elasticsearch date_入门全文检索引擎ElasticSearch

最新推荐文章于 2022-11-21 10:15:39 发布
最新推荐文章于 2022-11-21 10:15:39 发布
阅读量73 收藏
点赞数
文章标签： elasticsearch date 启动elasticsearch命令 无法从elasticsearch节点检索版本信息 无法检索表列 未指定服务器名称

a18b7715acc56584ab7073a26b84ff5e.png

1）ElasticSearch基本介绍

ElasticSearch（以下简称ES）是Java编写的基于Lucene之上的全文检索服务器，它在Lucene的基础上做了简化，使用RESTful的形式提供分布式的全文检索功能。它在海量数据检索方面是Mysql远不能及的，对于一些需要从大量文本中按照特定条件检索数据的场景，比如博客的文章检索系统，用户输入关键字搜索时不只是匹配标题那么简单，还需要对文章正文中的数据匹配，使用ES显然比Mysql更为合适且高效。区别于Mysql，ES的结构名称不同，但都有对应关系：

8ada69e7a3a8abc78df58d423781927b.png

！在ES6.x版本之后官方推荐在一个Index（索引）里尽量保证只有一个Type（类型）。

  • 索引（Index）：含有相同属性的文档的集合，索引名称必须是小写字母
  • 类型（Type）：索引可以定义一个或多个类型，文档必须属于一个类型
  • 文档（Document）：文档是数据存储的基本单位，对应Mysql的一行记录
  • 字段（Field）：ES中的字段与Mysql中的列概念是一样的
  • 映射（Mapping）：映射定义了ES的数据存储结构

2）RESTful API的格式

ES提供了RESTful形式的API可供使用，我们有必要了解URL中每段对应的是什么：http://:<端口>/<索引>/<类型>/<文档id>，辅以HTTP请求方法如GET、POST、DELETE、PUT等可以完成对ES的各种操作。

3）部署ElasticSearch

3.1）部署一个单节点的ElasticSearch

因为ES是使用Java语言编写的，运行需要Java环境支持，6.x版本注意对应Java 8，如果安装了高版本如JDK13可能导致版本不匹配而出现Caused by: java.security.AccessControlException: access denied ("java.lang.RuntimePermission" "accessClassInPackage.jdk.internal.vm.annotation")等异常导致ES启动失败。由于我的电脑中只安装了JDK13，所以只能找7.x版本适配。这里使用的是Linux（Ubuntu18.04）环境，下载7.3.2版本的tar.gz文件（Windows环境下载对应文件并双击运行bin下的elasticsearch.bat文件即可）并解压（sudo tar -zxvf elasticsearch-7.3.2-no-jdk-linux-x86_64.tar.gz），ES解压后的目录如下：

8f499b1e93ad8f0b3f99bdeb9fc87f7c.png
  • bin：ES的启动脚本程序（重要）
  • config：ES配置文件（重要）
  • lib：运行时依赖的第三方库
  • logs：运行的日志信息
  • modules：ES的模块程序目录
  • plugins：放置第三方插件的目录（重要）

Linux下不能使用root用户（包括sudo）运行脚本，需要一个普通用户。同样因为Linux中的权限问题，直接运行脚本会提示无法访问配置文件，还需要使用命令sudo chown -R tiny:tiny elasticsearch-7.3.2对当前用户赋予对文件夹下内容的访问权限(tiny:tiny分别是用户组和组中用户)。最后进入到ES文件夹下执行bin/elasticsearch &启动ES（加'&'可以后台形式启动ES，不会阻塞Bash进程）;启动无报错信息后在浏览器输入localhost:9200回车，出现类似如下响应表示一个单节点的ES启动成功：

a0ca286cd15a628050455456637c7929.png

！ElasticSearch在国内的下载速度缓慢，可从此网站下载需要的ES

3.2）安装Elasticsearch-head

可以看到ES返回的都是JSON形式的响应，对于用户来说并不友好，我们需要一个更为人性化的前端系统来展示和管理ES，这就是下面要用到的ealsticsearch-head。

安装elasticsearch-head前需要先安装node.js环境和npm，Ubuntu下使用命令安装：sudo apt install nodejs、sudo apt install npm；接下来拉取elasticsearch-head的代码：sudo git clone git://github.com/mobz/elasticsearch-head.git，然后进入elasticsearch-head目录下，此时还需要安装phantomjs-prebuilt，因为使用默认源安装会卡住，我们需要指定一下它的下载源：npm config set phantomjs_cdnurl https://npm.taobao.org/mirrors/phantomjs/，然后再执行命令sudo npm install phantomjs-prebuilt，此时可能出现错误：

8cd7fd7339ad51be3b6eb4f3a06ab3a5.png

执行sudo npm install phantomjs-prebuilt@2.1.16 --ignore-scripts，安装成功了！接下来开始正题，执行sudo npm install安装elasticsearch-head，安装成功后使用命令npm run start启动。

使用浏览器访问：localhost:9100，会看到如下界面：

6e9a0dd4e6c47753357884f38fd1400e.png

可以看到elasticsearch-head并没有连接到ES，这是因为它们之间存在跨域问题导致elasticsearch-head无法正常访问到ES；接下来需要需改ES的配置文件，让它支持跨域访问：先停止ES，到它的根目录下，执行sudo vim config/elasticsearch.yml，在其中加入如下配置：

# 设置支持跨域访问ES
http.cors.enabled: true
http.cors.allow-origin: "*"

重新启动ES，然后到到浏览器点击URL旁边的“连接”按钮就可以正常连接ES了：

93c249eaca9f1e79a13b2116ed7006a8.png

3.3）部署多实例ElasticSearch

ES是一个分布式的全文检索引擎，在实际的生产中往往需要部署多个实例在多台机器上，以保证ES服务的高可用及负载均衡。这里作为演示只在一台机器上部署两个实例：一个主节点，一个随从节点（实际上在同一台机器上部署是没有意义的）！

我们先部署一个主节点实例，跟单实例的启动不同，多实例需要对elasticsearch.yml文件做一些配置：

# 设置支持跨域访问ES
http.cors.enabled: true
http.cors.allow-origin: "*"

# 设置集群名称，同一个集群中的节点名称一个保持一致！
cluster.name: tiny
# 设置节点名称，并且是主节点
node.name: master
node.master: true
# 设置主机地址为本机
network.host: 127.0.0.1

使用命令./bin/elasticsearch &后台启动一个ES实例，启动完成后回车，用elasticsearch-head查看该节点是否启动成功：

f609d9cf6404f823084abe77f12aeecd.png

没有问题，接着部署一个随从节点。这里我们需要重新复制一份ES（直接修改同一份文件没法启动多个实例），这里我的目录名称仍然是elasticsearch-7.3.2，把它放到了其他路径下避免冲突，同样需要修改配置文件：

# 设置支持跨域访问ES
http.cors.enabled: true
http.cors.allow-origin: "*"

# 设置集群名称，同一个集群中的节点名称一个保持一致！
cluster.name: tiny
# 设置节点名称
node.name: slave
# node.master: true 这个属性不设置就是随从节点
# 设置主机地址为本机
network.host: 127.0.0.1
# 因为9200端口已经被主节点占用，这里要重新设置服务端口
http.port: 9400
# 主节点的主机地址在127.0.0.1，随从节点需要知道主节点的部署地址
discovery.zen.ping.unicast.hosts: ["127.0.0.1"]

在启动之前，Linux系统下仍然需要给当前用户权限：sudo chown -R tiny:tiny elasticsearch-7.3.2；启动成功后到elasticsearch-head页面刷新，可以看到两个节点都部署成功了：

f46f9de6cc86f5ad42b4139aed40292c.png

4）ES的简单使用

ES提供了HTTP形式的交互方式，对于所有的HTTP请求它都以JSON的形式响应。

4.1）创建索引

我们可以通过elasticsearch-head的“索引”菜单来快速的创建一个索引，创建之后我们回到概览：

230379070c7d854fcbc89c9fe24b1a9a.png

可以看到节点都多了几个绿色的方框，这些方框被称作“分片”分片包括：主分片（粗边框）和备用分片（细边框），集群环境下每个主分片都有一个备用分片（纵向对应）。

我们上面只是创建了一个索引，就像创建了一个Mysql数据库，但是还没有定义它的数据存储结构映射mapping；通过“概览”可以看到article索引的mappings是空的：

2fee34e975ccf288794e9eaf94da53a7.png

5d7cade1ad1a90b23683e44a1476a195.png

要定义映射就要发送JSON格式的数据，我们知道elasticsearch-head也是支持对ES发送各种HTTP请求的，但是它对JSON的支持很不友好，所以这里使用Postman代替它。

Postman在Ubuntu等Linux系统下可能会因为缺少字体导致编辑页出现光标错位导致无法精准定位字符，下载安装字体后重启Postman即可。

我们发送POST请求，URL为：localhost:9200/article/_mappings，在请求体中填入如下数据：

{
    "properties": {
        "title": {
            "type": "text"
        },
        "content": {
            "type": "text"
        },
        "word_count": {
            "type": "integer"
        },
        "tag": {
            "type": "keyword"
        },
        "create_date": {
            "type": "date",
            "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
        }
    }
}

得到{ "acknowledged": true}的响应，刷新elasticsearch-head页面，再次查看索引信息可以看到mappings中已经有对应结构了：

0fc2871e623e21c912e19c3efcc8e177.png

当然我们也完全可以使用Postman来创建索引；发送URL为localhost:9200/test的PUT请求即可创建一个名为test的索引，如果需要定义mappings结构，可使用如下请求体：

{
    "mappings": {
        "properties": {
            "title": {
                "type": "text"
            },
            "content": {
                "type": "text"
            },
            "create_time": {
                "type": "date",
                "format": "yyyy-MM-dd"
            }
        }
    }
}

这里需要注意的是，如果JSON中写了mappings，那么URL中就不需要写_mappings，反之亦然。

4.2）插入数据

结构创建好了之后我们来插入数据，发送PUT请求，URL为localhost:9200/article/_doc/1；对应之前创建的映射结构，在请求体中插入如下数据：

{
    "title": "文章标题",
    "content": "文章内容",
    "word_count": 2000,
    "create_time": "2020-01-02",
    "tag": "elasticsearch"
}

响应如下内容表示插入成功：

{
    "_index": "article",
    "_type": "_doc",
    "_id": "1",
    "_version": 1,
    "result": "created",
    "_shards": {
        "total": 2,
        "successful": 2,
        "failed": 0
    },
    "_seq_no": 0,
    "_primary_term": 1
}

稍微修改一下请求体数据，并把URL末尾的文档id改为2，再次插入一条数据；我们可以刷新elasticsearch-head页面，点击“数据浏览”，可以看到数据确实存在：

9ea25e74eb9517ac4dd91bffad131f6a.png

上面我们是通过指定文档id插入数据的，这样比较繁琐，我们可以让ES自动生成id；只要把URL末尾的id去除，同时把HTTP请求方法改成POST即可。

4.3）更新数据

发送POST请求，URL为localhost:9200/article/_doc/1/_update

把要更新的字段写在doc关键字里：

{
    "doc": {
        "title": "文章标题001"
    }
}

返回如下数据，我们注意到_version字段变成了2，在ES中对数据的修改操作都会促使版本的递增：

{
    "_index": "article",
    "_type": "_doc",
    "_id": "1",
    "_version": 2,
    "result": "updated",
    "_shards": {
        "total": 2,
        "successful": 2,
        "failed": 0
    },
    "_seq_no": 2,
    "_primary_term": 1
}

可以看到id为1的数据更新成功了：

37c5e1296d6efa5353af7fffbcd50154.png

这里再稍微提一下ES对脚本修改数据的支持，我们希望把id为1的文档数据的word_count字段增加400（这是一个integer类型的字段），请求体改为：

{
    "script": {
        "lang": "painless",
        "inline": "ctx._source.word_count += 400"
    }
}

其中script表示要使用脚本的方式修改数据，lang指定要使用的脚本语言，painless是ES内置的脚本语言，inline里就是要执行的脚本了；ctx代表的是上下文，_source代表当前要操作的文档对象。

它还支持定义参数变量，我们可以把需要的参数都定义在param关键字中，并在inline中引用：

{
    "script": {
        "lang": "painless",
        "inline": "ctx._source.word_count += params.num",
        "params": {
            "num": 400
        }
    }
}

4.4）删除数据

删除数据非常简单，因为我们不需要提供请求体，只要发送一个URL为localhost:9200/article/_doc/1的DELETE请求即可，这里我删除了文档id为1的数据，响应结果如下：

{
    "_index": "article",
    "_type": "_doc",
    "_id": "1",
    "_version": 6,
    "result": "deleted",
    "_shards": {
        "total": 2,
        "successful": 2,
        "failed": 0
    },
    "_seq_no": 6,
    "_primary_term": 1
}

4.5）查询数据

ES的查询可分为：简单查询、条件查询及聚合查询。

4.5.1） 简单查询

发送URL为localhost:9200/article/_doc/2的GET请求，即可查询到id为2的数据：

{
    "_index": "article",
    "_type": "_doc",
    "_id": "2",
    "_version": 1,
    "_seq_no": 0,
    "_primary_term": 1,
    "found": true,
    "_source": {
        "title": "文章标题1",
        "content": "文章内容1",
        "word_count": 12000,
        "create_time": "2020-01-03",
        "tag": "java"
    }
}

ES还支持在URL后跟查询条件，比如我们希望查询title字段含有数字“1”的数据，则可以发送URL为localhost:9200/article/_search?q=title:1的GET请求。

4.5.2）条件查询

条件查询的条件由请求提携带，接下来我们发送一个查询所有数据的请求；发送URL为localhost:9200/article/_search的GET请求，在请求体中填充查询条件：

{
    "query": {
        "match_all": {}
    }
}

类似Mysql中的分页查询，我们还可以指定从哪里开始查询以及要查询的条数：

{
    "query": {
        "match_all": {}
    },
    "from": 0,
    "size": 1
}

我们可以在match下指定要匹配的字段：

{
    "query": {
        "match": {
            "title": "1"
        }
    }
}

返回结果默认是以_score这个字段排序的，可以在sort下指定返回结果的排序规则：

{
    "query": {
        "match": {
            "title": "1"
        }
    },
    "sort": [
        {
            "word_count": {
                "order": "desc"
            }
        }
    ]
}

4.5.3）聚合查询

接下来使用聚合查询来实现对word_count字段的分组查询，同样是URL为localhost:9200/article/_search的POST请求。

aggs表示这是一个聚合查询；group_by_word_count是一个自定义的名称，返回结果将被包含在这个字段中返回；terms表示要聚合的字段条目；field指定要聚合的字段；聚合的条件可以有多个：

{
    "aggs": {
        "group_by_word_count": {
            "terms": {
                "field": "word_count"
            }
        },
        "group_by_create_time": {
            "terms": {
                "field": "create_time"
            }
        }
    }
}

这里截取主要的返回信息，可以看到返回结果按照word_count和create_time字段分组了，字数12000的记录有两条，2000的有一条：

"aggregations": {
        "group_by_word_count": {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 0,
            "buckets": [
                {
                    "key": 12000,
                    "doc_count": 2
                },
                {
                    "key": 2000,
                    "doc_count": 1
                }
            ]
        },
        "group_by_create_time": {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 0,
            "buckets": [
                {
                    "key": 1578009600000,
                    "key_as_string": "2020-01-03T00:00:00.000Z",
                    "doc_count": 3
                }
            ]
        }
    }

我们还可以对字段进行统计，这里对word_count字段进行统计，请求体如下：

{
    "aggs": {
        "calc_word_count": {
            "stats": {
                "field": "word_count"
            }
        }
    }
}

可以看到ES对word_count字段进行了详细的统计计算，我们可以把stats替换成min、max、avg及sum来满足我们的各种需求：

"aggregations": {
        "calc_word_count": {
            "count": 3,
            "min": 2000.0,
            "max": 12000.0,
            "avg": 8666.666666666666,
            "sum": 26000.0
        }
    }

5）高级查询

5.1）match_phrase查询

如果我们想查询title为“文章标题1”的文章数据，可能会用如下查询条件：

{
    "query": {
        "match": {
            "title": "文章标题1"
        }
    }
}

但是返回的结果不是我们想的那样：

"hits": [
            {
                "_index": "article",
                "_type": "_doc",
                "_id": "2",
                "_score": 1.4384104,
                "_source": {
                    "title": "文章标题1",
                    "content": "文章内容1",
                    "word_count": 12000,
                    "create_time": "2020-01-03",
                    "tag": "java"
                }
            },
            {
                "_index": "article",
                "_type": "_doc",
                "_id": "fnxVnHEBWezSmd7dfZlz",
                "_score": 1.1507283,
                "_source": {
                    "title": "文章标题3",
                    "content": "文章内容3",
                    "word_count": 2000,
                    "create_time": "2020-01-03",
                    "tag": "python"
                }
            },
            {
                "_index": "article",
                "_type": "_doc",
                "_id": "fXwdnHEBWezSmd7dqZnb",
                "_score": 0.72928625,
                "_source": {
                    "title": "文章标题2",
                    "content": "文章内容2",
                    "word_count": 12000,
                    "create_time": "2020-01-03",
                    "tag": "go"
                }
            }
        ]

因为上面的匹配条件被拆分了，并不是整句查询的；要想达到我们的预期结果，需要使用match_phrase来代替match，这样结果就是我们想要的了：

"hits": [
            {
                "_index": "article",
                "_type": "_doc",
                "_id": "2",
                "_score": 1.4384103,
                "_source": {
                    "title": "文章标题1",
                    "content": "文章内容1",
                    "word_count": 12000,
                    "create_time": "2020-01-03",
                    "tag": "java"
                }
            }
        ]

5.2）multi_match查询

有时我们需要看多个字段的内容匹配是否匹配给定的关键字，而关键字内容都是一致的时候，我们可以使用multi_match查询：

{
    "query": {
        "multi_match": {
            "query": "文章",
            "fields": ["title", "content"]
        }
    }
}

上面的条件就是查询title和content字段内容包含“文章”的记录，只要title或content包含“文章”就可以返回对应数据。

5.3） query_string查询

我们使用query_string查询包含“文章”和数字2的数据，它们是“且”的关系，在查询条件中使用“AND”连接（支持逻辑运算符和小括号），表示需要同时包含才算匹配：

{
    "query": {
        "query_string": {
            "query": "文章 AND 2"
        }
    }
}

返回结果：

"hits": [
            {
                "_index": "article",
                "_type": "_doc",
                "_id": "fXwdnHEBWezSmd7dqZnb",
                "_score": 1.0577903,
                "_source": {
                    "title": "文章标题2",
                    "content": "文章内容2",
                    "word_count": 12000,
                    "create_time": "2020-01-03",
                    "tag": "go"
                }
            }
        ]

还可以指定要查询的字段：

{
    "query": {
        "query_string": {
            "query": "(文章 AND 2) OR python",
            "fields": ["title","content", "tag"]
        }
    }
}

5.4）term字段查询

我们可以使用term指定字段查询，注意只能指定一个字段：

{
    "query": {
        "term": {
            "word_count": 2000
        }
    }
}

5.5）range范围查询

使用range对（数值、日期）字段指定范围查询：

{
    "query": {
        "range": {
            "word_count": {
                "gte": 1000,
                "lte": 2000
            }
        }
    }
}

这样就能查出word_count字段值>=1000且<=2000的数据，可以使用gt、lt、gte和lte对范围进行筛选。

5.6）filter查询

使用filter查询可以对不满足指定条件的数据进行过滤，这里表示只有word_count字段为2000的数据才进行返回：

{
    "query": {
        "bool": {
            "filter": {
                "term": {
                    "word_count": 2000
                }
            }
        }
    }
}

5.7）should查询

should查询表现出的是OR的关系，它表示只要满足给定的任意一个条件即可返回数据：

{
    "query": {
        "bool": {
            "should": [
                {
                    "match": {
                        "title": "1"
                    }
                },
                {
                    "match": {
                        "title": "不存在"
                    }
                }
            ]
        }
    }
}

5.8）must查询

与should对应，must是AND的关系，表示给定的条件需要全部匹配才返回数据：

{
    "query": {
        "bool": {
            "must": [
                {
                    "match": {
                        "title": "1"
                    }
                },
                {
                    "match": {
                        "title": "文章"
                    }
                }
            ]
        }
    }
}

我们还可以结合filter查询来添加过滤条件，文章标题查询条件满足后，还要对返回结果过滤出word_count等于12000的：

{
    "query": {
        "bool": {
            "must": [
                {
                    "match": {
                        "title": "1"
                    }
                },
                {
                    "match": {
                        "title": "文章"
                    }
                }
            ],
            "filter": [
                {
                    "term": {
                        "word_count": 12000
                    }
                }]
        }
    }
}

5.9）must_not查询

如果我们希望找出给定条件之外的数据，可以使用must_not查询，表示返回不匹配给定条件的数据；这里找到title中不包含“2”的所有数据：

{
    "query": {
        "bool": {
            "must_not": {
                "term": {
                    "title": 2
                }
            }
        }
    }
}
weixin_39653733
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
elasticsearch date_使用Spring Boot + ElasticSearch实现博客的全文检索（开始项目编码）
weixin_39715907的博客
11-21 311
1）使用Spring Boot的DevTools实现热部署在项目创建之初我们就已经在pom文件中引入了spring-boot-devtools这个Spring Boot提供的热部署插件，但是可能会遇到热部署不生效的问题，如果你使用的是Intellij Idea开发工具，参见《使用Spring Boot Devtools实现热部署》。2）创建数据表的实体类虽说我们要做的是对于博客的全文检索，但是在用...
Elasticsearch Date类型使用技巧
weixin_34203426的博客
09-28 473
elasticsearch原生支持date类型。这里简单记录下使用的方法。 使用date类型可以用如下两种方式： 使用毫秒的时间戳，直接将毫秒值传入即可。 传入格式化的字符串，默认是ISO 8601标准，例如2015-02-27T00:07Z(零时区)、2015-02-27T08:07+08:00(东八区),这两个时间实际是同一个，只是时区不同。另外还可以自定义时间格式，参见es的文档。但...
ES根据日期查询数据
oIMcoin的博客
11-21 1万+
ES根据日期查询数据
Elasticsearch中的date查询
qq_24487005的博客
04-06 2778
1、date的默认格式 date格式可以在put mapping的时候用 format 参数指定，如果不指定的话，则启用默认格式，是"strict_date_optional_time||epoch_millis"。这表明只接合"strict_date_optional_time"格式的字符串值，或者long型数字。 实测，仅支持如下格式： “yyyy-MM-dd” “yyyyMMdd” “yyyyMMddHHmmss” “yyyy-MM-ddTHH:mm:ss” “yyyy-MM-ddTHH
Elasticsearch中如何进行日期(数值)范围查询总结
qq_44810785的博客
08-03 1万+
踩遍所有烂坑的我又来总结了····哎····希望帮到有缘人吧··基本的用法我套用的网上大部分人的，自己踩出来的坑字体用颜色区分了，你懂吧。
全文检索必备:一些常用的ElasticSearch查询语句
09-22
在全文检索领域，Elasticsearch 是一款非常强大的开源搜索引擎，被广泛用于实时数据分析和搜索。本文将深入探讨一些常用的ElasticSearch查询语句，帮助你更好地理解和应用这个强大的工具。 首先，我们需要创建一个...
elasticSearch查询语句DSL
最新发布
06-27
在这篇资源中，我们将详细介绍如何使用DSL...最后，我们将分享一些实用技巧和最佳实践，帮助您充分发挥DSL在Elasticsearch中的优势。我们将探讨性能优化、查询调试和索引优化等关键主题，以提升查询效率和搜索准确性。
Elasticsearch查询API
10-13
本文将详细介绍Elasticsearch接口API的使用，特别是全文检索、查询匹配以及常用的过滤器，以及GET /_search API的各种使用方法。 在Elasticsearch中，查询和过滤上下文是两种不同的操作方式： 1. **查询上下文**：...
Python插入Elasticsearch操作方法解析
09-18
在Python中，将数据插入Elasticsearch是一种常见的数据存储和检索任务，特别是在处理大量非结构化数据时。本文将深入探讨如何使用Python的Elasticsearch-DSL库来实现这一功能，以供学习和工作中参考。 首先，确保你...
Python对ElasticSearch获取数据及操作
09-19
在本文中，我们将深入探讨如何使用Python与Elasticsearch进行交互，特别是针对数据的获取和操作。首先，我们需要了解Python中的Elasticsearch库，它是连接和操作Elasticsearch的主要工具。在提供的代码示例中，我们...
Elasticsearch Date类型数据默认格式：将数据写入es的时间后再读取出来缺少8小时原因
AI_girls的博客
06-26 3万+
一、问题描述把想要的数据通过同步工具从MySQL中写入es中存储，然后从搜索后台管理系统读取数据列表，发现时间显示比数据库中显示的时间要提前8小时。二、问题分析首先在索引里面查看了时间数据的存储格式为世界时间，默认是0时区，但是我们一般用的是北京时间东八区，因此间隔了八小时。直接转过来的时间是：但实际上数据库里面存储的时间是：我们需要最终显示的是时间是和存在数据库中的北京时间一致。搜索的数据来源于...
es查询时间long转date_在Elasticsearch查询中格式化日期（在检索过程中）
weixin_33435461的博客
12-24 3840
小编典典在Elasticsearch中运行查询时，您可以请求其返回原始数据，例如，指定字段：curl -XGET http://localhost:9200/myindex/date-test/_search?pretty -d '{"fields" : "aDate","query":{"match_all":{}}}'将以您最初存储日期的格式为您提供日期：{"_index" : "myinde...
ElasticSearch中的date类型
不见其长，日有所长
09-06 2万+
1. 概述 1.1 Date 数据类型 Elasticsearch 数据是以 json格式存储的，而 json中是并没有 date 数据类型，因此 Elasticsearch 中虽然有 date 类型，但在展示时却要转化成另外的格式。 date 类型在 Elasticsearch 展示的格式有下面几种： 将日期时间格式化后的字符串，如 "2015-01-01" 或者 "2015/01/01 12...
ElasticSearch 利用索引模板定义date类型字段
qq_25067199的博客
04-21 1万+
ElasticSearch中date类型是个很重要的类型。在聚合、排序、和kibana等结合使时都需要date类型。但在某些依赖es动态映射出index,type及字段类型时，时间字段值为时间戳可能出现一些问题： 动态映射： 在开启自动创建索引(action.auto_create_index)下，传入一个json字符串进行保存时 在某个字段第一次出现时，如果之前没有定义过映射，ES会自动检...
Elasticsearch Date Format
你又来了
03-14 3万+
内置格式编辑以下大部分日期都有一个strict伴随日期，也就是说，一周中的每年，每月，每月部分必须预先加零以使其有效。这意味着，像这样的日期5/11/1无效，但您需要指定完整的日期，这将2005/11/01在本例中。所以，而不是date_optional_time你需要指定 strict_date_optional_time。下表列出了支持的所有默认ISO格式：epoch_millis自纪元以来的...
Elasticsearch 日期查询详解，Elasticsearch Date 查询Java API
weixin_33696106的博客
06-22 3824
2019独角兽企业重金招聘Python工程师标准>>> ...
ElasticSearch学习 - （十）Elasticsearch按时间聚合 -- date_histogram
热门推荐
大白能的博客
08-10 4万+
// 查询 &amp;amp;amp;amp;quot;query&amp;amp;amp;amp;quot;: { &amp;amp;amp;amp;quot;bool&amp;amp;amp;amp;quot;: { &amp;amp;amp;amp;quot;must&amp;amp;amp;amp;quot;: [{ &amp

“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