ElasticSearch的Mapping和DSL语言

已于 2024-08-14 02:29:25 修改
阅读量547 收藏 3
点赞数 4
文章标签： elasticsearch 大数据 搜索引擎
于 2024-08-14 02:17:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aoxiaojun/article/details/141177887
版权

ElasticSearch的Mapping和DSL语言

文章目录

mapping(映射)

  • 定义索引中的字段名称
  • 定义字段的数据类型，例如字符串，数字，布尔等。
  • 字段，倒排索引的相关配置（Analyzer）

es中的Mapping分为动态映射和静态映射。

动态映射

在文档写入索引中时，会根据字段自动识别类型，这种机制成为动态映射。

类型自动识别

ES 的动态映射会尝试自动推断字段的类型，比如：

  • 字符串 类型字段：默认情况下，ES 会将字符串字段映射为 text 类型，并且创建一个 keyword 子字段以支持精确匹配。
  • 数值 类型字段：会自动映射为 integer, long, float, double 等类型。
  • 布尔值 类型字段：会映射为 boolean 类型。
  • 日期 类型字段：会映射为 date 类型。
  • 对象 或 嵌套 类型字段：会自动映射为 object 或 nested 类型。
静态映射

静态映射时在index创建时可以事先定义好映射，包含文档的各字段的类型，分词器等。这种方式成为静态映射。类似于关系型数据库中创建表结构的形式。

关于后期更改mapping字段类型？

  • 新增加字段

    • ​ dynamic设置为true时，一单有新增字段的文档写入，mapping也同时更新

    • ​ dynamic设置为false时，mapping不会被更新，新增字段的数据无法被索引，但是信息会出现在_source中

    • ​ dynamic设置为strict，文档写入失败，抛出异常

  • 已有字段是不支持映射更新的

    • 如果修改了字段类型，会导致已被索引的数据无法搜索。

    • lucene实现的倒排索引，一旦生成后，就不支持修改

    • 如果希望改变字段类型，可以利用reindex api，重建索引。

重建索引步骤
  1. 创建一个和原索引类似的索引，需要更改的mapping同步创建
  2. 利用reindex命令重建索引
  3. 保证兼容性，把原有的索引干掉，再创建新索引的别名为原索引的名称 PUT /destIndex/_alias/sourceIndex
POST _reindex
{
	"source" : {
		"index" : "user"
	},
	"dest" : {
		"index" : "user2"
	}
}
常用mapping参数配置

  • type: 定义字段类型

    1. 数值类型 (Numeric Types)
    • integer: 32-bit 整数，范围从 -2,147,483,648 到 2,147,483,647。
    • long: 64-bit 整数，范围从 -9,223,372,036,854,775,808 到 9,223,372,036,854,775,807。
    • short: 16-bit 整数，范围从 -32,768 到 32,767。
    • byte: 8-bit 整数，范围从 -128 到 127。
    • float: 单精度浮点数，通常用于表示小数或科学记数法中的数据，精度为 32 位。
    • double: 双精度浮点数，通常用于高精度计算，精度为 64 位。
    • scaled_float: 用于存储浮点数，但以整数形式存储，并通过一个缩放因子来恢复浮点值。适用于对高精度浮点数有严格要求的场景。
    1. 字符串类型 (Text Types)
    • text: 用于存储全文本数据，通常用于需要分词和全文搜索的字段。Elasticsearch 会对 text 字段进行分词，并建立反向索引。
    • keyword: 用于存储精确匹配的数据，不会被分词。适合用于过滤、排序、聚合等操作。常用于存储标签、类别、ID 等精确值。
    1. 日期类型 (Date Type)
    • date: 用于存储日期和时间数据。支持多种日期格式，可以使用 yyyy-MM-dd、epoch_millis 等格式。
    1. 布尔类型 (Boolean Type)
    • boolean: 用于存储布尔值（true 或 false）。
    1. 对象类型 (Object Type)
    • object: 用于存储嵌套的 JSON 对象，可以包含其他字段和子对象。每个字段都会被索引，适合存储结构化的数据。
    • nested: 类似于 object，但允许在查询时处理嵌套文档中的子对象。这在需要对嵌套对象进行复杂查询时非常有用。
    1. 地理空间类型 (Geo Types)
    • geo_point: 用于存储地理坐标（经度和纬度）。支持地理位置相关的查询，如范围查询和距离计算。
    • geo_shape: 用于存储复杂的地理形状（如多边形、圆形、线段等）。适合需要精确地理计算和空间查询的场景。
    1. 二进制类型 (Binary Type)
    • binary: 用于存储二进制数据，如文件或图像的内容。数据以 Base64 编码形式存储。
    1. 其他类型 (Special Types)
    • ip: 用于存储 IP 地址，支持 IPv4 和 IPv6 地址的存储和查询。
    • alias: 用于创建别名，可以将别名指向一个或多个索引，使得可以通过别名来进行索引操作。

  • index： 默认为true，如果设置成false，则该字段不可搜索。

  • analyzer：定义分词器类型，如ik_smart,ik_max_word

  • null_value: 指定为空值的替代值，如null_value = “null”,可通过查询null查询空值

  • copy_to：将字段赋值到规定的一个字段中。如省市县分字段，另外定义一个address字段，可以使用copy_to赋值到address字段中

index_template 和mapping_template

可以通过预定义索引模板和映射模板，通用的配置

Query DSL

restApi + JSON构建查询请求体的一种查询语句。

数据初始化

创建hotel数据，对应的mapping如下

PUT hotel
{
  "mappings": {
    "properties" : {
        "address" : {
          "type" : "text",
          "analyzer": "ik_max_word", 
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        },
        "brand" : {
          "type" : "keyword"
        },
        "business" : {
          "type" : "text",
          "analyzer": "ik_max_word", 
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        },
        "city" : {
          "type" : "keyword"
        },
        "id" : {
          "type" : "long"
        },
        "location" : {
          "type" : "text",
          "analyzer": "ik_max_word", 
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        },
        "name" : {
          "type" : "text",
          "analyzer": "ik_max_word", 
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        },
        "pic" : {
          "type" : "keyword",
          "index": false
        },
        "price" : {
          "type" : "long"
        },
        "score" : {
          "type" : "long"
        }
      }
    }
}
无条件查询，默认返回十条数据

SELECT * FROM HOTEL LIMIT 10 OFFSET 0;

POST hotel/_search
{
  "query": {
    "match_all": {}
  }
}
分页查询
from和size关键字
POST hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 0,
  "size": 10
}
页码限制
Result window is too large, from + size must be less than or equal to: [10000]

es限制from + size 不能大于10000，否则会抛异常。

可通过修改单个索引的index.max_reuslt_window值将该限制更改。

PUT /INDEXNAME/_setttings
{
	"index.max_result_window" : "20000"
}

名称为注意index.的形式

修改索引的索引限制，但后面新增的索引限制还是为10000，后续新增的索引不受该更改影响

PUT /_all/_settings
{
	"index.max_result_window" : "20000"
}

es不推荐使用from，size的方式进行深度分页

深分页查询Scroll

scroll API 适用于需要大量数据的提取任务，例如批量处理或数据迁移。它提供了一种机制，通过创建一个持续的上下文来逐步检索大量数据。

使用 scroll API 的基本步骤：

1.初始化滚动上下文：会返回一个scroll_id给第二步使用

GET /my_index/_search/scroll
{
  "scroll": "1m",  // 设置滚动上下文的生存时间
  "size": 1000,    // 每次检索的文档数量
  "query": {
    "match_all": {}
  }
}

2. 继续获取数据：使用 _scroll_id 继续获取数据。

GET /_search/scroll
{
  "scroll": "1m",
  "scroll_id": "DnF1ZXJ5VGhlbkZldGNoZTM1N...."
}

3. 清除滚动上下文（当不再需要时）：

DELETE /_search/scroll
{
  "scroll_id": ["DnF1ZXJ5VGhlbkZldGNoZTM1N...."]
}
深分页问题

深分页查询由于是使用快照保存查询出的结果，所以在这段时间的数据准确性不能保证。

排序查询
POST hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    },
    {
      "score": {
        "order": "desc"
      }
    }
  ]
}

利用sort排序查询，支持多个字段排序，有先后顺序，如根据价格升序后，如果价格相同，则根据score倒序。

过滤返回字段

通过_source属性筛选返回的字段

POST hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    },
    {
      "score": {
        "order": "desc"
      }
    }
  ],
  "_source": ["name","address","price","score","brand"]
}
条件查询（重点）
分词匹配（match)

match匹配时会对所查找的关键词进行分词，然后按分词匹配查询

match支持以下参数

  • query: 指定匹配的值
  • operator: 匹配条件的类型
    • and 所有条件都要匹配
    • or 匹配一个即可
    • minmum should match: 最低匹配度，即条件在倒排索引中的最低匹配度,匹配分词的最少数量
POST hotel/_search
{
  "query": {
    "match": {
      "address": {
        "query": "宝安广场",
        "operator": "or"
      }
    }
  }
}

默认的operator为or，则上述条件可通过宝安和广场两个词语去地址查询。只要满足一个词语都可以被查询出来

operator为and，则address必须满足宝安和广场两个词语才能被查询出来,需要精确结果的时候需要更换成and

注意match下的query不要跟最开始的query混淆

POST hotel/_search
{
  "query": {
    "match": {
      "address": {
        "query": "宝安广场",
        "minimum_should_match": 2
      }
    }
  }
}

minimum_should_match 定义了必须至少匹配到个词语才能满足。

短语匹配（match_phrase）

match_phrase的分词结果必须在被检索的字段的分词中都包含，而且顺序必须相同，默认顺序必须都是连续，所以叫短语匹配，如匹配创业二路步行街

就是在一段话中截取一小段话来匹配。

注意，如查询词汇为创业二路，查看IK分词器结果

{
  "tokens" : [
    {
      "token" : "创业",
      "start_offset" : 0,
      "end_offset" : 2,
      "type" : "CN_WORD",
      "position" : 0
    },
    {
      "token" : "二路",
      "start_offset" : 2,
      "end_offset" : 4,
      "type" : "CN_WORD",
      "position" : 1
    },
    {
      "token" : "二",
      "start_offset" : 2,
      "end_offset" : 3,
      "type" : "TYPE_CNUM",
      "position" : 2
    },
    {
      "token" : "路",
      "start_offset" : 3,
      "end_offset" : 4,
      "type" : "COUNT",
      "position" : 3
    }
  ]
}

此时，创业二路为连续的分词，而创业二为不连续的分词。所以在短语查询的时候

POST hotel/_search
{
  "query": {
    "match_phrase": {
      "address": "创业二路"
    }
  }
}

此时能查询出结果

而

POST hotel/_search
{
  "query": {
    "match_phrase": {
      "address": "创业二"
    }
  }
}

查询创业二的时候不能查出结果来。

slop属性

slop属性告诉match_phrase查询词条能够相隔多远时仍然将文档视为匹配。类似于跳过分词中的position

POST hotel/_search
{
  "query": {
    "match_phrase": {
      "address": {
        "query": "创业二",
        "slop" : 1
      }
    }
  }
}

此时能查询出结果

多字段查询(multi_match)

如在name和address中查询七天酒店

POST hotel/_search
{
  "query": {
    "multi_match": {
      "query": "7天酒店",
      "fields": ["name","address"],
      "operator": "and"
    }
  }
}

默认operator为or。

Query String

Query String 允许我们在查询字符串中指定AND,OR,NOT等条件,同时也和multi_match一样，可以指定多字段查询

AND,OR,NOT必须得大写

未指定字段查询，查询索引中所有的字段。
POST hotel/_search
{
  "query": {
    "query_string": {
      "query": "如家 OR 七天"
    }
  }
}
指定单个字段查询
POST hotel/_search
{
  "query": {
    "query_string": {
      "default_field": "brand", 
      "query": "速8  OR  7天"
    }
  }
}
指定多个字段查询
POST hotel/_search
{
  "query": {
    "query_string": {
      "fields": ["brand","name"], 
      "query": "速8  OR  7天"
    }
  }
}
Simple Query String

类似Query String ，但是会忽略错误的语法，同时只支持部分查询语法，不支持AND OR NOT，会当做字符串处理。支持部分逻辑：

  • +替代AND
  • | 替代 OR
  • -替代NOT

下面两张写法含义一样

POST hotel/_search
{
  "query": {
    "simple_query_string": {
      "query": "速8酒店",
      "fields": ["name","brand"],
      "default_operator": "and"
    }
  }
}


POST hotel/_search
{
  "query": {
    "simple_query_string": {
      "query": "速8 + 酒店",
      "fields": ["name","brand"]
    }
  }
}
关键词查询 (term)

Term用来使用关键词查询（精确匹配），还可以用来查询没有进行分词的数据类型（keyword,date,integer,long,double,boolean or ip）。

模糊匹配用match，精确匹配用term

term会直接将查询不分词进行精确匹配，但是查询的内容是可以分词的，一旦内容的某个分词和查询的内容匹配上。也可以查出来

这条可以查出来，因为地址有西城这个分词

POST hotel/_search
{
  "query": {
    "term": {
      "address": {
        "value": "西城"
      }
    }
  }
}

下面这条查询不到数据

POST hotel/_search
{
  "query": {
    "term": {
      "address": {
        "value": "西城北京市西城"
      }
    }
  }
}

term查询不分词字段没必要进行算分，因为算分会损耗性能

constant_score

constant_score可以不用算分直接返回

POST hotel/_search
{
  "query": {
    "constant_score": {
      "filter": {
        "term": {
          "address.keyword": "西城北京市西城区德胜门内大街兴华胡同五福里2号"
        }
      }
    }
  }
}
前缀查询（prefix）

它会对分词后的term进行前缀搜索。

  • 它不会分析要搜索字符串，传入的前缀就是想要查找的前缀
  • 默认状态下，前缀查询不做相关度查询计算，它只是将所有匹配的文档返回，然后赋予所有相关分数值为1。它的行为更像是一个过滤器而不是查询。两者的实际区别是过滤器可以被缓存，而前缀查询不行。

prefix的原理： 需要遍历所有倒排索引，并比较每个term是否以所指定的前缀开头。

这玩意儿会遍历所有倒排索引，所以严重损耗性能。

POST hotel/_search
{
  "query": {
    "prefix": {
      "address": {
        "value": "北京"
      }
    }
  }
}
通配符查询（wildcard）

类似于mysql中的like,不建议使用，有了倒排索引还需要这个干嘛？

POST hotel/_search
{
  "query": {
    "wildcard": {
      "name": {
        "value": "*上海*"
      }
    }
  }
}
范围查询(range)

查询价格在100到200之间的所有酒店

POST hotel/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 100,
        "lte": 200
      }
    }
  },
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    }
  ]
}
模糊查询(fuzzy)

在实际搜索中，如商品搜索，有时候用户输入的商品名称可能会有错别字，但是我们应该就算有错别字也能搜索到相应的产品信息，这个时候fuzzy功能就来了。

fuzzy查询的两个重要参数：

  • fuzziness: 表示输入的关键字通过几次操作可以转变成ES库里面的对应Filed字段

    • 操作是指，新增一个字符，删除一个字符，修改一个字符，每次操作可以记做编辑距离
      为1
    • 如中文集团到中威集团编辑距离就是1，只需要修改一个字符;
    • 该参数默认值为0，即不开启模糊查询
    • 如果fuzziness值在这里设置成2，会把编辑距离为2的东东集团也查出来

  • prefix length: 表示限制输入关键字和ES对应查询field的内容开头的第n个字符必须完全匹
    配，不允许错别字匹配

    • 如这里等于1，则表示开头的字必须匹配，不匹配则不返回
    • 默认值也是0
    • 加大prefix length的值可以提高效率和准确率

查询名称中包含如家的酒店,通过儒家查询，可以查询出如家的酒店信息

POST hotel/_search
{
  "query": {
    "fuzzy": {
      "name": {
        "value": "儒家",
        "fuzziness": 1
      }
    }
  }
}

另外一种写法，推荐使用

POST hotel/_search
{
  "query": {
    "match": {
      "name": {
        "query": "儒家" ,
        "fuzziness": 1
      }
    }
  }
}
高亮（highlight）

highlight 关键字: 可以让符合条件的文档中的关键词高亮

highlight相关属性

  • pre_tags 前缀标签
  • post_tags 后缀标签
  • tags_schema 设置为styled可以使用内置高亮样式
  • require_field_match 多字段高亮需要设置为false
POST hotel/_search
{
  "query": {
    "match": {
      "name": "如家"
    }
  },
  "highlight": {
    "fields": {
      "name" : {}
    }
  }
}

会多返回一个hignlight字段，只是多了个html标签

 "highlight" : {
          "name" : [
            "<em>如家</em>酒店(北京良乡西路店)"
          ]
}
自定义标签
POST hotel/_search
{
  "query": {
    "match": {
      "name": "如家"
    }
  },
  "highlight": {
    "fields": {
      "name" : {}
    },
    "pre_tags": ["<span style='color:red'>"],
    "post_tags": ["</span>"]
  }
}

"highlight" : {
          "name" : [
            "<span style='color:red'>如家</span>酒店(北京良乡西路店)"
          ]
        }
多字段高亮

如果查询的其他字段也需要对查询的内容进行高亮，则需要将 require_field_match 设置成false，默认为true

POST hotel/_search
{
  "query": {
    "match": {
      "name": "北京"
    }
  },
  "highlight": {
    "fields": {
      "name" : {},
      "address": {}
    },
    "pre_tags": ["<span style='color:red'>"],
    "post_tags": ["</span>"],
    "require_field_match": "false"
  }
}

"highlight" : {
          "address" : [
            "西城<span style='color:red'>北京</span>市西城区德胜门内大街兴华胡同五福里2号"
          ],
          "name" : [
            "速8酒店<span style='color:red'>北京</span>后海店"
          ]
        }
tuoerke
关注
elasticsearch DSL命令
qq_33753147的博客
10-03 1634
elasticsearch DSL命令使用
es 学习 5 DSL　mapping 使用 案例
fyj的博客
08-26 1878
<?php // analyzer ： ik_max_word ik_smart ik // search_analyzer : ik_max_word ik_smart ik // 近义词 配置 index 案例 { "mappings":{ "addata_index":{ "_all": {
Elasticsearch7.17 二:mapping映射和高级语法查询DSL
admin522043032的博客
06-20 1073
Mapping类似数据库中的schema的定义，作用如下：ES中Mapping映射可以分为动态映射和静态映射。 动态映射： 在关系数据库中，需要事先创建数据库，然后在该数据库下创建数据表，并创建表字段、类 型、长度、主键等，最后才能基于表插入数据。而Elasticsearch中不需要定义Mapping映射（即关系型数据库的表、字段等），。 静态映射： 静态映射是在Elasticsearch中也可以事先定义好映射，包含文档的各字段类型、分词器 等，这种方式称之为静态映射 新增加字段 dynamic设为true
用 MappingBuilder 解决 mapping DSL 在 IDEA 中报错的问题
杨波的专栏
06-11 262
用 MappingBuilder 来解决IDEA不识别 mapping DSL 的问题。
微服务—DSL基础语法与RestClient操作
向上的咸鱼blueblue的博客
02-17 1171
在elasticsearch提供的API中，与elasticsearch一切交互都封装在一个名为RestHighLevelClient的类中，必须先完成这个对象的初始化，建立与elasticsearch的连接。字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址、分词无意义的值）全量修改是覆盖原来的文档，其本质是：先根据指定的id删除文档，再新增一个相同id的文档。如果根据id删除时，id不存在，第二步的新增也会执行，也就从修改变成了新增操作了。
一文掌握系列之Es的DSL查询操作
JumpWill的博客
01-11 2681
ES在查询的时候非常方便， 笔者总结了Es的基础查询操作，供大家指正和学习。 match_all 全部查询，配合其他的操作进行数据的筛选，字段的筛选等，并且伴随着条件的增加，建议使用POST方式， POST /index/_search { "query": { "match_all": {} } } 筛选字段 _source对需要的字段进行筛选。 分页 from a size b 拿到目的集合中索引为a到b的数据。 { "query": { "
ElasticSearch的DSL语言
计算机王的博客
05-27 219
ElasticSearch整套的压缩文件 7.6.1版本 基于linux的 解压改改配置文件就能用 有要的跟我讲 ElasticSearch用到的插件必须是同一个版本ElasticSearch7.6.1那么给它的分词器也得是7.6.1它用的Kibana工具也得是7.6.1不一样就出问题 看不明白就得写一写看看它返回的结果。这里是例子 _index表示索引名字 _type表示索引类型7点多版本都是_doc _id就是索引的id（说成索引id不准确但是好理解 查询出来的数据。老版本中的锁 加上?
Elasticsearch详细学习文档-setting-mapping-DSL.docx
09-03
Elasticsearch 是一个基于 Lucene 的搜索引擎，提供了分布式的搜索和数据分析功能。下面是 Elasticsearch 的功能、适用场景和特点。 Elasticsearch 的功能 Elasticsearch 的功能包括： 1. 分布式的搜索引擎和数据...
ElasticSearch的DSL语句-分词器操作 大全
session_t的博客
08-21 1123
ElasticSearch的DSL语句-分词器操作 大全
PyPI 官网下载 | django-elasticsearch-dsl-drf-0.13.2.tar.gz
01-31
在这一背景下，`django-elasticsearch-dsl-drf`应运而生，它是一个用于整合Django、Elasticsearch DSL和Django REST Framework（DRF）的库，版本号为0.13.2。 **Django**：Django是一个用Python编写的开源Web应用...
【ES】ElasticSearch 映射（mapping）
w1992wishes的博客
10-08 514
文章目录一、定义1.1、动态映射 （dynamic mapping）1.2、显式映射（explicit mappings）二、数据类型及支持属性2.1、核心类型（Core datatype）2.2、复合类型（Complex datatypes）2.2.1、对象2.2.2、数组2.2.3、嵌套数据2.3、地理位置类型（Geo datatypes）2.4、特定类型（Specialised dataty...
Elasticsearch---映射
相信自己有能力，那么你就真的会有！
08-31 382
平凡的脚步也可以走完伟大的行程。
es查询DSL语句
lockie的博客
11-20 5358
1.索引index相关操作 # 查询所有索引 GET _cat/indices?v # 查询某个索引下的信息 GET /lockie_test # 新增索引 PUT /lockie_test # 删除索引 DELETE /lockie_test # 创建索引,同时设置mapping PUT lockie_test { "mappings": { "properties": ...
PCIe进阶之TL：Memory, I/O, and Configuration Request Rules & TPH Rules
weixin_45176819的博客
09-15 1210
PCIe；Memory, I/O, and Configuration Request Rules；TPH Rules
【Elasticsearch系列六】系统命令API
最新发布
檀越的博客
09-16 949
💝💝💝欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。非常期待和您一起在这个小小的网络世界里共同探索、学习和成长。💝💝💝 ✨✨ 欢迎订阅本专栏 ✨✨。
【HarmonyOS NEXT开发】如何设置水平/垂直方向的左/居中/右对齐——RelativeContainer的AlignRules设置
Byyyi耀的博客
09-13 594
【HarmonyOS NEXT开发】如何设置水平/垂直方向的左/居中/右对齐——RelativeContainer的AlignRules设置
ElasticSearch底层原理解析
qq_56438516的博客
09-11 708
Elasticsearch通过其分布式架构，提供了一个强大、灵活且可扩展的搜索解决方案。它的设计哲学是简单性和易用性，同时隐藏了底层Lucene的复杂性。通过分片和副本机制，ES能够处理大规模数据集，并提供快速、准确的搜索结果。
DSL如何查询Elasticsearch所有索引
09-13
DSL (Domain Specific Language) 是一种专门为特定领域设计的查询语言，比如 Elasticsearch 的 Query DSL 和 Mapping DSL。如果你想通过 DSL 查询 Elasticsearch 中的所有索引，通常会在搜索请求中使用 `indices` ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值