Elasticsearch也是基于Lucene的全文检索库，本质也是存储数据，很多概念与MySQL类似的。
基本概念
索引库（ indices ）
索引 indices 类似数据库 Datebases， indices 是 index 的复数，代表许多的索引。
类型( type )
类型是模拟 mysql 中的 table 概念，一个索引库下可以有不同类型的索引，比如商品索引，订单索引，其数据格式不同。不过这会导致索引库混乱，因此未来版本中会移除这个概念。
文档 ( document )
存入索引库原始的数据，比如每一条商品信息，就是一个文档。
字段( field )
文档中的属性
映射配置( mappings )
字段的数据类型、属性、是否索引、是否存储等特性
分片( shard )
数据拆分后的各个部分
副本( replica )
每个分片的复制
操作
Elasticsearch 采用 Rest 风格 API ，因此其 API 就是一次 http 请求，你可以用任何工具发起 http 请求。
创建索引
在 kibana 控制面板 dev tools 下测试：
PUT ohome
{
"settings":{
"number_of_shards": 1,
"number_of_replicas": 0
}
}
number_of_shards：分片数量，number_of_replicas：副本数量
查看索引
GET ohome
//得到
{
"ohome": {
"aliases": {},
"mappings": {},
"settings": {
"index": {
"creation_date": "1575645819256",
"number_of_shards": "1",
"number_of_replicas": "0",
"uuid": "Y8zm3itmQdqX4pN83VNPWg",
"version": {
"created": "6020499"
},
"provided_name": "ohome"
}
}
}
}
也可以用 GET * 查询所有索引库
删除索引
DELETE ohome1
//得到
{
"acknowledged": true
}
创建映射字段
创建映射字段相当于创建表结构
PUT ohome/_mapping/goods
{
"properties": {
"title":{
"type": "text",
"analyzer": "ik_max_word",
"index": true,
"store": true
},
"images":{
"type": "keyword",
"index": false
},
"price":{
"type": "float"
}
}
}
- 类型名称：就是前面将的 type 的概念，类似于数据库中的不同表；
- properties：就是存放字段的；
- type：类型，可以是 text、keyword 、long、short、date、integer、object 等，text、keyword 都表示字符串，text 可以分词，keyword 不可以分词；
- index：是否索引，默认为 true ，表示是否可以搜索
- store：是否存储，默认为 false ，表示是否额外存储，在Elasticsearch中，即便store设置为false，也可以搜索到结果，原因是Elasticsearch在创建文档索引时，会将文档中的原始数据备份，保存到一个叫做
_source的属性中。而且我们可以通过过滤_source来选择哪些要显示，哪些不显示。 - analyzer：分词器，这里的 ik_max_word 即使用ik分词器
查看映射
GET ohome/_mapping/goods
//得到
{
"ohome": {
"mappings": {
"goods": {
"properties": {
"images": {
"type": "keyword",
"index": false
},
"price": {
"type": "float"
},
"title": {
"type": "text",
"store": true,
"analyzer": "ik_max_word"
}
}
}
}
}
}
新增数据
POST ohome/goods
{
"title":"小米",
"images":"http://xxxxxxx",
"price":2000.00
}
查看数据
GET _search
{
"query":{
"match_all":{}
}
}
返回
{
"took": 4,
"timed_out": false,
"_shards": {
"total": 1,
"successful": 1,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 2,
"max_score": 1,
"hits": [
{
"_index": "ohome",
"_type": "goods",
"_id": "eeEh3G4Bz21prctaJOm1",
"_score": 1,
"_source": {
"title": "小米",
"images": "http://xxxxxxx",
"price": 2000
}
},
{
"_index": "ohome",
"_type": "goods",
"_id": "euEj3G4Bz21prctaGunA",
"_score": 1,
"_source": {
"title": "小米手机",
"images": "http://image.leyou.com/12479122.jpg",
"price": 2699
}
}
]
}
}
_source：源文档信息，所有的数据都在里面；
_id：这条文档的唯一标示。
修改数据
PUT /ohome/goods/eeEh3G4Bz21prctaJOm1
{
"title":"超大米手机",
"images":"http://image.leyou.com/12479122.jpg",
"price":3899.00
}
eeEh3G4Bz21prctaJOm1 为文档 id
删除数据
DELETE /ohome/goods/eeEh3G4Bz21prctaJOm1
查询基本语法
GET /索引库名/_search
{
"query":{
"查询类型":{
"查询条件":"查询条件值"
}
}
}
查询类型，match_all， match，term ， range 等等。
查询所有（match_all)
GET /ohome/_search
{
"query":{
"match_all": {}
}
}
匹配查询( match )
match类型查询，会把查询条件进行分词，然后进行查询,多个词条之间是or的关系。
GET /ohome/_search
{
"query":{
"match": {
"title":"小米"
}
}
}
某些情况下，我们需要更精确查找，我们希望这个关系变成 and ，可以这样做：
GET /ohome/_search
{
"query":{
"match": {
"title":{
"query": "小米",
"operator": "and"
}
}
}
}
match 查询支持 minimum_should_match 最小匹配参数， 这让我们可以指定必须匹配的词项数用来表示一个文档是否相关
GET /ohome/_search
{
"query":{
"match": {
"title":{
"query": "小米手机hh",
"minimum_should_match": "75%"
}
}
}
}
多字段查询（multi_match）
GET /ohome/_search
{
"query":{
"multi_match": {
"query": "小米",
"fields": ["title","subTitle"]
}
}
}
词条匹配( term )
term 查询被用于精确值匹配，这些精确值可能是数字、时间、布尔或者那些未分词的字符串
GET /ohome/_search
{
"query":{
"term": {
"price": 2699
// "price":[2699.00,2899.00,3899.00]
}
}
}
结果过滤
默认情况下，elasticsearch 在搜索的结果中，会把文档中保存在_source的所有字段都返回。如果我们只想获取其中的部分字段，我们可以添加_source的过滤。
GET /ohome/_search
{
"_source": ["title"],
"query":{
"term": {
"price": 2699
}
}
}
也可以指定includes和excludes
- includes：来指定想要显示的字段
- excludes：来指定不想要显示的字段
GET /ohome/_search
{
"_source": {
"excludes": ["images"]
},
"query":{
"term": {
"price": 2699
}
}
}
布尔组合（bool)
bool把各种其它查询通过must（与）、must_not（非）、should（或）的方式进行组合
GET /ohome/_search
{
"query":{
"bool":{
"must": { "match": { "title": "大米" }},
"must_not": { "match": { "title": "电视" }},
"should": { "match": { "title": "手机" }}
}
}
}
范围查询(range)
range 查询找出那些落在指定区间内的数字或者时间。
- gt：大于
- gte：大于等于
- lt：小于
- lte：小于等于
GET /ohome/_search
{
"query":{
"range": {
"price": {
"gte": 1000.0,
"lt": 2800.00
}
}
}
}
模糊查询(fuzzy)
GET /ohome/_search
{
"query": {
"fuzzy": {
"title": "xiaomi"
}
}
}
过滤(filter)
所有的查询都会影响到文档的评分及排名。如果我们需要在查询结果中进行过滤，并且不希望过滤条件影响评分，那么就不要把过滤条件作为查询条件来用。而是使用filter方式：
GET /ohome/_search
{
"query":{
"bool":{
"must":{ "match": { "title": "小米手机" }},
"filter":{
"range":{"price":{"gt":2000.00,"lt":3800.00}}
}
}
}
}
排序
可以多字段
GET /ohome/_search
{
"query": {
"match": {
"title": "小米手机"
}
},
"sort": [
{
"price": {
"order": "desc"
}
}
]
}
聚合 aggregations
聚合可以让我们极其方便的实现对数据的统计、分析，实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现实时搜索效果。
Elasticsearch 中的聚合，包含多种类型，最常用的两种，一个叫桶，一个叫度量：
桶的作用，是按照某种方式对数据进行分组，每一组数据在ES中称为一个桶，例如我们根据国籍对人划分，可以得到中国桶、英国桶，日本桶……
Elasticsearch 中提供的划分桶的方式有很多：
- Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组
- Histogram Aggregation：根据数值阶梯分组，与日期类似
- Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组
- Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组
- ……
bucket aggregations 只负责对数据进行分组，并不进行计算。
度量（metrics），分组完成以后，我们一般会对组中的数据进行聚合运算，例如求平均值、最大、最小、求和等，这些在ES中称为度量。
- Avg Aggregation：求平均值
- Max Aggregation：求最大值
- Min Aggregation：求最小值
- Percentiles Aggregation：求百分比
- Stats Aggregation：同时返回avg、max、min、sum、count等
- Sum Aggregation：求和
- Top hits Aggregation：求前几
- Value Count Aggregation：求总数
- ……
GET /cars/_search
{
"size" : 0,
"aggs" : {
"popular_colors" : {
"terms" : {
"field" : "color"
}，
"aggs":{
"avg_price": {
"avg": {
"field": "price"
}
}
}
}
}
}
- size： 查询条数，这里设置为0，因为我们不关心搜索到的数据，只关心聚合结果，提高效率
- aggs：声明这是一个聚合查询，是aggregations的缩写，我们在上一个aggs(popular_colors)中添加新的aggs。可见度量也是一个聚合；
- popular_colors：给这次聚合起一个名字，任意。
- terms：划分桶的方式，这里是根据词条划分
- field：划分桶的字段，度量中是运算的字段
- avg：度量的类型，这里是求平均值
阶梯分桶Histogram
我们对汽车的价格进行分组，指定间隔interval为5000：
GET /cars/_search
{
"size":0,
"aggs":{
"price":{
"histogram": {
"field": "price",
"interval": 5000
}
}
}
}