ES核心概念

集群、节点、索引、类型、文档、分片、映射
ElasticSearch是面向文档的

Elasticsearch与关系型数据库的对比

Relational DB	ElasticSearch
数据库(database)	索引（indices）（类似于数据库）
表(tables)	types (8.0即将干掉)
行(rows)	documents（文档 json数据）
字段(columns)	fields(json数据)

es（集群）可以包含多个索引（数据库），每个索引可以包含多个类型（表），每个类型可包含多个文档（行），每个文档中包含多个字段（列）

一个人就是一个集群！默认集群名elasticsearch

文档

就是一条条数据
索引和搜索数据的最小单元是文档
不需要提前定义字段

类型

每一个字段的类型映射，可不设置，es会根据值去猜类型，不过最好定义好类型

索引

就是数据库
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它设置，存储在各个分片上

一个集群至少有一个节点，而一个节点就是一个es进程，节点可以有多个索引默认；
创建索引，默认5个分片；每一个主分片会有一个副本

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es在不扫描全表文档的情况下，就能告诉你哪些文档包含特定的关键字

倒排索引

采用Lucene倒排索引为底层，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3都有一个包含它的文档列表。

博客文章原始数据			索引列表
文章ID	标签	标签	博客文章ID
–	–	–	–
1	python	python	1,2,3
2	python	linux	3,4
3	linux,python
1	linux

倒排索引如果查python 则直接会找文章1，2，3 如果找 python,linux 则直接会找3

elasticsearch的索引和Lucene的索引对比

在ES中，索引被分为多个分片，每份分片是一个Lucene的索引；一个elasticsearch索引由多个Lucene索引组成

IK分词器插件

IK分词器？

就是将搜索的信息分成一个一个的关键字，默认的中文分词器是把每个字看成一个词，不符合要求；中文分词器IK可以处理这个问题
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

IK分词器安装

1.下载
https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v7.15.0
2.解压放到plugins下面

3.重启ES

可以用elasticsearch-plugin list查看

测试分词器

ik_smart为最少切分
ik_max_word 最细粒度划分 穷尽词库的可能

希望不拆开的词需要自己配置；

重启ES
然后再次执行发现没有变化；看日志有些乱码；是我新加的文件格式编码不一样；修改编码UTF-8后再次重启就可以了；

REST

method	url地址	描述
PUT	localhost:9200/索引名称/类型名称/文档id	创建文档（指定文档id）
POST	localhost:9200/索引名称/类型名称	创建文档（随机文档id）
POST	localhost:9200/索引名称/类型名称/文档id/update	修改文档
DELETE	localhost:9200/索引名称/类型名称/文档id	删除文档
GET	localhost:9200/索引名称/类型名称/文档id	查询文档（通过文档id）
POST	localhost:9200/索引名称/类型名称/_search	查询所有数据

基础测试

1.新建索引

reslut=>当前索引的状态是创建created状态

Elasticsearch类型

text keyword的区别

Text：
会分词，然后进行索引
支持模糊、精确查询
不支持聚合

keyword：
不进行分词，直接索引
支持模糊、精确查询
支持聚合

新建索引指定类型

获取表的信息

GET test2 #获取表的信息

查看默认的文档字段类型信息

PUT /test3/_doc/1 #8以后会直接去掉类型，默认用_doc
{"name":"beibei","age":2,"birthday":"2021-10-18"
}

GET test3

如果自己的文档字段没有指定，那么ES就会给我们默认配置字段类型；

扩展：通过命令elasticsearch索引情况

通过 GET _cat/可以获得ES当前的的很多信息

GET _cat/health

GET _cat/indices?v #环境的所有版本信息

修改索引

1.put覆盖之前的内容

PUT /test3/_doc/1
{"name":"beibei123","age":2,"birthday":"2021-10-18"
}

{"_index" : "test3","_type" : "_doc","_id" : "1","_version" : 2,  #修改 版本增加"result" : "updated", #状态"_shards" : {"total" : 2,"successful" : 1,"failed" : 0},"_seq_no" : 1,"_primary_term" : 1
}

2.POST去修改数据

POST /test3/_doc/1/_update
{"doc":{"name":"beibei555","age":8,"birthday":"20211019"}
}

删除索引

DELETE 根据后面跟的路径决定是删除索引还是删除文档

DELETE  /test3/_doc/1 #删除文档

{"_index" : "test3","_type" : "_doc","_id" : "1","_version" : 4,"result" : "deleted","_shards" : {"total" : 2,"successful" : 1,"failed" : 0},"_seq_no" : 3,"_primary_term" : 1
}

DELETE  test3 # 删除索引

文档的基本操作

基本操作

1、添加数据

PUT /beibei/user/1
{"name":"beibei","age":2,"desc":"这是一些描述","tags":["青铜","铂金","钻石"]
}

PUT /beibei/user/2
{"name":"doudou","age":2,"desc":"小气鬼","tags":["豆总","豆豆龙","豆豆浆"]
}

2.获取数据

GET beibei #索引信息
GET beibei/user/1 #id为1的数据

{"_index" : "beibei","_type" : "user","_id" : "1","_version" : 1,"_seq_no" : 0,"_primary_term" : 1,"found" : true,"_source" : {"name" : "beibei","age" : 2,"desc" : "这是一些描述","tags" : ["青铜","铂金","钻石"]}
}

3.更新数据
3.1PUT直接覆盖
put如果不传值就会被覆盖

PUT /beibei/user/3
{"name":"李四"
}

3.2POST _update修改（推荐）

POST /beibei/user/3/_update
{"doc":{"name":"李四呀","tags":["张三","李四呀","王麻子"]}
}

4.搜索

GET beibei/user/2 #根据id查找

GET beibei/user/_search?q=name:beibei #根据name查询

{"took" : 0,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0,"failed" : 0},"hits" : {"total" : {"value" : 1,"relation" : "eq"},"max_score" : 2.0636091,"hits" : [{"_index" : "beibei","_type" : "user","_id" : "2","_score" : 2.0636091, #如果查询结果多条 匹配度越高分值越高"_source" : {"name" : "doudou","age" : 2,"desc" : "小气鬼","tags" : ["豆总","豆豆龙","豆豆浆"]}}]}
}

复杂搜索

GET beibei/user/_search
{"query":{"match": {"name": "doudou"}}
}

{"took" : 0,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0,"failed" : 0},"hits" : {     #hits索引和文档的信息，查询的结果和总数，查询出来的具体的文档信息，数据中的东西都可以出来，分数：通过此看匹配度"total" : {"value" : 1,"relation" : "eq"},"max_score" : 1.0925692,"hits" : [ {"_index" : "beibei","_type" : "user","_id" : "2","_score" : 1.0925692,"_source" : {"name" : "doudou","age" : 2,"desc" : "小气鬼","tags" : ["豆总","豆豆龙","豆豆浆"]}}]}
}

GET beibei/user/_search
{"query":{"match": {"age": 2}},"_source":["desc","name"]  #结果过滤=》select desc,name form beibei where age =2
}

排序 但我用字符串的name排不了不知道为啥？

GET beibei/user/_search
{"query":{"match": {"age": 2}},"_source":["desc","name"],"sort":[{"age":{"order":"desc"} }]
}

分页

>GET beibei/user/_search
{"query":{"match": {"age": 2}},"_source":["desc","name"],"sort":[{"age":{"order":"desc"} }],"from":0, #从第几条数据开始 下标从0开始"size":1  #返回多少条数据}

bool查询

must《==》and where age=2 and name =’‘doudou’’

GET beibei/user/_search
{"query":{"bool": {"must": [{"match":{"name":"doudou"}},{"match":{"age":2}}   ]}}
}

should《==》or where age=2 or name =“李四”

GET beibei/user/_search
{"query":{"bool": {"should": [{"match":{"name":"李四"}},{"match":{"age":2}}]}}
}

must_not《==》!= where name!=“doudou” and age!=2

GET beibei/user/_search
{"query":{"bool": {"must_not": [{"match":{"name":"doudou"}},{"match":{"age":2}}]}}
}
}

过滤器 filter
filter数据过滤，gte《=》>= ,lte《=》<=，gt《=》>,lt《=》<
name = '张‘and age >=4 and age<=5

GET beibei/user/_search
{"query":{"bool": {"must": [{"match":{"name":"张"}}],"filter": {"range": {"age": {"gte": 4,"lte": 5}}}}}
}

GET beibei/user/_search
{"query":{"match": {"tags": "三 豆" #tags里含三和豆的，多个条件用空格分开，只要满足一个条件就会被查到}}
}

{"took" : 0,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0,"failed" : 0},"hits" : {"total" : {"value" : 4,"relation" : "eq"},"max_score" : 2.9096205,"hits" : [{"_index" : "beibei","_type" : "user","_id" : "2","_score" : 2.9096205, #分值越高匹配度越高"_source" : {"name" : "doudou","age" : 2,"desc" : "小气鬼","tags" : ["豆总","豆豆龙","豆豆浆"]}},{"_index" : "beibei","_type" : "user","_id" : "3","_score" : 0.37469345,"_source" : {"name" : "张三","age" : 3,"desc" : "张三的描述","tags" : ["张三","李四","王麻子"]}},{"_index" : "beibei","_type" : "user","_id" : "4","_score" : 0.37469345,"_source" : {"name" : "张三三","age" : 4,"desc" : "张三的描述","tags" : ["张三","李四","王麻子"]}},{"_index" : "beibei","_type" : "user","_id" : "5","_score" : 0.37469345,"_source" : {"name" : "张五三","age" : 4,"desc" : "张三的描述","tags" : ["张三","李四","王麻子"]}}]}
}

精确查询
term查询是直接通过倒排索引指定的词条进行精确的查找

关于分词：

• term,直接查询精确的分词
• mtch,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）

text keyword:
text会被分词器解析，keyword不会被分词器解析

PUT testdb
{"mappings": {"properties": {"name":{"type": "text"},"desc":{"type": "keyword"}}}
}
PUT testdb/_doc/1
{"name":"贝贝佳","desc":"贝贝说英语"
}
PUT testdb/_doc/2
{"name":"贝贝佳2","desc":"贝贝说英语2"
}PUT testdb/_doc/3
{"name":"豆豆龙3","desc":"我们都爱豆豆龙 豆豆龙"
}
PUT testdb/_doc/4
{"name":"豆豆龙 name 4","desc":"我们都爱豆豆龙 豆豆龙"
}GET _analyze
{"analyzer": "keyword", #不会拆分，会当作一个整体"text": "豆豆龙 name 4"
}GET _analyze
{"analyzer": "standard",#会拆分"text": "豆豆龙 name 4"
}

GET testdb/_search
{"query": {"term": {"name": "贝" #name是text会拆分，so可查到数据}}
}
GET testdb/_search
{"query": {"term": {"desc": "贝"#desc是keyword不会拆分，so不可查到数据}}
}
GET testdb/_search
{"query": {"term": {"desc": "贝贝说英语2"#全等才可查到}}
}

多个值匹配精确查询

高亮查询

搜索相关的结果可以高亮显示

GET testdb/_search
{"query": {"match": {"name": "贝贝"}},"highlight": { #高亮"fields": {"name": {} #高亮的字段，这个必须是上面匹配的字段，换成desc是不会高亮的}}
}

GET testdb/_search
{"query": {"match": {"name": "贝贝佳"}},"highlight": {"pre_tags": "<p class='key' style='color:red'>", #更改高亮标识前的标签"post_tags": "</p>",  #更改高亮标识后的标签"fields": {"name": {}}}
}

常用操作

• 匹配
• 按照条件匹配
• 精确匹配
• 区间范围匹配
• 字段过滤
• 多条件查询
• 高亮查询
  关系型数据库也能用，不过大数据量下es效率很高