es的使用

最新推荐文章于 2023-05-20 21:28:23 发布
最新推荐文章于 2023-05-20 21:28:23 发布
阅读量3k 收藏 13
点赞数
分类专栏： 中间件
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42031483/article/details/117263990
版权

ElasticSearch学习笔记

ES是什么

ElasticSearch 是一个高可用开源全文检索和分析的组件，官方解释说它是一个分布式、可扩展、实时的搜索与数据分析引擎。提供存储服务，搜索服务，大数据准实时分析等。一般用于提供一些提供复杂搜索的应用。

为什么要用它

使用es，是因为数据量大的时候，如果所有数据存入关系型数据库，会出现，难以全文检索，效率低，难以完成数据库分析的问题。所以，为了提供查询效率，同时实现全文检索，所以我们采用了ES。

ES主要解决问题

  1. 全文检索相关数据：

(1) 搜索“UK”应该返回包含“United Kingdom”的相关文档；
(2) 搜索“jump”应该返回包含“JUMP”、“jumped”、“jumps”、“jumping”甚至是“leap”的文档；
(3) 搜索“johnny walker”应该匹配包含“Johnnie Walker”的文档；

  1. 返回统计结果;

  2. 速度快;

实现原理
  1. 存储数据时按有序存储;
  2. 将数据和索引分离;
  3. 压缩数据;

ES具体是什么原理

  1. 首先，排除上面的那种功能定义，我们再对ES进行一个新的定义：ES是一个封装了Lucene的东西，Lucene则是一个高性能的、可扩展的信息检索（IR）工具库（Java库），可以带来很好的查询和全文检索，分析数据功能。但是，它的使用非常复杂，你对数据的增删改查都要你自己手动写代码啥的，完成操作。所以，Elasticsearch就有了可乘之机。ES是一个搜索组件，它可以让用户输入非常简单的restful命令，即可解析为操作Lucene的代码，让它建立起数据库底层的结构和索引。同时，也提供了很好的返回数据展示。

  2. ES当中的特殊定义：

    • 索引Index：索引相当于SQL中的一个数据库，或者一个数据存储方案(schema)。（这个索引结构相当于数据库，其实类似mysql中说的B+树结构构成数据库。本质上，表是抽象出来的，数据的存储在计算机看来，就是存在某种结构里面的。mysql是B+树，但是b+树不好理解，所以对使用者抽象出了”表“这个概念。而ES是索引结构（底层可能是hash，也可能就是b+树，有待了解），只不过它就直接叫索引了，没有称其为表）本质上，索引结构是一种数据结构，它允许对存储在其中的单词进行快速随机访问。

    • 类型Type：类型是索引内部的逻辑分区(category/partition)，然而其意义完全取决于用户需求。一个索引内部可定义一个或多个类型(type)。一般来说，类型就是为那些拥有相同的域的文档做的预定义，所以可以理解为一个表。

    • 文档：相当于数据库中的一行数据。文档是Lucene索引和搜索的原子单位，它是包含了一个或多个域的容器，基于JSON格式进行表示。

    • 域：相当于mysql中的一列。ES的最小查询单位虽然是文档，但是实际索引的时候是对域建立起来的索引树中找文档的。所以，域的值则是真正被搜索的内容。每个域拥有一个名字及一个或多个值，有多个值的域通常称为“多值域”。

    • 前三者关系：

      [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-2gZxhSh9-1621945828027)(C:\Users\lucienpeng\AppData\Roaming\Typora\typora-user-images\image-20210427165630222.png)]

  3. ES当前的一些策略：

    • 分片(Shard)和副本(Replica)：ES默认在集群模式会把数据分片到五个机子上面，然后每个分片都有双机热备（就是有副本（Replica shard）是Primary Shard的副本，用于冗余数据及提高搜索性能。）。专业术语来说：ES的“分片(shard)”机制可将一个索引内部的数据分布地存储于多个节点，它通过将一个索引切分为多个底层物理的Lucene索引完成索引数据的分割存储功能，这每一个物理的Lucene索引称为一个分片(shard)。

    • ES的精确度：就是查询出来的数据，和你搜索的关键词相关程度。参看Rank-k。

    • ES的full-text，全文检索效果：

      • 搜索“UK”应该返回包含“United Kingdom”的相关文档；
      • 搜索“jump”应该返回包含“JUMP”、“jumped”、“jumps”、“jumping”甚至是“leap”的文档；
      • 搜索“johnny walker”应该匹配包含“Johnnie Walker”的文档；

    • 全文检索实现原理：为了完成此类full-text域的搜索，ES必须首先分析文本并将其构建成为倒排索引(inverted index)，倒排索引由各文档中出现的单词列表组成，列表中的各单词不能重复且需要指向其所在的各文档。（一个set，只不过每个值指向了多个文档）

    • 如何创建倒排索引：在文档建立的时候，需要先将各文档中域的值切分为独立的单词(称为term或token)，而后将之创建为一个无重复的有序单词列表。这个过程称之为**“分词(tokenization)”**。

      倒排索引和分词之间的关系如下：

      img

      存入的json的各个域被解析为单词，形成一个list，而后每个list的值，又会被存储到倒排索引中，每个索引会指向文档的地址。以此完成全文检索的功能。

  4. ES插入数据和查询数据的流程：

    • 插入数据：发送一串数据到es中，es会对数据进行解析，依靠分词形成一个列表，依靠列表再构成倒排索引（如上图）。形成了索引后，再将原有的数据存入到硬盘，完成存储过程。
    • 查询数据：例如，用户输入搜索内容“title:elasticsearch”时，则表示搜索“标题”域值中包含单词“elasticsearch”的所有文档。es会去title的倒排索引中查询，找到索引，然后根据指向，找到对应的document，计算精确度，分析一些列的数据，返回给调用者一个结果，json字符串。
    • 插入和查询的过程如下图：

    img

要怎么用

使用的一些规范

  1. 不同的 Type 应该有相似的结构（schema），举例来说，id字段不能在这个组是字符串，在另一个组是数值。这是与关系型数据库的表的一个区别。性质完全不同的数据（比如products和logs）应该存成两个 Index，而不是一个 Index 里面的两个 Type（虽然可以做到）。

    原因：es中同一个index中不同type是存储在同一个索引中的（lucene的索引文件），因此不同type中相同名字的字段的定义（mapping）必须一致。

    强行绕过： _ type字段用来和文档的_ id字段联合生成_ uid字段，所以有着相同_ id的不同类型的文档可以存在同一个索引里。

了解了原理以后，那么我们就开始实际操作了。

实际操作

es7以后很多东西变了，想要详细了解操作，可以直接看：

  • restful请求：http://blog.itpub.net/29715045/viewspace-2653369/
  • kibana使用：https://www.cnblogs.com/chenqionghe/p/12503181.html?utm_source=tuicool&utm_medium=referral
  • kibana使用，腾讯版本：https://cloud.tencent.com/document/product/845/19541

  1. es7版本的基本增删改查：

    //创建index
//1.插入数据的时候，如果没有指定的index，自动创建，并且格式mapping也建立好来了
PUT student/_doc/1
{
  "name":"star.mai",
  "age":30,
  "interest":["football","elec-game"]
}
//1.2 简单创建index，没有结构那种
PUT /customer?pretty
//2. 删除index

//3 查询所有的index
GET /_cat/indices?v

//创建type结构（_doc）
put /test
{
    "mappings":{
        "properties":{
			"name":{"type":"text"},	
            "age":{"type":"long"},
            "birthday":{"type":"date"}
        }
    }
}

//插入数据到index
//1 指定id的插入方式，此时如果已有数据，就是修改了
POST movie/_doc/1
{
  "name":"Titanic",
  "type":"romance",
  "country":"America",
  "director":"James",
  "date":"1997-12-19"
}
//2 不指定id的方式
POST movie/_doc
{
  "name":"lulu",
  "type":"romance",
  "country":"America",
  "director":"James-Cameron",
  "date":"1997-2-19"
}
//批量插入
POST _bulk
{ "index" : { "_index" : "weibo"  } }
{"user":"飞飞是大王","message":"今天天气真好！","city":"北京","country":"中国","province":"北京","uid":1,"address":"中国北京市朝阳区","location":{"lat":"39.970798","lon":"116.325747"}}
{ "index" : { "_index" : "weibo"  } }
{"user":"小不小图图","message":"好想喝奶茶～","city":"北京","country":"中国","province":"北京","uid":2,"address":"中国北京市朝阳区","location":{"lat":"39.9904313","lon":"116.412754"}}
{ "index" : { "_index" : "weibo"  } }
{"user":"勤劳的小蜜蜂","message":"又是充实的一天！","city":"北京","country":"中国","province":"北京","uid":3,"address":"中国北京市海淀区","location":{"lat":"39.893801","lon":"116.408986"}}
{ "index" : { "_index" : "weibo"  } }
{"user":"炸鸡狂热爱好者","message":"今天的炸鸡安排上了","city":"北京","country":"中国","province":"北京","uid":4,"address":"中国北京市东城区","location":{"lat":"39.718256","lon":"116.367910"}}
{ "index" : { "_index" : "weibo"  } }
{"user":"电影试探员","message":"李安的双子杀手超赞！","city":"北京","country":"中国","province":"北京","uid":5,"address":"中国北京市通州区","location":{"lat":"39.918256","lon":"116.467910"}}


//修改数据
//1. 根据指定id，进行覆盖的修改方式。
POST movie/_doc/1
{
  "name":"Titanic",
  "type":"romance",
  "country":"America",
  "director":"James-Cameron",
  "date":"1997-12-19"
}
//2. _update指令来修改特定字段的方式
POST movie/_update/2
{
  "doc": {
    "director":"Luc-Besson"
  }
}
//3. 根据特定查询条件找到数据再修改：通过name=“Forrest Gump”的条件来更新director字段信息(可能是批量的)
POST movie/_update_by_query
{
  "script":{
    "lang": "painless",
    "source": "ctx._source.director = params.director;",
    "params":{
      "director": "Robert-Zemeckis"
    }
  },
  "query":{
    "match":{
      "name": "Forrest Gump"
    }
  }
}



//删除数据
//1.根据id删除数据
DELETE movie/_doc/1

//查询
//1. 查询数据Byid
get  movie/_doc/1
//2. 查询所有index内的数据
GET movie/_search
//3. 查询所有数据，并按照日期降序排列
GET movie/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "date": {
        "order": "desc"
      }
    }
  ]
}
//4. 模糊匹配特定字段
GET movie/_search  //模糊查询匹配name为“Titanic”的数据
{
  "query": {
    "match": {
      "name": "Titanic"  
    }
  }
}
//5. 精准查询
//只匹配leon字段
GET movie/_search
{
  "query": {
    "match_phrase": {
      "name": "leon"
    }
  }
}
GET movie/_search
{
  "query": {
    "bool": {
      "filter": {
        "terms": {
          "date": [
            "1994-09-14"
          ]
        }
      }
    }
  }
}

//6.多字段匹配查询   感觉比较少用（name和sex都包含女的数据）。
GET people/_search
{
  "query": {
    "multi_match": {
      "query": "女",
      "fields": ["name","sex"]
    }
  }
}
//7. 字段级别查询   sex为男或女的数据。由此可以指导，数组内放的数据都是or的关系
GET people/_search
{
  "query": {
    "terms": {
      "sex": [
        "男",
        "女"
      ]
    }
  }
}
//8. 时间的范围查询
GET movie/_search
{
  "query": {
    "range": {
      "date": {
        "gte": "1995-01-01",
        "lte": "2000-01-01"
      }
    }
  }
}
//8. or查询 查询name为"leon"或type为“romance”的数据
GET movie/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "name": "leon"
          }
        },
        {
          "match": {
            "type": "romance"
          }
        }
      ]
    }
  }
}
//9 and查询：查询name为“leon”并且type为“action”的数据
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "leon"
          }
        },
        {
          "match": {
            "type": "action"
          }
        }
      ]
    }
  }
}
//10 不等于查询： 查询type不是“romance”的所有数据、
GET movie/_search
{
  "query": {
    "bool": {
      "must_not": [
        {
          "match": {
            "type": "romance"
          }
        }
      ]
    }
  }
}
//11 查询对应数据并且只返回部分数据
  GET movie/_search
{
  "query": {
    "match": {
            "name": "泰坦尼克号"
          }
        }
  },
"_source":"name"
}
//12 limit查询实现
GET movie/_search
{
  "query": {
    "match": {
            "name": "泰坦尼克号"
          }
        }
  },
"from":0,
"size":1    
}
//13 查找到的数据进行比大小过滤：gt：大于 gte：大于等于 lt：小于 lte：小于等于
//查询姓张的，年龄在10到30之间的人
GET people/_search
{
  "query": {
    "match": {
            "name": "张"
          }
        },
      "filter":{
          "range":{
              "age":{
                  "gte":10,
                  "lte":30
              }
          }
      }
  } 
}
//14 全文模糊检索，按照输入法的方式，or连接各个输入的词
GET movie/_search
{
  "query": {
    "match": {
            "tags": "钱 单身"
          }
        }
  }  
}

    注意：

    • term查询时条件不会经过分词，而text类型的属性会被分词存储在索引中，所以只有当值为"hi"时能走索引，查询到结果
    • 类型为keyword类型的属性，不会经过分词，match查询时条件会经过分词，所以只能当值为原值"hi single dog"时能查询到。

  2. 老版本的基本的增删改查

    • index的增删改查操作：
    //新建一个名叫weather的 Index。
curl -X PUT 'localhost:9200/weather'
    （PUT /weather?pretty）
    PUT twitter
{
    "settings" : {
        "index" : {
            "number_of_shards" : 3,
            "number_of_replicas" : 2
        }
    }
}
//返回结果
{
  "acknowledged":true,
  "shards_acknowledged":true
}

//删除这个 Index。
curl -X DELETE 'localhost:9200/weather'
    
//查看当前所有的index
curl -X GET 'http://localhost:9200/_cat/indices?v'
    （GET /_cat/indices?v）
    • type的增删改查：（现在type已经删除，结构更加简单，都是_ doc代替type，而也可以理解为_ doc就是唯一的type）
    //type的查询
curl 'localhost:9200/_mapping?pretty=true'

//新建一个type表，位置为accounts/person中   （新版已经废除）
 curl -X PUT 'localhost:9200/accounts' -d '
{
  "mappings": {
    "person": {
      "properties": {
        "user": {
          "type": "text",
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        },
        "title": {
          "type": "text",
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        },
        "desc": {
          "type": "text",
          "analyzer": "ik_max_word",//字段文本的分词器，ik_max_word是插件ik提供的
          "search_analyzer": "ik_max_word" //搜索词的分词器
        }
      }
    }
  }
}'
//内部包含3个字段，这三个字段都是中文，而且类型都是文本（text），所以需要指定中文分词器，不能使用默认的英文分词器。
    
    //新版一个index只有一个唐渝鹏，叫做_doc
 curl -X    PUT twitter
{
  "mappings": {
    "_doc": {
      "properties": {
        "type": { "type": "keyword" },
        "name": { "type": "text" },
        "user_name": { "type": "keyword" },
        "email": { "type": "keyword" },
        "content": { "type": "text" },
        "tweeted_at": { "type": "date" }
      }
    }
  }

}
    
//删除这个Type,其实是一次性删除Type下的所有数据内容。type依然残留
 curl -X POST 'localhost:9200/accounts/person/_delete_by_query?conflicts=proceed' -d '
{
  "query": {
    "match_all": {}
  }
}'
    • 具体数据的增删改查：
    //插入
//插入一个数据到index的type中。最后的1是该条记录的 Id。
$ curl -X PUT 'localhost:9200/accounts/person/1' -d '   
{
  "user": "张三",
  "title": "工程师",
  "desc": "数据库管理"
}' 
    //_doc代替了具体的type
    （curl -X PUT "localhost:9200/customer/_doc/1?pretty" -H 'Content-Type: application/json' -d'
{
  "name": "John Doe"
}
'）
//返回结果：  
{
  "_index":"accounts",
  "_type":"person",
  "_id":"1",
  "_version":1,
  "result":"created",
  "_shards":{"total":2,"successful":1,"failed":0},
  "created":true
}
//插入数据的时候，也可以不指定 Id，这时要改成 POST 请求
curl -X POST 'localhost:9200/accounts/person' -d '
{
  "user": "李四",
  "title": "工程师",
  "desc": "系统管理"
}'
//返回结果：id是一个随机值AV3qGfrC6jMbsbXb6k1p
{
  "_index":"accounts",
  "_type":"person",
  "_id":"AV3qGfrC6jMbsbXb6k1p",
  "_version":1,
  "result":"created",
  "_shards":{"total":2,"successful":1,"failed":0},
  "created":true
}
 
//查询
//查询ById
curl 'localhost:9200/accounts/person/1?pretty=true'
    （curl -X GET "localhost:9200/customer/_doc/1?pretty"）
//返回结果：
{
  "_index" : "accounts",
  "_type" : "person",
  "_id" : "1",
  "_version" : 1,
  "found" : true, //如果 Id 不正确，就查不到数据，found字段就是false。
  "_source" : {
    "user" : "张三",
    "title" : "工程师",
    "desc" : "数据库管理"
  }
}    
//查询Type中所有数据
$ curl 'localhost:9200/accounts/person/_search'
    （GET /accounts/_search?q=*&sort=name:asc&pretty）//不需要_doc了
//返回结果
{
  "took":2,
  "timed_out":false,
  "_shards":{"total":5,"successful":5,"failed":0},
  "hits":{  //hits字段表示命中的记录，max_score是匹配程度
    "total":2,
    "max_score":1.0,
    "hits":[ 
      {
        "_index":"accounts",
        "_type":"person",
        "_id":"AV3qGfrC6jMbsbXb6k1p",
        "_score":1.0,
        "_source": {
          "user": "李四",
          "title": "工程师",
          "desc": "系统管理"
        }
      },
      {
        "_index":"accounts",
        "_type":"person",
        "_id":"1",
        "_score":1.0,
        "_source": {
          "user" : "张三",
          "title" : "工程师",
          "desc" : "数据库管理，软件开发"
        }
      }
    ]
  }
}
//查询By某些字段：-d后面加上如下格式的body就可以了
curl 'localhost:9200/accounts/person/_search'  -d '
{
  "query" : { "match" : { "desc" : "软件" }} ，  //使用 Match 查询，指定的匹配条件是desc字段里面包含"软件"这个词。
  "size": 1  //    Elastic 默认一次返回10条结果，可以通过size字段改变这个设置。还可以通过from字段，指定位移，从而实现分页查询
}'
//返回数据
{
  "took":3,
  "timed_out":false,
  "_shards":{"total":5,"successful":5,"failed":0},
  "hits":{
    "total":1,
    "max_score":0.28582606,
    "hits":[
      {
        "_index":"accounts",
        "_type":"person",
        "_id":"1",
        "_score":0.28582606,
        "_source": {
          "user" : "张三",
          "title" : "工程师",
          "desc" : "数据库管理，软件开发"
        }
      }
    ]
  }
}
//查询的逻辑运算，即：and，or
//or查询
curl 'localhost:9200/accounts/person/_search'  -d '
{
  "query" : { "match" : { "desc" : "软件 系统" }} //空格间隔开来，就表示or
}'
//and查询
curl 'localhost:9200/accounts/person/_search'  -d '
{
  "query": {
    "bool": {   //and搜索，必须使用布尔查询。
      "must": [
        { "match": { "desc": "软件" } },
        { "match": { "desc": "系统" } }
      ]
    }
  }
}'

//删除
curl -X DELETE 'localhost:9200/accounts/person/1'
    
//更新
    //更新记录就是使用 PUT 请求，重新发送一次数据。
curl -X PUT 'localhost:9200/accounts/person/1' -d '
{
    "user" : "张三",
    "title" : "工程师",
    "desc" : "数据库管理，软件开发"
}' 
//返回结果：记录的 Id 没变，但是版本（version）从1变成2，操作类型（result）从created变成updated，created字段变成false，因为这次不是新建记录。
{
  "_index":"accounts",
  "_type":"person",
  "_id":"1",
  "_version":2,
  "result":"updated",
  "_shards":{"total":2,"successful":1,"failed":0},
  "created":false
}

    • 查询所有的type

    curl 'localhost:9200/_mapping?pretty=true'

  3. 配置一些特殊的查询：

  • _ index属性的用法：插入的时候，不是所有的域都会建立索引的，默认是建立索引，但是你发送的json字符串，是可以指定index的属性的。analyzed：是先分词，再建立索引；not_analyzed：是直接原样建立索引；no：是不建立索引。如果没有建立索引，自然就无法被查询了。这个要注意。
  • 例子：设置test索引不保存_source，title字段索引但不分析，字段原始值写入索引，content字段为默认属性
DELETE  test
PUT test
PUT test/test/_mapping
{
   "test": {
      "_source": {
         "enabled": false
      },
      "properties": {
         "title": {
            "type": "string",
            "index": "not_analyzed",
            "store": "true"
         },
         "content": {
            "type": "string"
         }
      }
   }
}
  • _ source字段的用法：该字段默认是存储的，禁用_ source以后查询结果中不会再返回文档原始内容
//禁用的情况
PUT test/test/_mapping
{
   "test": {
      "_source": {
         "enabled": false
      }
   }
}POST test/test/1 { "title":"我是中国人", "content":"热爱" }
//返回数据没有字段了
GET test/_search
{
    "query": {
        "match": {
           "title": "中国人"
        }
    }
}
{
   "took": 9,
   "timed_out": false,
   "_shards": {
      "total": 5,
      "successful": 5,
      "failed": 0
   },
   "hits": {
      "total": 1,
      "max_score": 0.30685282,
      "hits": [
         {
            "_index": "test",
            "_type": "test",
            "_id": "1",
            "_score": 0.30685282
         }
      ]
   }
}
//当存储的数据太大的时候，我们可以对一些不需要的数据进行禁用，以减少存储消耗。

//可以排除部分大的字段，让他们不会被存储，也不会建立倒排索引
{
    "yourtype":{
        "_source":{
            "includes":["field1","field2"]    //包括某些字段
             "excludes":["field1","field2"]   //排除某些字段：
        },
        "properties": {
            ... 
        }
    }
}
  • _ all字段的用法：默认是关闭的，如果要开启_all字段，索引增大是不言而喻的。它开启后，将会把传入的所有域合为一个大的域，再进行分词之类的。用于实现文档的搜索，而不是一个域的搜索（相当于一行数据有字段就查出来，而不是针对某一列进行筛选）
//开启all
"yourtype": {
      "_all": {
         "enabled": true
      },
      "properties": {
            ... 
      }
   }
}

POST test/test/1 { "title":"我是中国人", "content":"热爱" }
//对_all字段进行搜索并高亮:
POST test/_search
{
   "fields": ["_all"], 
   "query": {
      "match": {
         "_all": "中国人"
      }
   },
   "highlight": {
      "fields": {
         "_all": {}
      }
   }
}
{
   "took": 3,
   "timed_out": false,
   "_shards": {
      "total": 5,
      "successful": 5,
      "failed": 0
   },
   "hits": {
      "total": 1,
      "max_score": 0.15342641,
      "hits": [
         {
            "_index": "test",
            "_type": "test",
            "_id": "1",
            "_score": 0.15342641,
            "_all": "我是中国人 热爱 ",
            "highlight": {
               "_all": [
                  "我是<em>中国人</em> 热爱 "
               ]
            }
         }
      ]
   }
}

//指定哪些字段合并为一个大域
{
   "yourtype": {
      "properties": {
         "field1": {
             "type": "string",
             "include_in_all": false
          },
          "field2": {
             "type": "string",
             "include_in_all": true
          }
      }
   }
}
  • Elasticsearch中的query_string和simple_query_string默认就是查询_all字段,示例如下：
GET test/_search
{
    "query": {
        "query_string": {
           "query": "公公公"
        }
    }
}

会怎么

可以实现快速查询，全文检索。

参考

  1. Elasticsearch学习之图解Elasticsearch中的source、all、store和index属性

  2. es基础教程

  3. ElasticSearch 入门教程

  4. 全文搜索引擎 Elasticsearch 入门教程，基本的增删改查

  5. 官方文档，中文版

  6. kibana用法

  7. es详细教程，格式很丑，但是啃下来还是不错的

  8. es的查后更新

穿越23小时
关注
  • 0
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Elasticsearch
ne_123456的博客
08-15 865
Elasticsearch
Spring+boot+快速入门.pdf
11-01
Spring+boot+快速入门.pdf,快速便捷的学习spring boot，不用看那么一坨xml真的很神清气爽，精简配置是一方面, 另外一方面是如何方便的让spring生态圈和其他工具链整合(比如redis, email, elecsearch)。
Blog.Core 5.0 开源框架 换掉ES 使用elasticsearch 。
02-14
Blog.Core 5.0 开源框架 换掉ES 使用elasticsearch 。
elasticesearch中文文档
08-15
elasticsearch最新的中文文档，希望能够帮助大家更好的学习es
Spring data elasticsearch使用方法详解
08-25
主要介绍了Spring data elasticsearch使用方法详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
ES的基本使用
pshdhx的博客
07-10 9055
elasticsearch的基础语法+聚合函数+IK分词器+java的API的高阶调用
ES的使用
qq_46020806的博客
05-20 1859
5. 查询数据：ES提供了非常强大的查询功能，你可以使用各种查询语句来检索数据。例如，你可以使用match查询查找包含特定关键字的文档，也可以使用bool查询来组合多个条件进行查询。3. 创建索引：在ES中，所有的数据都是存储在索引中的。你可以使用ES提供的API创建一个新的索引，并定义其中包含的字段和类型。以上是一些常用的ES查询语句，当然ES还有很多其他的高级用法和查询方式，需要根据具体场景进行学习和掌握。6. 聚合数据：除了查询功能外，ES还提供了丰富的聚合功能，可以对搜索结果进行分组、分析和汇总。
ElasticSearch基本使用
我们仍未知道那天所见花的名字,但是她的香味却留在我心间
08-21 1886
Elaticsearch，简称为es，es是一个，它可以近乎;本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。es也使用lava开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的来隐藏Lucene的复杂性，从而让全文搜索变得简单。据国际权威的数据库产品评测机构DB Engines的统计，在2016年1月，ElasticSearch已超过Solr等，成为排名第一的搜索引擎类应用。它用于以及将这三者混合使用。
ES的基本用法
qq_41536778的博客
03-30 3033
ES的基本概念 1> 集群和节点 一个es集群是由一个或多和es节点组成的集合 每一个集群都有一个名字, 如之前的wali 每个节点都有自己的名字, 如之前的master, slave1, slave2 节点是可以存储数据, 参与索引数据等的独立服务 2> 索引(类似于数据库里面的database) 索引是含有相同属性的文档集合 索引在es中是通过一个...
（十）ES 入门教程
taoge512的博客
05-11 6602
本文为学习笔记，主要用于记录本人学习过程。部分内容为转载！！！！. 1、 ElasticSearch介绍 1.1 介绍 官方网址：https://www.elastic.co/cn/products/elasticsearch Github：https://github.com/elastic/elasticsearch 总结： 1、elasticsearch是一个基于Lucene的高扩展的分布式搜索服务器，支持开箱即用。 2、elasticsearch隐藏了Lucene的复杂性，对外提供Rest
C# 对ES搜索引擎 的封装，初学者可以学习学习
08-03
C# 对ES搜索引擎 的封装，初学者可以学习学习,
ElasticSearch使用说明书 - 整合篇
04-14
elasticSearch使用说明，从如何安装es，kibana，以及es的相关配置到如何查询。如何入库，与其他SQL的对比等。资源整合不宜，若有版权侵犯，还请各位大佬联系删除。如有使用错误方面也请各位大牛指出，讨论。
elasticsearch学习入门
08-30
分布式搜索elasticsearch学习入门资料
Elasticsearch使用教程.html
08-14
概述 Elasticsearch是面向文档(document oriented)的，它可以存储整个对象或文档(document)而不仅仅是存储（store），并且可以索引(index)每个文档的内容使之可以被搜索。在Elasticsearch中，可以对文档（而非成行成列的数据）进行索引、搜索、排序与过滤。Elasticsearch比较传统关系型数据库如下： Relational DB -> Databases -> Tables -> Rows -> Columns Elasticsearch -> Indices -> Types -> Documents -> Fields
ElasticSearch使用一套全
08-27
ElasticSearch管理控制台Kibana压缩包，Kibana是ES提供的一个基于Node.js的管理控制台, 可以很容易实现高级的数据分析和可视化，以图标的形式展现出来。 ElasticSearch的可视化管理插件head，监视ES的状态 查看...
后端开发是一个涉及广泛技术和工具的领域.docx
最新发布
04-30
后端开发是一个涉及广泛技术和工具的领域，这些资源对于构建健壮、可扩展和高效的Web应用程序至关重要。以下是对后端开发资源的简要介绍： 首先，掌握一门或多门编程语言是后端开发的基础。Java、Python和Node.js是其中最受欢迎的几种。Java以其跨平台性和丰富的库而著名，Python则因其简洁的语法和广泛的应用领域而备受欢迎。Node.js则通过其基于JavaScript的单线程异步I/O模型，为Web开发提供了高性能的解决方案。 其次，数据库技术是后端开发中不可或缺的一部分。关系型数据库（如MySQL、PostgreSQL）和非关系型数据库（如MongoDB、Redis）各有其特点和应用场景。关系型数据库适合存储结构化数据，而非关系型数据库则更适合处理大量非结构化数据。 此外，Web开发框架也是后端开发的重要资源。例如，Express是一个基于Node.js的Web应用开发框架，它提供了丰富的API和中间件支持，使得开发人员能够快速地构建Web应用程序。Django则是一个用Python编写的Web应用框架，它采用了MVC的软件设计模式，使得代码结构更加清晰和易于维护。
华为数字化转型实践28个精华问答glkm.pptx
04-30
华为数字化转型实践28个精华问答glkm.pptx
新员工入职培训全流程资料包gl.zip
04-30
新员工入职培训全流程资料包（100+个文件） 1入职流程指引 万科新职员入职通知书 万科新职员入职引导手册 新进员工跟进管理表 新员工入职报到工作单(文职) 新员工入职报到流程 新员工入职流程表 新员工入职手续办理流程(工厂 新员工入职手续清单 新员工入职须知 新员工入职训流程 新员工入职引导表(导师用) 2 入职工具表格 3 培训方案计划 4培训管理流程 5培训教材课件 6 培训效果检测 7 员工管理制度 8 劳动合同协议 9 新员工培训PPT模板(28套)
三菱PLC通讯程序实例
04-30
FX5U PLC作为主、从站的通讯方式程序实例，以及包含详细说明文件...
Elasticsearch使用
07-22
Elasticsearch是一个分布式搜索和分析引擎，它提供了强大的全文搜索功能和实时数据分析能力。下面是一些常用的Elasticsearch使用方式和操作示例： 1. 索引数据：在Elasticsearch中，你需要将数据索引到一个或多个索引中。索引是一种结构化的数据存储方式，类似于数据库中的表。你可以使用Elasticsearch提供的API（如REST API或Elasticsearch客户端库）来索引数据。 ```java IndexRequest request = new IndexRequest("my_index"); // 指定索引名称 request.id("1"); // 指定文档ID request.source("field1", "value1", "field2", "value2"); // 指定字段和对应的值 IndexResponse response = client.index(request, RequestOptions.DEFAULT); ``` 2. 搜索数据：使用Elasticsearch进行全文搜索非常强大和灵活。你可以构建各种查询条件来匹配文档，并按照相关性进行排序和过滤。 ```java SearchRequest request = new SearchRequest("my_index"); // 指定索引名称 SearchSourceBuilder sourceBuilder = new SearchSourceBuilder(); sourceBuilder.query(QueryBuilders.matchQuery("field", "value")); // 匹配字段和值 request.source(sourceBuilder); SearchResponse response = client.search(request, RequestOptions.DEFAULT); SearchHits hits = response.getHits(); for (SearchHit hit : hits) { String id = hit.getId(); Map<String, Object> sourceAsMap = hit.getSourceAsMap(); // 处理搜索结果 } ``` 3. 聚合和分析：Elasticsearch提供了丰富的聚合功能，用于对数据进行分组、计数、求和等操作，以便进行数据分析和可视化。 ```java SearchRequest request = new SearchRequest("my_index"); // 指定索引名称 SearchSourceBuilder sourceBuilder = new SearchSourceBuilder(); TermsAggregationBuilder aggregation = AggregationBuilders.terms("by_field").field("field"); // 按字段进行分组 sourceBuilder.aggregation(aggregation); request.source(sourceBuilder); SearchResponse response = client.search(request, RequestOptions.DEFAULT); Terms terms = response.getAggregations().get("by_field"); for (Terms.Bucket bucket : terms.getBuckets()) { String key = bucket.getKeyAsString(); long docCount = bucket.getDocCount(); // 处理聚合结果 } ``` 4. 更新和删除数据：如果你需要更新或删除索引中的文档，可以使用相应的API进行操作。 ```java UpdateRequest request = new UpdateRequest("my_index", "1"); // 指定索引名称和文档ID request.doc("field", "new_value"); // 更新字段的值 UpdateResponse response = client.update(request, RequestOptions.DEFAULT); ``` ```java DeleteRequest request = new DeleteRequest("my_index", "1"); // 指定索引名称和文档ID DeleteResponse response = client.delete(request, RequestOptions.DEFAULT); ``` 这些只是Elasticsearch的一些基本使用方式和操作示例，实际使用中还有更多的功能和配置选项可供探索。你可以参考Elasticsearch的官方文档和API参考来深入了解和使用Elasticsearch。祝你使用Elasticsearch愉快！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值