ElasticSearch基础语法之进阶基础查询&field类型

目录

ES基础查询

1、充分理解倒排索引及token的概念

2、倒排索引的核心组成 

 3、存储并索引

4、 利用analyze api搜索

 建立索引

5、field类型

---

 

ES基础查询

1、充分理解倒排索引及token的概念

搜索引擎其实跟我们的使用图书很相似，下面我来对图书和搜索引擎进行一个简单的类比，来看一下搜素引擎中正排和倒排索引。

• 图书
  • 正排索引-目录页
  • 倒排索引-索引页

• 搜索引擎
  • 正排索引-文档 Id 到文档内容和单词的关联
  • 倒排索引-单词到文档 Id 的关系

2、倒排索引的核心组成 

 

 

倒排列表的元数据结构：

(DocID;TF;<POS>)

其中：

• DocID：出现某单词的文档ID
• TF(词频)：单词在该文档中出现的次数
• POS：单词在文档中的位置

则它们生成的倒排索引

 3、存储并索引

只有被analyze后生成的索引存储下来后才能被搜索到，单纯的存储不analyze的数据不能被搜索，但可以读取出来展示给用户 

4、 利用analyze api搜索

 建立索引

PUT /employee/_doc/1
{
    "name": "Eating an apple a day & keeps the doctor away", 
    "age": 30
}

然后搜索

GET /employee/_search
{
  "query":{
    "match": {"name":"eat"}
  }
}

没搜到后使用analyze api查看分析处理结果，可以看到没有分出eat，所以搜不到，改成用english分词器做

GET /employee/_analyze
{
  "field":"name",
  "text":"Eating an apple a day & keeps the doctor away"
}

重新创建索引

PUT /employee
{
    "settings" : {
      "number_of_shards" : 1,
      "number_of_replicas" : 1
   },
    "mappings" : {
            "properties" : {
                "name" : { "type" : "text","analyzer": "english"},
                "age" : {"type":"integer"}
            }
    }

在用analyze api，可以看到eat

GET /employee/_analyze
{
  "field":"name",
  "text":"Eating an apple a day & keeps the doctor away"
}

英文分析器的步骤

1. 1.字符过滤 &过滤掉
2. 2.字符处理 以空格和标点符号分割
3. 3.分词过滤 变小写，去掉停用词（the），同义词，词干转化器

4. 5、field类型

5. 类型	说明
   text	被分析索引的字符串类型
   keyword	不能被分析只能被精确匹配的字符串类型
   date	日期时间类型 可以配合 format一起使用（{"type":"date","format":"yyyy-MM-dd"}）

   数字类型：long,integer,short，double等

6. boolean类型：true，false
   array类型：[“one”,“two”]等
   object类型：json嵌套{“property1”:“value1”,“property2”:“value2”}
   ip:ip类型
   geo_point:地理位置类型

7. 地址定义

8. {
     "mappings": {
       "_doc": {
         "properties": {
           "location": {
             "type": "geo_point"
           }
         }
       }
     }
   }

   建立索引

9. "location": { 
       "lat": 41.12,
       "lon": -71.34
   }