前言
文章目录
文章目录
引用说明
本文参考狂神说狂神的视频以及文章，大家可以支持下狂神（狂神ElasticSearch文章地址、狂神ElasticSearch视频地址）
准备工作
安装es以及head，以及kibana，上文地址有说，上文地址
elasticSearch的基本操作
| 关系型数据库 | ElasticSearch |
|---|---|
| 数据库（database） | 索引（indices） |
| 表（table） | 类型（types） |
| 行（rows） | 文档（documents） |
| 字段（columns） | fields |
在说操作之前，还是要先明白elasticSearch所提供的几种数据类型！
字段数据类型
-
字符串类型（text、keyword）
text：支持分词，全文检索,支持模糊、精确查询,不支持聚合,排序操作;text类型的最大支持的字符长度无限制,适合大字段存储；
keyword：不进行分词，直接索引、支持模糊、支持精确匹配，支持聚合、排序操作。keyword类型的最大支持的长度为——32766个UTF-8类型的字符,可以通过设置ignore_above指定自持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。 -
数值型（long、Integer、short、byte、double、float、half float、scaled float）
-
日期类型（date）
-
布尔类型（boolean）
-
二进制类型（binary）
1、关于索引的操作
创建索引
格式：PUT /索引名/~类型名~/文档id{请求体}
对应关系型数据库即是 数据库名/表名/行的id
例子：
PUT /test1/type1/1
{
"name":"小明",
"age":18
}
图解：
查看可视化界面
此时可以看到一些基本信息，但是如果我们想要指定“name”字段以及“age”字段的类型，那么该如何设置呢？？？
需要在创建索引时，指定字段的类型，如下：
# 创建规则数据库，指定字段类型
PUT /test2
{
"mappings": {
"properties": {
"name":{
"type": "text"
},
"age":{
"type": "long"
},
"birthday":{
"type": "date"
}
}
}
}
此时我们注意到并没有指定类型（数据库中称为表名，也就是上面的type1），那么elasticSearch提供了一个默认的类型（表名）：_doc
图解：
此时查看可视化界面如下：
查看索引
查看索引
往索引中插入数据
向上面创建的test2索引库中插入数据，如下（直接向默认的_doc中插入数据）：
数据浏览
2、查看elasticSearch的基本信息
# 查看elasticSearch的健康状态
GET _cat/health
#查看elasticSearch的各个索引库
GET _cat/indices -v
上图：
3、更新文档
上面我们已经为test2索引库，插入了一条数据，如下：
此时我们更新数据（与其说是更新，不如说是覆盖）：
对应sql语句为：update test2._doc set name='ls',age='18',birthday=null where _id=1
#修改值 索引库名/类型名/id号
PUT /test2/_doc/1
{
"name": "ls",
"age": 18
}
# 发现这种更新（覆盖）方式不适合真实需求（如果缺少字段会丢失对应的值） 状态值增加
图解：
数据浏览如下：
此时“birthday”字段值丢失。
那么如何实现只更新对应字段数据，而其他数据不影响呢？？？
首先还原数据，如下
# 还原数据
PUT /test2/_doc/1
{
"name": "ls",
"age": 18,
"birthday":"2000-01-02"
}
图解：
更新
#更新数据 不丢失 推荐 只修改对应的字段，其他字段不动
POST /test2/_doc/1/_update
{
"doc":{
"name": "zs"
}
}
4、删除索引、文档
插入和更新说完了，那么说说删除！
首先删除文档（一行数据）：
# 删除文档（一行数据）
DELETE test2/_doc/1
结果如图
删除索引（库）：
#删索引（库）
DELETE test2
结果如图
5、查询
众所周知，CRUD中最重要的还是R！！！
准备工作
首先创建一个干净的索引，然后插入几条文档，如下：
（对应数据库的理解是 创建一个叫test4的数据库，然后新建一个user表，插入三条数据）
PUT /test4/user/1
{
"name": "lxl",
"age": 21,
"dec": "大四学生",
"tags":["java","实习生","没工作","学生"]
}
PUT /test4/user/2
{
"name": "zs",
"age": 18,
"dec": "法外狂徒",
"tags":["坏人","法律","牛"]
}
PUT /test4/user/3
{
"name": "ww",
"age": 16,
"dec": "女生",
"tags":["女生","学生"]
}
执行
根据id查询指定文档
GET test4/user/1
根据指定字段精确匹配指定文档
# 获取数据 精确匹配 根据name字段查
GET test4/user/_search?q=name:lxl
# 模糊查 发现查不到 因为是精确匹配
GET test4/user/_search?q=name:lx
详细介绍，如下：
match查询
适合模糊查询，接下来的term适合精准匹配！！！
在查询之前首先明白，match是干什么的！
match匹配中，如果该字段是“text”文本类型，则会被ik分词器分析，如果是“keyword”类型则不会被分析，该类型取决于创建该type（表）时，对字段的约束（mapping）。
分析词语
GET _analyze
{
"text": "学生"
}
发现“学生”被分成了“学”和“生”两次词语，接下来的match匹配中查询dec为“学生”的文档，会匹配到dec为“女生”，因为“女生”中带有“生”这个词！！！
匹配 name字段为“ww”的文档
GET test4/user/_search
{
"query": {
"match": {
"name": "ww"
}
}
}
查询返回指定字段
匹配 name字段为“ww”的文档，并只返回name和age字段
GET test4/user/_search
{
"query": {
"match": {
"name": "ww"
}
},
"_source": ["name","age"]
}
升序或降序查询
匹配 dec字段含“学生”分词的文档，并根据年龄降序返回（升序为asc）
GET test4/user/_search
{
"query": {
"match": {
"dec": "学生"
}
}
,"sort": [
{
"age": {
"order": "desc"
}
}
]
}
分页查询
匹配 dec字段含“学生”分词的文档，并分页返回（下标从0开始）
GET test4/user/_search
{
"query": {
"match": {
"dec": "学生"
}
}
,
"from": 0,
"size": 1
}
布尔值查询
同时满足（must）
同时满足dec中包含“学生”分词且“age”为21的文档（类似于java的and）
GET test4/user/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"dec": "学生"
}
},
{
"match": {
"age": "21"
}
}
]
}
}
}
满足其一
同时满足dec中包含“学生”分词 或者 “age”为18的文档（类似于java的or）
GET test4/user/_search
{
"query": {
"bool": {
"should": [
{
"match": {
"dec": "学生"
}
},
{
"match": {
"age": "18"
}
}
]
}
}
}
同时不满足
既不满足dec中包含“学生”分词 也不“age”为18的文档
GET test4/user/_search
{
"query": {
"bool": {
"must_not": [
{
"match": {
"dec": "学生"
}
},
{
"match": {
"age": "18"
}
}
]
}
}
}
数据过滤
满足dec包含学生分词，并且age大于10的文档（gt大于、lt小于、gte大于等于、lte小于等于）
GET test4/user/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"dec": "学生"
}
}
],
"filter": {
"range": {
"age": {
"gt": 10
}
}
}
}
}
}
单字段匹配多个条件
对“坏 学生”做分析，如下：
匹配 tags中带有 如上分析出的三个字的文档
GET test4/user/_search
{
"query": {
"match": {
"tags": "坏 学生"
}
}
}
term精准匹配
上面的match可以看出适合模糊查询，term适合精准匹配
首先理论基础：
term在查询时只能精确查询，match是模糊查询，而字段类型为keyword的内容不管用哪种方式，都只能精确查询
测试准备
创建一个testdb的索引（库），使用默认的_doc类型（表）并对字段类型进行约束。
PUT testdb
{
"mappings": {
"properties": {
"name":{
"type": "text"
},
"desc":{
"type": "keyword"
}
}
}
}
name字段为text类型，会进行分析，desc字段为keyword类型，无论是term还是match匹配都不会进行分析
插入几条文档：
PUT testdb/_doc/1
{
"name": "小明",
"desc": "男生"
}
PUT testdb/_doc/2
{
"name": "小红",
"desc": "女生"
}
PUT testdb/_doc/3
{
"name": "小刚",
"desc": "帅哥"
}
词语分析
为了在查询之前更加的清晰明了，首先做一下分析
# keyword类型不被分析
GET _analyze
{
"analyzer": "keyword",
"text": "小红"
}
# standard类型被分析
GET _analyze
{
"analyzer": "standard",
"text": "小红"
}
分析如图：
term精准匹配
上面的desc字段为keyword类型，接下来我们来匹配如下：
GET testdb/_search
{
"query": {
"term": {
"desc": "生"
}
}
}
GET testdb/_search
{
"query": {
"match": {
"desc": "生"
}
}
}
由于是keyword类型，只能精准匹配，所以不论是term还是match，都无法获得desc为“生”数据
高亮查询
默认高亮
接着使用上面的例子，如下：
# 高亮查询
GET testdb/_search
{
"query": {
"match": {
"name": "小明"
}
},
"highlight": {
"fields": {
"name":{}
}
}
}
如下：
自定义高亮
# 高亮查询 自定义
GET testdb/_search
{
"query": {
"match": {
"name": "小明"
}
},
"highlight": {
"pre_tags": "<p class='key',class='color=red'>",
"post_tags": "</p>",
"fields": {
"name":{}
}
}
}
如下：
至此本文结束，谢谢大家
7821
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
