1、ES核心概念
- 索引
- 文档类型(mapping)
- 文档(documents )
在前面的学习中,我们已经掌握了es是什么,同时也把es的服务已经安装启动,那么es是如何去存储数据,数据结构是什么,又是如何实现搜索的呢?我们先来聊聊ElasticSearch的相关概念吧!
集群,节点,索引,类型,文档,分片,映射是什么?
elasticsearch是面向文档
,关系行数据库和elasticsearch 客观的对比!
Relational DB | ElasticSearch |
---|---|
数据库(database) | 索引(indices) |
表(tables) | types(慢慢会被弃用) |
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)。
1. 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
默认的集群名称就是elasticsearch
2. 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
之前说elasticsearch是面向文档的,那么就意味着索引和搜索数据的最小单位是文档,elasticsearch中,文档有几个重要属性:- 自我包含,一篇文档同时包含字段和对应的值,也就是同时包含key:value
- 可以是层次型的,一个文档中包含自文档,复杂的逻辑实体就是这么来的(就是一个json对象)
- 灵活的结构,文档不依赖预先定义的模式,我们知道关系型数据库中,要提前定义字段才能使用,在elasticsearch中,对于字段是非常灵活的,有时候,我们可以忽略该字段,或者动态的添加一个新的字段。
- 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,比如新增一个字段,那么elasticsearch是怎么做的呢?elasticsearch会自动的将新字段加入映射,但是这个字段的不确定它是什么类型,elasticsearch就开始猜,如果这个值是18,那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对,所以最安全的方式就是提前定义好所需要的映射,这点跟关系型数据库殊途同归了,先定义好字段,然后再使用,别整什么幺蛾子。
- 索引
就是数据库
物理设计: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)
上图是一个有3个节点的集群,可以看到主分片和对应的复制分片都不会在同一个节点内,这样有利于某个节点挂掉了,数据也不至于丢失。实际上,一个分片是一个Lucene索引,一个包含倒排索引的文件目录,倒排索引的结构使得elasticsearch在不扫描全部文档的情况下,就能告诉你哪些文档包含特定的关键字。不过,等等,倒排索引是什么鬼?
- 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。例如,现在有两个文档,每个文档包含如下内容:
elasticsearch的索引和Lucene的索引对比
在elasticsearch中,索引(库)这个词被频繁使用,这就是术语的使用。在elasticsearch中,索引被分为多个分片,每份分片是一个Lucene的索引。所以一个elasticsearch索引是由多个Lucene索引组成的。别问为什么,谁让elasticsearch使用Lucene作为底层呢!如无特指,说起索引都是指elasticsearch的索引。
接下来的一切操作都在kibana中Dev Tools下的Console里完成。基础操作!
2、IK分词器详解
1.什么是IK分词器
分词:即把一段中文或者别的划分成一个个的关键字,我们在搜索时候会把自己的信息进行分词,会把数据库中或者索引库中的数据进行分词,然后进行一个匹配操作,默认的中文分词是将每个字看成一个词,比如“我爱狂神”会被分为"我"爱"狂""神”,这显然是不符合要求的,所以我们需要安装中文分词器ik来解决这个问题。
如果要是用中文,建议使用ik分词器
所以IK提供了两个分词算法:ik_smart和ik_max_word
,其中ik_smart为最少切分
,ik_max_word为最细粒度划分
!一会我们测试!
2.安装IK分词器
下载好之后解压到elasticsearch下的plugins目录中
3. 重启观察ES
- 可以观察到ik分词器插件被加载了
- elasticsearch-plugin可以通过这个命令来查看加载进来的插件
4. 启动kibana进行测试
查看不同分词器的效果(ik_smart)
-
其中ik_smart为最少切分
-
ik_max_word为最细粒度划分
这里我们文本输入我超级喜欢狂神说的课程
这里发现问题狂神说被拆开了
,那么该如何整出我们需要的词呢?需要我们将自己需要的词加到分词器的字典中
5. ik分词器增加自己的配置
-
在ik分词器的目录下的config中新建一个自己的字典
-
将自己的字典注入到配置中
6. 重启es,观察效果
以后的话,我们需要自己配置分词就在自己定义的dic文件中进行配置即可!
3、Rest风格操作
3.1、关于索引的基本操作
1. 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 |
2. 创建索引
- 语法:PUT /索引名/类型名/文档id{ 请求体 }
完成了自动增加索引,数据也成功的添加了,这就是我说大家在初期可以把它当做数据库学习的原因
- 指定字段的类型
- 获得这个规则
可以通过GET请求获取具体的信息
- 查看默认的信息
- 创建一个索引库:
- 查看默认信息
结论:如果自己的文档字段没有指定,那么es就会给我们默认配置字段类型!
扩展:通过命令获取elasticsearch索引情况!通过get_cat/可以获得es的当前的很多信息
3. 修改索引
-
PUT方式提交进行覆盖
以前的方法
-
也可以使用update
现在的方法
4.删除索引
语法:DELETE 索引
- 通过DELETE命令实现删除、根据你的请求来判断是删除索引还是删除文档记录
使用RESTFUL风格是我们ES推荐大家使用的!
3.2、关于文档的基本操作
1. 添加数据
PUT /jl/user/1
{
"name": "敬磊",
"age": 23,
"desc": "未来的程序员",
"tags": ["技术宅","帅气"]
}
2. 获取数据,使用GET
3. 更新数据
推荐使用POST更新方式,,_update,因为使用PUT时,如果不传递值,就会被覆盖,也就是空值
4、花式查询详解
1. 简单查询数据
- 第一种方式
GET jl/user/1
简答的条件查询,可以根据默认的映射规则,产生基本的查询
- 第二种方式
2. 复杂查询数据
查询结果
也可以过滤字段,显示自己想要的字段信息
我们之后使用Java操作es时,所有的方法和对象就是这里面的key
根据字段排序显示
分页查询
数据下标还是从0开始的,和学的所有数据结构是一样的
布尔值查询
must(and),所有的条件都要符合where id = 1 and name = xxx
should ( or),所有的条件都要符合where id = 1 or name= xxx
must_not(not)
过滤器filter
- gt 大于
- gte 大于等于
- lt 小于
- lte 小于等于
匹配多个条件
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
关于分词:
- term :直接查询精确的
- match:会使用分词器解析(先分析文档,然后再通过分析的文档进行查询!)
重点
两个类型 text keyword
keyword不会被分词器解析
多个值匹配精确查询
高亮查询
也可以自定义高亮条件
- 匹配
- 按照条件匹配
- 精确匹配
- 区间范围匹配
- 匹配字段过滤
- 多条件查询
- 高亮查询
学习视频:网址