大数据最新Elasticsearch学习-索引操作及Mapping映射_es建索引建mapping(1)，2024年最新中高级工程师大数据开发开发

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

3）删除操作

删除索引

DELETE /indexName?pretty
#删除数据
DELETE /indexName/_doc/id

4) 插入数据

#插入数据 指定id
PUT /indexName/_doc/id
{
    Json数据
}

示例

PUT /product/_doc/1
{
    “name”:“手机”,
    “price”：“1399”，
    “desc”:[“美观”,“小巧”]
}

5）修改数据

1. 同插入数据，全量替换

2. 指定字段更新（两种格式均可）

POST /indexName/_doc/1 _update
{
  “doc”:{
     “fieldName”:“”
   }
}
 
POST /indexName/_update/id
{
  “doc”:{
     “fieldName”:“”
   }
}

3.按条件删除数据

POST /indexName/_doc/_delete_by_query
{
  “query”: {
    “term”: {
      “fieldName”: “11”
    }
  }
}

三、Mapping映射

定义文档及其包含字段的存储和索引信息，类似“表结构” 概念

包含属性：字段名称、类型、字段使用的分词器、是否评分、是否创建索引等

1）查看mapping

GET /indexName/_mappings

2) ES数据类型

常见数据类型

1. 数字类型

long    integer    short    byte    double    float    half_float    scaled_float   unsigned_long

2. keywords

keyword：适用于索引结构化的字段，只能精确值搜索，可以用于过滤、排序、聚合

constant_keyword：始终包含相同值的关键字字段

wildcard: 可针对类似grep的通配符查询优化日志行等类似的关键字值
3. 时间类型 Dates ：包括 date和date_nanos

4. alias 定义别名

5. binary 二进制

6. range 区间类型 integer_range、float_range、long_range、double_range、date_range

7. text 类型

设置text类型以后，字段内容会被分析，在生成倒排索引（默认）以前，字符串会被分析器分成一个一个词项，text类型的字段不用于排序，很少用于聚合

对象关系类型

1. object : 用于单个JSON对象

2. nested: 用于JSON对象数组

3. flattened: 允许将整个JSON对象索引为单个字段

结构化类型

1. geo-point：纬度/经度积分

​2. geo-shape：用于多边形等复杂形状

3. point：笛卡尔坐标点

4. shape：笛卡尔任意几何图形

特殊类型(常用)

1. IP地址：ip 用于IPv4和IPv6地址

2. completion 提供自动完成建议

数组 array

在Elasticsearch中，数组不需要专用的字段数据类型。默认情况下，任何字段都可以包含零个或多个值，但是，数组中的所有值都必须具有相同的数据类型

3）映射类型

动态 自动映射

PUT /product_mapping/_doc/1
{
  “name”: “手机”,
  “desc”: “插入数据 直接自动映射”,
  “count”: 100,
  “price”: 1999.9,
  “date”: “2022-12-7”,
  “isdel”: true,
  “tags”: [
    “xiaoqiao”,
    “fashion”
  ]
}

静态 手动映射

案例

PUT /product
{
  “mappings”: {
    “properties”: {
      “date”: {
        “type”: “text”
      },
      “desc”: {
        “type”: “text”,
        “analyzer”: “english”
      },
      “name”: {
        “type”: “text”,
        “index”: “false”
      },
      “price”: {
        “type”: “long”
      },
      “tags”: {
        “type”: “text”,
        “index”: “true”
      },
      “parts”: {
        “type”: “object”
      },
      “partlist”: {
        “type”: “nested”
      }
    }
  }
}

常用映射参数

1. index： 是否对当前字段创建倒排索引，默认为true，若为false，该字段不会通过索引被搜索到，但是仍会在source元数据中展示

2. analyzer：指定分析器（character filter、tokenizer、Token filters）

3. doc_values：为了提升排序和聚合效率，默认true，如果确定不需要对字段进行排序或聚合，也不需要通过脚本访问字段值，则可以禁用doc值以节省磁盘空间（不支持text和annotated_text）

4. eager_global_ordinals：用于聚合的字段上，优化聚合性能

5. enable：是否创建倒排索引，可以对字段操作，也可以对索引操作

PUT my_index
 {
    “mappings”: 
    {
       “enabled”: false
    }
  }

6.  fielddata：查询时内存数据结构，在首次用当前字段聚合、排序或者在脚本中使用时，需要字段为fielddata数据结构，并且创建倒排索引保存到堆中

#每个tag产品的数量   “size”:0, 不显示原始结果
GET /product/_search
{
  “aggs”: {
    “tag_agg_group”: {
      “terms”: {
        “field”: “tags”
      }
    }
  },
  “size”:0
}
 
#将文本field的fielddata属性设置为true
PUT /product/_mapping
{
  “properties”: {
    “tags”: {
      “type”: “text”,
      “fielddata”: true
    }
  }
}

7. fields：给field创建多字段，用于不同目的（全文检索或者聚合分析排序）

# 给product创建一个keyword
PUT fields_test
{
  “mappings”: {
    “properties”: {
      “product”: {
        “type”: “text”,
        “fields”: {
          “raw”: { 
            “type”:  “keyword”
          }
        }
      }
    }
  }
}

插入数据

PUT fields_test/_doc/1
{
  “product”: “New York”
}

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

ct": “New York”

}

[外链图片转存中…(img-eaQFU99F-1715048855481)]
[外链图片转存中…(img-ixq9hvZq-1715048855481)]
[外链图片转存中…(img-tDrw17kI-1715048855482)]

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取