ElasticSearch笔记~可复习，可学习

学习Elasticsearch的笔记，后续还会继续更新，有不正确的地方欢迎指点~~

和mysql结构的区别

badabase  ->  index（索引）
table     ->  type（类型）
row       ->  Document（文档）
column    ->  Field（字段）
Schema    ->  Mapping（映射）
Index     ->  Everything Indexed by default（所有字段都能被索引）
SQL       ->  Query DSL(专用查询语言)

语法

查看所有索引   ip:端口/_cat/indices?v

get

查所有       "query" : {"match_all" : {}}
查具体       "query" : {
    			"bool" : { //布尔值查询 
                    "must" : [  /**must必须满足 should或（任意一个满足）  must_not必须不满足 */
                        {
                           /** 查具体的 不使用分词  match 换成match_phrase*/
                        	"match" : {"indexName" : "value"}
                    	},
                        {
                        	"match" : {"indexName" : "value"}
                    	}
                    ]
                 }
			}
查多个字段   "multi_match" : { /**这个是"query"的内部条件*/
    			"query" : "value",
    			"fields" : ["indexName1","indexName2"]
			}
指定字段	   "query_string" : {/**这个是"query"的内部条件*/
    			"query": "要搜索的内容", 
      			"analyzer": "分词器的名称", 
      			"fields": ["indexName1","indexName2"]
			} 
指定条数     "size" : 1
起始位置     "from" : 0   /**和size搭配实现分页*/ 
指定返回字段 "_source" : ["name1", "name2"]
查关键字     "term" : {}          /**这个是"query"的内部条件*/
范围查询     "range" "gte" "lte"  /**这个是"query"的内部条件*/
   			// gte lte   加了e就是>= or <=,不加e就只是 > or <
			"range" : {"indexName" : {"gte" : 5,"lte" : 10}} 
排序         "sort" : [
    			{"indexName1" : {"order" : "desc"}},
    			{"indexName2" : {"order" : "asc"}}
			]
高亮         "higlight" : {"fileds" : {"indexName" : ""}}
			//自定义高亮标签
             "higlight" : {
                 "pre_tags" : ["<span style='color:red'>"],
                 "post_tags" : ["</span>"],
                 "fileds" : {"indexName" : ""}
             }
聚合     	   "aggs" : { // 聚合操作
    			"groupName" : { // 分组的名称，自定义的
                    "terms" : { // 分组
                        "filed" : "indexName" // 要分组的字段
                    },
                    "avg" : { // 平均值p
                         "filed" : "indexName" // 要计算的字段
                    }
                }
			}
前缀查询     "prefix" : {"content": {"indexName":"value"}}// 这是"query"内部条件
通配符查询   "wildcard" : {"content": {"indexName":"value"}}// 这是"query"内部条件
多id查询     "ids" : {"values" : ["id1","id2"]}// 这是"query"内部条件
			/**
			关键字长度为2，不允许存在模糊0
			关键字长度为3-5，允许一次模糊 0 1
			关键字长度大于5 允许最大2模糊
			*/
模糊查询     "fuzzy" : {"indexName" : "value"}

put

创建索引   ip:端口/indexName
全量更新
优点  保证幂等性

post

不保证幂等性
局部更新

delete

路径上的标识

_doc      代表是文档数据的意思,后面跟插入时的主键id，主键查询
_search   给搜索增加条件
	GET [索引名/类型名/]_search?timeout=10ms
	GET [索引名/类型名/]_search { 具体条件 }
_mapping  查看索引内字段的类型
	GET /索引名/_mapping/类型名
_update 更新数据时在路径后跟上_update 
	POST [索引名/类型名/行数据的名字]_update {具体内容}
_bulk   批量操作数据

过滤器

// 以下过滤器都是在"filter" : {}里面
term    "term" : {
    		"indexName" : {
    			"content" : "过滤的值"
			}
		}   
terms	"terms" : {
    		"indexName" : [
    			"过滤的值",
                 "过滤的值"
			]
		}  
range	"range" : {"indexName" : {"gte" : value,"lte" : value}}
exists  "exists" : {"field" : "indexName"}
ids		"ids" : {"values" : ["",""]}

分词器

es的内置分词器：

Standard Analyzer：默认分词器，按词切分，小写处理
Simple Analyzer：按照非字母切分（符号被过滤），小写处理
Stop Analyzer：停用词过滤（the，a，is），小写处理
Whitespace Analyzer：按照空格切分，不转小写
Keyword Analyzer：直接将输入当做输出，不分词
Patter Analyzer：正则表达式，默认 \W+（非字符分割）
Language：提供了30多种常见语言的分词器
    
使用IK分词器
IK分词器有两种分词模式：ik_max_word和ik_smart模式

ik_max_word模式会对文本进行最细粒度的拆分， 比如将华为手机分为华为、手、手机
ik_smart模式是粗粒度的，将华为手机分为华为、手机。

# 默认标准分词器
GET _analyze
{
  "analyzer": "standard",
  "text": ["我爱北京天安门!","it is so beautiful?"]
}
# ik分词器，粗粒度
GET _analyze
{
  "analyzer": "ik_smart",
  "text": ["我爱北京天安门!","it is so beautiful?"]
}
# ik分词器，细粒度
GET _analyze
{
  "analyzer": "ik_max_word",
  "text": ["我爱北京天安门!","it is so beautiful?"]
}

本人也在一步步的学习中，如发现有不对的地方，欢迎指正。
另本人会在私人公众号不定时推送一些知识文章，欢迎各位订阅哦。