ElasticSearch(windows)安装
1.下载windows版本下载解压
2. 双击bin目录下的elasticsearch.bat
启动成功
3.访问http://127.0.0.1:9200/
![在这里插入图片描述](https://img-blog.csdnimg.cn/b9eed4bea9734b7794744d013f5e8c5c.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBASUQt6IOk55yf,size_20,color_FFFFFF,t_70,g_se,x_16
ES head安装
1、下载:https://github.com/mobz/elasticsearch-head/
2、安装下载的ES head解压即可
3.ES head启动
ES head是vue项目启动需要安装node.js
进入到解压后的ES head目录D:\soft\ES\elasticsearch-head-master
在路径出输入cmd
运行命令:npm install
运行命令:npm run start
启动成功
4.运行ES head
浏览器输入:http://127.0.0.1:9100/
5.解决 集群健康值: 未连接 问题
打开elasticsearch的config目录修改elasticsearch.yml文件
在文件末尾加入
http.cors.enabled: true
http.cors.allow-origin: "*"
重启ElasticSearch服务再次连接
Kibana 安装
kibanna下载:https://www.elastic.co/cn/kibana
Kibana 版本要和 ElasticSearch 一致
安装:解压下载压缩包
启动:双击bin目录下的kibana.bat
访问地址:http://localhost:5601
进入开发工具
kibana汉化
修改kibana->config目录下的kibana.yml文件讲i18n.locale:“en” 改为 i18n.locale: “zh-CN”
ES 核心概念
1、索引
2、字段类型(mapping)
3、文档(documents)
Elasticsearch 是面向文档,一切皆JSON对象
关系行数据库 | Elasticsearch |
---|---|
数据库(database) | 索引(indices) |
表(tables) | types |
行(rows) | documents |
字段(columns) | fields |
Elasticsearch(集群)中可以包含多个索引(数据库),每个索引中可以包含多个类型(表),每个类型下又包含多 个文档(行),每个文档中又包含多个字段(列)
物理设计:
Elasticsearch 在后台把每个索引划分成多个分片,每分分片可以在集群中的不同服务器间迁移一个人就是一个集群!默认的集群名称就是 elaticsearh
逻辑设计:
一个索引类型中,包含多个文档,比如说文档 1,文档 2。 当我们索引一篇文档时,可以通过这样的一各顺序找到 它:索引 ▷ 类型 ▷ 文档 ID ,通过这个组合我们就能索引到某个具体的文档。 注意:ID 不必是整数,实际上它是个字 符串。
文档
就是我们的一条条数据
类型
尽管我们可以随意的新增或者忽略某个字段,但是,每个字段的类型非常重要,比如一个年龄字段类型,可以是字符 串也可以是整形。因为 elasticsearch 会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型,这也是为什么在 elasticsearch 中,类型有时候也称为映射类型。
类型是文档的逻辑容器,就像关系型数据库一样,表格是行的容器。 类型中对于字段的定义称为映射,比如 name 映 射为字符串类型。 我们说文档是无模式的,它们不需要拥有映射中所定义的所有字段
索引
索引就是就是数据库,索引是映射类型的容器,elasticsearch 中的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他设置。 然后它们被存储到了各个分片上了。
节点和分片 如何工作
一个集群至少有一个节点,而一个节点就是一个 elasricsearch 进程,节点可以有多个索引默认的,如果你创建索引,那么索引将会有个 5 个分片 ( primary shard ,又称主分片 ) 构成的,每一个主分片会有一个副本 ( replica shard ,又称复制分片 )
倒排索引
elasticsearch 使用的是一种称为倒排索引的结构,采用 Lucene 倒排索作为底层。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,都有一个包含它的文档列表
原始数据
文档id | 标签 |
---|---|
1 | mysql |
2 | oracle |
3 | mysql |
4 | mysql, oracle |
倒排索引
标签 | 文档id |
---|---|
mysql | 1,3,4 |
oracle | 2 |
IK 分词器插件
下载:https://github.com/medcl/elasticsearch-analysis-ik
安装:解压
讲解压后的整个目录放到ElasticSearch的plugins目录下
重新启动ElasticSearch
运行命令elasticsearch-plugin list 查看加载的插件
elasticsearch-plugin 可以通过这个命令来查看加载进来的插件
lib目录下开启cmd
ik_smart :最少切分
GET _analyze
{
"analyzer": "ik_smart",
"text": "中华人民共和国"
}
ik_max_word :最细粒度划分
GET _analyze
{
"analyzer": "ik_max_word",
"text": "中华人民共和国"
}
ik 分词器增加自定义词典
打开ik分词器插件的config目录
新建self_dic.dic文件
在self_dic.dic 中加入词语
在IKAnalyzer.cfg.xml文件中配置刚刚新建的self_dic.dic
重启ElasticSearch服务
然后在kibana中的Dev Toos中测试
GET _analyze
{
"analyzer": "ik_smart",
"text": "鲁班七号发起进攻留半路上了"
}
Rest 风格说明
一种软件架构风格,而不是标准,只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更简洁,更有层次,更易于实现缓存等机制。
基本 Rest 命令说明:
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 |
1、创建一个索引
命令:
PUT /索引名/~类型名~/文档id
{请求体}
示例:
PUT /index1/type1/1
{
"name": "Shurikey",
"age": 30
}
2、指定字段的类型
PUT /test2
{
"mappings": {
"properties": {
"name": {
"type": "text"
},
"age": {
"type": "long"
},
"birthday": {
"type": "date"
}
}
}
}
可以通过 GET 请求获取具体的类型数据
修改 使用 PUT 也可以, 相同会覆盖
PUT /index1/type1/1
{
"name": "Shurikey",
"age": 30,
"birthday": "1998-08-25"
}
覆盖了之前的数据多了两个字段
不相同新增
PUT /index1/type1/2
{
"name": "Shurikey2",
"age": 31,
"birthday": "1920-08-24"
}
使用POST方法更新
POST /index1/type1/1/_update
{
"doc": {
"name": "鲁班七号"
}
}
删除索引
DELETE index1
文档操作
1.添加数据
PUT /index1/user/1
{
"name": "李元芳",
"company": "百度",
"tags": ["JAVA","大数据","前端"]
}
2.获取数据
GET /index1/user/1
3.修改数据(POST _update , 推荐使用这种更新方式!)
POST /index1/user/1/_update
{
"doc": {
"name": "鲁班七号"
}
}
4.获取数据
同伙id获取数据:
GET kuangshen/user/1
根据规则查询:
GET /index1/user/_search?q=name:鲁班七号
模糊查询:
GET /index1/user/_search
{
"query": {
"match": {
"name": "鲁班七"
}
}
}
5.数据结果字段选择
GET /index1/user/_search
{
"query": {
"match": {
"name": "鲁班七"
}
},
"_source": ["name"]
}
6.排序
按照age字段降序排列
GET /index1/user/_search
{
"query": {
"match": {
"name": "鲁班七"
}
},
"sort": [
{
"age": {
"order": "desc"
}
}
]
}
7.分页查询
GET index1/user/_search
from:从第几页开始
size:每页显示多少条
{
"query": {
"match": {
"name": "鲁班七"
}
},
"sort": [
{
"age": {
"order": "desc"
}
}
],
"from": 0,
"size": 10
}
8.多条见查询
must 相当于and
GET index1/user/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "鲁班7"
}
},{
"match": {
"age": 30
}
}
]
}
}
}
should相当于and
GET index1/user/_search
{
"query": {
"bool": {
"should": [
{
"match": {
"name": "鲁班7"
}
},{
"match": {
"age": 28
}
}
]
}
}
}
must_not相当于not
GET index1/user/_search
{
"query": {
"bool": {
"must_not": [
{
"match": {
"name": "鲁班7"
}
},{
"match": {
"age": 28
}
}
]
}
}
}
过滤器 filter
gt 大于
gte 大于等于
lt 小于
lte 小于等于!
GET index1/user/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "鲁班7"
}
}
],
"filter": {
"range": {
"age": {
"gte": 10,
"lte": 30
}
}
}
}
}
}
匹配多个条件
GET index1/user/_search
{
"query": {
"match": {
"tags": "JAVA 数据"
}
}
}
9. 精确查询
term 查询是直接通过倒排索引指定的词条进程精确查找的
- term ,直接查询精确的
- match,会使用分词器解析!(先分析文档,然后在通过分析的文档进行查询!)
新建一个索引
PUT testdb
{
"mappings": {
"properties": {
"name": {
"type": "text"
},
"desc": {
"type": "keyword"
}
}
}
}
添加数据
PUT testdb/_doc/1
{
"name": "不知火舞",
"desc": "他是一个法师"
}
PUT testdb/_doc/2
{
"name": "李元芳",
"desc": "他是一个射手"
}
查看分词
GET _analyze
{
"analyzer": "keyword",
"text": ["李元芳 name"]
}
GET _analyze
{
"analyzer": "standard",
"text": ["李元芳 name"]
}
查询数据
GET testdb/_search
{
"query": {
"term": {
"name": "不"
}
}
}
GET testdb/_search
{
"query": {
"term": {
"desc": "他是一个射手"
}
}
}
多个值匹配精确查询
GET testdb/_search
{
"query": {
"bool": {
"should": [
{
"term": {
"name": "不知火舞"
}
},{
"term": {
"desc": "他是一个法师"
}
}
]
}
}
}
10.高亮查询
GET testdb/_search
{
"query": {
"match": {
"name": "不知火舞"
}
},
"highlight": {
"fields": {
"name": {}
}
}
}
自定义高亮标签
GET testdb/_search
{
"query": {
"match": {
"name": "不知火舞"
}
},
"highlight": {
"pre_tags": "<span class='key' style='color:red'>",
"post_tags": "</span>",
"fields": {
"name": {}
}
}
}
集成 SpringBoot
1.引入高级原生依赖
<dependency>
<groupId>org.elasticsearch.client</groupId>
<artifactId>elasticsearch-rest-high-level-client</artifactId>
<version>7.6.2</version>
</dependency>
或者在创建项目是勾选
然后修改版本
<properties>
<java.version>1.8</java.version>
<!--自定义es版本依赖,保证和本地一样-->
<elasticsearch.version>7.6.1</elasticsearch.version>
</properties>