Elasticsearch --- （十三）索引管理

目录

1、创建、修改以及删除索引

（1）手动创建索引语法

（2）修改索引

（3）删除索引

2、 修改分词器以及定义自己的分词器

（1）默认分词器   standard

（2）修改分词器的设置

（3）定制化自己的分词器

3、深入探秘type底层数据结构

（1）理论知识

（2）案例实践

（3）最后总结

4、mapping root object深入剖析

（1）root object：某个type对应的mapping json

（2）properties：包含type、index、analyzer

（3）_source

（4）_all

（5）标识性metadata：_index、_type、_id

5、定制化自己的dynamic mapping策略

（1）定制dynamic策略

（2）定制dynamic mapping策略

a、date_detection

b、定制自己的动态映射模板dynamic mapping template（type level）

c、定制自己的default mapping template（index level）

6、基于scroll滚动搜索和alias别名实现zero downtime（零停机） reindex

（1）重建索引

---

1、创建、修改以及删除索引

（1）手动创建索引语法

PUT /my_index
{
  "settings": {... any settings...},
  "mappings": {
    "type_one":{... any mappings...},
    "type_two":{... any mappings...},
    ...
  }
}

PUT /my_index
{
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 0
  },
  "mappings": {
    "my_type":{
      "properties": {
        "my_field":{
          "type":"text"
        }
      }
    }
  }
}

（2）修改索引

//---------修改replica 数量
PUT /my_index/_settings
{
  "number_of_replicas": 1
}

（3）删除索引

• DELETE  /my_index
• DELETE  /index_one,index_two
• DELETE  /index_*
• DELETE  /_all             -----删除所有索引
• elasticsearch.yml 中配置action.destructive_requires_name:true，就不能用 DELETE /_all 这种方式删除全部索引

2、 修改分词器以及定义自己的分词器

（1）默认分词器   standard

• standard  tokenizer：以单词边界进行切分
• standard  token  filter：什么都不做
• lowercase  token  filter：将所有字母转换为小写
• stop token filter（默认被禁用）：移除停用词，比如a    the    it 等等

（2）修改分词器的设置

启用english 停用词 token filter

PUT /my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "es_std":{
          "type":"standard",
          "stopwords":"_englist_"
        }
      }
    }
  }
}

修改后查看分词效果

//-----------用standard ，被分词成  a , dog , is , in , the , house
GET /my_index/_analyze
{
  "analyzer":"standard",
  "text":"a dog is in the house"
}


//----------用es_std， 被分词成   dog , house
GET /my_index/_analyze
{
  "analyzer": "es_std",
  "text": "a dog is in the house"
}

（3）定制化自己的分词器

PUT /my_index
{
  "settings": {
    "analysis": {
      "char_filter": {
        "&_to_and":{
          "type":"mapping",
          "mappings":["&=>and"]     //&转化成and
        }
      },
      "filter": {
        "my_stopwords":{
          "type":"stop",
          "stopwords":["the","a"]     //忽略the a
        }
      },
      "analyzer": {
        "my_analyzer":{
          "type":"custom",
          "char_filter":["html_strip","&_to_and"],    //忽略html标签，&转成and
          "tokenizer":"standard",
          "filter":["lowercase","my_stopwords"]
        }
      }
    }
  }
}



//--------------测试，分词结果：tomandjerry，are， friend，in， house，haha
GET /my_index/_analyze
{
  "analyzer": "my_analyzer",
  "text":"tom&jerry are a friend in the house,<a>,HAHA!!"
}

在type中应用自己的分词器

PUT /my_index/_mapping/my_type
{
  "properties": {
    "content":{
      "type": "text",
      "analyzer": "my_analyzer"
    }
  }
}

3、深入探秘type底层数据结构

（1）理论知识

• type，是一个index中用来区分类似的数据的，类似的数据，但是可能有不同的fields，而且有不同的属性来控制索引建立、分词器
• field的value，在底层的Lucene中建立索引的时候，全部是opaque（不透明）bytes类型，即：不区分类型的。
• Lucene是没有type的概念的，在document中，实际上将type作为一个document的field来存储，即_type，es通过_type来进行type的过滤和筛选。
• 一个index中的多个type，实际上是放在一起存储的，因此一个index下，不能有多个type重名，二类型或者其他设置不同的，因为那样是无法处理的。

（2）案例实践

（1）插入两条数据

PUT goods_index/electronic_goods/1
{
  "name": "geli kongtiao",
  "price": 1999.0,
  "service_period": "one year"
}

PUT goods_index/eat_goods/2
{
  "name": "aozhou dalongxia",
  "price": 199.0,
  "eat_period": "one week"
}

索引名称为goods_index，在该索引下面分别有两个type：electronic_goods和eat_goods

我们来看下索引对应的映射

（2）查看mapping

GET /goods_index/_mapping

{
  "goods_index": {
    "mappings": {
      "electronic_goods": {
        "properties": {
          "name": {