Elasticsearch 基本语法使用

上一篇我们已经安装好了es+kibana
这里我们将简单的说一下增删查的使用

solr和elasticsearch区别：
1、solr创建索引库慢、查询快 ||||||||||| elasticsearch创建索引快、查询慢
2、elasticsearch支持分布式，solr可以使用zookeeper做分布式

elasticsearch概念：
node：节点，部署服务的服务器
cluster：集群， 多个节点组成的架构
index： 索引库，相当于关系数据库中的database
shards：索引分片数，默认为5
replicas：索引副本，默认为1
type：索引类型，相当于关系数据库中的table
document：文档，相当于关系数据库中的row
_index：文档对应的索引
_type: 数据类型
_id: 文档的唯一标识

elasticsearch请求方式：
GET： 查询数据
POST： 查询数据、新增数据、修改数据
PUT： 新增数据、修改数据
DELETE：删除数据

数据类型

设置index 插入数据

PUT estest1
{
  "settings": {
    "number_of_replicas": 1,
    "number_of_shards": 5
  },
  "mappings": {
    "user":{
      "properties": {
        "id":{
          "type": "long"
        },
        "name":{
          "type": "text",
          "analyzer": "standard"
        },
        "age":{
          "type": "long"
        }
      }
    }
  }
}

DELETE estest1

PUT estest1/user/1
{
  "id":2,
  "name":"张三",
  "age":30
}

post estest1/user
{
  "id":1,
  "name":"张4",
  "age":40
}

GET estest1/_search

修改数据需要指定数据的id

PUT estest1/user/1
{
  "name":"update"
}

查询全部索引 GET _cat/indices

查询

分为过滤查询:bool+filter查询匹配,但是不打分,多为精准查询
匹配查询:使用match,打分机制,0-1

range子句 作用于数字范围查询 get大于 let小于

GET estest1/user/_search
{
  "query": {
    "range": {
      "age": {
        "gte": 20,
        "lte": 40
      }
    }
  }
}

组合查询:同时多个字段进行匹配检索,使用bool子句:
must:必须符合条件,(肯定包含)
must_not:必须不匹配什么条件(肯定不包含)
should:文档符合条件的将添加score得分,
filter:使用过滤来查询

分页参数(与query同级)
from:分页开始位置
size:分页大小

中文分词器

中文分词我们使用的都是ik_max_word 也就是最大粒度的分词

我们来测试一下啊

POST _analyze
{
  "analyzer": "ik_max_word", 
  "text": "中华人民共和国"
}

结果

{
  "tokens": [
    {
      "token": "中华人民共和国",
      "start_offset": 0,
      "end_offset": 7,
      "type": "CN_WORD",
      "position": 0
    },
    {
      "token": "中华人民",
      "start_offset": 0,
      "end_offset": 4,
      "type": "CN_WORD",
      "position": 1
    },
    {
      "token": "中华",
      "start_offset": 0,
      "end_offset": 2,
      "type": "CN_WORD",
      "position": 2
    },
    {
      "token": "华人",
      "start_offset": 1,
      "end_offset": 3,
      "type": "CN_WORD",
      "position": 3
    },
    {
      "token": "人民共和国",
      "start_offset": 2,
      "end_offset": 7,
      "type": "CN_WORD",
      "position": 4
    },
    {
      "token": "人民",
      "start_offset": 2,
      "end_offset": 4,
      "type": "CN_WORD",
      "position": 5
    },
    {
      "token": "共和国",
      "start_offset": 4,
      "end_offset": 7,
      "type": "CN_WORD",
      "position": 6
    },
    {
      "token": "共和",
      "start_offset": 4,
      "end_offset": 6,
      "type": "CN_WORD",
      "position": 7
    },
    {
      "token": "国",
      "start_offset": 6,
      "end_offset": 7,
      "type": "CN_CHAR",
      "position": 8
    }
  ]
}

一个小测试
我们以 "中华人民共和国"为例 分别添加 中华1,中华 ,中华人名共和国三条数据

7.5.2版本中

PUT estest
{
  "settings": {
    "number_of_replicas": 1,
    "number_of_shards": 1
  }  
  , "mappings": { #mapping内不写表名
      "properties": {
        "id":{
          "type": "long"
        },
        "name":{
          "type": "text",
          "analyzer": "standard"
        }
      }
  }
}

POST estest/_doc/2    #没有表名用_doc
{
  "id":2,
  "name":"张1"
}

GET estest/_search

DELETE estest

HEAD  estest

GET estest/_search  #查询上嵌套与6有很大区别
{
  "query": {
  "range": {
    "id": {
      "gte": 1,
      "lte": 2
    }
  }
  }
}

以XXX开头的

GET es/es/_search
{
  "query": {
    "prefix": {
      "字段": {
        "value": "漓江"
      }
    }
  },
  "_source": "字段"
}