【Elasticsearch】Elasticsearch基本使用

1. 安装

1.1 安装ES

Elasticsearch下载地址 要求:JDK1.8+

ElasticsearchTomcat类似,下载安装包后解压即可使用。我这里下载的是最新的7.6.2版本

解压后,首先设置跨域支持,后面可能用得上(连接es相关工具)。在./config/elasticsearch.yml中添加跨域支持

http.cors.enabled: true
http.cors.allow-origin: "*"

bin目录上方地址栏输入cmd打开终端输入elasticsearch.bat或者双击elasticsearch.bat文件即可启动

在启动时碰到过以下几个问题:

1.cmd启动显示中文乱码问题

image-20221104220845756

解决方案:

./config/jvm.options配置文件中设置字符集格式,重新启动就不会显示乱码了。

-Dfile.encoding=GBK

2.启动后无法访问ES服务器地址 localhost:9200

控制台显示:

 received plaintext http traffic on an https channel, closing connection Netty4HttpChannel

这是由于ES 7.X版本后默认开启了安全认证,改成false即可

【Elasticsearch】Elasticsearch基本使用_第1张图片

至此, Elasticsearch就可以正常访问了

【Elasticsearch】Elasticsearch基本使用_第2张图片

1.2 安装可视化插件Elasticsearch head

下载地址,该插件是一个web项目,需要nodejs环境,下载后执行

npm install 

启动:

npm run start

启动后打开 : localhost:9100查看

1.3 安装可视化工具Kibana

注意: kibana版本需要与es版本一致 ,安装同样简单,下载解压即可使用,双击 ./bin/kibana.bat启动后

在浏览器中访问 5601端口即可

kibana界面默认为英文,支持国际化,在./config/kibana.yml中最后一行设置即可

i18n.locale: “zh-CN”

设置后重启服务

【Elasticsearch】Elasticsearch基本使用_第3张图片

2. ES核心概念

elasticsearch是面向文档的,

Relational DB ElasticSearch
数据库(database) 索引(indices)
表(tables) types 慢慢会被弃用!
行(rows) documents
字段(columns) fields

elasticsearch(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)

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。

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。类型中对于字段的定义称为映射,比如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,但是这个字段的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,别整什么幺蛾子。

文档(”行“)

之前说elasticsearch是面向文档的,那么就意味着索引和搜索数据的最小单位是文档,elasticsearch中,文档有几个重要属性:

  • 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 !
  • 可以是层次型的,一个文档中包含自文档,复杂的逻辑实体就是这么来的! {就是一个json对象 ! fastjson进行自动转换 !}
  • 灵活的结构,文档不依赖预先定义的模式,我们知道关系型数据库中,要提前定义字段才能使用,在elasticsearch中,对于字段是非常灵活的,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。
倒排索引

简单说就是 按(文章关键字,对应的文档<0个或多个>)形式建立索引,根据关键字就可直接查询对应的文档(含关键字的),无需查询每一个文档

elasticsearch使用的是一种称为倒排索引的结构,采用的是Lucene倒排索引作为底层,这种结构适合全文搜索,一个索引由文档中所有不重复的列表构成,对于每一个词,都有一个包含他的文档列表,例如,如下两个文档

study every day,good good up to forever  # 文档1
To forever, study every day,good good up # 文档2 

为了创建倒排索引,首先需要将每个文档拆分成独立的词条,然后创建一个包含所有不重复词条的排序列表

【Elasticsearch】Elasticsearch基本使用_第4张图片

3. IK分词器

分词:即把一段中文或者别的划分成一个个的关键字,我们在搜索时候会把自己的信息进行分词,会把数据库中或者索引库中的数据进行分词,然后进行一一个匹配操作,默认的中文分词是将每个字看成一个词不使用用IK分词器的情况下,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_smartik_max_word ,其中ik_smart最少切分, ik_max_word最细粒度划分!

下载地址,下载后解压到./plugins文件夹即可,

重启服务使用kibana测试

查看分词效果

ik_smart 分词器

image-20221105175800826

ik_max_word 分词器

【Elasticsearch】Elasticsearch基本使用_第5张图片

有时候,分词效果不是我们预期的,可以在./ik/config/IKAnalyzer.cfg.xml中配置我们自己需要的词典

【Elasticsearch】Elasticsearch基本使用_第6张图片

4. RestAPI操作

一种软件架构风格,而不是标准,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。

4.1 基本Rest命令说明

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
DELETE(删除) localhost:9200/索引名称/类型名称/文档id 删除文档
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
POST(查询) localhost:9200/索引名称/类型名称/文档id/_search 查询所有数据

4.2 索引操作

创建一个索引,不指定类型

PUT /test1/type1/1
{
  "name":"赵今麦",
  "gae": 20
}

创建一个索引,同时指定字段类型

PUT /test2
{
  "mappings": {
    "properties": {
      "name":{
        "type": "text"
      },
      "age":{
        "type": "long"
      },
      "birthday":{
        "type": "date"
      }
    }
  }
}

创建索引,指定默认类型

_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

PUT /test2/_doc/1
{
  "name":"maimai",
  "age":"20",
  "birth":"2002-09-29"
}

获取索引

GET test2

删除索引

DELETE test1

4.3 文档操作

修改

  • PUT
# 首次PUT是创建
PUT /mmw/_doc/1
{
  "name":"mmw",
  "age":23,
  "desc":"程序员",
  "tags":[
    "技术宅","温暖","直男"
    ]
}

# 再次对相同ID数据PUT则是修改
# 但是如果PUT时某个字段没写,则会将其更新为空值
PUT /mmw/_doc/1
{
  "name":"mmw1",
  "age":24,
}

  • POST _update 进行更新
POST /mmw/_doc/1/_update
{
  "doc":{
    "age":31
  }
}

删除

DELETE /mmw

查询

简单查询

GET /mmw/_doc/1

简单查询(带条件)

GET /mmw/_search?q=name:mmw

复杂操作搜索(重点): 排序 分页 高亮 模糊查询 精确查询

构建查询请求体 多个查询条件使用空格隔开

【Elasticsearch】Elasticsearch基本使用_第7张图片

结果过滤,只显示指定字段 _source

GET /mmw/_search
{
  "query": {
    "match": {
      "name": "mmw"
    }
  },
  "_source": ["name","desc"]
}

排序 sort

GET /mmw/_search
{
  "query": {
    "match": {
      "desc": "程序员"
    }
  },
  "_source": ["name","desc","age"],
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

分页查询

size 页大小 from 从第几条数据开始, 数据下标还是从0开始

GET /mmw/_search
{
  "query": {
    "match": {
      "desc": "程序员"
    }
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ],
  "from":0,
  "size":2
}

布尔值精确查询

must 相当于 and

should相当于 or

must not 相当于 not

# must 
GET /mmw/_search
{
  "query": {
    "bool":{
      "must": [
        {
          "match": {
            "desc": "程序员"
          }
        },
        {
          "match": {
            "age": "26"
          }
        }
      ]
    }
  }
}


# should 
GET /mmw/_search
{
  "query": {
    "bool":{
      "should": [
        {
          "match": {
            "desc": "程序员"
          }
        },
        {
          "match": {
            "age": "26"
          }
        }
      ]
    }
  }
}

过滤器

# age大于21
GET /mmw/_search
{
  "query": {
    "bool":{
      "filter": [
        {
          "range": {
            "age": {
              "gte": 21
            }
          }
        }
      ]
    }
  }
}

term 精确查询 : 通过倒排索引指定的词条进程精确查找的

高亮 highlight

该可以自定义前缀后缀标签

GET /mmw/_search
{
  "query": {
    "match": {
      "desc": "程序员"
    }
  },
  "highlight": {
    "pre_tags": "

", "fields": { "desc":{} } } }

l":{
“filter”: [
{
“range”: {
“age”: {
“gte”: 21
}
}
}
]
}
}
}


term 精确查询 : 通过倒排索引指定的词条进程精确查找的

高亮 highlight

该可以自定义前缀后缀标签

```json
GET /mmw/_search
{
  "query": {
    "match": {
      "desc": "程序员"
    }
  },
  "highlight": {
    "pre_tags": "

", "fields": { "desc":{} } } }

你可能感兴趣的:(Spring&常用框架,elasticsearch,大数据,搜索引擎)