ElasticSearch 入门教程
目录：
一、ES 是什么？
二、Kibana 是什么？
三、安装ES 、 Kibana
四、向 ES 导入 Demo 数据
五、ES 入门测试
六、ES 基础请求 DSL
七、相关文档链接
一、ES 是什么？
Elasticsearch 是一个分布式、RESTful 风格的搜索和数据分析引擎，能够解决不断涌现出的各种用例。作为 Elastic Stack 的核心，Elasticsearch 会集中存储您的数据，让您飞快完成搜索，微调相关性，进行强大的分析，并轻松缩放规模。
上述描述摘自官网，当你能看到我这篇文章的时候，脑海里应该对 ES 有一个初步的概念了，可以把它理解为把数据存放在内存中的 MySQL，它最主要的功能是海量数据实时检索，比起传统的关系型数据库的优点是，没有磁盘 IO 开销，因为索引数据大部分都是存在于内存中的，我们可以通过 ES 提供的 Rest API 像通过 SQL 语句查询关系型数据库中的数据一样，官方的描述是这种查询语言称为 DSL。
Elasticsearch 提供了一个完整的基于 JSON 的查询 DSL（领域特定语言）来定义查询。将查询 DSL 视为查询的 AST（抽象语法树），由两种类型的子句组成：
叶查询子句
叶查询子句在特定字段中查找特定值，例如
match,term或range查询。这些查询可以自己使用。复合查询子句
复合查询子句包装其他叶查询或复合查询，用于以逻辑方式组合多个查询（例如
boolordis_max查询），或改变它们的行为（例如constant_scorequery）。DSL 使用文档
https://www.elastic.co/guide/en/elasticsearch/reference/7.17/query-dsl.html
二、Kibana 是什么？
Kibana 使您能够塑造数据并在 Elastic Stack 中导航。使用 Kibana，您可以：
- 搜索、观察和保护您的数据。 从发现文档到分析日志再到查找安全漏洞，Kibana 是您访问这些功能及更多功能的门户。
- 分析您的数据。 搜索隐藏的见解，可视化您在图表、仪表、地图、图形等中发现的内容，并将它们组合到仪表板中。
- 管理、监控和保护 Elastic Stack。 管理您的数据，监控 Elastic Stack 集群的健康状况，并控制哪些用户可以访问哪些功能。
- Kibana 文档：https://www.elastic.co/guide/en/kibana/current/introduction.html
可以将 Kibana 理解为方便我们发送 Rest API 请求的一个客户端，相当于专门为 ES 服务器打造的一个 Postman 。
三、安装ES 、 Kibana
安装前默认你的 Linux 已经具备了 docker、 docker-compose 环境，将下面的配置文件保存为名称是：docker-compose.yml 的文件。
version: '3.5'
services:
elasticsearch:
container_name: elasticsearch
build:
context: services/elasticsearch
args:
- ES_VER=7.5.0
ports:
- "9200:9200"
- "9300:9300"
environment:
ES_JAVA_OPTS: "-Xms512m -Xmx512m" #设置使用jvm内存大小
discovery.type: single-node #以单一节点模式启动
# ELASTIC_PASSWORD: 123456 #设置ES密码
privileged: true
volumes:
- ./data/elasticsearch/plugins/:/usr/share/elasticsearch/plugins/
- ./data/elasticsearch/:/usr/share/elasticsearch/data/
- ./logs/elasticsearch/:/usr/share/elasticsearch/logs/
- ./services/elasticsearch/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml
kibana:
container_name: kibana
build:
context: services/kibana
args:
- KIBANA_VER=7.5.0
ports:
- "5601:5601"
privileged: true
volumes:
- ./services/kibana/kibana.yml:/usr/share/kibana/config/kibana.yml
depends_on:
- elasticsearch
创建好文件后，在文件所属的目录下执行命令： docker-compose -f docker-compose.yml up -d （-d : 在后台所有启动服务, -f : 指定使用的Compose模板文件，默认为docker-compose.yml，可以多次指定。）我这里是安装的 7.5.0 的 ES 版本，Kibana 的版本与之对应，假设设置了 ES 密码，那么后续请求 ES 服务都需要带上身份验证信息，Kibana 也需要输入账户名、密码登录， 账户名默认为：elastic ，密码：yml 文件中设置的 ES 密码。
四、向 ES 导入 Demo 数据
访问部署 Kibana 的机器, ip:5601，进入 Kibana 首页，点击网页做下架的展开菜单栏图标，选择 Dev Tools 选项，打开后，在网页左侧可以编写 DSL 语句，向 ES 发送请求，右侧显示相应结果。执行的命令如下,将内容粘贴至 Kibana中，将光标放置在 ：POST bank/_bulk 这一行，行尾右侧边栏回显示一个三角形和一个扳手图标，点击三角形发送请求保存数据。
POST bank/_bulk
粘贴这个网页中的文档数据在下方然后点击执行（感谢此作者）：https://gitee.com/xlh_blog/common_content/blob/master/es%E6%B5%8B%E8%AF%95%E6%95%B0%E6%8D%AE.json#
五、ES 入门测试
将以下文档创建名为：ES 7.5.postman_collection.json 的 JSON 文件，然后点击 Postman 左上角的 Import 按钮选中文件导入即可。
{
"info": {
"_postman_id": "34d02b44-25de-46e9-b4d2-c03f9e223ffd",
"name": "ES 7.5",
"schema": "https://schema.getpostman.com/json/collection/v2.1.0/collection.json",
"_exporter_id": "11045914"
},
"item": [
{
"name": "查看版本",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://localhost:9200",
"protocol": "http",
"host": [
"localhost"
],
"port": "9200"
}
},
"response": []
},
{
"name": "查看节点信息",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://localhost:9200/_cat/nodes",
"protocol": "http",
"host": [
"localhost"
],
"port": "9200",
"path": [
"_cat",
"nodes"
]
}
},
"response": []
},
{
"name": "查看主节点信息",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://localhost:9200/_cat/master",
"protocol": "http",
"host": [
"localhost"
],
"port": "9200",
"path": [
"_cat",
"master"
]
}
},
"response": []
},
{
"name": "查看所有索引",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://localhost:9200/_cat/indices",
"protocol": "http",
"host": [
"localhost"
],
"port": "9200",
"path": [
"_cat",
"indices"
]
}
},
"response": []
},
{
"name": "PUT指定ID保存",
"request": {
"method": "PUT",
"header": [],
"body": {
"mode": "raw",
"raw": "{\n \"name\" : \"jack\"\n}",
"options": {
"raw": {
"language": "json"
}
}
},
"url": {
"raw": "http://localhost:9200/student/one/1",
"protocol": "http",
"host": [
"localhost"
],
"port": "9200",
"path": [
"student",
"one",
"1"
]
}
},
"response": []
},
{
"name": "POST保存",
"request": {
"method": "POST",
"header": [],
"body": {
"mode": "raw",
"raw": "{\n \"name\" : \"jack1\"\n}",
"options": {
"raw": {
"language": "json"
}
}
},
"url": {
"raw": "http://localhost:9200/student/one/q1eYgIUBGSRCIL0j0d7A",
"protocol": "http",
"host": [
"localhost"
],
"port": "9200",
"path": [
"student",
"one",
"q1eYgIUBGSRCIL0j0d7A"
]
},
"description": "可自动生成ID/指定ID相当于修改，PUT必须指定ID"
},
"response": []
},
{
"name": "根据ID查询数据",
"request": {
"method": "GET",
"header": [],
"url": {
"raw": "http://localhost:9200/student/one/1",
"protocol": "http",
"host": [
"localhost"
],
"port": "9200",
"path": [
"student",
"one",
"1"
]
}
},
"response": []
},
{
"name": "删除指定ID数据",
"request": {
"method": "DELETE",
"header": [],
"url": {
"raw": "http://localhost:9200/student/one/1",
"protocol": "http",
"host": [
"localhost"
],
"port": "9200",
"path": [
"student",
"one",
"1"
]
}
},
"response": []
},
{
"name": "删除索引",
"request": {
"method": "DELETE",
"header": [],
"url": {
"raw": "http://localhost:9200/student",
"protocol": "http",
"host": [
"localhost"
],
"port": "9200",
"path": [
"student"
]
}
},
"response": []
}
]
}
六、ES 基础请求 DSL
以下执行语句请在 Kibana 的 Dev Tools 中执行
## 查询所有
GET bank/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"account_number": "desc"
},
{
"balance": "asc"
}
],
"from": 0,
"size": 20,
"_source": ["balance","firstname"]
}
## 全文检索:会将查询条件分词，任意一个匹配都算匹配
GET bank/_search
{
"query": {
"match": {
"address": "mail one"
}
}
}
## 短语匹配：不会将查询条件分词，作为一个完整的词去搜索
## 也可以使用字段.keyword 精确匹配，必须是值和搜索值完全相等
GET bank/_search
{
"query": {
"match_phrase": {
"address": "mail one"
}
}
}
## 多字段匹配,多个字段任意匹配,会分词查询
GET bank/_search
{
"query": {
"multi_match": {
"query": "mill one",
"fields": ["address","firstname"]
}
}
}
## bool 复合查询，条件都要满足 and
## must:数组中的条件都要满足 must_not:都不满足 should == or 不是必须满足
GET bank/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"address": "mill"
}
},
{
"match_phrase": {
"firstname": "mill"
}
}
],
"must_not": [
{
"match": {
"address": "abc"
}
}
],
"should": [
{
"match": {
"FIELD": "TEXT"
}
}
]
}
}
}
## filter:筛选结果，不计算相关性得分
GET bank/_search
{
"query": {
"bool": {
"filter": {
"range": {
"age": {
"gte": 10,
"lte": 20
}
}
}
}
}
}
## 非文本字段检索推荐term
GET bank/_search
{
"query": {
"term": {
"age": {
"value": 28
}
}
}
}
## 搜索address中包含mi1l的所有人的年龄分布以及平均年龄
GET bank/_search
{
"query": {
"match": {
"address": "mill"
}
},
"aggs": {
"ageAgg": {
"terms": {
"field": "age",
"size": 10
}
},
"ageAvg": {
"avg": {
"field": "age"
}
}
}
}
## 按照年龄聚合，并且请求这些年龄段的这些人的平均薪资
GET bank/_search
{
"query": {
"match_all": {}
},
"aggs": {
"ageAgg": {
"terms": {
"field": "age"
},
"aggs": {
"balanceAvg": {
"avg": {
"field": "balance"
}
}
}
}
},
"size": 0
}
## 查出所有年龄分布，并且这些年龄段中M的平均薪资和F的平均薪资以及这个年龄段的总体平均薪资
GET bank/_search
{
"query": {
"match_all": {}
},
"aggs": {
"ageAgg": {
"terms": {
"field": "age"
},
"aggs": {
"balanceAvg" :{
"avg": {
"field": "balance"
}
},
"genderAgg": {
"terms": {
"field": "gender.keyword",
"size": 10
},
"aggs": {
"genderBalanceAvg": {
"avg": {
"field": "balance"
}
}
}
}
}
}
},
"size": 0
}
## 新建索引时指定字段类型
PUT /my-index
{
"mappings": {
"properties": {
"age": { "type": "integer" },
"email": { "type": "keyword" },
"name": { "type": "text" }
}
}
}
## 新建索引后添加字段映射，index:false 不参与搜索
PUT /my-index/_mapping
{
"properties" : {
"id" : {
"type" : "long",
"index" : false
}
}
}
## 查看索引字段类型
GET my-index/_mapping
## es指定好映射规则后不允许修改，想要修改只能创建一个新的索引，然后把原有的数据迁移到新索引
GET bank/_mapping
## 创建新索引 指定映射关系
PUT /bank1/
{
"mappings": {
"properties" : {
"account_number" : {
"type" : "long"
},
"address" : {
"type" : "text"
},
"age" : {
"type" : "long"
},
"balance" : {
"type" : "long"
},
"city" : {
"type" : "keyword"
},
"email" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"employer" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"firstname" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"gender" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"lastname" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
},
"state" : {
"type" : "text",
"fields" : {
"keyword" : {
"type" : "keyword",
"ignore_above" : 256
}
}
}
}
}
}
## 迁移数据到新索引中
POST _reindex
{
"source": {
"index": "bank",
"type": "account"
},
"dest": {
"index": "bank1"
}
}
GET /bank1/_search
{
"query" : {
"match_all" :{}
}
}
## 使用默认分词器进行分词 （仅支持英文）
POST _analyze
{
"analyzer": "standard",
"text": "加油努力."
}
## 使用IK分词器分词 ik_smart: 会做最粗粒度的拆分，适合 Phrase 查询。
POST _analyze
{
"analyzer": "ik_smart",
"text": "加油努力."
}
## ik_max_word: 会将文本做最细粒度的拆分，会穷尽各种可能的组合，适合 Term Query；
POST _analyze
{
"analyzer": "ik_max_word",
"text": "加油努力."
}
## 发起批量保存请求
POST my-index/_bulk
{"index":{"_id":"1"}}
{"age" : 1, "email" : "[email protected]", "id" : "1", "name" : "张三"}
{"index":{"_id":"2"}}
{"age" : 21, "email" : "[email protected]", "id" : "2", "name" : "李四"}
七、工具相关文档链接
-
elasticsearch-analysis-ik ：IK分词器，安装了这个才支持对中文进行分词，下载与 ES 对应版本的 Releases 包，解压后放置在 ES 的 plugins 目录下重启 ES 即可。
-
elasticsearch-head ：Elasticsearch 集群的可视化 Web 前端，相当于 Navicat 操作 MySQL。
-
ES 官方文档 ：英文好的同学可以直接翻阅官方文档学习 ES。