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。
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！
了解字段类型之后，给不同的字段自定义数据类型，创建索引时进行指定。
PUT my-index
{
"mappings": {
"properties": {
"city": {
"type": "text",
"fields": {
"raw": {
"type": "keyword"
}
}
}
}
}
}
properties添加字段，fields使一个字段在不同类型搜索时是否可分析
city字段全文检索
city.raw字段是city的keyword版本，可被用于排序和聚合操作。
接下来先了解字段等概念，之后再配合搜索对映射进行深入理解。
常见数据类型
- boolean：true、false
- Numeric：
- byte：8位有符号整数
- short：16位有符号整数
- integer：32位有符号整数
- long、unsigned_long：有（无）符号64位整数
- Keywords：
- keyword：用于结构化内容，例如 ID、电子邮件地址、主机名、状态代码、邮政编码或标签。
- constant_keyword：始终包含相同值的关键字字段。
- wildcard：非结构化，机器生成的长数据
- date：日期，可使用format自定义
- Range：
- integer_range：32位有字符整数，-231 ~ 231-1
- long_range：64位有符号整数
- double_range：64位IEEE754类型浮点数
- date_range：日期，可以使用format自定义格式
- ip_range：ipv4和ipv6均支持
- Text：
- text：全文，一般是会进行分析和分析，邮件正文，商品描述等
- match_only_text：空间优化，禁用评分，适合日志消息。
文档(document)
- _index：文档存放在的索引
- _type：文档表示的对象类别，之前与关系型数据库的table对应，现在不再强调这个
- _id：文档唯一标识
- _version：版本，更新文档时，该字段会改变
- _source：数据
领域特定语言 （DSL）
使用 JSON 构造了一个请求。包含了filter range过滤器。
分词器
在全文检索情况下，对text等类型分词，方便建立倒排索引。常见的分词器有
- ik分词器
- icu分词器
- smartcn分词器
- pinyin分词器
更多分词器见参考，es官方github上有一些。腾讯云可支持大部分插件，点击ES集群->插件列表。如下图所示。
得分排序
按照相关性得分排序，一般使用TF-IDF算法（见参考，本文主要还是在ES实践方面，算法不赘述），通过_score返回得分
后台执行的操作
- 分配文档到不同的容器 或 分片 中，文档可以储存在一个或多个节点中
- 按集群节点来均衡分配这些分片，从而对索引和搜索过程进行负载均衡
- 复制每个分片以支持数据冗余，从而防止硬件故障导致的数据丢失
- 将集群中任一节点的请求路由到存有相关数据的节点
- 集群扩容时无缝整合新节点，重新分配分片以便从离群节点恢复
深入搜索（实践）
ES，you know, for search, 搜索才是重点！！！
数据添加
索引heros，字段及类型如下：
- name:keyword
- age:byte
- role:keyword
- birthday:date
- mail:text
- hobby:text
- sentence:text
数据如下：
| name | age | role | birthday | hobby | sentence | |
|---|---|---|---|---|---|---|
| 大乔 | 18 | 辅助 | 2003-11-10 | daqiao@163.com | 写诗 画画 | 诗是自由的载体 |
| 小乔 | 19 | 法师 | 2002-01-20 | xiaoqiao@sina.com | 画画 唱歌 | Whenever you need me, I’ll be here. |
| 孙策 | 25 | 坦克 | 1996-11-10 | sunce@163.com | 画画 唱歌 | 我向往诗和远方，也不会忘记她和故乡 |
| 周瑜 | 23 | 法师 | 1998-01-20 | zhouyu@sina.com | 写诗 画画 | Whenever you are in trouble,I’m always near. |
| 刘备 | 30 | 打野 | 1991-10-20 | liubei@qq.com | 兵法 武器 | Shi wo bu tai dong |
| 孙尚香 | 26 | 射手 | 1995-10-20 | 兵法 化妆 | 詩我不太懂 |
创建索引及文档
PUT /heros
这里使用的Kibana的DevTools，如果你看了ES系列第一篇文章，有白嫖腾讯云的ES集群，可以点击可视化配置，给Kibana配置公网白名单即可，由于我前面的文章还没有介绍Kibana的使用，你可以继续使用Postman、curl或elasticsearch-head插件来发起请求。
查看setting和mapping情况
GET /heros?pretty
添加一个文档
POST /heros/_doc/1001
{
"name":"大乔",
"age":18,
"role":"辅助",
"birthday":"2003-11-10",
"mail":"daqiao@163.com",
"hobby":"写诗 画画",
"sentence":"诗是自由的载体"
}
结果如下
再次查询mapping
可以看到ES自动添加了类型，但是与我们要求的不符合。有些不会自动分词，无法进行后序的搜索。
删除索引，再次添加
PUT /heros
{
"settings": {
"number\_of\_shards": 1,
"number\_of\_replicas": 1
},
"mappings": {
"properties": {
"name":{
"type": "keyword"
},
"age":{
"type": "byte"
},
"role":{
"type": "keyword"
},
"mail":{
"type":"text"
},
"birthday":{
"type":"date"
},
"hobby":{
"type": "text"
},
"sentence":{
"type":"text"
}
}
}
}
之后添加文档，其他英雄的放在附录了，最终的索引应该如下图所示：
结构化搜索
结构化搜索（Structured search） 是指有关探询那些具有内在结构数据的过程。比如日期、时间和数字都是结构化的：它们有精确的格式，我们可以对这些格式进行逻辑操作。
在结构化查询中，要么存于集合之中，要么存在集合之外。结构化查询不关心文件的相关度或评分；它简单的对文档包括或排除处理。
单一过滤器（term）
我们首先来看最为常用的 term 查询， 可以用它处理数字（numbers）、布尔值（Booleans）、日期（date）等。
注意：ES5.0后，已经没有string类型了
警告：尽量不要用于text类型字段
查询角色是“法师”的英雄
GET /heros/_search
{
"query":{
"term":{
"role":"法师"
}
}
}
结果如下图所示
多个精确值terms
查询角色是“法师”或“射手”的英雄
GET /heros/_search
{
"query":{
"terms":{
"role":["法师","射手"]
}
}
}
结果如图所示
可以看到，多了射手角色的英雄。
范围过滤器(range)
{
"range":{
"field\_name":{
},
}
}
对字段进行范围过滤，常用的如下
- gt: > 大于（greater than）
- lt: < 小于（less than）
- gte: >= 大于或等于（greater than or equal to）
- lte: <= 小于或等于（less than or equal to）
查询19<=age<25的英雄
GET /heros/_search
{
"query": {
"range":{
"age":{
"gte":19,
"lt":25
}
}
}
}
结果如下图所示
组合过滤器（bool过滤器）
将多个过滤器进行组组合
{
"bool" : {
"must" : [],
"must\_not" : [],
"should" : [],
"filter":[],
}
}
- must:所有语句必须匹配，相当于and
- must_not：所有语句不能匹配，相当于not
- should：至少有一个语句匹配，相当于or
查询角色是法师或辅助，年龄必须小于20，邮箱不能是新浪邮箱的英雄
GET /heros/_search
{
"query": {
"bool": {
"must": {
"range":{
"age":{
"lt":20
}
}
},
"must\_not":
{
"match":{"mail":"@sina.com"}
},
"should": [
{
"term": {"role": "法师"}
},
{
"term":{"role":"辅助"}
}
]
}
}
}
看前面的数据可以发现，就剩大乔了，结果如下图所示
NULL值处理（exists）
查询有邮箱的英雄
GET /heros/_search
{
"query": {
"exists": {
"field": "mail"
}
}
}
结果如下图所示
那么，如何查询不存在邮箱的英雄呢？之前有missing，现在不支持了，可以使用must_not进行嵌套
GET /heros/_search
{
"query": {
"bool": {
"must\_not": {
"exists":{
"field": "mail"
}
}
}
}
}
结果如下图所示
全文搜索
基于词项与基于全文
如 term 或 fuzzy 这样的底层查询不需要分析阶段，它们对单个词项进行操作。
像 match 或 query_string 这样的查询是高层查询，它们了解字段映射的信息
匹配搜索（match）与操作符（operator）
查询sentence中含诗的英雄
GET /heros/_search
{
"query": {
"match": {
"sentence": "诗"
}
}
}
结果如下图所示
可以看到，评分语句更短的评分更高
多词搜索情况下
查询sentence中含“我 诗”的英雄
GET /heros/_search
{
"query": {
"match": {
"sentence": "我 诗"
}
}
}
结果如下图所示
可以看到有些只包含我或诗的内容也出来了，虽然排名落后，如何做到且呢，前面使用了must，这里使用operator实现
GET /heros/_search
{
"query": {
"match": {
"sentence": {
"query": "我 诗",
"operator": "and"
}
}
}
}
结果如下图所示
权重提升(boost)
查询sentence中必须包含"Whenever"，有"in"或者"be"的英雄
GET /heros/_search
{
"query": {
"bool": {
"must": [
{"match": {
"sentence": "Whenever"
}}
],
"should": [
{ "match": { "sentence": "in" }
},
{ "match": { "sentence": "be" }}
]
}
}
}
结果如下图所示
现要求含in的权重更高，也就是提高_score来提高搜索排名
boost默认为1，通过增加in的boost来提高in的排名
GET /heros/_search
{
"query": {
"bool": {
"must": [
{"match": {
"sentence": "Whenever"
}}
],
"should": [
{ "match": {
"sentence": {
"query": "in",
"boost": 2
}
}
},
{ "match": { "sentence": "be" }}
]
}
}
}
结果如下图所示
多字段搜索
前面已经进行了简单的多字符串搜索，不过，还有一些多字段时复杂的搜索情况。
最佳字段查询(dis_max与tie_breaker)
查询爱好有诗，sentence（随便起的名字，可以理解为个性签名或一句话介绍）中有诗或她的英雄
GET /heros/_search
{
"query": {
"bool": {
"should": [
{ "match": { "hobby": "诗" }},
{ "match": { "sentence": "诗 她" }}
]
}
### 给大家的福利
**零基础入门**
对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。
同时每个成长路线对应的板块都有配套的视频提供：
因篇幅有限，仅展示部分资料
网络安全面试题
绿盟护网行动
还有大家最喜欢的黑客技术
**网络安全源码合集+工具包**
**所有资料共282G**，朋友们如果有需要全套《网络安全入门+黑客进阶学习资源包》，可以扫描下方二维码领取（如遇扫码问题，可以在评论区留言领取哦）~
**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，可以点击这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
**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！**
689
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
