初识 Elasticsearch

最新推荐文章于 2024-10-31 17:09:16 发布

兰陵指月

最新推荐文章于 2024-10-31 17:09:16 发布

阅读量257

点赞数 1

分类专栏： Elasticsearch 文章标签： es elasticsearch java 系统安装 cmd

本文链接：https://blog.csdn.net/qq_42868618/article/details/119612774

版权

Elasticsearch 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

Kibana 和 Elasticsearch 使用

文章目录

Kibana 和 Elasticsearch 使用

1. 文档地址

Elasticsearch 下载地址：https://www.elastic.co/cn/downloads/elasticsearch
Elasticsearch 英文文档：https://www.elastic.co/guide/en/elasticsearch/reference/master/index.html
Elasticsearch 中文文档：https://www.elastic.co/guide/cn/elasticsearch/guide/current/running-elasticsearch.html
Kibana 下载文档： https://www.elastic.co/cn/downloads/kibana
Kibana 用户指南： https://www.elastic.co/guide/cn/kibana/current/introduction.html

2. Elasticsearch 的安装

Elasticsearch 是一个分布式文件存储系统，存储数据的方式和 MongoDB一样，是面向文档存储；
从指定网站下载 WINDOWS 版本压缩包到本地；
解压打开 /bin 文件夹运行 elasticsearch.bat 启动成功
注意 Elasticsearch 是基于java开发的，所以本地要有 java环境；
验证启动是否成功： cmd 环境下访问 curl http://localhost:9200/?prett

如果启动成功，应该会得到以下响应

{
  "name" : "DESKTOP-N23GA7R",
  "cluster_name" : "elasticsearch",
  "cluster_uuid" : "8PYuCc5ATvymKw5brgP2qA",
  "version" : {
    "number" : "7.14.0",
    "build_flavor" : "default",
    "build_type" : "zip",
    "build_hash" : "dd5a0a2acaa2045ff9624f3729fc8a6f40835aa1",
    "build_date" : "2021-07-29T20:49:32.864135063Z",
    "build_snapshot" : false,
    "lucene_version" : "8.9.0",
    "minimum_wire_compatibility_version" : "6.8.0",
    "minimum_index_compatibility_version" : "6.0.0-beta1"
  },
  "tagline" : "You Know, for Search"
}

3. Kibana 的安装

Kibana 是操作 Elasticsearch 数据的可视化 Web 端
Kibana 是一个开源分析和可视化平台，旨在与 Elasticsearch 配合使用。您可以使用 Kibana 搜索、查看存储在 Elasticsearch 索引中的数据并与之交互。您可以轻松地执行高级数据分析并在各种图表、表格和地图中可视化您的数据。
从指定网站下载 WINDOWS 版本压缩包到本地；
解压打开 /bin 文件夹运行 kibana.bat 启动成功
访问 http://localhost:5601/ 显示 Kibana Web端
打开 Dev Tools - Elastic 访问 Elasticsearch 操作控制端，进行Elasticsearch 数据操作；

[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-RJ6YHKHg-1628674785691)(C:\Users\C\Desktop\1628238374194.png)]

4. Elasticsearch 命令使用

索引（名词）：

如前所述，一个索引类似于传统关系数据库中的一个 数据库 ，是一个存储关系型文档的地方。索引 (index) 的复数词为 indices 或 indexes

索引（动词）：

索引一个文档 就是存储一个文档到一个索引（名词）中以便被检索和查询。这非常类似于 SQL 语句中的 INSERT 关键词，除了文档已存在时，新文档会替换旧文档情况之外。
使用 Kibana Dev Tools 操作命令；

在 Dev Tools 中使用的命令为简化命令，例如

// 计算集群中完整的文档数量，完整写法如下：
curl -XGET 'localhost:9200/_count?pretty' -d '
{
    "query": {
        "match_all": {}
    }
}'


// Dev Tools  中使用缩写格式来展示这些 curl 示例，所谓的缩写格式就是省略请求中所有相同的部分，例如主机名、端口号以及 curl 命令本身

// 缩略格式
GET /_count
{
    "query": {
        "match_all": {}
    }
}

常用命令如下
PUT : 新增数据/修改数据
GET：可以用来检索文档
DELETE：删除文档
HEAD ：检查文档是否存在

// 计算集群中完整的文档数量
GET /_count?pretty
{

    "query": {

        "match_all": {}

    }

}

// 添加数据/数据已经存在就会更新文档
//  megacorp: 索引名称，这里的索引相当于数据库名
// employee :   类型名称
// 1        : 数据id
// 中括号包围的数据为 员工数据 ，为一个json
PUT /megacorp/employee/1
{
    "first_name" : "John",
    "last_name" :  "Smith",
    "age" :        25,
    "about" :      "I love to go rock climbing",
    "interests": [ "sports", "music" ]
}
PUT /megacorp/employee/2
{
    "first_name" :  "Jane",
    "last_name" :   "Smith",
    "age" :         32,
    "about" :       "I like to collect rock albums",
    "interests":  [ "music" ]
}
PUT /megacorp/employee/3
{
    "first_name" :  "Douglas",
    "last_name" :   "Fir",
    "age" :         35,
    "about":        "I like to build cabinets",
    "interests":  [ "forestry" ]
}


// 定向检索
GET /megacorp/employee/1

// 检索 megacorp索引下 employee 类型的所有数据，默认返回十条结果
GET /megacorp/employee/_search?pretty

//  查询字符串 （query-string） 搜索
GET /megacorp/employee/_search?q=last_name:Smith


// 使用请求体构建查询参数，查询 last_name = Smith 的员工数据
// match 查询为查询类型之一
GET /megacorp/employee/_search
{
    "query" : {
        "match" : {
            "last_name" : "Smith"
        }
    }
}


// 搜索姓氏为 Smith 的员工，同时需要年龄大于 30 
// range 过滤器 ， 它能找到年龄大于 30 的文档，其中 gt 表示_大于_(great than)
GET /megacorp/employee/_search
{
    "query" : {
        "bool": {
            "must": {
                "match" : {
                    "last_name" : "smith" 
                }
            },
            "filter": {
                "range" : {
                    "age" : { "gt" : 30 } 
                }
            }
        }
    }
}


//  全文搜索
// 搜索下所有喜欢攀岩（rock climbing）的员工
// 搜索 about属性为 rock climbing 的员工
// 
GET /megacorp/employee/_search
{
    "query" : {
        "match" : {
            "about" : "rock climbing"
        }
    }
}


//  返回结果
// 根据每个文档跟查询条件的匹配程度，进行相关性得分排序（排序规则从高到低）；
// Jane Smith 的 about属性中有“rock”，就有了相似性，但是得分会低于 John Smith
// 与传统数据库不同的是，传统数据库是直接匹配，而 ES 是相似性匹配，然后排序。PS：只要
文档中含有查询条件中的任何一个元素就能进行相似性匹配。
{
   ...
   "hits": {
      "total":      2,
      "max_score":  0.16273327,
      "hits": [
         {
            ...
            "_score":         0.16273327, 
            "_source": {
               "first_name":  "John",
               "last_name":   "Smith",
               "age":         25,
               "about":       "I love to go rock climbing",
               "interests": [ "sports", "music" ]
            }
         },
         {
            ...
            "_score":         0.016878016, 
            "_source": {
               "first_name":  "Jane",
               "last_name":   "Smith",
               "age":         32,
               "about":       "I like to collect rock albums",
               "interests": [ "music" ]
            }
         }
      ]
   }
}


// match_phrase 查询 精确匹配一系列单词或者_短语_ 
// 仅匹配同时包含 “rock” 和 “climbing” ，并且 二者以短语 “rock climbing” 的形式紧挨着的雇员记录。
// 类似于 mysql 中的 like 查询
GET /megacorp/employee/_search
{
    "query" : {
        "match_phrase" : {
            "about" : "rock climbing"
        }
    }
}


// 高亮搜索
// 添加 hlight 参数
// 高亮显示符合查询条件的部分片段，类似于百度查询结果的高亮显示
GET /megacorp/employee/_search
{
    "query" : {
        "match_phrase" : {
            "about" : "rock climbing"
        }
    },
    "highlight": {
        "fields" : {
            "about" : {}
        }
    }
}

// 查询结果
// highlight 部分是高亮显示的字段属性，文档和查询条件进行匹配成功的片段用 <em>标签 进行修饰，表示高亮
{
   ...
   "hits": {
      "total":      1,
      "max_score":  0.23013961,
      "hits": [
         {
            ...
            "_score":         0.23013961,
            "_source": {
               "first_name":  "John",
               "last_name":   "Smith",
               "age":         25,
               "about":       "I love to go rock climbing",
               "interests": [ "sports", "music" ]
            },
            "highlight": {
               "about": [
                  "I love to go <em>rock</em> <em>climbing</em>" 
               ]
            }
         }
      ]
   }
}


// 聚合分析  功能类似于 SQL 中的 GROUP BY ,但是更完善
// 对于聚合的字段没有添加索引，执行聚合语句就会报错，如下
{
  "error" : {
    "root_cause" : [
      {
        "type" : "illegal_argument_exception",
        "reason" : "Text fields are not optimised for operations that require per-document field data like aggregations and sorting, so these operations are disabled by default. Please use a keyword field instead. Alternatively, set fielddata=true on [interests] in order to load field data by uninverting the inverted index. Note that this can use significant memory."
      }
    ]
    ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~  中间省略
  "status" : 400
}

// 添加字段索引
PUT /megacorp/_mapping
{
"properties": {
    "interests": {  // 字段名称 
      "type":     "text",
      "fielddata": true
    }
  }
}

// 查询所有索引
GET _cat/indices?v

// 聚合员工中最受欢迎的兴趣爱好
// aggregations.all_interests 中表示聚合结果
GET /megacorp/employee/_search
{
  "aggs": {
    "all_interests": {
      "terms": { "field": "interests" }
    }
  }
}


// 结合查询的聚合
//  叫 Smith 的员工中最受欢迎的兴趣爱好
GET /megacorp/employee/_search
{
  "query": {
    "match": {
      "last_name": "smith"
    }
  },
  "aggs": {
    "all_interests": {
      "terms": {
        "field": "interests"
      }
    }
  }
}

// 对以上的结果进行聚合汇总，查询每个兴趣爱好员工的平均年龄
GET /megacorp/employee/_search
{
    "aggs" : {
        "all_interests" : {
            "terms" : { "field" : "interests" },
            "aggs" : {
                "avg_age" : {
                    "avg" : { "field" : "age" }
                }
            }
        }
    }
}