ElasticSearch分布式搜索引擎从入门到实战应用（入门篇-基本命令操作）
ElasticSearch分布式搜索引擎从入门到实战应用（入门篇）
- 1、入门须知
- 2、ElasticSearch概述
-
- 2.1、ES简介
- 2.2、应用场景
- 3、ES和Solr的对比
-
- 3.1、ES作用
- 3.2、Solr作用
- 3.3、实际应用对比
- 3.4、总结
- 4、ElasticSearch安装
-
- 4.1、下载安装es
- 4.2、安装elasticSearch-head插件（es可视化界面）
- 5、安装kibana
-
- 5.1、下载kibana
- 5.2、安装
- 5.3、启动
- 5.4、kibana汉化
- 6、了解ELK
- 7、ElasticSearch核心概念
-
- 7.1、ES核心概念
- 7.2、物理设计
- 7.3、逻辑设计
- 8、IK分词器（插件）
-
- 8.1、IK分词器：中文分词器
- 8.2、自定义词典库
- 9、ES基于Rest风格调用说明
-
- 9.1、基本Rest请求说明
- 9.2、测试无条件请求
- 9.3、解决Kibana驱动报错
- 9.4、测试带条件请求（重点）
-
- 9.4.1、简单条件查询
- 9.4.2、复杂条件查询
- 9.4.3、text和keyword字段类型的区别（重点）
- 9.4.4、高亮查询
1、入门须知
笔记记录来源B站狂神的ElasticSearch课程：https://www.bilibili.com/video/BV17a4y1x7zq
-
世界搜索引擎排行榜：https://db-engines.com/en/ranking/search+engine
-
Lucene是一个用于文本搜索的函数库（文检索引擎工具包），由美国工程师Doug cutting创建。
-
注意这句话（看了这句，就知道这哥有多强了！！！）。
#关于 I am a founder of the Apache Lucene, Nutch, Hadoop and Avro open source projects. I served for six years on Apache's Board of Directors, three as its chair. #翻译 我是Apache Lucene, Nutch, Hadoop和Avro开源项目的创始人。 我在阿帕奇董事会工作了6年，其中3年是主席。 -
Lucene是用Java语言编写的，目标是为各种中小型应用软件加入全文检索功能。
-
2001年，Lucene称为Apache软件基金会 jakarta项目的一个子项目。
-
2003年，谷歌发表了一篇学术论文，公开介绍GFS（Google File System），是谷歌为了存储海量搜索数据专门设计的文件系统。
-
2004年，Doug cutting在Lucene的基础之上，和Apache的开源伙伴Mike Cafarella一起开发了一个可以代替当时主流搜索的开源搜索引擎，命名为
Nutch。 -
Nutch是一个建立在Lucene核心之上的网页搜索应用程序，Nutch在在Lucene的基础上增加了网络爬虫和一些网页相关的功能，目的是为了从简单的站内检索推广到全球网络的搜索上，就想Google一样。
-
2004年，同年Doug cutting基于Google的GFS论文，实现了分布式文件存储系统，并将其命名为NDFS（Nutch Distributed File System）。
-
2004年，Google又发表了一篇学术论文，介绍了MapReduce编程模型，用于大规模数据集（大于1TB）的并行分析运算。
-
2005年，Doug cutting又基于MapReduce在Nutch搜索引擎中是实现了该功能。
-
2006年，Doug cutting加入了Yahoo（雅虎），他将NDFS和MapReduce进行了升级改造，并将其命名为Hadoop（NDFS也改名为HDFS，Hadoop Distributed File System）。
-
这就是大名鼎鼎的大数据框架系统—Hadoop的由来，Doug cutting也被称为hadoop之父 （没错，
hadoop的logo就是来源于他儿子的玩具大象）。
-
2006年，Google又发布学术论文，介绍了自己的BigTable，这是一种分布式数据存储系统，用来处理海量数据的非关系型数据库，同时Doug cutting在自己的hadoop系统里面，引入了BigTable，并将其命名为大名鼎鼎的Hbase。
-
上面说了那么多，其实对于Doug cutting就一句话，Google出什么，我用什么！
-
2008年，hadoop成为Apache基金会的顶级项目。
2、ElasticSearch概述
2.1、ES简介
ElasticSearch，简称es，es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储检索、检索数据；本身扩展性很好，可以扩展到上百太服务器，处理PB级别（大数据时代）的数据。es也是使用Java语言开发的，并使用Lucene作为其核心来实现索引和搜索的功能，但是它的目的是通过简单的RESTFUL API，来隐藏Lucene的复杂性，从而让全文搜索变得简单。
2.2、应用场景
- 1、维基百科,类似百度百科，全文检索,高亮,搜索推荐（权重，做的最好的国内是百度）。
- 2、The Guardian (国外新闻网站) ,类似搜狐新闻,用户行为日志(点击,浏览,收藏,评论) +社交网络数据(对某某新闻的相关看法) ,数据分析,给到每篇新闻文章的作者,让他知道他的文章的公众反馈(好,坏,热门，垃圾,鄙视，崇拜)
- 3、Stack Overflow (国外的程序异常讨论论坛) , IT问题,程序的报错,提交上去,有人会跟你讨论和回答,全文检索,搜索相关问题和答案,程序报错了,就会将报错信息粘贴到里面去,搜索有没有对应的答案
- 4、GitHub (开源代码管理),搜索 上千亿行代码
- 5、电商网站,检索商品
- 6、日志数据分析, logstash采集日志, ES进行复杂的数据分析, ELK技术，
elasticsearch+logstash+kibana - 7、商品价格监控网站,用户设定某商品的价格阈值,当低于该阈值的时候,发送通知消息给用户,比如说订阅牙膏的监控,如果高露洁牙膏的家庭套装低于50块钱,就通知我,我就去买
- 8、BI系统,商业智能, Business Intelligence。比如说有个大型商场集团，BI ,分析一下某某区域最近3年的用户消费 金额的趋势以及用户群体的组成构成,产出相关的数张报表, **区,最近3年,每年消费金额呈现100%的增长,而且用户群体85%是高级白领，开-个新商场。ES执行数据分析和挖掘, Kibana进行数据可视化
- 9、国内:站内搜索(电商,招聘,门户,等等),IT系统搜索(OA,CRM,ERP,等等),数据分析(ES热门
的一一个使用场景)
3、ES和Solr的对比
3.1、ES作用
- Elasticsearch是一个实时分布式搜索和分析引擎。 它让你以前所未有的速度处理大数据成为可能。
- 它用于全文搜索、结构化搜索、分析以及将这三者混合使用:
- 维基百科使用Elasticsearch提供全文搜索并高亮关键字,以及输入**实时搜索(search-asyou-type)和搜索- 纠错(did-you-mean)**等搜索建议功能。
- 英国卫报使用Elasticsearch结合用户日志和社交网络数据提供给他们的编辑以实时的反馈,以便及时了解公众对新发表的文章的回应。
- StackOverflow结合全文搜索与地理位置查询,以及more-like-this功能来找到相关的问题和答案。
- Github使用Elasticsearch检索1300亿行的代码。
- 但是Elasticsearch不仅用于大型企业，它还让像DataDog以及Klout这样的创业公司将最初的想法变成可扩展的解决方案。
- Elasticsearch可以在你的笔记本上运行,也可以在数以百计的服务器上处理PB级别的数据。
- Elasticsearch是一个基于Apache Lucene™的开源搜索引擎。无论在开源还是专有领域, Lucene可被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。
- Lucene只是一个库，想要使用它,你必须使用Java来作为开发语言并将其直接集成到你的应用中,更糟糕的是, Lucene非常复杂,你需要深入了解检索的相关知识来理解它是如何工作的。
- Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能,但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性,从而让全文搜索变得简单。
3.2、Solr作用
- Solr是Apache下的一个顶级开源项目,采用Java开发,它是基于Lucene的全文搜索服务器。Solr提供了比Lucene更为丰富的查询语言,同时实现了可配置、可扩展，并对索引、搜索性能进行了优化
- Solr可以独立运行,运行在letty. Tomcat等这些Selrvlet容器中 , Solr 索引的实现方法很简单,用POST方法向Solr服务器发送一个描述Field及其内容的XML文档, Solr根据xml文档添加、删除、更新索引。Solr 搜索只需要发送HTTP GET请求,然后对Solr返回xml、json等格式的查询结果进行解析,组织页面布局。
- Solr不提供构建UI的功能, Solr提供了一个管理界面,通过管理界面可以查询Solr的配置和运行情况。
- Solr是基于lucene开发企业级搜索服务器,实际上就是封装了lucene.
- Solr是一个独立的企业级搜索应用服务器,它对外提供类似于Web-service的API接口。用户可以通过http请求,向搜索引擎服务器提交-定格式的文件,生成索引;也可以通过提出查找请求,并得到返回结果。
3.3、实际应用对比
1、当单纯的对已有数据进行搜索时，Solr更快
2、当实时建立索引时，Solr会产生io阻塞，查询性能较差，ElasticSearch具有明显的优势
3、随着数据量的增加，Solr的搜索效率会变得更低，而ElasticSearch却没有明显的变化
4、转变我们的搜索基础设施后从Solr ElasticSearch，我们看见一个即时~ 50x提高搜索性能！
3.4、总结
1、es基本是开箱即用(解压就可以用!) ,非常简单。Solr安装略微复杂一丢丢!
2、Solr 利用Zookeeper进行分布式管理,而Elasticsearch自身带有分布式协调管理功能。
3、Solr 支持更多格式的数据,比如JSON、XML、 CSV ,而Elasticsearch仅支持json文件格式（现今json格式是主流形式，基本能够满足绝大部分应用场景）。
4、Solr 官方提供的功能更多,而Elasticsearch本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑。
5、Solr 查询快,但更新索引时慢(即插入删除慢) ，用于电商等查询多的应用;
- ES建立索引快(即查询慢) ，即实时性查询快，用于facebook新浪等搜索。
- Solr是传统搜索应用的有力解决方案，但Elasticsearch更适用于新兴的实时搜索应用。
6、Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而Elasticsearch相对开发维护者较少,更新太快,学习使用成本较高。
4、ElasticSearch安装
- ElasticSearch是基于lucence开发的，也就是运行需要java jdk支持。所以要先安装JAVA环境。
- 由于ElasticSearch 5.x 往后依赖于JDK 1.8的，我们此处讲解
ElasticSearch是7.6.1版本的，所以最低版本要求，jdk8。 - 使用Java开发，必须保证ElasticSearch的版本与Java的核心jar包版本对应！
- 如果是linux的话，1核1G的基本跑不起来，为了方便演示，此处我们暂时在windows下操作，后续再去学习在linux下搭建es集群。
4.1、下载安装es
1、下载
- Elasticsearch: 权威指南文档（可能有些已经过时，仅作为参考）
- 官网下载地址（是最新版本）：https://www.elastic.co/cn/downloads/
- 官网所有的历史版本：https://www.elastic.co/cn/downloads/past-releases#elasticsearch
2、安装（直接解压即可）
介绍下相关目录及其下的文件的作用：
bin：启动文件目录
config：配置文件目录
1og4j2：日志配置文件
jvm.options：java虚拟机相关的配置(默认启动占1g内存，内存不够的话可以自己调整)
elasticsearch.ym1：es的配置文件! 默认9200端口!跨域!
1ib ：相关jar包
modules：功能模块目录
plugins：插件目录，eg：ik分词器
3、进入bin目录，双击elasticsearch.bat启动es
只要能看到started，就说明是启动成功了，此时我们直接访问地址http://127.0.0.1:9200/
4.2、安装elasticSearch-head插件（es可视化界面）
1、下载elasticsearch-head插件
- 下载地址：https://github.com/mobz/elasticsearch-head
2、下载node（如果已经安装过可以掠过此步骤）
- node下载地址：https://nodejs.org/en/download/
- 下载完直接安装，一直next即可。
- 安装完后cmd窗口查看版本
node -v。
3、安装grunt（这一步也可以省略，不是必须的，当然安装了也没啥影响，可以选用）
- grunt是一个很方便的构建工具，可以进行打包压缩、测试、执行等等的工作，elasticsearch-head-5.x里之后的插件支持通过grunt启动。
- 安装grunt
npm install -g grunt-cli - 查看版本号
grunt -version
4、启动elasticsearch-head
- 尽量将elasticsearch-head和elasticsearch放在同一个目录下
- 打开cmd窗口进入elasticsearch-head-master目录下
- 首先安装依赖(此处是为安装进行安装pathomjs)
#npm安装 npm install（是国外的镜像，速度会比较慢，还容易安装出错） #cnpm安装（推荐） cnpm install（cnpm是国内的淘宝镜像，安装比较快） #如果cnpm命令不可用，可以使用如下方式配置淘宝镜像 npm install -g cnpm -registry=https://registry.npm.taobao.org #查看cnpm的版本（出现版本信息说明是安装成功） D:\dev\elasticsearch\elasticsearch-head-master>cnpm -v cnpm@7.1.0 (C:\Users\admin\AppData\Roaming\npm\node_modules\cnpm\lib\parse_argv.js) npm@6.14.15 (C:\Users\admin\AppData\Roaming\npm\node_modules\cnpm\node_modules\npm\lib\npm.js) node@16.13.0 (D:\Sfotware\node\node.exe) npminstall@5.2.2 (C:\Users\admin\AppData\Roaming\npm\node_modules\cnpm\node_modules\npminstall\lib\index.js) prefix=C:\Users\admin\AppData\Roaming\npm win32 x64 10.0.19042 registry=https://registry.npmmirror.com #然后再次 cnpm install - 启动
# 启动 npm run start #或者是使用上述安装的grunt工具（都可以） grunt server
- 访问地址
http://localhost:9100
5、跨域问题
- 存在跨域问题（只有当两个页面同源，才能交互）
- 同源（端口，主机，协议三者都相同）
- https://blog.csdn.net/qq_38128179/article/details/84956552
- 上述出现跨域问题是因为两个端口不一致
6、修改es的参数，允许es被跨域访问，编辑文件config/elasticsearch.yml
# 开启跨域
http.cors.enabled: true
# 所有人访问
http.cors.allow-origin: "*"
7、重启启动es，刷新elasticsearch-head，再次连接
8、如何理解上图（对于初学者来说，姑且认为如下，理解即可）
- 索引：可以看做 “数据库”
- 类型：可以看做 “表”
- 文档：可以看做 “库中的数据（表中的行）”
- 这个head，我们只是把它当做可视化数据展示工具，因为它不支持json格式化，不方便操作，之后我们所有的查询都在
kibana工具中进行，后续安装。
5、安装kibana
5.1、下载kibana
- 官网下载地址（最新版本）：https://www.elastic.co/cn/downloads/
- 历史版本下载地址：https://www.elastic.co/cn/downloads/past-releases/
切忌！！！kibana要和elasticsearch版本保持一直！！！
5.2、安装
- 也是web前端项目，同样是依赖nodejs环境。
- 和es、es-head尽量放在同一个目录下。
- 直接解压即可（kibana项目很大，解压很慢）
- 解压完成
5.3、启动
- 双击
/bin/kibana.bat即可启动
- 启动成功后，访问地址
localhost:5601
- 进入开发工具界面
5.4、kibana汉化
- kibana是必经是大数据操作工具，不熟悉大数据里面很多名词也就不认识，但是不用担心，kibana很贴心，它支持汉化，很人性化（kibana这个项目远远比我们想象中要完善的多的多）。
- 在
kibana-7.6.1-windows-x86_64\x-pack\plugins\translations目录下可以找打zh-CN.json文件，打开瞧一瞧
- 编辑器打开
kibana解压目录/config/kibana.yml，修改如下参数即可
- 重新启动kibana，再次访问
http://localhost:5601/，此时已经汉化成功
6、了解ELK
ELK是Elasticsearch、Logstash、 Kibana三大开源框架首字母大写简称。市面上也被成为Elastic Stack。
- Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近乎实时搜索平台框架。像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大,市面上很多时候我们简称Elasticsearch为es。
- Logstash是ELK的中央数据流引擎,用于从不同目标(文件/数据存储/MQ )收集的不同格式数据,经过过滤后支持输出到不同目的地(文件/MQ/redis/elasticsearch/kafka等)。
- Kibana可以将elasticsearch的数据通过友好的页面展示出来 ,提供实时分析的功能。
市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称 ，但实际上ELK不仅仅适用于日志分析，它还可以支持其它任何数据分析和收集的场景，日志分析和收集只是更具有代表性，并非唯一性。
可以简单理解为如下图所示：
收集清洗数据(Logstash) ==> 搜索、存储(ElasticSearch) ==> 展示(Kibana)
7、ElasticSearch核心概念
7.1、ES核心概念
集群，节点，索引，类型，文档，分片，映射分别是什么？
至关重要的核心概念：
- 索引（ElasticSearch）：包含多个分片
- 分片（基于Lucene索引，倒排索引）
- 字段类型（映射mapping）：字段类型映射（字段是整型，还是字符型…）
- 文档（documents）：行数据
ElasticSearch是面向文档的。
如下是关系型数据库和ElasticSearch索引库的客观对比！一切都是JSON！
| Relational DB | ElasticSearch |
|---|---|
| 数据库（database） | 索引（index） |
| 表（tables） | 类型（types 慢慢会被弃用） |
| 行（rows） | 文档（documents ） |
| 列（columns） | 字段映射（fields-mapping） |
elasticsearch（集群）中，总结如下：
- 集群中可以包含多个索引（数据库）
- 每个索引中可以包含多个类型（表）
- 每个类型下又包含多个文档（行）
- 每个文档中又包含多个字段（列）
7.2、物理设计
- elasticsearch在后台把每个索引划分成多个分片，每个分片可以在集群中的不同服务器间迁移。
- 一个人就是一个集群! ，即启动后的ElasticSearch服务，虽然只启动一个服务，默认仍然是一个集群，且默认集群名为elasticsearch。
7.3、逻辑设计
- 一个索引类型中，包含多个文档，比如说文档1，文档2。
- 当我们索引一篇文档时，可以通过这样的顺序找到它：
索引 => 类型 => 文档ID，通过这个组合我们就能索引到某个具体类型的文档。- 注意：ID不必是整数，实际上它是个字符串。
1、文档（行）
之前说elasticsearch是面向文档的，也就是意味着索引搜索数据的最小单位是文档，在elasticsearch中文档有如下几个重要属性：
- 自我包含，一篇文档同时包含字段和对应的值，也就是同时包含key：value（键值对）。
- 可以是层次型的，一个文档中可以包含子文档，复杂的逻辑实体就是这么来得。（其实就是一个json对象，通过fastjson就可以自动转换）
- 灵活的结构，文档不依赖预先定义的模式，我们知道在关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对应字段是非常灵活的，有时候我们可以忽略该字段，或者动态的添加一个新的字段。
尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在elasticsearch中，类型有时候也称为映射类型。
2、类型（表）
类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。- es类型中对于字段的定义称为映射，比如字段name映射为字符串类型。
- 我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么elasticsearch是怎么做的呢?
elasticsearch会自动的将新字段加入映射，但是这个字段不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用。
3、索引（库）
索引是映射类型的容器， elasticsearch中的索引是一个非常大的文档集合。 索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了，我们来研究下分片是如何工作的。
- 创建索引
- 一个集群至少有一个节点，而一个节点就是一个elasticsearch进程，节点默认可以有多个索引，如果你创建索引，那么索引默认将会有5个分片(primary shard ,又称主分片)构成的，每一个主分片会有一个副本(replica shard，又称复制分片)。
- 上图是一个有3个节点的集群，可以看到主分片和**对应的复制分片(副分片)**都不会在同一个节点内，这样即使是某个节点挂掉了，其他节点数据仍然存在。
- 实际上，
一个分片是一个Lucene索引（一个ElasticSearch索引包含多个Lucene索引） ，本质上一个包含倒排索引的文件目录，倒排索引的结构使得elasticsearch在不扫描全部文档的情况下，就能找到哪些文档包含我们所要查询的关键字。
4、倒排索引（Lucene索引底层原理）
简单的说，倒排索引就是按照我们所查询的关键字再次建立索引，其底层就是依赖Lucene索引根据关键字筛选包含关键字的文档，自动为我们生成新的倒排索引的形式，然后我们根据关键字查询的过程中，就可以直接查询到包含关键字对应的文档，不包含关键字的文档根本不会被检索到，如图所示：
后续我们的操作都是在Kibana的DEV Tools的Consol控制台下完成，基础操作！！！
8、IK分词器（插件）
8.1、IK分词器：中文分词器
分词：即把一段中文或者别的语言划分成一个个的关键字，我们在浏览器搜索的时候，浏览器的搜索引擎会把我们输入的关键字进行分词拆分，也会把数据库中或者索引库中的数据文档内容进行分词拆分，然后进行一个个的匹配操作。
不使用IK分词器的情况下，默认的中文分词是将每个字看成一个词，比如你好一宿君会被分为你、好、一、宿、君，这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。
IK提供了两个分词算法: ik_smart和ik_max_word：
ik_smart为最少切分ik_max_word为最细粒度划分
1、下载对应es版本的ik分词器
- 下载地址： https://github.com/medcl/elasticsearch-analysis-ik/releases
2、安装
- 我们讲下载好的压缩包直接在
elasticsearch-7.6.1\plugins目录下直接解压即可（一定要在该目录下，默认是空目录）。
3、重启ElasticSearch，加载ik分词器插件
- es重启的话，Kibana也需要重启。
4、使用命令查看elasticsearch下的插件列表
- 在
elasticsearch/bin目录下，执行命令elasticsearch-plugin list即可查询插件和相应的版本号信息
5、使用kibana测试分词器
8.2、自定义词典库
对于这句话你好java一宿君，上述两种分词方式看似没有任何区别，但是这并不是我们想要的结果，我想要的结果是一宿君这个关键词要组合在一起做为查询条件，因为一宿君这三个字是我自己定的网名，词典中肯定没有，如果我们想要使用这个关键词怎么办？
- 这个时候我们就可以自定义添加分词库了！！！
- 找到我们上述在es的plugins目录下添加的
elasticsearch-analysis-ik-7.6.1ik分词插件 - 编辑
elasticsearch-analysis-ik-7.6.1/config/IKAnalyzer.cfg.xmlik分词配置文件
- 上述
一宿君这个关键词没有，那我们就自己写一个
- 添加到扩展配置文件中
- 重新启动es和Kibana，再次测试两种分词查询：
- 这样自定义词典库就配置成功了，后续有新的词都可以写入我们自定义的词典库文件中！！！
9、ES基于Rest风格调用说明
Rest是一种软件架构风格，而不是一种标准，只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁，更有层次，更易于实现缓存等机制。
9.1、基本Rest请求说明
| method | url地址 | 描述 |
|---|---|---|
| PUT（创建，修改） | localhost:9200/索引名称/类型名称/文档id | 创建文档（指定文档id） |
| POST（创建） | localhost:9200/索引名称/类型名称 | 创建文档（随机文档id） |
| POST（修改） | localhost:9200/索引名称/类型名称/文档id/_update |
修改文档 |
| POST（查询） | localhost:9200/索引名称/类型名称/文档id/_search |
查询所有数据 |
| GET（查询） | localhost:9200/索引名称/类型名称/文档id | 查询文档通过文档ID |
| DELETE（删除） | localhost:9200/索引名称/类型名称/文档id | 删除文档 |
补充说明:
- 类似Postman工具，上述的URL地址需要加上ip和端口号；如果使用的是Kibana可以不用加。
- 上述请求方法，URL地址中，如果是修改、查询和删除某个文档，需要带上文档id；如果是创建文档，可以指定文档id，不指定会随机生成一个文档id。
- 类型对应数据库中的表，可以不特定指定，默认是就以
_doc为类型名。 - 所有的请求方法，在Kibana中都要是大写的。
9.2、测试无条件请求
这个时候我们就要用到es-head插件来显示数据了！
可以看出下述索引中只有三个，都是Kibana系统自带的，不要删！
0、字数据类型
-
字符串类型
- text：支持分词、全文检索、支持模糊、精确查询；不支持聚合、排序操作。text类型最大支持的字符长度无限制，适合大字段存储。
- keyword：不支持分词，直接索引、支持模糊、精确匹配、聚合、排序操作。keyword类型最大支持的长度为
32766个UTF-8类型的字符，可以通过设置ignore_above指定所支持的字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。
-
数值型
- long、Integer、short、byte、double、float、half float、scaled float
-
日期类型
- date
-
te布尔类型
- boolean
-
二进制类型
- binary
1、创建索引库（PUT和POST）
-
使用PUT创建，不指定字段类型
如果自己创建的文档字段没有指定类型，那么ElasticSearch就会给我们默认配置字段映射类型
-
使用PUT创建，指定字段类型
_doc默认类型（default type），type 在未来的版本中会逐渐弃用，因此产生一个默认类型进行代替#此处写到索引名称，代表该索引下所有文档的如下三个字段都是指定的类型 #默认类型为_doc（类型是唯一的，不可再创建类型） PUT /index2 { "mappings": { "properties": { "name": { "type": "text" }, "age":{ "type": "long" }, "birthday":{ "type": "date" } } } }
-
使用POST创建索引
2、获取数据（GE和POST）
- 首先PUT存储数据
- GET获取指定的文档数据
- POST获取指定文档的数据
3、扩展：通过get _cat/可以获取ElasticSearch的当前的很多信息！
GET _cat/indices
GET _cat/aliases
GET _cat/allocation
GET _cat/count
GET _cat/fielddata
GET _cat/health
GET _cat/indices
GET _cat/master
GET _cat/nodeattrs
GET _cat/nodes
GET _cat/pending_tasks
GET _cat/plugins
GET _cat/recovery
GET _cat/repositories
GET _cat/segments
GET _cat/shards
GET _cat/snapshots
GET _cat/tasks
GET _cat/templates
GET _cat/thread_pool
4、修改（PUT：老版本和POST：新版本）
老版本：使用PUT方式，会覆盖原来一整行的数据，版本version会加1，如果修改的时候有没写到的字段，那么那些字段将会被覆盖掉，也就是在新版本中不会在出现，这样及很容易造成数据丢失（非常不推荐使用）
新版本：使用POST ~/_update方式，可以单独修改某个字段的值，也可以修改全部字段的值，无论是单个字段还是全部字段的修改，都不是完全覆盖
5、删除索引和文档（DELETE）
-
可以删除某个索引中的指定文档，也可以删除指定的索引。
#删除指定文档 DELETE /index3/_doc/text1 #删除整个索引 DELETE /index3
9.3、解决Kibana驱动报错
如果在启动Kibana出现如下错误！！！
Could not create APM Agent configuration: Request Timeout after 30000ms
原因 ：elasticsearch内存不足，造成IO读写阻塞。
在上述4.1、下载安装es处，有解压包目录解释：
介绍下相关目录及其下的文件的作用：
bin：启动文件目录
config：配置文件目录
1og4j2：日志配置文件
jvm.options：java虚拟机相关的配置(默认启动占1g内存，内存不够的话可以自己调整)
elasticsearch.ym1：es的配置文件! 默认9200端口!跨域!
1ib ：相关jar包
modules：功能模块目录
plugins：插件目录，eg：ik分词器
注意：
jvm.options：java虚拟机相关的配置(默认启动占1g内存，内存不够的话可以自己调整
此时就是因为你es运行过程中内存不够用，IO阻塞，导致Kibana无法正常连接！
解决此问题有两种方法：
- 1、修改
es/config/jvm.options文件中的JVM运行参数-Xms1g，将其调整为2g或者更大，根据服务器配置来调。
#linux系统下 vim jvm.options - 2、修改kibana的请求超时时间，编辑
kibana-7.6.1-windows-x86_64/config/kibana.yml文件
#linux系统下直接 vim kibana.yml
上述两种情况任选其一即可，一般是推荐使用第一种方式！！！
9.4、测试带条件请求（重点）
9.4.1、简单条件查询
PUT /index3/user/1
{
"name": "一宿君",
"age": 21,
"desc": "是个程序员",
"hobby": ["sing","song","emomo"]
}
PUT /index3/user/2
{
"name": "狂神说",
"age": 23,
"desc": "是个语出迅疾的优秀者",
"hobby": ["技术宅","帅","java"]
}
PUT /index3/user/3
{
"name": "法外狂徒张三",
"age": 30,
"desc": "徘徊法律边缘的大哥",
"hobby": ["想犯罪","想搞事","想体验鉴于生活"]
}
9.4.2、复杂条件查询
存入数据：
1、匹配查询：
| 关键字 | 作用 |
|---|---|
| match | 匹配（会使用分词器解析（先分析文档，然后进行查询）） |
| _source | 过滤字段（就是只查询我们想要的字段） |
| sort | 排序 |
| from、size | 分页查询（from代表当前页码，size代表每页数据条数） |
#复杂条件查询（查询匹配）
GET /index3/user/_search
{
"query":{
"match":{
"name":"狂"
}
}
,
"_source": ["name","desc"]
,
"sort": [
{
"age": {
"order": "desc"
}
}
]
,
"from": 0,
"size": 2
}
2、多条件查询（bool）
must相当于 andshould相当于 ormust_not相当于 not (… and …)filter过滤-
gt：大于 -
gte：大于等于 -
lt：小于 -
lte：小于等于
-
#多条件查询
GET /index3/user/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "狂"
}
},
{
"match": {
"desc": "的"
}
}
],
"filter": {
"range": {
"age": {
"gte": 1,
"lte": 35
}
}
}
}
},
"sort": [
{
"age": {
"order": "desc"
}
}
]
}
3、匹配数组查询
- 貌似不能与其它字段一起使用
- 可以多关键字查（空格隔开），匹配字段也是符合的
match会使用分词器解析（先分析文档，然后进行查询）- 搜词
#匹配数组
GET /index3/user/_search
{
"query": {
"match": {
"desc": "是个 优大哥"
}
}
}
4、精确查询
term直接通过倒排索引指定词条查询- 精确查询时将
条件关键看做一个整体（不会被IK分词器解析划分） - 适合查询
number、date、keyword类型的字段 ，不适合查询text类型字段
9.4.3、text和keyword字段类型的区别（重点）
text：
支持分词、全文检索、支持模糊和精确查询，不支持聚合和排序操作;- text类型最大支持的字符长度无限制，适合大字段存储；
keyword：
不支持分词、直接通过倒排索引查询、支持模糊和精确匹配，支持聚合、排序操作。- keyword类型的最大支持的长度为32766个UTF-8类型的字符,可以通过设置
ignore_above指定支持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。
存入两行数据：
PUT /index4/_doc/1
{
"name": "一宿君",
"desc": "是个憨批"
}
PUT /index4/_doc/2
{
"name": "一宿君",
"desc": "是个憨批plus"
}
通过name字段查询
通过desc字段查询：
通过match匹配查询，再次重复上述查询，看结果：
match和term的区别需要自己去悟！！！
9.4.4、高亮查询
默认查询高亮：
GET /index3/_search
{
"query": {
"match": {
"name": "狂"
}
},
"highlight": {
"fields": {
"name": {}
}
}
}
自定义高亮样式：
