ElasticSearch 用法

首先讲下 ES的倒排序索引

创建倒排索引是对正向索引的一种特殊处理，

将每一个文档的数据利用算法分词，得到一个个词条
创建表，每行数据包括词条、词条所在文档id、位置等信息
因为词条唯一性，可以给词条创建索引，例如hash表结构索引

倒排索引的搜索流程

倒排索引的搜索流程如下（以搜索"华为手机"为例）：

用户输入条件"华为手机"进行搜索。
对用户输入内容分词，得到词条：华为、手机。
拿着词条在倒排索引中查找，可以得到包含词条的文档id：1、2、3。
拿着文档id到正向索引中查找具体文档

正向索引和倒排索引
正向索引：

优点：

可以给多个字段创建索引

根据索引字段搜索、排序速度非常快

缺点：

根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描

倒排索引：

优点：

根据词条搜索、模糊搜索时，速度非常快

缺点：

只能给词条创建索引，而不是字段

无法根据字段做排序

如何在ES上创建索引

首先打开kibanba

进入到控制台然后开始创建索引

之前说过es中索引对应的是mysql的数据库，所以我们应该先创建索引

创建索引语法：put shooping

{
"acknowledged" : true,
"shards_acknowledged" : true,
"index" : "shopping"
}
会返回这几个字段，分别代表

acknowledged：代表是创建索引创建成功

shards_acjnowledged: 代表所有分片创建成功

index：代表索引的名字

然后再次put的，会出现这种情况 put是具有幂等性的

{
"error" : {
"root_cause" : [
{
"type" : "resource_already_exists_exception",
"reason" : "index [shopping/32XXUAigSX-96lF9wV49Aw] already exists",
"index_uuid" : "32XXUAigSX-96lF9wV49Aw",
"index" : "shopping"
}
],
"type" : "resource_already_exists_exception",
"reason" : "index [shopping/32XXUAigSX-96lF9wV49Aw] already exists",
"index_uuid" : "32XXUAigSX-96lF9wV49Aw",
"index" : "shopping"
},
"status" : 400
}
error：表示错误

root_cause：表示错误的列表

type：表示错误类型

reason：错误的原因

index_uuid:唯一标识

index：索引名字

如果想用post请求会发送什么，post是不具有幂等性的

Incorrect HTTP method for uri [/shopping?pretty=true] and method [POST], allowed: [HEAD, PUT, GET, DELETE]",

方法不能使用post，直接报错

查询索引语法：get shopping

{
"shopping" : {
"aliases" : { },
"mappings" : { },
"settings" : {
"index" : {
"creation_date" : "1710766914710",
"number_of_shards" : "1",
"number_of_replicas" : "1",
"uuid" : "32XXUAigSX-96lF9wV49Aw",
"version" : {
"created" : "7080099"
},
"provided_name" : "shopping"
}
}
}
}

shopping：索引名字

aliases：索引别名

mappings：意识就是文档结构和字段类型

settings：设置索引的信息

index：索引级的设置

creation_date：创建时间

number_of_shards：索引分片的数量

number_of_replicas：每个分片的副本数量

uuid：uuid

version：版本号

provided_name：提供的索引名字

查询全部索引语法：get _cat/indices?v

表头   含义
health   当前服务器健康状态： green(集群完整) yellow(单点正常、集群不完整) red(单点不正常)
status   索引打开、关闭状态
index   索引名
uuid   索引统一编号
pri   主分片数量
rep   副本数量
docs.count   可用文档数量
docs.deleted   文档删除状态（逻辑删除）
store.size   主分片和副分片整体占空间大小
pri.store.size   主分片占空间大小

删除索引语法：delete shopping

{
"acknowledged" : true
}
acknowledged：是否成功

创建es数据语法：post /shopping/_doc

{
"error" : {
"root_cause" : [
{
"type" : "parse_exception",
"reason" : "request body is required"
}
],
"type" : "parse_exception",
"reason" : "request body is required"
},
"status" : 400
}
文档对应的是数据库中数据

这个原因就是没有body数据，并且我们传递数据是json

试着这种修改一下

{
"_index" : "shopping",
"_type" : "_doc",
"_id" : "iQPEUY4Bonlp-IezIGqE",
"_version" : 1,
"result" : "created",
"_shards" : {
"total" : 2,
"successful" : 1,
"failed" : 0
},
"_seq_no" : 0,
"_primary_term" : 1
}

index：索引

type：文档

id：唯一标识

result：结果

shards：分配

total：分片总数

successful：成功数量

failed：失败数量

seq_no：文档序列号，序列号越大标识越新

_primary_term：文档所属的主要分片的任期号

当在发送一模一样的请求

id一直在变化，如果我们想查询某个数据，id太麻烦了，如果想自定义呢

创建es数据指定id语法：post /shopping/_doc/1001

如果我们指定了id，这时候就可以用put，因为他是幂等性

主键查询和全局查询语法

主键查询：get /shopping/_doc/1001

{
"_index" : "shopping", //索引
"_type" : "_doc", //类型
"_id" : "1001", //id
"_version" : 2, //版本号
"_seq_no" : 5, //序列号
"_primary_term" : 1,
"found" : true, //成功
"_source" : { //信息
"name" : "huyin",
"age" : "21",
"sex" : "男"
}
}

查询没有的数据

{
"_index" : "shopping",
"_type" : "_doc",
"_id" : "1002",
"found" : false
}

查询全部数据语法：get /shopping/_search

{
"took" : 0, // 耗时
"timed_out" : false, // 超时
"_shards" : {
"total" : 1,
"successful" : 1,
"skipped" : 0,
"failed" : 0
},
"hits" : {
"total" : {
"value" : 5,
"relation" : "eq"
},
"max_score" : 1.0,
"hits" : [ //命中
{
"_index" : "shopping",
"_type" : "_doc",
"_id" : "iQPEUY4Bonlp-IezIGqE",
"_score" : 1.0,
"_source" : {
"name" : "huyin",
"age" : "21",
"sex" : "男"
}
},
{
"_index" : "shopping",
"_type" : "_doc",
"_id" : "AQPJUY4Bonlp-IezE2v3",
"_score" : 1.0,
"_source" : {
"name" : "huyin",
"age" : "21",
"sex" : "男"
},
]
}
}

全局修改和局部修改语法

全局修改：put /shopping/_doc/1001

put具有幂等性所以可以用

{
"_index" : "shopping",
"_type" : "_doc",
"_id" : "1001",
"_version" : 3, // 版本号是一直变化的
"result" : "updated", 结果：updated 修改
"_shards" : {
"total" : 2,
"successful" : 1,
"failed" : 0
},
"_seq_no" : 6,
"_primary_term" : 1
}

局部修改：post /shopping/_update/1001

get请求一个：get /shopping/_doc/1001

条件查询语法：get /shopping/_search 传入body

{"query":{ query 查询的意思
"match": { match 匹配的意思
"name": "huyin" name 查询那个字段 huyin 查询那个值
}
}}

全文查询的语法：get /shopping/_search

{"query":{ query 查询的意思
"match_all": {} match_all 全部查询
}}

分页查询的语法：get /shopping/_search

{"query":{
"match_all": {}
},
"from":0, from当前页的起始位置
"size":2 每页条数
}

筛选出固定的字段：get /shopping/_search

{"query":{
"match_all": {}
},
"from":0,
"size":2,
"_source":[ source ：数组里面是可以筛选出固定的字段
"name"
]
}

对数据进行排序：post /shoppingtest/_search

{"query":{
"match_all": {}
},
"from":0,
"size":2,
"sort":{ sort 排序 ------字段--------order（排序）-----desc（倒序）/asc(正序)
"age":{
"order":"desc"
}
}
}

多条件查询的语法：get /shoppingtest/_search

{"query":{ query 查询
"bool":{ bool 条件
"must":[ must 必须
{"match": {"name": "huyin"}, match 匹配

{"match": {"age": 20}
}
]
}
}
}

如果想要只满足一个的意思匹配数据：get /shoppingtest/_search

{"query":{
"bool":{
"should":[ should：应该的意思
{"match": {"name": "huyin"}
},
{"match": {"name": "nihao"}
}
]
}
}
}

如果想要范围匹配的语法：get /shoppingtest/_search

{"query":{
"bool":{
"should":[
{"match": {"name": "huyin"}
},
{"match": {"name": "nihao"}
}
],
"filter": [ filter 过滤
{"range": { range：范围
"age": { age：字段
"lt": 25, lt：小于
"gte": 20 gte：大于等于
}
}
}
]
}
}
}

全文检索和完全匹配和高亮查询的操作

全文检索：

Es底层会对文本数据保存时进行拆解操作，然后保存到倒排索引，这种检索方式称为全文检索

完全匹配：match_phrase

高亮匹配：

"highlight":{ 高亮
"fields": { 字段属性
"name":{} 字段
}
}

聚合函数的语法：

分组操作

{
"aggs":{ 聚合操作
"age_group":{ 别名
"terms": { 分组
"field": "age" 字段
}
}
}
}

计算平均值

{
"aggs":{
"age_avg":{
"avg": { avg 平均值
"field": "age"
}
}
},
"size":0
}

映射关系：

首先创建一个索引：put /user

创建一个映射关系:put /user/_mapping

{"properties":{ 属性
"name":{
"type":"text", type：类型 text：文本
"index":"true"
},
"age":{
"type":"keyword", type：类型 keyword：代表不能被分词
"index":"true"
},
"tel":{
"type":"keyword",
"index":"false" index：不能被索引
}
}}