AI导航网
微信公众号搜"智元新知"关注
微信扫一扫可直接关注哦！

ElasticSearch 学习笔记第一天

分类：Elasticsearch作者：编程之家原文地址

ElasticSearch学习笔记（狂神）


学习笔记参考
B站视频 狂神说Java的ElasticSearch课程：https://www.bilibili.com/video/BV17a4y1x7zq
CSND 文章：https://blog.csdn.net/gouzhengju1454/article/details/117707976

一、ElasticSearch概述

官网： https://www.elastic.co/cn/downloads/elasticsearch

   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引和搜索的功能，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 。

历史

  多年前，一个叫做Shay Banon的刚结婚不久的失业开发者，由于妻子要去伦敦学习厨师，他便跟着也去了。在他找工作的过程中，为了给妻子构建一个食谱的搜索引擎，他开始构建一个早期版本的Lucene。

  直接基于Lucene工作会比较困难，所以Shay开始抽象Lucene代码以便lava程序员可以在应用中添加搜索功能。他发布了他的第一个开源项目，叫做“Compass”。

  后来Shay找到一份工作，这份工作处在高性能和内存数据网格的分布式环境中，因此高性能的、实时的、分布式的搜索引擎也是理所当然需要的。然后他决定重写Compass库使其成为一个独立的服务叫做Elasticsearch。

  第一个公开版本出现在2010年2月，在那之后Elasticsearch已经成为Github上最受欢迎的项目之一，代码贡献者超过300人。一家主营Elasticsearch的公司就此成立，他们一边提供商业支持一边开发新功能，不过Elasticsearch将永远开源且对所有人可用。

  Shay的妻子依旧等待着她的食谱搜索……

谁在使用：

  •  1、维基百科,类似百度百科，全文检索,高亮,搜索推荐/2
  •  2、The Guardian (国外新闻网站) ,类似搜狐新闻,用户行为日志(点击,浏览,收藏,评论) +社交网络数据(对某某新闻的相关看法) ,数据分析,给到每篇新闻文章的作者,让他知道他的文章的公众反馈(好,坏,热门，垃圾,鄙视，崇拜)
  •  3、Stack Overflow (国外的程序异常讨论论坛) , IT问题,程序的报错,提交上去,有人会跟你讨论和回答,全文检索,搜索相关问题和答案,程序报错了,就会将报错信息粘贴到里面去,搜索有没有对应的答案
  •  4、GitHub (开源代码管理),搜索 上千亿行代码
  •  5、电商网站,检索商品
  •  6、日志数据分析, logstash采集日志, ES进行复杂的数据分析, ELK技术, elasticsearch+logstash+kibana
  •  7、商品价格监控网站,用户设定某商品的价格阈值,当低于该阈值的时候,发送通知消息给用户,比如说订阅牙膏的监控,如果高露洁牙膏的家庭套装低于50块钱,就通知我,我就去买
  •  8、BI系统,商业智能, Business Intelligence。比如说有个大型商场集团，BI ,分析一下某某区域最近3年的用户消费 金额的趋势以及用户群体的组成构成,产出相关的数张报表, **区,最近3年,每年消费金额呈现100%的增长,而且用户群体85%是高级白领，开-个新商场。ES执行数据分析和挖掘, Kibana进行数据可视化
  •  9、国内:站内搜索(电商,招聘,门户,等等),IT系统搜索(OA,CRM,ERP,等等),数据分析(ES热门
    的一一个使用场景)

二、ES和Solr


2.1、 ElasticSearch 简介

  •  Elasticsearch是一个 实时分布式搜索和分析引擎。 它让你以前所未有的速度处理大数据成为可能。
  •  它用于 全文搜索、结构化搜索、分析 以及将这三者混合使用:
  •  维基百科使用Elasticsearch提供全文搜索并高亮关键字 ,以及输入 实时搜索(search-asyou-type)和搜索纠错 (did-you-mean)等搜索建议功能。
  •  英国卫报使用Elasticsearch结合用户日志和社交网络数据提供给他们的编辑以实时的反馈,以便及时了解公众对新发表的文章的回应。
  •  StackOverflow结合全文搜索与地理位置查询,以及more-like-this功能来找到相关的问题和答案。
  •  Github使用Elasticsearch检索1300亿行的代码。
  •  但是Elasticsearch不仅用于大型企业，它还让像DataDog以及Klout这样的创业公司将最初的想法变成可扩展的解决方案。
  •  Elasticsearch可以在你的笔记本上运行,也可以在数以百计的服务器上处理PB级别的数据。
  •  Elasticsearch是一个基于Apache Lucene™的开源搜索引擎。无论在开源还是专有领域, Lucene可被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。
    •  但是, Lucene只是一个库 。 想要使用它,你必须使用Java来作为开发语言并将其直接集成到你的应用中,更糟糕的是, Lucene非常复杂,你需要深入了解检索的相关知识来理解它是如何工作的。
  •  Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能,但是它的目的加粗样式是通过简单的RESTful API来隐藏Lucene的复杂性,从而让全文搜索变得简单。

2.2、 Solr 简介

  •  Solr是Apache下的一个顶级开源项目,采用Java开发,它是基于Lucene的全文搜索服务器。Solr提供了比Lucene更为丰富的查询语言,同时实现了可配置、可扩展，并对索引、搜索性能进行了优化

  •  Solr可以独立运行,运行在letty. Tomcat等这些Selrvlet容器中 , Solr 索引的实现方法很简单,用POST方法向Solr服务器发送一个描述Field及其内容的XML文档, Solr根据xml文档添加、删除、更新索引。Solr 搜索只需要发送HTTP GET请求,然后对Solr返回xml、json等格式的查询结果进行解析,组织页面布局。

  •  Solr不提供构建UI的功能, Solr提供了一个管理界面,通过管理界面可以查询Solr的配置和运行情况。

  •  Solr是基于lucene开发企业级搜索服务器,实际上就是封装了lucene.

  •  Solr是一个独立的企业级搜索应用服务器,它对外提供类似于Web-service的API接口。用户可以通过http请求,向搜索引擎服务器提交-定格式的文件,生成索引;也可以通过提出查找请求,并得到返回结果。


2.3、ElasticSearch与Solr比较

1、当单纯的对已有数据进行搜索时，Solr更快

在这里插入图片描述

2、当实时建立索引时，Solr会产生io阻塞，查询性能较差，ElasticSearch具有明显的优势

在这里插入图片描述

3、随着数据量的增加，Solr的搜索效率会变得更低，而ElasticSearch却没有明显的变化

在这里插入图片描述

4、转变我们的搜索基础设施后从Solr ElasticSearch，我们看见一个即时~ 50x提高搜索性能！

>


总结 ：

1、es基本是开箱即用(解压就可以用!) ,非常简单。Solr安装略微复杂一丢丢!

2、Solr 利用Zookeeper进行分布式管理,而Elasticsearch 自身带有分布式协调管理功能 。

3、Solr 支持更多格式的数据,比如JSON、XML、 CSV ,而Elasticsearch仅支持json文件格式。

4、Solr 官方提供的功能更多,而Elasticsearch本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑

5、 Solr 查询快,但更新索引时慢(即插入删除慢) ，用于电商等查询多的应用;

  •  ES建立索引快(即查询慢) ，即实时性查询快，用于facebook新浪等搜索。
  •  Solr是传统搜索应用的有力解决方案，但Elasticsearch更适用于新兴的实时搜索应用。

6、Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而Elasticsearch相对开发维护者较少,更新太快,学习使用成本较高。


三、ElasticSearch 的安装

首先要有最低 JDK1.8 的环境

在使用Java开发的时候，必须保证ElasticSearch的版本与Java的核心jar包版本对应！（Java环境保证没错）

这次安装是在 windows 系统下安装，下一篇在linux中docker部署

3.1、安装 elasticsearch-7.6.1

①、下载、解压

下载地址：https://www.elastic.co/cn/downloads/

历史版本下载：https://www.elastic.co/cn/downloads/past-releases/

解压即可（尽量将ElasticSearch相关工具放在统一目录下）

在这里插入图片描述

②、熟悉目录

在这里插入图片描述


在这里插入图片描述

bin 启动文件目录
config 配置文件目录
	1og4j2 日志配置文件
	jvm.options java 虚拟机相关的配置(默认启动占1g内存，内容不够需要自己调整)
	elasticsearch.ym1 elasticsearch 的配置文件! 默认9200端口!跨域!
1ib			相关jar包
modules 	功能模块目录
plugins 	插件目录

③、启动

一定要检查自己的java环境是否配置好

在这里插入图片描述


观察 bat是否启动成功

在这里插入图片描述


浏览器输入：http://localhost:9200/

在这里插入图片描述

如果 启动cmd中有中文乱码问题，修改 jvm.options
  在 jvm.options 文件内添加一句话 

-Dfile.encoding=GBK

在这里插入图片描述


3.2、安装 elasticsearch-head 图形化界面

使用前提：需要安装nodejs

nodejs安装

Node.js 安装包及源码下载地址为：https://nodejs.org/en/download/。

在这里插入图片描述


在这里插入图片描述

npm install cnpm -g

安装完毕后，请 cmd 检查一下

在这里插入图片描述

elasticsearch-head 可视化界面安装

1、下载地址

https://github.com/mobz/elasticsearch-head

2、安装、解压（尽量将ElasticSearch相关工具放在统一目录下）

在这里插入图片描述


3、在 elasticsearch-head-master 文件夹下 执行 cmd 命令

# 安装环境
cnpm install

# 启动
npm run start

# 访问
http://localhost:9100

安装依赖

在这里插入图片描述


启动

在这里插入图片描述


访问

存在跨域问题（只有当两个页面同源，才能交互）
同源（端口，主机，协议三者都相同）
https://blog.csdn.net/qq_38128179/article/details/84956552

在这里插入图片描述

开启跨域（在elasticsearch解压目录config下elasticsearch.yml中添加）

# 开启跨域
http.cors.enabled: true
# 所有人访问
http.cors.allow-origin: "*"

在这里插入图片描述

重启elasticsearch 和 head

在这里插入图片描述

再次 访问 http://localhost:9100

在这里插入图片描述

如何理解上图：

  •   如果你是初学者
    •   索引 可以看做 “数据库”
    •   类型 可以看做 “表”
    •   文档 可以看做 “库中的数据（表中的行）”
  •   这个head，我们只是把它当做可视化数据展示工具，之后所有的查询都在kibana中进行
    •   因为不支持json格式化，不方便

3.3、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索引监测。

1、下载地址:

下载的版本需要与ElasticSearch版本对应

https://www.elastic.co/cn/downloads/

历史版本下载：https://www.elastic.co/cn/downloads/past-releases/

2、安装、解压（尽量将ElasticSearch相关工具放在统一目录下）

在这里插入图片描述


3、启动

在这里插入图片描述


在这里插入图片描述


4、访问： http://localhost:5601

在这里插入图片描述

5、开发工具

（Postman、curl、head、谷歌浏览器插件）

可以使用 Kibana进行测试

在这里插入图片描述


6、kibana汉化

编辑器打开kibana解压目录/config/kibana.yml(kibana-7.13.1-windows-x86_64/config/kibana.yml)，添加

在这里插入图片描述

i18n.locale: "zh-CN"

重启 elasticsearch、head、kibana

7、汉化成功

在这里插入图片描述


3.4、了解ELK

  •  ELK是Elasticsearch、Logstash、 Kibana三大开源框架首字母大写简称。市面上也被成为Elastic Stack。
    •  其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。
      •  像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大,市面上很多时候我们简称Elasticsearch为es。
    •  Logstash是ELK的中央数据流引擎,用于从不同目标(文件/数据存储/MQ )收集的不同格式数据,经过过滤后支持输出到不同目的地(文件/MQ/redis/elasticsearch/kafka等)。
    •  Kibana可以将elasticsearch的数据通过友好的页面展示出来 ,提供实时分析的功能。
  •  市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称 ,但实际上ELK不仅仅适用于日志分析,它还可以支持其它任何数据分析和收集的场景,日志分析和收集只是更具有代表性。并非唯一性。

收集清洗数据(Logstash) ==> 搜索、存储(ElasticSearch) ==> 展示(Kibana)

在这里插入图片描述


四、ElasticSearch核心概念


概述

1、索引（ElasticSearch）

  •  包多个分片

2、字段类型（映射）

  •  字段类型映射（字段是整型，还是字符型…）

3、文档

4、分片（Lucene索引，倒排索引）

ElasticSearch是面向文档，关系行数据库和ElasticSearch客观对比！一切都是JSON！

Relational DBElasticSearch
数据库（database）索引（indices）
表（tables）类型（types） (慢慢会被弃用)
行（rows）文档（documents）
列（columns）字段（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） ，每个类型里又包含多个文档（行 ），每个文档中又包含多个字段（列） 。


物理设计：

elasticsearch在后台把每个索引划分成多个分片，每分分片可以在集群中的不同服务器间迁移

一个人就是一个集群! ，即启动的ElasticSearch服务，默认就是一个集群，且默认集群名为elasticsearch

在这里插入图片描述


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，可以通过这样的顺序找到它：索引 => 类型 => 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（”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。

  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（“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。

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。

物理设计：节点和分片 如何工作

创建新索引

在这里插入图片描述


   一个集群至少有一个节点，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，那么索引将会有个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)

在这里插入图片描述


   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一个节点内，这样有利于某个节点挂掉了，数据也不至于失。实际上，一个分片是一个Lucene索引（一个ElasticSearch索引包含多个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。

   不过，等等，倒排索引是什么?

倒排索引（Lucene索引底层）

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，如下图

在这里插入图片描述


五、IK分词器(elasticsearch插件)

IK分词器：中文分词器

   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），比如 我爱狂神 会被分为 我，”爱”，”狂”，神 ，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_smart和ik_max_word ,其中
ik_smart 为最少切分,
ik_max_word 为最细粒度划分!


1、下载

版本要与ElasticSearch版本对应

下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases

2、安装

解压过后 把解压过后的 ik 文件下 放到 ElaticSearch > plugins 文件夹下

在这里插入图片描述


在这里插入图片描述


3、重启ElasticSearch

加载了IK分词器

在这里插入图片描述


4、命令查看插件

切换到 ElasticSearch\elasticsearch-7.6.1\bin 目录下 执行 cmd 命令
elasticsearch-plugin list

E:\ElasticSearch\elasticsearch-7.6.1\bin>elasticsearch-plugin list

在这里插入图片描述


5、使用kibana测试

ik_smart：最少切分

在这里插入图片描述

ik_max_word：最细粒度划分（穷尽词库的可能）

在这里插入图片描述

从上面看，感觉分词都比较正常，但是大多数，分词都满足不了我们的想法，如下例

在这里插入图片描述

那么，我们需要手动将该词添加到分词器的词典当中


6、添加自定义的词添加到扩展字典中

切换到elasticsearch目录 /plugins/ik/config/IKAnalyzer.cfg.xml

在这里插入图片描述


7、重启ElasticSearch，再次使用kibana测试

在这里插入图片描述


五、Rest风格说明

  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。


基本Rest命令说明：

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

关于索引的基本操作


1、创建一个索引，添加 

# 示例
PUT /索引名（数据库名）/ 类型名（表名）/ 文档Id
{
	请求体
}

PUT /test1/type1/1
{
  "name":"张三",
  "age":"11",
  "birthday":"2020-01-01"
}

在这里插入图片描述


在这里插入图片描述


2、设置字段数据类型

  •   字符串类型
    •   text、keyword
      •   text：支持分词，全文检索,支持模糊、精确查询,不支持聚合,排序操作;text类型的最大支持的字符长度无限制,适合大字段存储；
      •   keyword：不进行分词，直接索引、支持模糊、支持精确匹配，支持聚合、排序操作。keyword类型的最大支持的长度为——32766个UTF-8类型的字符,可以通过设置ignore_above指定自持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。
  •   数值型
    -   long、Integer、short、byte、double、float、half float、scaled float
  •   日期类型
    -   date
  •   布尔类型
    •   boolean
  •   二进制类型
    •   binary
  •   等等…

3、指定字段的类型（使用PUT）

创建规则 类似于建库（建立索引和字段对应类型），也可看做规则的建立

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

在这里插入图片描述

在这里插入图片描述


4、获取建立的规则 

GET test2

在这里插入图片描述


5、获取默认信息

_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 /test3/_doc/1
{
  "name":"小内脏",
  "age":"11",
  "birthday":"2020-02-22"
}

在这里插入图片描述

如果自己的文档字段没有被指定，那么ElasticSearch就会给我们默认配置字段类型

GET test3

在这里插入图片描述

扩展：通过get _cat/ 可以获取ElasticSearch的当前的很多信息！

GET _cat/indices
GET _cat/aliases
GET _cat/allocation
GET _cat/count
GET _cat/fielddata
GET _cat/health
GET _cat/indices
GET _cat/master
GET _cat/nodeattrs
GET _cat/nodes
GET _cat/pending_tasks
GET _cat/plugins
GET _cat/recovery
GET _cat/repositories
GET _cat/segments
GET _cat/shards
GET _cat/snapshots
GET _cat/tasks
GET _cat/templates
GET _cat/thread_pool

6、修改

两种方案

PUT /test3/_doc/3
{
  "name":"小内脏",
  "age":"11",
  "birthday":"2020-02-22"
}
 
PUT /test3/_doc/3
{
  "name":"小内脏_123"
}

POST /test3/_doc/3
{
  "name":"小内脏666"
}

①旧的（使用put覆盖原来的值）

  •   版本+1（_version）
  •   但是如果漏掉某个字段没有写，那么更新是没有写的字段 ，会消失

在这里插入图片描述


但是如果漏掉某个字段没有写，那么更新是没有写的字段 ，会消失

②新的（使用post的update）

  •   version不会改变
  •   需要注意doc
  •   不会丢失字段

在这里插入图片描述


7、删除 

GET /test1
 
DELETE /test1

在这里插入图片描述


8、简单查询

GET /test3/_doc/_search?q=name:小内脏

在这里插入图片描述


9、复杂查询

回顾之前内容

PUT /testdb/user/1
{
  "name":"小内脏",
  "age":23,
  "desc":"国服最炫漫游",
  "tags":["觉醒","乱射","BBQ"]
}

PUT /testdb/user/2
{
  "name":"旭旭宝宝",
  "age":3,
  "desc":"地主家的傻儿子",
  "tags":["红狗","一刀9999","崩山击"]
}

PUT /testdb/user/3
{
  "user":"大司马",
  "age":33,
  "desc":"边缘OB",
  "tags":["拳皇97","岚之山","哈撒给"]
  
}

POST /testdb/user/2/_update
{
  "doc":{
    "name":"旭旭宝宝内脏"
  }
}

GET /testdb/user/_search?q=name:内脏

在这里插入图片描述

复杂操作搜索select（排序，分页，高亮，模糊查询，精准查询）（重要）

1、模糊查询 所有字段

GET testdb/user/_search
{
  "query": {
    "match": {
      "name": "内脏"
    }
  }
}

在这里插入图片描述

2、过滤查询，只查询特定字段（相当于MysqL中的 select * 和 select name,age 的区别）

GET testdb/user/_search
{
  "query": {
    "match": {
      "name": "内脏"
    }
  },
  "_source": ["name","age"]
}

在这里插入图片描述


包含

在这里插入图片描述


不包含

在这里插入图片描述

3、排序 (根据age这个字段排，由于有了比较的东西，所以_score为null)

GET /testdb/user/_search
{
  "query": {
    "match": {
      "name": "内脏"
    }
  }
  , "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

在这里插入图片描述

4、分页 (数据下标还是从0开始的，和以前学的数据结构是一样的)

GET /testdb/user/_search
{
  "query":{
    "match":{
      "name":"内脏"
    }
  }
  , "sort": [
    {
      "age": {
        "order": "asc"
      }
    }
  ]
  , "from": 0
  , "size": 1
}

在这里插入图片描述


多条件查询

5、布尔值查询

must（and），所有的条件都要符合

GET /testdb/user/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "内脏"
          }
        },
        {
          "match": {
            "age": "3"
          }
        }
      ]
    }
  }
}

在这里插入图片描述

should（or）或者 跟数据库一样

GET /testdb/user/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "name": "内脏"
          }
        },
        {
          "match": {
            "age": "3"
          }
        }
      ]
    }
  }
}

在这里插入图片描述


must_not（not）

GET /testdb/user/_search
{
  "query": {
    "bool": {
      "must_not": [
        {
          "match": {
            "name": "内脏"
          }
        },
        {
          "match": {
            "age": "3"
          }
        }
      ]
    }
  }
}

在这里插入图片描述


条件区间（过滤器）

GET /testdb/user/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "内脏"
          }
        }
      ]
      ,"filter": {
        "range": {
          "age": {
            "gte": 10,
            "lte": 30
          }
        }
      }
    }
  }
}

在这里插入图片描述

  •   gt大于
  •   gte大于等于
  •   lte小于
  •   lte小于等于

6、匹配多个条件（数组）

GET /testdb/user/_search
{
  "query": {
    "match": {
      "tags": "DNF 红狗"
    }
  }
}

在这里插入图片描述

7、精准查找

term查询是直接通过倒排索引指定的词条进程精确查找的

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，然后通过分析的文档进行查询）
PUT /demo
{
  "mappings": {
    "properties": {
      "name":{
        "type": "text"
      },
      "content":{
        "type":"keyword"
      }
    }
  }
}

PUT /demo/_doc/1
{
  "name":"JAVA",
  "content":"JAVA 世界第一"
}

PUT /demo/_doc/2
{
  "name":"Python",
  "content":"不知道第几？"
}

GET _analyze
{
  "analyzer": "standard",
  "text": "JAVA 世界第一"
}

GET _analyze
{
  "analyzer": "keyword",
  "text": "JAVA 世界第一"
}

在这里插入图片描述

精确查询多个值

PUT /demo2
{
  "mappings": {
    "properties": {
      "name":{
        "type": "keyword"
      },
      "content":{
        "type":"text"
      }
    }
  }
}

PUT /demo2/_doc/1
{
  "name":"JAVA",
  "content":"JAVA 世界第一"
}

PUT /demo2/_doc/2
{
  "name":"Python",
  "content":"不知道第几？"
}


GET /demo2/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "content": "第"
          }
        },
        {
          "term": {
            "name": {
              "value": "JAVA"
            }
          }
        }
      ]
    }
  }
}

在这里插入图片描述

8、高亮

在这里插入图片描述

自定义高亮的样式

GET /demo2/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "content": "第"
          }
        },
        {
          "term": {
            "name": {
              "value": "JAVA"
            }
          }
        }
      ]
    }
  },
  "highlight": {
    "pre_tags": "<p class= 'key' style = 'color:red'>", 
    "post_tags": "</p>", 
    "fields": {
      "content": {}
    }
  }
}

在这里插入图片描述


版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。

相关推荐

完美掌握MySQL登录方法]MySQL登录教程
TCP/IP套接字登录方法是MySQL在一切服务平台都提供的一种登录方法，也是互联网中应用数最多的一种方法。这种方法在TCP/IP登录上创建一个根据互联网的登录申请，一般手机客户端在一台服务器上，而MySQL实例在另外一台...
easy-rules规则引擎最佳落地实践
easy-rule规则引擎最佳落地
windows 安装 Elasticsearch
Elasticsearch 是一个分布式、高扩展、高实时的搜索与数据分析引擎, 本文主要介绍了在 windows 10上 安装 Elasticsearch,Elasticsearch-head,kibana等软件, 方便自己学习使用,
关于ElasticSearch日期格式不一致的异常，可以这么解决
最近壹哥的一个学生，在利用spring-data-elasticsearch访问ElasticSearch(ES)时，遇到了一个关于日期类型的BUG，困扰了很久。然后他就找壹哥给他解决，接下来壹哥就把解决的过程给大家复现一下，希望本文可以给遇到同...
java 操作elasticsearch详细总结
java 操作elasticsearch详细总结
全文搜索引擎 Elasticsearch 入门教程
原文链接：http://www.ruanyifeng.com/blog/2017/08/elasticsearch.html全文搜索属于最常见的需求，开源的 Elasticsearch （以下简称 Elastic）是目前全文搜索引擎的首选。它可以快速地储存、搜索和分析海量数据。...
elasticsearch启动常见错误
原文链接：https://www.cnblogs.com/zhi-leaf/p/8484337.html 问题出现环境，OS版本：CentOS-7-x86_64-Minimal-1708；ES版本：elasticsearch-6.2.2。1、max file descriptors [4096] for elasticsearch process is ...
【ES】Elasticsearch分词器使用和简单查询
文章目录Elasticsearch一. analysis与analyzer1.1 内置的分词器1.2 内置分词器示例1.3 中文分词1.3.1 IK分词器1.3.2 HanLP1.3.3 pinyin分词器1.4 中文分词演示1.5 分词的实际应用1.5.1 设置mapping1.5.2 插入数据1.5...
Elasticsearch06：Elasticsearch分词详解：ES分词介绍、倒排索引介绍、分词器的作用、停用词
一、ES分词介绍ES中在添加数据，也就是创建索引的时候，会先对数据进行分词。在查询索引数据的时候，也会先根据查询的关键字进行分词。所以在ES中分词这个过程是非常重要的，涉及到查询的效率和准确度。假设有一条数...
ES和Kibana设置账号密码
命令执行后，会出现几句英文，大概的意思是：你如果确定开启密码的话，需要设置以下六种账户的密码elastic、apm_system、kibana、logstash_system、beats_system、remote_monitoring_user。第四步：重启后，输入kiba...
    pythonJavaScriptjavaHTMLreactjsC#AndroidCSSNode.jssqlrpython-3.xMysqLjQueryc++pandasFlutterangularIOSdjangolinuxswifttypescript路由器JSON路由器设置无线路由器h3c华三华三路由器设置华三路由器电脑软件教程arraysdocker软件图文教程Cvue.jslaravelspring-bootreact-native