ES基本使用方式

已于 2025-04-30 17:07:28 修改
阅读量771 收藏 8
点赞数 18
文章标签： elasticsearch 大数据 搜索引擎
于 2025-04-30 16:55:47 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43322583/article/details/147592069
版权

ES基本使用

文章目录

重置es密码，初始用户elastic

elasticsearch-reset-password -u elastic

在这里插入图片描述

1.es的访问

使用URL访问

将用户名和密码拼接到 URL 中的格式为：

http://{username}:{password}@{host}:{port}/{api_path}

在这里插入图片描述

2.mapping的理解

Dynamic Mapping

如果创建的索引没有预先设计好的mapping，那么写入数据的时候会自动创建mapping。

dynamic: true

  • 写入{"new_field": "test"}时，若new_field未在Mapping中定义，ES会自动将其类型推断为text（主字段）和keyword（子字段）25。
  • ‌风险‌：可能导致“Mapping爆炸”（字段数量过多），影响集群性能和稳定性

dynamic: false

  • 新字段不会被索引，但数据会完整存储在_source中。
  • ‌结果‌：无法通过该字段进行搜索或聚合，但可通过_source获取原始值。
  • ‌适用场景‌：需保留原始数据但无需查询的场景，如日志存储

dynamic: strict

  • 写入包含未定义字段的文档会直接报错，数据无法入库。
  • ‌示例‌：返回错误提示"strict_dynamic_mapping_exception": "mapping set to strict"。
  • ‌适用场景‌：需严格保证Mapping结构一致性的场景，如生产环境数据规范。

keyword 与 text的区别‌

基础定义与核心差异
特性text 类型keyword 类型
‌存储方式‌文本被分词器拆分后存储（如 "苹果手机" → ["苹果", "手机"]）原样存储，不进行分词（如 "苹果手机" 整体存储）
‌查询场景‌支持全文搜索（模糊匹配、相似度排序）仅支持精确匹配、聚合、排序（如过滤状态码、分类标签）
‌分词处理‌默认使用标准分词器（可自定义如 ik_max_word）不进行分词，视为单一词元
‌适用场景‌文章内容、商品描述等需模糊搜索的字段订单号、状态码、标签等需精确匹配的字段

keyword仅支持精准匹配

text支持模糊匹配

主字段，子字段

主字段支持模糊匹配，子字段支持精确查询

可以防止同一个字段创建连个独立字段

GET /products/_search {
  "query": {
    "match": { "product_name": "智能" }  // 主字段分词后匹配
  }
}

GET /products/_search {
  "query": {
    "term": { "product_name.raw": "iPhone 15" }  // 子字段精确匹配
  },
  "sort": [{ "product_name.raw": "asc" }]        // 按原始值排序
}

创建mapping

post请求创建模板，_template/模板名称

http://elastic:daJW9J=9loZ+L5Xa1XHX@127.0.0.1:9200/_template/my_template

参数说明

{
  //模板名称，index会自动匹配
  "index_patterns": ["mytest*"],   
    
  "settings": {
    //主分片数
    //将索引数据水平拆分到多个物理分片，实现分布式存储并行计算
    //影响索引写入吞吐量，一旦创建不可修改
    //按照每片300GB设置，设置后无法修改
    "number_of_shards": 3,
    //副本分片数
    //创造冗余副本，数据容灾+负载均衡
    //读取优化，副本数越多，查询并发处理能力越强，会额外占用资源，数据同步延迟
    "number_of_replicas": 1,
     //全局启用 字段格式错误容忍机制，数据类型不匹配时候，丢弃匹配失败字段，非拒绝整个文档
    "index.mapping.ignore_malformed": true
  },
    
 
  "mappings": {
    // 动态映射控制
    // strict 严格模式 禁止未声明字段写入
    // true（默认）自动推断并扩展添加映射（可能导致索引膨胀）
    // false 忽略新字段，保留原始数据不会索引（仅存储，不能搜索）(映射级别)
    "dynamic": "strict",
      
    "_source": {
      //控制是否存储原始json
      //true保留完整原始数据，支持数据更新、高亮显示、reindex 等操作
      //false不存储原始数据，节省存储空间，但无法通过 _update API 修改文档或使用
      "enabled": true,
      // 查询结果中不显示 filead1 和 filed2
      "excludes": ["filead1","filed2"], 
       // 启用压缩 
      //"compress": true                  
    },
     
    //用于定义文档中每个字段的数据类型，存储规则和检索
    "properties": {
      //字段名
      "host_name": {
        //数据类型
        "type": "keyword",
        //当字段类型为keyword的字符串长度超过设定值时，该字段不会被索引
        //无法通过该字段搜索或聚合，每个中文每个字符几计为1
        "ignore_above": 256,
        //空值替换
        "null_value": "N/A"
      },
      "created_at": {
        "type": "date",
         //确保正确解析字符串或数值为时间戳
        "format": "yyyy-MM-dd HH:mm:ss",
         //字段兼容错误模式开启
        "ignore_malformed": true
      },
      "data_info": {
        "type": "text",        // 主字段用于分词全文搜索
        "analyzer": "ik_max_word",  
        "fields": {
          "keyword": {         // 子字段用于精确匹配
            "type": "keyword",
            "ignore_above": 256
          }
        }
      },
      "data_info2": {
        "type": "text", 
        "fields": { "raw": { "type": "keyword" } }}
    }
  }
}

插入模板

{
 
  "index_patterns": ["ldsx_test*"],   
    
  "settings": {
   
    "number_of_shards": 3,
   
    "number_of_replicas": 1,
   
    "index.mapping.ignore_malformed": true
  },
  "mappings": {
    "dynamic": "true",
    "_source": {
      "enabled": "true"
    },
    "properties": {
     
      "data_name": {
        "type": "keyword",
        "ignore_above": 256,
        "null_value": "N/A"
      },
      "created_at": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss",
        "ignore_malformed": true
        },
      "data_info": {
        "type": "text", 
        "fields": { "raw": { "type": "keyword" } }}
        
    }
  }
}

查看mapping列表

在这里插入图片描述

3.创建索引

已经创建模板后，索引根据模板名匹配mapping

http://elastic:daJW9J=9loZ+L5Xa1XHX@127.0.0.1:9200/要创建的索引名

在这里插入图片描述

如果创建索引无匹配模板创建时可以设置mapping

若未预先定义模板，索引会根据首次插入的数据自动推断字段类型，此时不会关联任何显式模板

在这里插入图片描述

mapping是空的

在这里插入图片描述

4.查看索引列表

http://elastic:daJW9J=9loZ+L5Xa1XHX@127.0.0.1:9200/_cat/indices

在这里插入图片描述

5.删除索引

http://elastic:daJW9J=9loZ+L5Xa1XHX@127.0.0.1:9200/索引名

在这里插入图片描述

6.添加数据

post请求添加

http://elastic:daJW9J=9loZ+L5Xa1XHX@127.0.0.1:9200/ldsx_test_2025.04.28/_doc

{
  "data_name": "node6",
  "created_at": "2025-04-28 15:05:31",
  "data_info":"无足鸟自由的飞翔"
}

在这里插入图片描述

7.查询数据

get请求，查询数据

http://elastic:daJW9J=9loZ+L5Xa1XHX@127.0.0.1:9200/ldsx_test_2025.04.28/_search

控制返回条数

_search?size=1,size设置需要返回条数

http://elastic:daJW9J=9loZ+L5Xa1XHX@127.0.0.1:9200/ldsx_test_2025.04.28/_search?size=1

在这里插入图片描述

百流
关注
【Elasticsearch】es脚本编程使用详解
congge
10-25 6009
es脚本编程使用详解
Elasticsearch(es)中must以及term的基本使用
WXiangQian
01-18 4454
在 Elasticsearch（ES）中，should 和 must 是布尔查询（Boolean Query）中常用的两个子句。term 和 range 是查询语句中常用的两种查询类型。更多查询方式：match、term、range、bool
Elasticsearch基本使用
Charge8的博客
06-16 855
Elasticsearch基本使用
ES（Elasticsearch）的基本使用
学习笔记
01-03 5438
elasticsearch的基本认识，以及springboot整合es的内容
Elasticsearch 基本语法使用
weixin_43875870的博客
09-04 1069
elasticsearch语法使用
ELasticsearch基本使用——基础篇
热门推荐
qq_47387991的博客
03-05 1万+
1.初识elasticsearch 1.1.了解ES 1.1.1.elasticsearch的作用 elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容
【Elasticsearch】Elasticsearch基本使用
M_Blog
11-06 1907
elasticsearch会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整形。索引存储了映射类型的字段和其他设置。分词：即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一一个匹配操作，倒排索引作为底层,这种结构适合全文搜索，一个索引由文档中所有不重复的列表构成,对于每一个词，都有一个包含他的文档列表，例如,如下两个文档。
ElasticSearch安装及基本使用
zhang19903848257的博客
01-19 2596
ElasticSearch安装及基本使用
Elasticsearch 基本使用（三）条件查询_es条件查询
2401_87395526的博客
09-22 1656
举例：name = my name is tony查询条件值为 my nmatch_phrase 查不到数据，因为 n 没有在字段分词找到对应的词match_phrase_prefix 能查到数据，
ElasticSearch 基本使用
拒绝熬夜啊的博客
04-07 1629
ElasticSearch 基本使用
ElasticSearch在Java中的基本使用方式
weixin_44882744的博客
02-20 1043
ElasticSearch在Java中的基本使用方式。
Elasticsearch基本使用及其存储原理
Fouse_的博客
05-18 7157
基本概念 什么是ES？ Elasticsearch 是一个分布式、高扩展、高实时的搜索与数据分析引擎。它能很方便的使大量数据具有搜索、分析和探索的能力。充分利用Elasticsearch的水平伸缩性，能使数据在生产环境变得更有价值。Elasticsearch 的实现原理主要分为以下几个步骤，首先用户将数据提交到Elasticsearch 数据库中，再通过分词控制器去将对应的语句分词，将其权重和分词结果一并存入数据，当用户搜索数据时候，再根据权重将结果排名，打分，再将返回结果呈现给用户。 组成部分
ELasticsearch 8.5.0版本的基本用法解析与实战指南
11-29
内容概要：本文详细介绍了 Elasticsearch 8.5.0 版本的基本用法及其应用场景，涵盖安装方法、REST API操作、查询数据、聚合统计以及官方客户端使用等多个方面。首先解释了 Elasticsearch 是基于 Lucene 的分布式搜索...
elasticsearch数据库下载、配置、使用案例PPT模板
07-01
### Elasticsearch数据库的下载、配置与使用案例 #### 一、Elasticsearch数据库的下载与安装 **1.1 下载与解压** - **下载Elasticsearch：** - **官方网站下载：** 访问Elasticsearch官方网站...
【原创】从s3桶将对象导入ES建立索引，以便快速查找文件
jxyk2007的专栏
04-28 386
这段程序实现了自动同步S3文件列表到Elasticsearch索引，方便对存储桶中的文件进行快速搜索和查询import ("bytes""context""fmt""log""net/http""time"if err!= nil {log.Fatalf("无法读取配置文件: %v", err)})if err!= nil {log.Printf("获取 %s 的ETag失败: %v", fileKey, err)return ""})if err!= nil {
OpenGL-ES 学习(15) ----纹理
最新发布
小猪佩奇的博客
05-01 718
现实生活中，纹理(Texture) 类似于游戏中皮肤的概念，最通常的作用是装饰3D物体，它像贴纸一样贴在物体的表面，丰富物体的表面和细节在OpenGL-ES开发中，纹理除了用于装饰物体表面，还可以用来作为存储数据的容器所以在OpenGL-ES中，纹理实际上是一个可以被采样的复杂数据集合，是GPU的图像数据结构，纹理分为 2D纹理、立方图纹理和 3D纹理2D纹理是OpenGL-ES中最常见和最常用的纹理形式，是一个表示图像数据的二维数组，纹理中一个单独的数据单元被称为纹素或者纹理像素立方图纹理(
Git常用命令简明教程
vortex5的博客
04-28 1470
本教程整合并优化了Git核心命令，涵盖初始化、配置、文件操作、分支管理、远程仓库操作及常见场景，适合快速入门和日常参考。命令按使用流程分组，简洁明了，包含注意事项和最佳实践。：2025年4月27日：本地Git操作、GitHub远程仓库管理。
使用listPersonalCertificates 命令列示WebSphere Application Server特定密钥库中的个人证书
openeis的专栏
05-01 477
下面是详细的实例步骤。F (Finish)C (Cancel)wsadmin>详细语法参考。
论文阅读：MAXIM Multi-Axis MLP for Image Processing
Matrix-11
05-01 712
近年来，Transformer 和多层感知机（MLP）模型的发展为计算机视觉任务提供了新的网络架构设计。尽管这些模型在图像识别等许多视觉任务中已被证明是有效的，但在将它们应用于底层视觉任务时仍存在挑战。对高分辨率图像支持的灵活性不足以及局部注意力机制的局限性，可能是主要的瓶颈所在。在这项工作中，我们提出了一种基于多轴 MLP 的架构，称为 MAXIM，它可以作为一种高效且灵活的通用视觉主干架构，用于图像处理任务。MAXIM 采用了 U 型网络的分层结构，并通过空间门控的 MLP 实现了长距离的交互。
springdata elasticsearch 的详细使用方式
03-23
Spring Data Elasticsearch 是一个基于 Spring Data 的 Elasticsearch 客户端，它提供了一组简单易用的 API，可以轻松地与 Elasticsearch 进行交互。使用 Spring Data Elasticsearch，您可以快速地构建出一个高效、可扩展的 Elasticsearch 应用程序。 Spring Data Elasticsearch 的使用方式如下： 1. 添加依赖 在 pom.xml 文件中添加以下依赖： ``` <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-elasticsearch</artifactId> </dependency> ``` 2. 配置 Elasticsearch 在 application.properties 文件中添加以下配置： ``` spring.data.elasticsearch.cluster-name=my-application spring.data.elasticsearch.cluster-nodes=localhost:9300 ``` 3. 创建实体类 创建一个实体类，使用注解 @Document 标注该实体类对应的 Elasticsearch 索引名称和类型，使用注解 @Id 标注该实体类对应的 Elasticsearch 文档 ID。 ``` @Document(indexName = "my_index", type = "my_type") public class MyEntity { @Id private String id; private String name; private String description; // getters and setters } ``` 4. 创建 Elasticsearch 操作接口 创建一个 Elasticsearch 操作接口，继承 ElasticsearchRepository 接口，该接口提供了一组基本的 Elasticsearch 操作方法，如 save、delete、findById 等。 ``` public interface MyEntityRepository extends ElasticsearchRepository<MyEntity, String> { } ``` 5. 使用 Elasticsearch 操作接口 使用 MyEntityRepository 接口中提供的方法，对 Elasticsearch 进行操作。 ``` @Autowired private MyEntityRepository myEntityRepository; public void save(MyEntity myEntity) { myEntityRepository.save(myEntity); } public void delete(String id) { myEntityRepository.deleteById(id); } public MyEntity findById(String id) { Optional<MyEntity> optional = myEntityRepository.findById(id); return optional.orElse(null); } ``` 以上就是 Spring Data Elasticsearch 的详细使用方式。
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