ES

本文主要介绍了ES文档的基本操作

插入

es可以指定id存储，也可以不指定id自动生成。自动生成的id是 URL-safe、基于Base64编码且长度为20个字符的GUID字符串。这些GUID字符串由可修改的FlakeID模式生成，这种模式允许多个节点并行生成唯一ID且互相之间的冲突概率几乎为零。

PUT /wangzhe/_doc/1
{
  "name":"夏侯惇",
  "age":26,
  "role":"上单",
  "tags":["战士","肉"]
}

依次添加鲁班、王昭君，结果如下：

image.png

查询

对于一个查询请求，Elasticsearch 的工程师偏向于使用 GET 方式，因为他们觉得它比 POST 能更好的描述信息检索（retrieving information）的行为。然而，因为带请求体的 GET 请求并不被广泛支持，所以 search API同时支持 POST 请求。

简单查询

GET  /wangzhe/_doc/1

如下：

查询数据.png

返回文档的一部分数据

GET  /wangzhe/_doc/1?_source=name,age

只要 _source字段

GET  /wangzhe/_doc/1?_source=name,age

更新

PUT操作全量修改

PUT /wangzhe/_doc/1
{
  "name":"孙策",
  "age":26,
  "role":"上单",
  "tags":["战士","船夫"]
}

更新数据.png

POST+_update局部更新修改

POST /wangzhe/_update/1
{
  "doc": {
    "tags": [
      "战士",
      "船夫",
      "肉"
    ]
  }
}

查询数据.png

删除

删除id为1的文档

DELETE /wangzhe/_doc/1

删除之后_version 值仍然会增加。这是 Elasticsearch 内部记录本的一部分，用来确保这些改变在跨多节点时以正确的顺序执行。

搜索

简单搜索

GET  /wangzhe/_search?q=name:孙
//q表示query
//字段是name
//匹配的值是鲁

根据关键字简单查询.png

复杂搜索

ES比较复杂的是查询操作，包括排序、分页、高亮、模糊查询、精准查询等

• 查询名称包含鲁班的数据
  语法

GET /wangzhe/_search
{
  "query": {
    "match": {
      "name": "孙"
    }
  }
}

模糊匹配结果.png

hit:包含了索引和文档的信息、查询的结果总数、查询出来的具体的文档、分数（通过分数可以判断哪个更符合）

• 查询结果返回固定字段（类似于mongo中的倒影查询）

GET /wangzhe/_search
{
  "query": {
    "match": {
      "name": "鲁班"
    }
  },
  "_source": ["name","role"]
}

查询结果返回固定字段.png

• 排序
  根据关键字符合鲁班，age排序，asc:升序，desc:降序

  
  
  根据age进行排序的结果.png

• 分页查询
  from:从第几条数据开始，size:返回多少条数据

  
  
  分页查询.png
• 通过bool进行多条件的匹配查询
  must(相当于MySQL中的and)，所有条件都要符合
  must_not(相当于MySQL中的!=)

GET /wangzhe/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "鲁班"
          }
        },
        {
          "match": {
            "age": 5
          }
        }
      ]
    }
  }
}

通过bool进行多条件的匹配查询.png

should(相当于MySQL中的or)，所有条件或的查询

should命令查询.png

• 通过filter进行过滤查询

GET /wangzhe/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "name": "鲁班"
          }
        }
      ],
      "filter": {
        "range": {
          "age": {
            "lte": 8
          }
        }
      }
    }
  }
}

通过filter进行过滤查询.png

• 数组匹配查询
  数组里的多个匹配条件通过空格隔开即可，只要满足其中一个条件即可被查出

GET /wangzhe/_search
{
  "query": {
    "match": {
      "tags": "学生 肉"
    }
  }
}

数组匹配查询.png

• 精确查询
  term查询是直接通过倒排索引指定的词条进程精确的查找！
  关于分词
  a. term:查询精确的
  b. match:会使用分词器解析（先分析文档，再通过分析的文档进行查询）
  两个类型 text keyword
  创建testdb索引并插入两条数据，name为text类型，desc为keyword类型。text类型会被当成分词器普通解析，如果是keyword类型则不会解析。

PUT testdb
{
  "mappings": {
    "properties": {
      "name":{
        "type": "text"
      },
      "desc":{
        "type": "keyword"
      }
    }
  }
}

PUT testdb/_doc/1
{
  "name":"刻威舟",
  "desc":"刻威舟desc1"
}


PUT testdb/_doc/2
{
  "name":"刻威舟",
  "desc":"刻威舟desc2"
}

通过head插件查看索引的映射规则：

通过head插件查看索引的映射规则.png

测试text、keyword两种类型
利用keyword会把它当做一个整体，而利用普通的默认分词器，会把它拆分成一个个字，如下图：

keyword没有被分析.png

standard可以看见被拆分了.png

keyword类型不会被分词器解析.png

• 多个值匹配精确查询

  
  
  多个值匹配精确查询.png

• 高亮查询
  1.默认高亮查询

GET wangzhe/_search
{
  "query": {
    "match": {
      "name": "王昭君"
    }
  },
  "highlight": {
    "fields": {
      "name":{}
    }
  }
}

搜索相关的结果会被高亮显示，通过highlight里面的fields进行字段设置

高亮查询.png

2.自定义高亮查询

GET wangzhe/_search
{
  "query": {
    "match": {
      "name": "王昭君"
    }
  },
  "highlight": {
    "pre_tags": "
",
    "fields": {
      "name":{}
    }
  }
}

自定义高亮查询.png

处理冲突

关系型数据库使用悲观并发控制，假定有变更冲突可能发生，因此阻塞访问资源以防止冲突。而es使用乐观并发控制，不会阻塞正在尝试的操作。 然而，如果源数据在读写当中被修改，更新将会失败。应用程序接下来将决定该如何解决冲突。 例如，可以重试更新、使用新的数据、或者将相关情况报告给用户。