删除索引请求格式：
DELETE /索引库名
示例:
使用HEAD请求，查看索引是否存在：
HEAD /索引库名
示例：
索引有了，接下来肯定是添加数据。但是，在添加数据之前必须定义映射。映射是定义文档的过程，文档包含哪些字段，这些字段是否保存，是否索引，是否分词等，配置清楚映射，Elasticsearch会帮我们进行索引库的创建。
创建映射字段：
PUT /索引库名/_mapping/类型名称
{
"properties": {
"字段名": {
"type": "类型",
"index": true，
"store": true，
"analyzer": "分词器"
}
}
}
-
类型名称：就是前面将的type的概念，类似于数据库中的不同表
字段名：任意填写 ，可以指定许多属性，例如：
-
type：类型，可以是text、long、short、date、integer、object等
-
index：是否索引，默认为true
-
store：是否存储，默认为false
-
analyzer：分词器，这里的
ik_max_word即使用ik分词器
字段属性详解:
type：数据类型
-
String类型，分两种：
text：可分词，不可参与聚合keyword：不可分词，数据会作为完整字段进行匹配，可以参与聚合 -
Numerical：数值类型，分两类
基本数据类型：
long、interger、short、byte、double、float、half_float浮点数的高精度类型：
scaled_float，需要指定一个精度因子，比如10或100。elasticsearch会把真实值乘以这个因子后存储，取出时再还原。 -
Date：日期类型， elasticsearch可以对日期格式化为字符串存储，但是建议我们存储为毫秒值，存储为long，节省空间。
index：影响字段的索引情况
-
true：字段会被索引，则可以用来进行搜索。默认值就是true，你不进行任何配置，字段就会被索引
-
false：字段不会被索引，不能用来搜索，有些字段是我们不希望被索引的，需要手动设置index为false
store：是否将数据进行额外存储。
Elasticsearch在创建文档索引时，会将文档中的原始数据备份，保存到一个叫做_source的属性中。而且我们可以通过过滤_source来选择哪些要显示，哪些不显示。而如果设置store为true，就会在_source以外额外存储一份数据，多余，因此一般我们都会将store设置为false，事实上，store的默认值就是false。
boost：激励因子，与lucene中一样
示例：发起请求
查看映射关系：
GET /索引库名/_mapping
示例：
通过POST请求，可以向一个已经存在的索引库中添加数据。
POST /索引库名/类型名
{
"key":"value"
}
示例：
查询数据：
get _search
{
"query":{
"match_all":{}
}
}
示例：
智能判断： 事实上Elasticsearch非常智能，你不需要给索引库设置任何mapping映射，它也可以根据你输入的数据来判断类型，动态添加数据映射。
测试一下：
POST /ly/goods/2
{
"title":"苹果手机",
"images":"http://image.ly.com/12479122.jpg",
"price":2899.00,
"stock": 200,
"saleable":true
}
额外添加了stock库存，和saleable是否上架两个字段。查看结果：
在看下索引库的映射关系:
把刚才新增的请求方式改为PUT，就是修改了。不过修改必须指定id，
-
id对应文档存在，则修改
-
id对应文档不存在，则新增
删除使用DELETE请求，同样，需要根据id进行删除：
DELETE /索引库名/类型名/id值
示例：
基本查询：
GET /索引库名/_search
{
"query":{
"查询类型":{
"查询条件":"查询条件值"
}
}
}
这里的query代表一个查询对象，里面可以有不同的查询属性
-
查询类型：
match_all，match，term，range等等 -
查询条件：查询条件会根据类型的不同，写法也有差异，后面详细讲解
查询所有（match_all)：
示例：
GET /ly/_search
{
"query":{
"match_all": {}
}
}
匹配查询（match）：
添加数据，便于测试：
PUT /ly/goods/2
{
"title":"苹果手机",
"images":"http://image.ly.com/12479122.jpg",
"price":3899.00
}
PUT /ly/goods/3
{
"title":"华为手机",
"images":"http://image.ly.com/12479122.jpg",
"price":1899.00
}
PUT /ly/goods/4
{
"title":"小米电视",
"images":"http://image.ly.com/12479122.jpg",
"price":5899.00
}
or关系： match类型查询，会把查询条件进行分词，然后进行查询,多个词条之间是or的关系
GET /heima/_search
{
"query":{
"match":{
"title":"小米电视"
}
}
}
结果：
在上面的案例中，不仅会查询到电视，而且与小米相关的都会查询到，多个词之间是or的关系。
and关系： 某些情况下，我们需要更精确查找，我们希望这个关系变成and，可以这样做：
GET /heima/_search
{
"query":{
"match": {
"title": {
"query": "小米电视",
"operator": "and"
}
}
}
}
结果：
本例中，只有同时包含小米和电视的词条才会被搜索到。
or和and之间：
在 or 与 and 间二选一有点过于非黑即白。 如果用户给定的条件分词后有 5 个查询词项，想查找只包含其中 4 个词的文档，该如何处理？我们如何获得处于中间的某种结果？
match 查询支持 minimum_should_match 最小匹配参数， 这让我们可以指定必须匹配的词项数用来表示一个文档是否相关。我们可以将其设置为某个具体数字，更常用的做法是将其设置为一个百分数，因为我们无法控制用户搜索时输入的单词数量：
GET /ly/_search
{
"query":{
"match":{
"title":{
"query":"小米曲面电视",
"minimum_should_match": "75%"
}
}
}
}
结果：
多字段查询（multi_match）:
multi_match与match类似，不同的是它可以在多个字段中查询
GET /ly/_search
{
"query":{
"multi_match": {
"query": "小米",
"fields": [ "title", "subTitle" ]
}
}
}
结果：
词条匹配(term)：
term 查询被用于精确值 匹配，这些精确值可能是数字、时间、布尔或者那些未分词的字符串
GET /heima/_search
{
"query":{
"term":{
"price":2699.00
}
}
}
结果：
多词条精确匹配(terms)：
terms 查询和 term 查询一样，但它允许你指定多值进行匹配。如果这个字段包含了指定值中的任何一个值，那么这个文档满足条件：
GET /ly/_search
{
"query":{
"terms":{
"price":[1899.00,3899.00]
}
}
}
结果：
默认情况下，elasticsearch在搜索的结果中，会把文档中保存在_source的所有字段都返回。如果我们只想获取其中的部分字段，我们可以添加_source的过滤
直接指定字段：
示例：
GET /ly/_search
{
"_source": ["title","price"],
"query": {
"term": {
"price": 2699
}
}
}
返回的结果：
指定includes和excludes：
可以通过：
-
includes：来指定想要显示的字段 -
excludes：来指定不想要显示的字段
示例：
GET /ly/_search
{
"_source": {
"includes":["title","price"]
},
"query": {
"term": {
"price": 2699
}
}
}
GET /ly/_search
{
"_source": {
"excludes": ["images"]
},
"query": {
"term": {
"price": 2699
}
}
}
布尔组合（bool)：
bool把各种其它查询通过must（与）、must_not（非）、should（或）的方式进行组合
GET /heima/_search
{
"query":{
"bool":{
"must": { "match": { "title": "大米" }},
"must_not": { "match": { "title": "电视" }},
"should": { "match": { "title": "手机" }}
}
}
}
结果：
范围查询(range)：
range 查询找出那些落在指定区间内的数字或者时间
GET /heima/_search
{
"query":{
"range": {
"price": {
"gte": 1000.0,
"lt": 2800.00
}
}
}
}
结果：
模糊查询(fuzzy)：
fuzzy 查询是 term 查询的模糊等价。它允许用户搜索词条与实际词条的拼写出现偏差，但是偏差的编辑距离不得超过2：
GET /ly/_search
{
"query": {
"fuzzy": {
"title": "appla"
}
}
}
我们可以通过fuzziness来指定允许的编辑距离：
GET /ly/_search
{
"query": {
"fuzzy": {
# 文末java面试题，进阶技术大纲，架构资料分享
我将这三次阿里面试的题目全部分专题整理出来，并附带上详细的答案解析，生成了一份**PDF文档**
**[CodeChina开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频】](https://codechina.csdn.net/m0_60958482/java-p7)**
* **第一个要分享给大家的就是算法和数据结构**
* **第二个就是数据库的高频知识点与性能优化**
* **第三个则是并发编程（72个知识点学习）**
* **最后一个是各大JAVA架构专题的面试点+解析+我的一些学习的书籍资料**
ermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0x6eTQxMDk5Mg==,size_16,color_FFFFFF,t_70)
**模糊查询(fuzzy)：**
`fuzzy` 查询是 `term` 查询的模糊等价。它允许用户搜索词条与实际词条的拼写出现偏差，但是偏差的编辑距离不得超过2：
GET /ly/_search
{
“query”: {
"fuzzy": {
"title": "appla"
}
}
}
我们可以通过`fuzziness`来指定允许的编辑距离：
GET /ly/_search
{
“query”: {
"fuzzy": {
文末java面试题，进阶技术大纲，架构资料分享
我将这三次阿里面试的题目全部分专题整理出来，并附带上详细的答案解析，生成了一份PDF文档
CodeChina开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频】
- 第一个要分享给大家的就是算法和数据结构
[外链图片转存中…(img-l4nUbbQq-1630633891557)]
- 第二个就是数据库的高频知识点与性能优化
[外链图片转存中…(img-elO4s4PZ-1630633891559)]
- 第三个则是并发编程（72个知识点学习）
[外链图片转存中…(img-AyLK9mD6-1630633891560)]
- 最后一个是各大JAVA架构专题的面试点+解析+我的一些学习的书籍资料
[外链图片转存中…(img-SKLYVnfV-1630633891562)]
还有更多的Redis、MySQL、JVM、Kafka、微服务、Spring全家桶等学习笔记这里就不一一列举出来
874
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
