elasticsearch使用

今天试了试elasticsearch，实际上我认为es的基本功能就是一个存取服务，与redis、hbase不同的主要有两点：

1. es具有很强大的搜索功能，可以模糊查询等，es会根据给定的句子进行搜索，并将搜索结果按照相似度大小排序返回。
2. es官方提供了kibana，即一个es客户端，通过kibana可以执行es命令，还可以对es中的数据进行可视化分析。

1. es基本功能的使用

我使用的是es 7.10.2和kibana 7.10.2，启动es和kibana之后，在kibana中进行一些简单的实验：

# 先put几条数据，es中的结构有点像关系型数据库，可以理解为/数据库/表/数据主键，在es中这种结构被称为/索引/表/文档id
POST /ms/emp/1
{
  "name":"wxw",
  "wife":"md",
  "salary":100000
}

POST /ms/emp/2
{
  "name":"wxwmd",
  "wife":"md",
  "salary":50000
}

POST /ms/emp/3
{
  "name":"md",
  "husband":"wxw",
  "salary":10000
}

POST /ms/emp/4
{
  "name":"wll",
  "salary":10000
}

POST /ms/emp/5
{
  "name":"wjj",
  "salary":50000
}

# 进行模糊查询，查询的field是name，查询的值是"wxwjj"，查询结果与指定值之间的差距最大为2
GET /ms/emp/_search
{
  "query": {
    "fuzzy": {
      "name": {
        "value": "wxwjj",
        "fuzziness": 2
      }
    }
  }
}

查询结果为：

{
  "took" : 3,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 0.8317766,
    "hits" : [
      {
        "_index" : "ms",
        "_type" : "emp",
        "_id" : "2",
        "_score" : 0.8317766,
        "_source" : {
          "name" : "wxwmd",
          "wife" : "md",
          "salary" : 50000
        }
      },
      {
        "_index" : "ms",
        "_type" : "emp",
        "_id" : "1",
        "_score" : 0.46209806,
        "_source" : {
          "name" : "wxw",
          "wife" : "md",
          "salary" : 100000
        }
      },
      {
        "_index" : "ms",
        "_type" : "emp",
        "_id" : "5",
        "_score" : 0.46209806,
        "_source" : {
          "name" : "wjj",
          "salary" : 50000
        }
      }
    ]
  }
}

2. kibana数据分析初步使用

刚开始要让你指定要对哪个索引的数据进行可视化，写上你想要的索引的名字就好，我这里是ms。




这里翻译为词，英文是term，实际上我认为翻译为“域”会更好，就是指定你要以那个域来划分这个饼图，我想看工资的分布情况，所以我要选salary

选择完更新，就可以看到工资的分布情况了：