TP框架使用ES和ik

image
列出所有索引（数据库）

列出所有索引（列出所有的数据库）

GET /_cat/indices?v
image

删除索引（数据库）

DELETE /索引名称
添加索引（数据库）

PUT /es
{
“settings”: {
“number_of_replicas”: 1,
“number_of_shards”: 1
}
}
插入数据（插入数据的同时建表）

post /es/user
{
“name”:“张晓东”,
“age”:18
}
es：索引名（数据库）
user：类型名（表名）
name：字段名（列）
“张晓东”、"18"表示值
image

查看所有数据

get /es/user/_search
took：本次操作花费的时间，单位为毫秒

timed_out：请求是否超时

_shards：说明本次操作共搜索了哪些分片

hits：搜索命中的记录

hits.total ： 符合条件的文档总数

hits.hits ：匹配度较高的前N个文档

hits.max_score：文档匹配得分，这里为最高分

_score：每个文档都有一个匹配度得分，按照降序排列

_source：显示了文档的原始内容
删除数据

delete /es/user/UoupxHgBnRHM7AQTqhk9
根据id删除
修改数据

POST /es/user/U4utxHgBnRHM7AQTIhmT/_update
{
“doc”:{
“name”:“李朋”
}

}
查询（搜索）

GET /es/user/_search
{
“query”: {
“match”: {
“name”: “张三”
}
},
“size”:2
}
根据name字段进行查询

还可以排序，增加参数order即可

size：取出的记录数量
测试ES中文搜索结果

POST _analyze
{
“text”: “张晓东”
}
image

从结果可以看出，这种分词把每个汉字都独立分开来了，这对中文分词就没有意义了，所以ES默认的分词器对中文处理是有问题的。好在有很多不错的第三方的中文分词器，可以很好地和ES结合起来使用。在ES中，每种分词器（包括内置的、第三方的）都会有个名称。上面默认的操作，其实用的分词器的名称是standard。下面的请求与前面介绍的请求是等价的，如：
POST _analyze
{
“analyzer”: “standard”,
“text”: “世界如此之大”
}
当我们换一个分词器处理分词时，只需将"analyzer"字段设置相应的分词器名称即可。
ES通过安装插件的方式来支持第三方分词器，对于第三方的中文分词器，比较常用的是中科院ICTCLAS的smartcn和IKAnanlyzer分词器。在本文中，我们介绍IKAnanlyzer分词器（下面简称ik）的使用。
安装ik

git地址下载：https://github.com/medcl/elasticsearch-analysis-ik/releases/tag/v6.5.3

下载的版本要和ES的安装版本一致
切换到ES安装的bin目录中运行：（注意别复制，看看版本）

elasticsearch-plugin.bat install file:///c:/elasticsearch-analysis-ik-6.5.3.zip

image

安装完毕后，发现在ES的安装目录下的plugins目录下多了一个analysis-ik目录

（内容是ik的zip包解压后根目录下的所有文件，一共是5个jar文件和1个properties配置文件）

另外ES的安装目录下的config目录下多了一个analysis-ik目录（内容是ik的zip包解压后根目录下的config目录下所有文件，用于放置ik的自定义词库）

如果没找到config目录不要慌，因为版本不同，config肯定在
image

ik中文分词器的使用

上面提到，ik提供了两个分词器，分别是ik_max_word 和ik_smart，下面我们分别测试下。
先测试ik_max_word，输入命令如下：
POST _analyze
{
“analyzer”: “ik_max_word”,
“text”: “世界如此之大值的去看看”
}
{ <