ElasticSearch基础入门

---

typora-root-url: img

基于数据库查询的问题

搜索就是查询，普通的关系型数据库存在的问题。
1、如果使用模糊查询
SELECT * FROM goods WHERE title LIKE ‘%手机%’;
如果使用模糊查询，左边有通配符，不会走索引，会全表扫描，性能低。

2、如果在电商网站中输入“华为手机”进行搜索，我期望即以“华为”为关键字，又以“手机”为关键字进行搜索，那么关系性数据库是不能直接办到的，需要在程序中先将字符串进行处理。

倒排索引

概念

将文档中的内容，进行分词，形成词条。然后记录词条和数据的唯一标识(id)的对应关系，形成的产物。

分词：将一段文本按照一定的规则，拆分为不同的词条

ElasticSearch数据的存储和搜索原理

ElasticSearch 将要存储的json格式的数据，并且将以后要用来搜索的字段进行分词，将分词过后得到词条作为索引列，将数据的id作为值进行存储。至于分词的过程，由ElasticSearch自动帮我们进行完成。

生成的倒排索引中，词条会排序，形成一颗树形结构，提升词条的查询速度

ElasticSearch概念详解

• ElasticSearch是一个基于Lucene的搜索服务器(例如分词，es自己就帮我们进行分词操作，Lucene还需要自己写代码进行分词，所以可以理解为es是将Lucene进行封装，简化了操作)
• 是一个分布式、高扩展、高实时的搜索与数据分析引擎
• 基于RESTful web接口
• Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎
• 官网：https://www.elastic.co/

应用场景：

• 搜索：海量数据的查询
• 日志数据分析
• 实时数据分析

MySQL和ElasticSearch区别：

MySQL有事务性,而ElasticSearch没有事务性,所以你删了的数据是无法恢复的。

ElasticSearch没有物理外键这个特性，,如果你的数据强一致性要求比较高,还是建议慎用

ElasticSearch和MySql分工不同，MySQL负责存储数据，ElasticSearch负责搜索数据。
当搜索时用es，数据的增删改用MySQL，es是用来补充MySQL的。

ElasticSearch核心概念

索引（index）
ElasticSearch存储数据的地方，可以理解成关系型数据库中的数据表概念。

映射（mapping）
mapping定义了每个字段的类型、字段所使用的分词器等。相当于关系型数据库中的表结构。

文档（document）
Elasticsearch中的最小数据单元，常以json格式显示。一个document相当于关系型数据库中的一行数据。

倒排索引
一个倒排索引由文档中所有不重复词的列表构成，对于其中每个词，对应一个包含它的文档id列表。

类型（type）
一种type就像一类表。如用户表、角色表等。在Elasticsearch7.X默认type为_doc

• ES 5.x中一个index可以有多种type。
• ES 6.x中一个index只能有一种type。
• ES 7.x以后，将逐步移除type这个概念，现在的操作已经不再使用，默认_doc

RESTful风格

• REST（Representational State Transfer），表述性状态转移，是一组架构约束条件和原则。满足这些约束条件和原则的应用程序或设计就是RESTful。就是一种定义接口的规范。
• 基于HTTP。
• 可以使用XML格式定义或JSON格式定义。
• 每一个URI代表1种资源
• 客户端使用GET、POST、PUT、DELETE 4个表示操作方式的动词对服务端资源进行操作：
  GET：用来获取资源
  POST：用来新建资源（也可以用于更新资源）
  PUT：用来更新资源
  DELETE：用来删除资源

操作索引

相当于数据表

添加索引

PUT http://ip:端口/索引名称

查询索引

GET http://ip:端口/索引名称 # 查询单个索引信息
GET http://ip:端口/索引名称1,索引名称2... # 查询多个索引信息
GET http://ip:端口/_all # 查询所有索引信息

删除索引

DELETE http://ip:端口/索引名称

关闭索引

POST http://ip:端口/索引名称/_close 

打开索引

POST http://ip:端口/索引名称/_open

操作映射-----数据类型

相当于数据结构。

数据类型：

• 简单数据类型
• 复杂数据类型

简单数据类型：
​ 字符串：text：会分词，不支持聚合函数
​ keyword：不会分词，将全部内容作为一个词条，支持聚合函数

​ 数值：

​ 布尔：boolean
​ 二进制：binary
​ 范围类型：integer_range, float_range, long_range, double_range, date_range
​ 日期：date

复杂数据类型：
对象：[] 数组规定的时候不用显式指定数据类型，每一个值都可以给多值，直接使用中括号括起来就行
数组：{}

基于Kibana连接工具操作

操作索引

查询索引：

GET http://ip:端口/索引名称 # 查询单个索引信息
GET 索引名称

#创建索引
PUT person
#查询索引
GET person

#查询映射
GET person/_mapping

#添加索引,已经有了映射。
PUT person/_mapping
{
  "properties":{
    "name":{
      "type":"keyword"
    },
    "age":{
      "type":"integer"
    }
  }
}

#在创建索引时间，添加映射
PUT user
{
  "mappings": {
    "properties":{
      "name":{
        "type":"keyword"
      },
      "age":{
        "type":"integer"
      }
    }
  }
}

操作文档

相当于数据库的一条数据

# 操作映射---------------------------------------
#指定id,id不存在就是添加，存在就是修改。每一次修改自带_version属性自动加1
PUT person/_doc/1
{
  "name":"张三",
  "age":20,
  "address":"北京海淀区"
}

#不指定id，由UUid随机生成，不指定id 需要使用POST方式，不指定id，每次执行都会生成新文档
POST person/_doc/
{
  "name":"李四",
  "age":21,
  "address":"北京海淀区"
}

#根据id查询文档
GET person/_doc/pRQxYnQBf8oW4hUFw0Dr
#查询所有文档
GET person/_search
#删除文档
DELETE person/_doc/pRQxYnQBf8oW4hUFw0Dr


Uid随机生成，不指定id 需要使用POST方式，不指定id，每次执行都会生成新文档
POST person/_doc/
{
  "name":"李四",
  "age":21,
  "address":"北京海淀区"
}

#根据id查询文档
GET person/_doc/pRQxYnQBf8oW4hUFw0Dr
#查询所有文档
GET person/_search
#删除文档
DELETE person/_doc/pRQxYnQBf8oW4hUFw0Dr