Docker 中 Elasticsearch 添加 IK 分词器以及 Kibana 的部署和使用

1. Docker 中 Elasticsearch 添加 IK 分词器

如果需要下载其他版本:
https://github.com/medcl/elasticsearch-analysis-ik/releases

进入容器后运行

cd plugins/
wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v5.6.12/elasticsearch-analysis-ik-5.6.12.zip;
unzip elasticsearch-analysis-ik-5.6.12.zip;
mv elasticsearch ik;
rm -rf elasticsearch-analysis-ik-5.6.12.zip;

推出重启容器, 访问下面的 URL

http://192.168.19.129:9200/_analyze?analyzer=ik_smart&pretty=true&text=我是程序员

2. Kibana 的部署和使用

部署

docker pull kibana:5.6.12;
docker run -it -d  -p 5601:5601 -e ELASTICSEARCH_URL=http://192.168.19.129:9200 --name=kibana kibana:5.6.12;

访问

http://192.168.19.129:5601/

2.1 基本用法

# 新增索引库
PUT /user

# 获取所有索引库信息
GET _cat/indices

# 删除索引库
DELETE /user

# 添加映射
PUT /user/userinfo/_mapping
{
  "properties": {
    "name": {
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart", 
      "store": false
    },
    "city": {
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart", 
      "store": false
    },
    "age": {
      "type": "long",
      "store": false
    },
    "description": {
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart", 
      "store": false
    }
  }
}

# 添加文本数据 id=1
PUT /user/userinfo/1
{
  "name": "张三",
  "city": "上海",
  "age": 20,
  "description": "张三是一名是中国上海人"
}


# 添加文本数据 id=2
PUT /user/userinfo/2
{
  "name": "李四",
  "city": "北京",
  "age": 25,
  "description": "李四到北京实习"
}


# 根据 ID 查询数据 id=2
GET /user/userinfo/2

# 更新文本数据 id=2 (原理: 删除原始数据, 新增数据)
PUT /user/userinfo/2
{
  "age": 30,
  "description": "李四在北京工作"
}

# 更新数据, 直接修改指定域的数据.
POST /user/userinfo/2/_update
{
  "doc": {
    "age": 45,
    "description": "李四在北京工作, 当上 CEO."
  }
}

# 查询索所有数据
GET _search

# 查询索引库所有数据
GET /user/_search

# 查询索引库下文档所有数据
GET /user/userinfo/_search

# 根据 age 降序排列
GET /user/userinfo/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

# 分页查询
GET /user/userinfo/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ],
  "from": 0,
  "size": 1
}

2.2 过滤查询

# 词项搜索 Term
GET /user/userinfo/_search
{
  "query": {
    "term": {
      "city": {
        "value": "上海"
      }
    }
  }
}

# 多个词项搜索 Terms
GET /user/userinfo/_search
{
  "query": {
    "terms": {
      "city": [
        "上海",
        "北京"
      ]
    }
  }
}

# 范围过滤搜索
GET /user/userinfo/_search
{
  "query": {
    "range": {
      "age": {
        "gte": 10,
        "lte": 26
      }
    }
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

# 范围存在域的数据
GET /user/userinfo/_search
{
  "query": {
    "exists": {
      "field": "age"
    }
  }
}

# bool 过滤数据
# must ==> and, must_not ==> not, should ==> or.
GET /user/userinfo/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "terms": {
            "city": [
              "上海",
              "北京"
            ]
          }
        },
        {
          "range": {
            "age": {
              "gte": 10,
              "lte": 20
            }
          }
        }
      ]
    }
  }
}

# 查询所有
GET /user/userinfo/_search
{
  "query": {
    "match_all": {}
  }
}

# 字符串查询
GET /user/userinfo/_search
{
  "query": {
    "match": {
      "description": "北京"
    }
  }
}

# 多个域字符串查询
GET /user/userinfo/_search
{
  "query": {
    "multi_match": {
      "query": "北京",
      "fields": [
        "city",
        "description"
      ]
    }
  }
}

3. Kibana 7+ 版本

需要进入容器将 kibana.yml 文件中的 http://elasticsearch:9200 改成自己的 Elasticsearch 的地址连接

vi config/kibana.yml

关于使用, 只有一点区别, 就是 7 版本以上去除了 type, 提高了搜索. 8 版本可以设置是否启动 type. 其他的基本上一样