[022-1].第4节：ElasticSearch中基本操作

1.Postman工具说明：

• 1.如果直接通过浏览器向 Elasticsearch 服务器发请求，那么需要在发送的请求中包含HTTP 标准的方法，而 HTTP 的大部分特性且仅支持 GET 和 POST 方法。所以为了能方便地进行客户端的访问，可以使用 Postman 软件
  • Postman 是一款强大的网页调试工具，提供功能强大的 Web API 和 HTTP 请求调试。软件功能强大，界面简洁明晰、操作方便快捷，设计得很人性化。Postman 中文版能够发送任何类型的 HTTP 请求 (GET, HEAD, POST, PUT…)，不仅能够表单提交，且可以附带任意类型请求体。
  • Postman 官网
  • Postman 下载

---

2.索引库操作：

• 1.索引库就类似数据库表，mapping映射就类似表的结构
• 2.我们要向es中存储数据，必须先创建“库”和“表”

2.1."_cat"集群命令:

GET /_cat/nodes	 #查看所有节点。集群中会用到
GET /_cat/health  #查看es健康状况
GET /_cat/master  #查看主节点
GET /_cat/indices #查看所有索引 ，等价于mysql数据库的show databases;

---

2.2.映射：

a.映射操作：

• 1.有了索引库，等于有了数据库database
• 2.下面就需要建索引库(index)中的映射了，类似于数据库(database)中的表结构(table)
• 3.创建数据库表需要设置字段名称，类型，长度，约束等，索引库也一样，需要知道这个类型下有哪些字段，每个字段有哪些约束信息，这就叫做映射(mapping)

b.创建映射:

• 1.在 Postman 中，向 ES 服务器发 PUT 请求 ：http://127.0.0.1:9200/student/_mapping,请求体内容为：

{
 "properties": {
	 "name":{
		 "type": "text",
		 "index": true
	},
	 "sex":{
		 "type": "text",
		 "index": false
	 },
	 "age":{
		 "type": "long",
		 "index": false
	 }
   }
}

• 2.Kibana方式添加映射：

PUT /索引库名称
{
  "mappings": {
    "properties": {
      "字段名":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "字段名2":{
        "type": "keyword",
        "index": "false"
      },
      "字段名3":{
        "properties": {
          "子字段": {
            "type": "keyword"
          }
        }
      }
      #, ...略
    }
  }
}

• 3.服务器响应结果如下：
  

c.映射属性说明：

• 1.字段名：任意填写，下面指定许多属性，例如：title、subtitle、images、price
• 2.type：类型，Elasticsearch 中支持的数据类型非常丰富，说几个关键的：
  • 字符串：又分两种：
    • text（可分词的文本）
    • keyword（不可分词的精确值，例如：品牌、国家、ip地址）,数据会作为完整字段进行匹配
  • Numerical：数值类型，分两类
    • 基本数据类型：long、integer、short、byte、double、float、half_float
    • 浮点数的高精度类型：scaled_float
  • 布尔：boolean
  • 日期：date
  • Array：数组类型
  • 对象：object
  • Es的数组类型：es数组类型不用特别定义，支持每个字段有多个值，效果就相当于数组。例如索引库里"score":{“tupe”:“integer”}，文档可以"score":[1,2,3,4,5]
• 3.index：是否索引，默认为 true，也就是说你不进行任何配置，所有字段都会被索引。
  • true：字段会被索引，则可以用来进行搜索
  • false：字段不会被索引，不能用来搜索
• 4.store：是否将数据进行独立存储，默认为 false
  • 原始的文本会存储在_source 里面，默认情况下其他提取出来的字段都不是独立存储的，是从_source 里面提取出来的。当然你也可以独立的存储某个字段，只要设置"store": true 即可，获取独立存储的字段要比从_source 中解析快得多，但是也会占用更多的空间，所以要根据实际业务需求来设置。
• 5.analyzer：分词器，这里的 ik_max_word 即使用 ik 分词器,后面会有专门的章节学习，使用哪种分词器，注意只有text类型可以设置分词器，其他类型设置分词器会报mapper_parsing_exception
• 6.properties：该字段的子字段
• 7.doc_values：是否可以被聚合，默认为true。
  • 桶（Bucket）聚合：用来对文档做分组
  • 度量（Metric）聚合：用以计算一些值，比如：最大值、最小值、平均值等
  • 管道（pipeline）聚合：其它聚合的结果为基础做聚合
  • aggs代表聚合，与query同级，此时query的作用是限定聚合的的文档范围

d.查看映射

• 1.在 Postman 中，向 ES 服务器发 GET 请求 ：http://127.0.0.1:9200/student/_mapping索引映射关联
  

---

2.3.索引的CRUD：

对比关系数据库，创建索引就等同创建数据库

增删改查简洁版

• 1.创建索引库：PUT /索引库名
• 2.查询索引库：GET /索引库名
• 3.删除索引库：DELETE /索引库名
• 4.修改，只能是添加字段情况的修改：PUT /索引库名/_mapping

a.创建索引：

• 1.Kibana方式发送添加索引的请求：
  
• 2.在 Postman 中，向 ES 服务器发 PUT 请求 :http://127.0.0.1:9200/shopping，PUT请求具有幂等性，相同的请求如果再次请求的时候，会报错：
  
• 3.返回结果：

{
 "acknowledged"【响应结果】: true, # true 操作成功
 "shards_acknowledged"【分片结果】: true, # 分片操作成功
 "index"【索引名称】: "shopping"
}

• 4.创建索引库的分片数默认是1片，在 7.0.0 之前的 Elasticsearch 版本中，默认 5 片，在Kibana操作创建索引时，设置其分片数：

PUT /haoke
{
	"settings": {
		"index": {
			"number_of_shards": "2", #分片数
			"number_of_replicas": "0" #副本数
		}
	}
}

---

b.查询索引:

b1.查询所有索引：

• 1.在 Postman 中，向 ES 服务器发 GET 请求 ：http://127.0.0.1:9200/_cat/indices?v
• 2.这里请求路径中的_cat 表示查看的意思，indices 表示索引，所以整体含义就是查看当前 ES服务器中的所有索引，就好像 MySQL 中的 show tables 的感觉，服务器响应结果如下:
  
• 3.返回值各个字段代表的含义：
  

b2.查看单个索引：

• 1.在 Postman 中，向 ES 服务器发 GET 请求 ：http://127.0.0.1:9200/shopping：
• 2.Kibana方式查询索引：
  
• 3.返回值：

{
 "shopping"【索引名】: { 
	 "aliases"【别名】: {},
	 "mappings"【映射】: {},
	 "settings"【设置】: {
		 "index"【设置 - 索引】: {
		 "creation_date"【设置 - 索引 - 创建时间】: "1614265373911",
		 "number_of_shards"【设置 - 索引 - 主分片数量】: "1",
		 "number_of_replicas"【设置 - 索引 - 副分片数量】: "1",
		 "uuid"【设置 - 索引 - 唯一标识】: "eI5wemRERTumxGCc1bAk2A",
		 "version"【设置 - 索引 - 版本】: {
		 "created": "7080099"
		 },
		 "provided_name"【设置 - 索引 - 名称】: "shopping"
		 }
	 }
  }
}

---

c.删除索引：

• 1.在Postman 中，向 ES 服务器发 DELETE 请求 ：http://127.0.0.1:9200/shopping

---

d.更改索引：

• 1.倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。因此索引库一旦创建，无法修改mapping
• 2.虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响
• 3.语法说明：

PUT /索引库名/_mapping
{
  "properties": {
    "新字段名":{
      "type": "integer"
    }
  }
}

• 4.测试案例：
  

注意：
1.修改只能追加新字段，不能修改原索引
2.注意区分修改和新增，两者都是put，但修改路径最后面有个/_mapping，json最外圈没有"mappings":{}

---

---

2.4.文档的CRUD：

增删改的简洁版：

• 创建文档：POST /{索引库名}/_doc/文档id { json文档 }
• 查询文档：GET /{索引库名}/_doc/文档id
• 删除文档：DELETE /{索引库名}/_doc/文档id
• 修改文档：
  • 全量修改：PUT /{索引库名}/_doc/文档id { json文档 }
  • 增量修改：POST /{索引库名}/_update/文档id { “doc”: {字段}}

a.添加文档:

• 1.索引已经创建好，下面来创建文档，并添加数据。这里的文档可以类比为关系型数据库中的表数据，添加的数据格式为 JSON 格式
• 2.在 Postman 中，向 ES 服务器发 POST 请求 ：http://127.0.0.1:9200/shopping/_doc，请求体的内容如下：
  
• 3.Kibana方式添加文档：

#也可以用postman发post请求ip:9200/索引库名/_doc/文档id，带json数据实现
POST /索引库名/_doc/文档id
{
    "字段1": "值1",
    "字段2": "值2",
    "字段3": {
        "子属性1": "值3",
        "子属性2": "值4"
    },
    # ...
}

• 4.此处发送请求的方式必须为 POST，不能是 PUT，否则会发生错误；
• 5.返回的结果：

	{
	 "_index"【索引】: "shopping",
	 "_type"【类型-文档】: "_doc",
	 "_id"【唯一标识】: "Xhsa2ncBlvF_7lxyCE9G", #可以类比为 MySQL 中的主键，随机生成
	 "_version"【版本】: 1,
	 "result"【结果】: "created", #这里的 create 表示创建成功
	 "_shards"【分片】: {
	 "total"【分片 - 总数】: 2,
	 "successful"【分片 - 成功】: 1,
	 "failed"【分片 - 失败】: 0
	 },
	 "_seq_no": 0,
	 "_primary_term": 1
	}

• 6.上面的数据创建后，由于没有指定数据唯一性标识（ID），默认情况下，ES 服务器会随机生成一个。如果想要自定义唯一性标识，需要在创建时指定：POST:http://127.0.0.1:9200/shopping/_doc/1
• 7.注意：如果增加数据时明确数据主键，那么请求方式也可以为 PUT：
  

---

b.查询文档:

b1.查询某一条文档数据：

• 1.查询文档时，需要指明文档的唯一性标识，类似于 MySQL 中数据的主键查询在 Postman 中，向 ES 服务器发 GET 请求 ：http://127.0.0.1:9200/shopping/_doc/1

{
 "_index"【索引】: "shopping",
 "_type"【文档类型】: "_doc",
 "_id": "1",
 "_version": 2,
 "_seq_no": 2,
 "_primary_term": 2,
 "found"【查询结果】: true, # true 表示查找到，false 表示未查找到
 "_source"【文档源信息】: {
 "title": "华为手机",
 "category": "华为",
 "images": "http://www.gulixueyuan.com/hw.jpg",
 "price": 4999.00
 }
}

• 2.查询举例：
  

b2.查询索引下的所有数据：

b3.条件查询：

1.全文检索匹配：

• match:是全文检索匹配，可以匹配仅有小字、米字、及其小米的这三类都可以查询出来。
  

2.完全匹配查询：

3.显示全部字段数据：

4.条件分页查询：显示部分字段数据及限制结果按照某个字段降序排序：

5.多条件组合查询，条件是且进行查询：

6.多条件组合查询，条件是或进行查询：

7.在上述或条件查询的基础上添加了范围查询：

8.聚合查询文档：

---

c.修改文档：

c1.全量修改

• 1.和新增文档一样，输入相同的 URL 地址请求，如果请求体变化，会将原有的数据内容覆盖,在 Postman 中，向 ES 服务器发 POST 请求 ：http://127.0.0.1:9200/shopping/_doc/1,请求体内容为:

{
 "title":"华为手机",
 "category":"华为",
 "images":"http://www.gulixueyuan.com/hw.jpg",
 "price":4999.00
}

• 2.Kibana方式修改文档：

#POST也是全量修改
PUT /{索引库名}/_doc/文档id
{
    "字段1": "值1",
    "字段2": "值2",
    // ... 略
}

3.修改成功后，服务器响应结果：

{
 "_index": "shopping",
 "_type": "_doc",
 "_id": "1",
 "_version"【版本】: 2,
 "result"【结果】: "updated", # updated 表示数据被更新
 "_shards": {
	 "total": 2,
	 "successful": 1,
	 "failed": 0
	 },
 "_seq_no": 2,
 "_primary_term": 2
}

c2.增量修改数据:

• 1.修改数据也可以只修改某一条数据的局部信息,修改字段的值,在 Postman 中，向 ES 服务器发 POST 请求 ：http://127.0.0.1:9200/shopping/_update/1;请求体内容为：

{ 
 "doc": {
	 "price":3000.00
 	} 
}

• 2.Kibana方式增量修改数据：

POST /{索引库名}/_update/文档id
{
    "doc": {
         "字段名": "新的值",
    }
}

---

d.删除文档

d1.根据id删除：

• 1.删除一个文档不会立即从磁盘上移除，它只是被标记成已删除（逻辑删除）。
• 2.在 Postman 中，向 ES 服务器发 DELETE 请求 ：http://127.0.0.1:9200/shopping/_doc/1
  
• 3.返回的结果：

{
 "_index": "shopping",
 "_type": "_doc",
 "_id": "1",
 "_version"【版本】: 4, #对数据的操作，都会更新版本
 "result"【结果】: "deleted", # deleted 表示数据被标记为删除
 "_shards": {
 "total": 2,
 "successful": 1,
 "failed": 0
 },
 "_seq_no": 4,
 "_primary_term": 2
}

d2.条件删除文档:

• 1.一般删除数据都是根据文档的唯一性标识进行删除，实际操作时，也可以根据条件对多条数据进行删除：
• 2.向 ES 服务器发 POST 请求 ：http://127.0.0.1:9200/shopping/_delete_by_query，请求体内容为：

{
 "query":{
	 "match":{
	 	"price":4000.00
	 	}
	 }
}

• 3.删除成功后，服务器响应结果：

{
 "took"【耗时】: 175,
 "timed_out"【是否超时】: false,
 "total"【总数】: 2,
 "deleted"【删除数量】: 2,
 "batches": 1,
 "version_conflicts": 0,
 "noops": 0,
 "retries": {
	 "bulk": 0,
	 "search": 0
 },
 "throttled_millis": 0,
 "requests_per_second": -1.0,
 "throttled_until_millis": 0,
 "failures": []
}

---