集合,相当于database;
类型:索引可以定义一个或多个类型,文档必须属于一个类型,相当于table
文档:文档是可以被索引的基本数据单位,相当于record(一条记录)

  • 和索引相关的有“分片”和“备份”
    ES索引默认5个分片,分片指定后不可以修改,备份数可以修改。
    为什么要有分片和备份?
    1、假设索引数据量大,造成硬盘压力大,搜索速度出现瓶颈,将索引分为多个分片,分摊压力,分片也允许用户进行水平扩展和拆分,以及分布式的操作,可以提高搜索的效率
    2、主分片失败或者出现问题时,备份的分片可以代替工作,提高了es的可用性,备份的分片还可以执行搜索操作,分摊搜索的压力

基本用法

RESTFul API
API基本格式:http://ip:port/索引/类型/文档id
常用http动词:GET/POST/PUT/DELETE

  • DSL 搜索
    DSL (Domain Specific Language)是 E5 提出的基于 json 的搜素方式,在搜素时传入特定的 on 格式的数据来完成不同的搜索需求。
    DSL 比URI 搜索方式功能强大,在项目中建议使用 DSL 方式来完成.
一.创建索引

创建索引方式:非结构化创建 和结构化创建
索引的属性:粗框框就是分片,细框框是分片的备份

非结构化创建:
head插件里索引-新建索引:

ElasticSearch第五篇:基本用法_第3张图片
image.png
ElasticSearch第五篇:基本用法_第4张图片
image.png

因为本地没有启动集群,所以分片的备份是无效的状态,可以看到图中的灰色框

结构化创建:

ElasticSearch第五篇:基本用法_第5张图片
image.png

创建索引成功后,可以在索引信息中看到mapping里面有值了。

ElasticSearch第五篇:基本用法_第6张图片
image.png
二.插入 PUT
PUT /megacorp/employee/2
{
    "first_name" : "cici",
    "last_name" :  "xiao",
    "age" :        24,
    "about" :      "I love to running",
    "interests": [ "coding", "music" ]
}
三.修改:直接修改文档和脚本修改文档 POST

直接修改文档:


ElasticSearch第五篇:基本用法_第7张图片
image.png
ElasticSearch第五篇:基本用法_第8张图片
image.png

脚本修改文档:

ElasticSearch第五篇:基本用法_第9张图片
image.png
ElasticSearch第五篇:基本用法_第10张图片
image.png

将参数放到外面注入数据:

{
    "script" : {
        "lang" :  "painless",
        "inline" :  "ctx._source.age =params.age",
        "params" : {
            "age":100
    }
    }
}
ElasticSearch第五篇:基本用法_第11张图片
image.png
四.删除 DELETE
  • 删除数据
    在postman中,delete方式
    127.0.0.1:9200/megacorp/employee/2_update
    删除id=2_update的数据
ElasticSearch第五篇:基本用法_第12张图片
image.png
image.png
  • 删除索引
    1.直接利用插件删除索引
    2.脚本删除索引
 127.0.0.1:9200/book

成功删除book索引

image.png
五.查询 GET
  • 简单查询
    127.0.0.1:9200/megacorp/employee/3

  • 条件查询
    127.0.0.1:9200/megacorp/employee/_search 查询所有

127.0.0.1:9200/megacorp/employee/_search 查询所有和指定条数
{
    "query":{
        "match_all":{}
    },
    "from":1,
    "size":1    
}
127.0.0.1:9200/megacorp/employee/_search 匹配条件和按照年龄排序
{
    "query":{
        "match":{
            "first_name":"cici"
        }
    },
    "sort":[{"age":{"order":"desc"}}
    ]
}
  • 聚合查询
    单个分组聚合;按照年龄分组
127.0.0.1:9200/megacorp/employee/_search
{
    "aggs":{//aggs 为聚合查询的格式:
        "group_by_age":{
            "terms":{
                "field":"age"
            }
        }
    }
}

返回的结果有数据信息和聚合结果信息(此处只截取了聚合信息):
 "aggregations": {
        "group_by_word_count": {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 0,
            "buckets": [
                {
                    "key": 24, //年龄为24 // 有一人
                    "doc_count": 1 
                },
                {
                    "key": 25,
                    "doc_count": 1
                },
                {
                    "key": 28,
                    "doc_count": 1
                },
                {
                    "key": 100,
                    "doc_count": 1
                }
            ]
        }
    }

  • 多个分组聚合:
{
    "aggs":{
        "group_by_age":{
            "terms":{
                "field":"age"
            }
        },
        "group_by_about":{
            "terms":{
                "field":"about"
            }
        }
    }
}
  • 其他聚合查询
对所有人的age进行统计
{
    "aggs":{
        "grades_age":{
            "stats":{// 对所有人的age进行统计
                "field":"age"
            }
        }
    }
}

返回:
  "aggregations": {
        "grades_age": {
            "count": 4,
            "min": 24.0,
            "max": 100.0,
            "avg": 44.25,
            "sum": 177.0
        }
    }
直接指定age的最小值:
{
    "aggs":{
        "grades_age":{
            "min":{//直接指定age的最小值:
                "field":"age"
            }
        }
    }
}
返回:
"aggregations": {
        "grades_age": {
            "value": 24.0
        }
    }

你可能感兴趣的:(ElasticSearch第五篇:基本用法)