ElasticSearch

全文搜索结构化搜索分析以及将这三者混合使用

  1. 全文检索:

支持模糊查询全文,速度快,而MySQL也能模糊查询,但此时的 %content%不走索引;

基本概念

与MySQL对比:

ElasticSearch MySQL数据库
索引(indices) index 数据库
类型(type) 已废除
一个索引包含多个类型
Table 数据表
文档(Document) Row 行
字段(Field) Column 列
Mapping Schema
DSL (API) SQL
  1. 索引类似于数据库,包括多个文档或类型,
    1. 类型:索引中的逻辑分类,可定义自己的映射和设置。
    2. 文档:类似于行,被查询搜索的对象。
      1. 映射:定义文档的字段(field)及数据类型,类似于表结构的定义。
        1. 字段:文档中的属性;(键值对)包括 文本、数字、日期。类似于列。

倒排索引:

Elasticsearch 底层数据结构 - TechLee - 博客园
将文章分词,统计不同词汇 的出现次数及对应的位置:倒排索引。

  • 即根据 分词找到对应的记录(位置、次数)

ElasticSearch_第1张图片
常见名词:

  1. Term Dictionary 词字典
  2. 通常 **词条(Term) **的数量巨大,故对词条进行排序,之后使用二分查询。快速查找 Term
  3. 一般不会存于内存中。(太多了)
  4. Term Index 部分词的前缀。 由 byte数组组成。(一般是字母或其他字符)
  5. 目的:快速找到 Term Dictionary 的大致位置,以提高对 词条 的查询效率
  6. 使用 FST结构存储于内存中,减少容量大小,查询速度快
  7. PostingList int数组。存储符合 词条 Term 的文档id
  8. 优化:使用 FOR编码对其压缩,以保证查询效率的同时节约磁盘空间。
  9. 通常情况下,需要对文档ID进行 并集、交集操作(多条件查询时),PostingList 使用 Roaring Bitmaps操作并交集,可以节省空间并快速计算并交集。 Roaring Bitmaps详见:Elasticsearch 底层数据结构 - TechLee - 博客园 Roaring bitmaps 部分

什么是 Elasticsearch?一篇搞懂-腾讯云开发者社区-腾讯云

FST结构

ElasticSearch : FST 数据结构 - 掘金
Elasticsearch中的FST(Finite State Transducer)是一种有限状态转换器,用于高效地存储和检索大量的字符串数据。FST是一种基于有向图的数据结构,可实现高效的前缀匹配、模糊搜索和自动完成等功能。

  1. Elasticsearch中被广泛应用于搜索引擎的内部工作机制中,特别是在倒排索引(Inverted Index)的构建和词条(Term)的检索过程中。倒排索引是一种将文档中的词条映射到文档ID的数据结构,而FST则可以用于快速检索和匹配这些词条。
  2. 主要优势: 高效性和紧凑性。它使用了一种特殊的压缩算法,能够以非常紧凑的方式存储大量的字符串数据,并支持快速的前缀匹配和模糊搜索。这使得Elasticsearch能够在大规模数据集上快速地进行搜索和匹配操作。
  3. 其他领域: 比如自然语言处理、数据压缩和字典匹配等。它的高效性和紧凑性使得它成为许多字符串处理任务的理想选择。

FOR编码

Elasticsearch 底层数据结构 - TechLee - 博客园 的FOR模块
在倒排索引中,posting list用于存储每个词项出现的文档ID列表。通常情况下,posting list中的文档ID是按照递增顺序存储的。

  • 当文档ID在posting list中具有较大的间隔时,使用递增的方式存储会导致posting list的长度变长,占用更多的存储空间。这也会对查询性能产生一定的影响。
  • 为了解决这个问题,Elasticsearch引入了Frame of Reference(FoR)技术。FoR可以将posting list中的文档ID转换为相对于一个参考点的差值,然后使用压缩算法对这些差值进行存储。这样可以大大减少存储空间的占用,并且不会对查询性能造成明显的影响。

使用Frame of Reference技术的好处是可以在保持查询性能的同时,减少了倒排索引的存储空间,从而提高了整体的索引效率。

CRUD

  1. PUT 覆盖
PUT test/doc/2 
{
  "name":"wangfei",
  "age":27,
  "desc":"热天还不让后人不认同"
}
  1. GET查询
 -- 查询索引信息
GET test 
-- 查询指定文档信息
GET test/doc/1

--查询对应索引下全部数据
GET test/doc/_search
  {
    "query": {
      "match_all": {}
    }
  }
  1. DELETE 删除
-- 删除指定文档
DELETE test/doc/3

-- 删除整个索引
DELETE test
  1. POST 修改/新增
-- 修改指定属性:
POST test/doc/1/_update
  {
    "doc":{
      "desc":"生活就像 茫茫海上"
    }
  }

查询

在Elasticsearch中,查询(query)是用于搜索和过滤文档的一种机制。通过查询,您可以指定要搜索的字段、搜索的条件以及其他参数来获取匹配的文档。
Elasticsearch提供了多种类型的查询,以下是一些常用的查询类型:

  1. Match查询:用于在文本字段中搜索包含指定词语的文档,默认会对查询的文本进行分词处理。相当于模糊匹配,只包含其中一部分关键词就行

分词:例如,如果你使用match查询搜索"Hello World",它会将文本分成两个词"hello"和"world",然后在索引中搜索包含这两个词的文档。

  1. Term查询:用于搜索精确匹配某个字段的词语不会进行分词。例如,搜索"status": "published"将返回status字段值为"published"的文档。
  2. Range查询:用于搜索某个字段的范围内的值。可以指定一个范围,如"age": { "gte": 18, "lte": 30 }表示搜索age字段在18到30之间的文档。
  3. Bool查询:用于组合多个查询条件,包括must、must_not、should和filter等子查询。可以通过布尔逻辑(与、或、非)来组合多个查询条件。
  4. Wildcard查询:用于在文本字段中进行通配符匹配,如"name": "Joh?n"将匹配"name"字段为"John"或"Joan"的文档。
  5. Exists查询:用于搜索包含某个字段的文档,如"exists": { "field": "name" }将返回包含"name"字段的文档。

以上只是一些常见的查询类型,Elasticsearch还提供了更多的查询类型和功能,如全文搜索、聚合查询、地理位置查询等。
elasticsearch 常见几种查询方式

常见的查询:

term

  1. term查询:精确查询,不分词,只能查单个词
{
  "query":{
    "term":{
      "title":"love china",
    }
  }
}
  1. term匹配多个词:使用 terms数组,多个词之间是的关系。
{
  "query": {
    "terms": {
      "title": ["love", "China"]
    }
  }
}
  1. 也可以使用 多个 term:与 terms数组结果一样。
{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "age":27
          }
        },{
          "term":{
            "age":28
          }
        }
      ]
    }
  }
}

match

使用match查询,会对文本进行分析器分析,模糊查询;而 term查询不会有分析器分析的过程。

  • match查询可以用于全文搜索(full text search)和精确匹配(exact value match)。
    • 当应用于文本字段时,"match"查询会对查询字符串进行分词处理,并与字段中的词项进行匹配。它会考虑词项的顺序、重复和相似性等因素来计算匹配度,并返回匹配度最高的文档。
    • 当应用于非字符串字段或者"**not_analyzed**"类型的字段时,"match"查询会进行精确匹配。它会将查询字符串与字段的原始值进行比较,只有在完全匹配的情况下才会返回匹配的文档。
{
  "query":{
    "match":{
      "title":"中国"
    }
  }
}
  1. 全文查询: match_all 返回所有匹配的结果。
{
  "query":{
    "match_all": {
      
    }
  }
}
  1. 短语查询 : match_phrase

不懂可以看:Elasticsearch使用:Match_phrase查询-腾讯云开发者社区-腾讯云

  1. 词汇匹配 且词的相对位置一致
    1. 词汇匹配: 查询分词的词项必须完全匹配到索引分词的词项中
    2. 相对位置也需一致。默认 slop=0,即顺序必须相同且必须都是连续的。
{
  "query":{
    "match_phrase": {
      "title": "中国风"
    }
  }
}
-- 匹配的结果: 中国、国风; 
-- 不会匹配的结果:美国,中风,国中

slop:

{
  "query":{
    "match_phrase": {
      "title": {
        "query": "中国世界",
        "slop":2
      }
    }
  }
}
-- 中国是世界上人口最多的国家
  1. 最左前缀查询:match_phrase_prefix
    1. : 搜索特定字符、短语 开头的数据
    2. max_expansions :最多返回的匹配项。默认为50。以对查询结果进行限制,前缀查询会非常的影响性能
{
  "query": {
    "match_phrase_prefix": {
      "desc": "bea" 或:"desc": "you are bea",
       "max_expansions":1
    }
  }
}
-- 匹配到以文本开头的数据
  1. 多字段查询:multi_match
    1. 要在多个不同字段(不同属性下)中匹配同一个关键字。
    • 当设置属性 type:phrase 时 等同于 短语查询
    • 当设置属性 type:phrase_prefix时 等同于 最左前缀查询
GET test2/doc/_search
{
  "query": {
    "multi_match": {
      "query": "beautiful",
      "fields": ["title","desc"],
       "type": ""
    }
  }
}

-- 只要包含beautiful,即返回。
"_source1" : {
          "title" : "prefix1",
          "desc" : "beautiful girl you are beautiful so"
        }
 "_source2" : {
          "title" : "beautiful",
          "desc" : "I like basking on the beach"
        }

小总结

match_phrase ,match与term的区别:
es中的term和match的区别

  1. term属于精确匹配,只能查单个词
    1. terms里的[] 多个是或者的关系,只要满足其中一个词就可以。想要通知满足两个词的话,就得使用bool的must
  2. match 默认分词,进行模糊查询,只要包含关键词则查询。
    1. 若字段属性是 keyword类型,match也不分词。
  3. match_phrase 称为短语搜索,要求所有的分词必须同时出现在文档中,同时位置必须紧邻一致。

bool查询(多条件查询)

包含四种操作符,分别是must,should,must_not,query。它们均是一种数组,数组里面是对应的判断条件

1.must:

必须匹配,与and等价。贡献算分

#### 多条件组合查询
GET test/doc/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "name": "wanggfei" } },
        { "match": { "age": 25 } }
      ]
    }
  }
}

2.must_not:

必须不匹配,与not等价,所有的must_not子句都不能匹配,但不贡献算分

3.should:

选择性匹配,至少满足一条,与 OR 等价。贡献算分

4.filter:

过滤子句,必须匹配,但不贡献算分
过滤器,会查询对结果进行缓存,不会计算相关度,避免计算分值,执行速度非常快。
filter也常和range范围查询一起结合使用,range范围可供组合的选项
gt : 大于
lt : 小于
gte : 大于等于
lte :小于等于

排序查询

需要分词的字段无法直接排序 eg:text 类型 。
es的text类型的排序问题

  1. 若需要对该类型进行排序,需要对字段索引两次:
    1. 索引分词(用于搜索)
    2. 索引不分词(进行排序)

es 默认生成的 text 类型 是通过该方式实现排序

准备索引:

## mapping创建
PUT test_text_sort
{
  "mappings": {
    "doc": {
      "properties": {
        "name": {
          "type": "text",
          "fields":{
            "row":{
              "type":"keyword" 
            }
          },
          "fielddata":true
        }
      }
    }
  }, 
  "settings": {
    "number_of_replicas": 0,
    "number_of_shards": 1
  }
}

使用name的子字段:row 排序: name.row

GET test_text_sort/doc/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "name.row": {
        "order": "desc"
      }
    }
  ]
}

分页查询

from :开始位置; size 查询条数。

GET test/doc/_search
{
  "query": {
    "match_phrase_prefix": {
      "name": "wang"
    }
  },
  "from": 0,
  "size": 1
}

查询结果过滤

对查询的结果指定返回某些属性:

GET test/doc/_search
{
  "query":{
    "match":{
      "name":"wang"
    }
  },
    "_source":["name","id"]
}
-- 指定属性返回 name、id

高亮显示
GET test/doc/_search
{
  "query":{
    "match":{
      "name":"wang"
    }
  },
  "highlight":{
    "fields":{
      "name": {}  -- 默认高亮
  }
}

自定义高亮:

  1. pre_tags 定义标签前部分
  2. post_tags 定义标签后部分
{
  "query": {
    "match": {
      "desc": "性格直"
    }
  },
  "highlight": {
    "pre_tags": "",
    "post_tags": "",
    "fields": {
      "desc": {}
    }
  }
}

聚合查询

group 分组、avg 平均数、max、min、sum

Elasticsearch的聚合查询是一种用于对数据进行统计、分析和计算的功能强大的工具。

聚合函数的使用,一定是先查出结果,然后对结果使用聚合函数做处理!

avg、max、min、sum

eg:求平均年龄:

GET zhifou/doc/_search 
{
  "query": {
    "match": {
      "from": "gu"
    }
  },
  "aggs": {
    "my_avg": {
      "avg": {
        "field": "age"
      }
    }
  },
  "size":0,
  "_source": ["name", "age"]
}
-- 查询 from字段包含 gu 的 年龄平均值

解释:

  1. aggs:做聚合操作
  2. my_avg:自定义的返回结果名称
  3. avg 对指定字段field 求 平均数
  4. **"size":0** 设置不返回具体查询结果,只返回聚合结果

查询结果:

{
  "took" : 35,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 3,
    "max_score" : 0.0,
    "hits" : [{...},{...}... ]
  },
  "aggregations" : {
    "my_avg" : {
      "value" : 27.0
    }
  }
}
{
  "_index" : "zhifou",
  "_type" : "doc",
  "_id" : "4",
  "_score" : 0.6931472,
  "_source" : {
    "name" : "石头",
    "age" : 29
  }
}

返回结果键的解释:
  • “took”:查询所花费的时间(以毫秒为单位)。
  • “timed_out”:指示查询是否超时。
  • “_shards”:关于查询涉及的分片的统计信息。
    • “total”:总分片数。
    • “successful”:成功执行的分片数。
    • “skipped”:跳过的分片数。
    • “failed”:执行失败的分片数。
  • “hits”:与查询条件匹配的文档的结果。
    • “total”:总匹配文档数。
    • “max_score”:最相关的文档分数。
    • “hits”:匹配的文档列表。
      • “_index”:文档所在的索引。
      • “_type”:文档的类型。
      • “_id”:文档的唯一标识符。
      • “_score”:文档的得分。
      • “_source”:文档的原始内容。
  • aggregations”:关于聚合操作的结果。
    • “my_avg”:聚合操作的名称。
      • “value”:聚合结果的值。

下面是一个示例的聚合查询请求体,展示了几种常用的聚合操作:

{
  "size": 0,
  "aggs": {
    "group_by_age": {
      "terms": {
        "field": "age",
        "size": 10
      }
    },
    "average_age": {
      "avg": {
        "field": "age"
      }
    },
    "sum_age": {
      "sum": {
        "field": "age"
      }
    },
    "min_age": {
      "min": {
        "field": "age"
      }
    },
    "max_age": {
      "max": {
        "field": "age"
      }
    }
  }
}

在这个示例中,使用了以下几种聚合操作:

  • terms聚合:按照"age"字段进行分组,并指定返回的分组数量为10。
  • avg聚合:计算"age"字段的平均值。
  • sum聚合:计算"age"字段的总和。
  • min聚合:计算"age"字段的最小值。
  • max聚合:计算"age"字段的最大值。

这些聚合操作可以根据你的需求进行组合和嵌套,以获得更复杂的聚合结果。你还可以通过filterrangedate_histogram等子聚合来进一步细化聚合结果。
请注意,在上述示例中的查询请求体中,size参数设置为0,表示不返回任何文档,只返回聚合结果。如果你需要同时返回文档和聚合结果,请将size参数设置为大于0的数值。

分组查询
  • 需求: 要查询所有人的年龄段,并且按照1520,2025,25~30分组,并且算出每组的平均年龄。
GET zhifou/doc/_search

{
  "size": 0,
  "query": {
    "match": {
      "name": "text"
    }   
  },
  "aggs": {
    "range_age": {
      "range": {
        "field": "age", -- 根据什么属性分组
         "ranges": [
           	{"from": 15, "to": 20},
            {"from": 20, "to": 25},
            {"from": 25, "to": 30}
         ]
      },
      "aggs": {
        "range_avg_age": {  -- 对不同的分组进行计算年龄的平均值
          "avg": {
            "field": "age"
          }
        }
      }
    }
  }
}

查询结果:

"aggregations": {
    "age_ranges": {
      "buckets": [
        {
          "key": "15-20",
          "from": 15,
          "to": 20,
          "doc_count": 20,
          "average_age": {
            "value": 18.5
          }
        },
        {
          "key": "20-25",
          "from": 20,
          "to": 25,
          "doc_count": 30,
          "average_age": {
            "value": 22.3
          }
        },
        {
          "key": "25-30",
          "from": 25,
          "to": 30,
          "doc_count": 50,
          "average_age": {
            "value": 27.8
          }
        }
      ]
    }
  }

映射Mapping

定义文档字段和据类型;

Mapping参数详解文档:

ES mapping 详解_ZhaoYingChao88的博客-CSDN博客
Elasticsearch 5.4 Mapping详解_esc_ai的博客-CSDN博客

字段数据类型:

文本(text)、关键字(keyword)、日期(data)、整形(long)、双精度(double)、布尔(boolean)或ip、对象(Object)、数组(Array)、地理位置(geo_point & geo_shape/percolator)等。

创建索引:

注意:默认情况下,创建的索引分片数量是 5 个,副本数量是 1 个。

您可以通过如下参数来指定分片数、副本数量:

# PUT http://127.0.0.1:9200/user  -- 创建索引
{
	"settings": {
		"number_of_shards": 3,
		"number_of_replicas": 2
	}
}
-- 返回结果
{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "user"
}
  1. “number_of_replicas”: 设置每个分片的副本数量。默认为1个。
  2. “number_of_shards”: 设置索引的主分片数量每个索引默认5个主分片
    1. 分片是将索引的数据分布在集群中的不同节点上的方式,它可以提高搜索和并行处理的性能。
设置mapping:
# PUT http://127.0.0.1:9200/user/_mapping  
{
    "properties": {
        "name":{ "type": "text",	"index": true },
        "sex":{  "type": "keyword",	"index": true },
        "tel":{	"type": "keyword",	"index": false }
    }
}

查询映射:
#GET http://127.0.0.1:9200/user/_mapping

完整操作

使用PUT请求定义一个索引

PUT /test_index
{
  "mappings": {
    "doc": {
      "dynamic" : true,
      "properties": {
        "name": {
          "type": "text",
          "fields": {
            "row": {
              "type": "keyword"
            }
          },
          "fielddata": true
        },
        "age": {
          "type": "integer"
        }
      }
    }
  }
}

创建了索引 test_index。在索引的"mappings"部分中,定义类型:doc,两段:“name"和"age”。

  • “name"字段的类型是"text”,定义子字段"row",其类型是"keyword"。这样做是为了在排序时可使用**"raw"子字段,以便于进行精确匹配、聚合操作和排序。**
  • “age"字段的类型是"integer”,表示它是一个整数类型的字段。
  • fielddata 详见:fielddata

Mapping常见参数

fields

为字段定义子字段,使得同一个字段可以有多个不同的索引方式。

  • "fields"属性使用范围:
    • 主字段的类型必须是支持多个类型的主字段类型,
    • "text"、"keyword"或"completion"等。这样才能为字段定义多个子字段。
  • eg:String类型的字段,可以 text 全文索引,也可 keyword 聚合和排序
PUT my_index
{
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "fields": {
          "accurateSearch": {
            "type": "keyword"
          },
          "suggest": {
            "type": "completion"
          }
        }
      }
    }
  }
}

在上面的示例中,我们定义了一个名为"title"的字段,它的主字段类型为"text"。同时,我们还为"title"字段定义了两个子字段:“keyword"和"suggest”。

  • “accurateSearch"子字段的类型为"keyword”,这意味着它将被索引为一个精确值,适合进行精确匹配和聚合操作。
  • “suggest"子字段的类型为"completion”,这意味着它将被用于自动补全和建议功能。

通过这样的设置,我们可以在搜索时同时对"title"字段进行全文搜索、对"keyword"字段进行精确匹配搜索,以及使用"suggest"字段进行自动补全和建议。

dynamic动态字段映射

ElasticSearch_第2张图片
在Elasticsearch中,"dynamic"是一个用于控制字段映射行为的设置。它有三种状态:

  1. “dynamic”: true - 默认状态。当索引文档时,如果遇到未定义的字段, 这个字段可以被索引(ES根据内容自动识别字段类型),mapping会自动更新。
  2. “dynamic”: false - 当索引文档时,如果遇到未定义的字段,Elasticsearch会忽略该字段而不创建映射。这种状态下,字段的映射是静态的,mapping不会被更新,该字段不会被索引。
  3. “dynamic”: “strict” - 当索引文档时,如果遇到未定义的字段,Elasticsearch会抛出异常,表示字段未定义。这种状态下,字段的映射严格,会强制要求所有字段都必须在映射中定义。

index

设置该字段是否被索引。
index属性默认为true。

  • 如果该属性设置为false,elasticsearch不会为该属性创建索引,也就是说无法当做主查询条件。
index_options

控制索引时存储哪些信息到倒排索引。

  • doc:只记录 doc id
  • freqs:记录 doc id 和 term frequencies (词项频率)
  • positions:记录 doc id、term frequencies (词项频率) 和 term position (词项位置)
  • offsets:记录 doc id、term frequencies、term position 和 character offects(词项偏移量)

text 类型默认配置为 positions,其他类型默认为 doc,记录内容越多,占用存储空间越大。

"properties": {
      "user_name":{
        "index": false,
        "type": "text"
      },
      "info":{
        "index_options": "positions",
        "type": "text"
      }
    }

null_value

值为null的字段不能被索引和搜索。使用null_value参数可以让值为null的字段显式的可索引。
GET users/_search?q=mobile:NULL

"mobile":{
     "type":"keyword",
      "null_value":"NULL"
 }

copy_to

copy_to属性用于配置自定义的_all字段。换言之,就是将多个字段可以合并成一个超级字段。比如,first_name和last_name可以合并为full_name字段。

PUT my_index
{
  "mappings": {
    "my_type": {
      "properties": {
        "first_name": {
          "type": "text",
          "copy_to": "full_name" 
        },
        "last_name": {
          "type": "text",
          "copy_to": "full_name" 
        },
        "full_name": {
          "type": "text"
        }
      }
    }
  }
}
  1. 多条件查询:
GET test8/doc/_search
{
  "query": {
    "match": {
      "full_name": {
        "query": "tom smith",
        "operator": "or"
      }
    }
  }
}
-----2
GET test8/doc/_search
{
  "query": {
    "match": {
      "full_name": "tom smith"
    }
  }
}
  1. 将一个字段值复制到多个不同的字段:
"first_name":{
    "type": "text",
    "copy_to": ["full_name1","full_name2"]
  },

ignore_above

仅使用于 **keyword** 类型。 设置字段索引存储最大值;若超过最大值会被忽略。

"name": {
          "type": "keyword",
          "ignore_above":5
        }

fielddata

用于 将指定字段加载到内存中,以便于 进行聚合、排序、脚本等操作。

  • 使用范围支持被索引的字段类型text、keyword、numeric 等。 若字段类型不支持被索引,则设置失效。
  • 默认禁用。缺点:占用大量内存资源; 可使用 doc_values 代替 之,
PUT my_index
{
  "mappings": {
    "properties": {
      "age": {
        "type": "integer",
        "fielddata": true
      }
    }
  }
}

doc_values

doc_values是为了加快排序、聚合操作,在建立倒排索引的时候,额外增加一个列式存储映射,是一个空间换时间的做法。默认是开启的,对于确定不需要聚合或者排序的字段可以关闭。
对于某些字段类型,如"text"和"keyword",“doc_values"属性并不适用。这些字段类型通常用于全文搜索和过滤,而不需要进行聚合、排序或脚本操作。对于这些字段类型,默认情况下不会启用"doc_values”。
注:text类型不支持doc_values

PUT my_index
{
  "mappings": {
    "my_type": {
      "properties": {
        "status_code": { 
          "type":       "keyword"
        },
        "session_id": { 
          "type":       "keyword",
          "doc_values": false
        }
      }
    }
  }
}

整合

ES学习教程

尚硅谷笔记:
Elasticsearch学习笔记_巨輪的博客-CSDN博客
黑马:
Elasticsearch分布式引擎7.x,2021黑马详细课程笔记_2021年 最新版 传智黑马搜索引擎elasticsearch_努力学习编程Sakura的博客-CSDN博客
ElasticSearch (ES)万字黑马学习笔记(超详细)搜索引擎ElasticSearch7.x笔记_elasticsearch黑马笔记_努力学习编程Sakura的博客-CSDN博客
系统学习
系统学习ElasticSearch
一起读ElasticSearch官方文档
一些特殊的类型

  1. “_index”:用于表示索引的名称。
  2. “type”:用于表示文档的类型。在Elasticsearch 7.x及以上的版本中_,"_type"已经不被推荐使用,因为Elasticsearch团队将在未来的版本中移除这个概念。
  3. “_id”:每个文档在索引中都有一个唯一的标识符,称为文档ID。"_id"字段用于表示文档的ID。
  4. “_source”: 指定要返回的字段
  5. “_score”:表示文档与查询匹配的相关性分数。
  6. _doc:表示文档类型

需要注意的是,Elasticsearch 7.x及以上的版本中,默认只支持单一的类型"_doc",这是为了简化数据模型并提高性能。因此,推荐在创建索引时使用"_doc"作为文档类型。

涉及原理

什么是 Elasticsearch?一篇搞懂-腾讯云开发者社区-腾讯云

ElasticSearch_第3张图片

你可能感兴趣的:(ElasticSearch,elasticsearch)