ElasticSearch基本api操作
ElasticSearch
本文章下列所用es本意都为Elaticsearch
ElasticSearch概述
Elaticsearch ,简称为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、检索数据;本身扩展性很好，
可以扩展到上百台服务器,处理PB级别(大数据时代)的数据。es也使用Java开发并使用Lucene作为其核心来实现所有索弓和搜
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。
据国际权威的数据库产品评测机构DB Engines的统计，在2016年1月, ElasticSearch已超过Solr等,成为排名第一-的搜索引擎类应
用。
安装ElasticSearch
官网地址
https://www.elastic.co/cn/downloads/elasticsearch
目录结构
bin 启动文件
config 配置文件
log4j2日 志配置文件
jvm. options java 虚拟机相关的配置
elasticsearch. ym1 elasticsearch的配置文件!默认 9200端口!跨域!
1ib 相关jar包
1ogs 日志!
modules 功能模块
plugins插件! ik
进入bin文件夹启动elasticsearch.bat
访问http://localhost:9200
安装elasticsearch-head插件
1.安装
GitHub地址https://github.com/mobz/elasticsearch-head
2.启动
npm install
npm run start
3.连接测试发现,存在跨域问题:配置es
在config文件夹的elasticsearch.yml文件中添加
http.cors.enabled: true
http.cors.allow-origin: "*"
访问http://localhost:9100/
4.重启es再次连接
安装Kibana
Kibana是一个针对Elasticsearch的开源分析及 可视化平台,用来搜索、查看交互存储在Elasticsearch索引中的数据。 使用Kibana ,
可以通过各种图表进行高级数据分析及展示。Kibana让海 量数据更容易理解。它操作简单,基于浏览器的用户界面可以快速创建仪
表板( dashboard )实时显示Elasticsearch查询动态。设置Kibana非常简单。无需编码或者额外的基础架构,几分钟内就可以完成
Kibana安装并启动Elasticsearch索弓|监测。
官网: https://www.elastic.co/cn/kibana
1.启动kibana.bat
2.访问5601端口
3.开发工具!( Post、 curl、head、谷歌浏览器插件测试! )
4.汉化
找到zh-cn.json,这里是汉化文件
在kibana.yml中添加
i18n.locale: "zh-CN"
ES核心概念
elasticsearch是面对文档,这里与关系型数据库进行对比
| Relational Database | elasticsearch |
|---|---|
| 数据库(database) | 索引(indices) |
| 表(tables) | types |
| 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)。.
物理设计
es在后台把每个索引划分为多个分片,每个分片可以在集群中的不同服务器间迁移
默认名称就是es
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,可以通过这样的一各顺序找到它:索引D类型
D文档ID，通过这个组合我们就能索引到某个具体的文档。 注意:ID不必是整数，实际上它是个字符串。
文档
elasticsearch是面向文档的,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。
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。
类型
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?
答:
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.
索引(可以理解为数据库)
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
物理设计
节点和分片,如何工作的
一个集群至少有一一个节点，而一个节点就是一个elasricsearch进程 ，节点可以有多个索引默认的，如果你创建索引，那么索弓|将会
有个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都不会在同-个节点内,这样有利于某个节点挂掉了,数据也不
至于丢失。实际上, 一个分片是一个Lucene索引 , 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,就能告诉你哪些文档包含特定的关键字。
倒排索引
elasticsearch使用的是一种称为倒排索引的结构 |采用Lucene倒排索作为底层这种结构适用于快速的全文搜索，一个索引由文档中所有不重复的列表构成,对于每一个词,都有一个包含它的文档列表。例如,现在有两个文档，每个文档包含如下内容:
Study every day, good good up to forever
To forever study every day，good good up
搜索to forever 只需要查看包含每个词条的文档(很明显,doc_1中的内容权重更高)
两个文档都匹配，但是第一一个文档比第二个匹配程度更高。如果没有别的条件,现在,这两个包含关键字的文档都将返回。
再来看一个示例,比如我们通过博客标签来搜索博客文章。那么倒排索弓列表就是这样的一个结构:
如果要搜索含有python标签的文章,那相对于查找所有原始数据而言,查找倒排索引后的数据将会快的多。只需要查看标签这一栏,然后获取相关的文章ID即可。
elasticsearch的索引和Lucene的索引对比
在elasticsearch中，索引这个词被频繁使用,这就是术语的使用。在elasticsearch中 ,索引被分为多个分片,每份分片是一个Lucene的索引。所以一个elasticsearch索引是由多 个Lucene索引组成的。
IK分词器插件
下载
官网链接
https://github.com/medcl/elasticsearch-analysis-ik/releases
解压到es下plugins下
2.新建ik文件夹把解压内容移到ik文件夹,然后重启es
3.使用kibana测试(查看不同分词效果)
ik_smart
#会做最粗粒度的拆分 ik_smart
GET _analyze
{
"analyzer": "ik_smart",
"text": "陈平安"
}
输出结果
{
"tokens" : [
{
"token" : "陈",
"start_offset" : 0,
"end_offset" : 1,
"type" : "CN_CHAR",
"position" : 0
},
{
"token" : "平安",
"start_offset" : 1,
"end_offset" : 3,
"type" : "CN_WORD",
"position" : 1
}
]
}
ik_max_word
#会将文本做最细粒度的拆分 ik_max_word
GET _analyze
{
"analyzer": "ik_max_word",
"text": "陈平安"
}
输出结果
{
"tokens" : [
{
"token" : "陈平",
"start_offset" : 0,
"end_offset" : 2,
"type" : "CN_WORD",
"position" : 0
},
{
"token" : "平安",
"start_offset" : 1,
"end_offset" : 3,
"type" : "CN_WORD",
"position" : 1
}
]
}
自己想要的词组被拆开了怎么办呢
配置自定义字典
进入ik文件夹下config下的IKAnalyzer.cfg.xml
在config目录下新建一个文本,修改后缀为dic
添加你所需要的词组,然后进入IKAnalyzer.cfg.xml把你刚新建的文件写入,再重启es
es启动的时候会加载我们的dic文件
再次查询
Rest风格说明
基本Rest命令说明
创建索引
PUT /text1/type1/1
{
"name":"陈平安",
"age":14
}
使用ElasticSearch-head查看
3、那么name这个字段用不用指定类型呢。毕竟我们关系型数据库是需要指定类型的
字符串类型
text、keyword
数值类型
long. integer, short, byte, double, float,. half float. scaled float
日期类型
date
布尔值类型
boolean
二进制类型
binary
指定具体规则
PUT /text2
{
"mappings": {
"properties": {
"name":{
"type": "text"
},
"age":{
"type": "long"
},
"birthday":{
"type": "date"
}
}
}
}
通过get请求获得具体信息
get /
通过post修改具体信息
POST /text3/_doc/1/_update
{
"doc":{
"name":"陈平安和宁姚"
}
}
修改会覆盖当前
版本号增加
状态改变
使用delete删除具体信息
DELETE /text1/type1/1
通过post查询所有
POST chenpingan/user/_search
查看默认信息
PUT /text3/_doc/1
{
"name":"陈平安",
"age":14,
"birth":"2003-05-26"
}
如果文档字段未指定类型,es系统会默认配置字段类型
其他命令
GET _cat/indices?v查看所有文档
关于文档的基本操作
新增put
PUT /chenpingan/user/1
{
"name":"陈平安",
"age":14,
"desc":"家住泥瓶巷",
"tags":["打拳","练符","去倒悬山"]
}
PUT /chenpingan/user/2
{
"name":"宁姚",
"age":14,
"desc":"家住剑气长城",
"tags":["练剑","杀妖","飞升"]
}
查询get
GET chenpingan/user/1
修改put和post
PUT /chenpingan/user/1
{
"name":"陈平安",
"age":14,
"desc":"住泥瓶巷",
"tags":["打拳","练符","去倒悬山"]
}
POST chenpingan/user/1/_update
{
"doc":{
"desc":"去往剑气长城"
}
}
put如果不传递值就会被覆盖,也就是置空
查询
简单搜索
根据默认的映射规则,产生基本的查询
GET chenpingan/user/1
条件模糊查询
GET chenpingan/user/_search?q=name:陈平安
查询什么库 q查询 查询条件
复杂操作select(排序,分页,高亮,模糊,精确查询)
查询匹配
这是官方的例子
GET /_search
{
"query": {
"match": {
"message": "this is a test"
}
}
}
这样可以更能理解 匹配索引中name中包括"陈平安"的文档
GET /_search
{
"query": {
"match": {
"name": "陈平安"
}
}
}
查询的参数体使用json构造
GET chenpingan/user/_search
{
"query": {
"match": {
"name": "陈平安"
}
}
}
通过_score属性来判断谁更加符合结果
通过_sourc只显示匹配的name和desc值(结果过滤)
GET chenpingan/user/_search
{
"query": {
"match": {
"name": "陈平安"
}
},
"_source": ["name","desc"]
}
排序
通过sort
#通过age年龄进行升序排序
GET chenpingan/user/_search
{
"query": {
"match": {
"name": "陈平安"
}
},
"sort": [
{
"age": {
"order": "desc"
}
}
]
}
分页
from 从第几条开始
size 返回多少条数据(单页面)
GET chenpingan/user/_search
{
"query": {
"match": {
"name": "陈平安"
}
},
"from": 0,
"size": 2
}
通过age升序排序后分页
GET chenpingan/user/_search
{
"query": {
"match": {
"name": "陈平安"
}
},
"sort": [
{
"age": {
"order": "desc"
}
}
],
"from": 0,
"size": 2
}
布尔值查询
"()"里面是等价于mysql中的操作
must(and) 所有条件都需要符合
多条件精确查询
GET chenpingan/user/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "陈平安"
}
},
{
"match": {
"desc": "去往剑气长城"
}
}
]
}
}
}
should(or)两个条件满足其一
GET chenpingan/user/_search
{
"query": {
"bool": {
"should": [
{
"match": {
"name": "陈平安"
}
},
{
"match": {
"desc": "去往剑气长城"
}
}
]
}
}
}
must_not(not) 禁止该数据
filter过滤
gt 大于
gte 大于等于
lt 小于
lte 小于等于
查询name中有陈平安并且age大于等于3
GET chenpingan/user/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "陈平安"
}
}
]
, "filter": {
"range": {
"age": {
"gte": 3
}
}
}
}
}
}
查询name中有陈平安并且过滤age大于等于3小于15
使用多个条件进行过滤
多条件查询
查询tags中含有"去","练符"的文档
GET chenpingan/user/_search
{
"query": {
"match": {
"tags": "去 练符"
}
}
}
只要满足其中一个结果即可被查出,这个时候可以通过分值进行基本的判断
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的!|
关于分词:
●term ,直接查询精确的
●match ,会使用分词器解析! (先分析文档,然后在通过分析的文档进行查询! )
两个类型 text keyword
_analyze默认分词器
analyzer 手动设置分词器
keyword 字段不会被分词器拆分来解析会作为一个整体
PUT testdb
{
"mappings": {
"properties": {
"name":{
"type": "text"
},
"desc":{
"type": "keyword"
}
}
}
}
PUT testdb/_doc/1
{
"name":"陈平安 name",
"desc":"陈平安 name"
}
PUT testdb/_doc/2
{
"name":"陈平安 name",
"desc":"陈平安 name2"
}
GET _analyze
{
"analyzer": "keyword"
, "text": "陈平安"
}
GET _analyze
{
"analyzer": "standard"
, "text": "陈平安"
}
text 单字拆分
使用term精确解析
keyword 字段不会被分词器拆分来解析会作为一个整体
GET testdb/_search
{
"query": {
"term": {
"name": "陈"
}
}
}
GET testdb/_search
{
"query": {
"term": {
"desc": "陈平安 name2"
}
}
}
通过name查询
通过desc查询
精确查询多个值
GET testdb/_search
{
"query": {
"bool": {
"should": [
{
"term": {
"t1": "22"
}
},
{
"term": {
"t1": "23"
}
}
]
}
}
}
高亮查询
默认高亮
GET chenpingan/user/_search
{
"query": {
"match": {
"name": "陈平安"
}
},
"highlight": {
"fields": {
"name":{}
}
}
}
自定义搜索高亮条件
GET chenpingan/user/_search
{
"query": {
"match": {
"name": "陈平安"
}
},
"highlight": {
"pre_tags": "",
"post_tags": "
",
"fields": {
"name":{}
}
}
}
所学习ElasticSearch基本操作就这些,集成springboot的笔记下次更新
该文章基于"狂神说"学习