ES

最新推荐文章于 2023-10-08 15:36:11 发布

weixin_45995553

最新推荐文章于 2023-10-08 15:36:11 发布

阅读量251

点赞数

分类专栏：笔记文章标签： java elasticsearch

本文链接：https://blog.csdn.net/weixin_45995553/article/details/114336107

版权

笔记专栏收录该内容

12 篇文章 0 订阅

订阅专栏

ES

1.初步检索

1、_ cat

GET _ cat/nodes: 查看所有节点
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 show databases;

2.索引一个文档(保存)

保存一个数据，保存在哪个索引的哪个类型下，指定用哪个唯一标识
PUT customer/external/1;在customer索引下的external 类型下保存1号数据为

PUT customer/ external/1
{‘name": "John Doe’}

PUT和POST都可以，
POST新增。如果不指定id,会自动生成id。指定id就会修改这个数据，并新增版本号
发送多次不指定id会自动增长是新增操作，指定id多次发送版本号
新增:不带id;带id但之前没数据
修改:带id,并且有数据

PUT可以新增可以修改。PUT必须指定id;由于PUT需要指定id,我们一般都用来做修改操作，不指定id会报错。发送多次是一个更新操作，版本号加一

3、查询文档

GET customer/external/1

结果:
index": “customer”, //在哪个索引
" type": “external”, //在哪个类型
id":“1”, //记录id
version":2, //版本号
seq no’ :1, //并发控制字段，每次更新就会+1，用来做乐观锁，是直接进位10
" primary term : 1, //同上，主分片重新分配，如重启，就会变化
“found”: true,
source":{ //真正的内容
“name”: “John Doe”
}
更新携带?if seq no=0&if_ primary _term=1
在这里插入图片描述

4、更新文档

POST customer/ external/1/_ update
{
“doc”:{
“name”: “John Doew”
}
}
必须要带doc文档，然后多次运行同一个结果会对比原来的数据相同则不会改变版本号不增加

或者

POST customer/ external/1
{
“name”: “John Doe2”
}
不带update不带doc 就不会检查原数据
不断的发送不断的更新成功版本号不断的加上去

或者

PUT customer/ external/1
{
“name”: “John Doe2”
}
put和上面是一样的不带update不带doc
put和posτ (不带update)都会直接更新数据

不同: POST 操作会对比源文档数据，如果相同不会有什么操作，文档
version不增加PUT操作总会将数据重新保存并增加version版本;
带update对比元数据如果一样就不进行任何操作。
看场景;
对于大并发更新，不带update;
对于大并发查询偶尔更新，带update;对比更新，重新计算分配规则。

更新同时增加属性
POST customer/external/1/_ update
{
“doc” :{
“name” : “Jane Doe”," age":20
}
}

PUT和POST不带update也可以

5、删除文档&索引

DELETE customer/external/1
DELETE customer

6、bulk批量API

POST customer/external/_ bulk
{“index”:{"_ id":“1”}}
{“name” : “John Doe” }
{“index”:{"_ id":“2”}}
{"name’ : “Jane Doe” }

语法格式:
{ action: { metadata }}\n
{ request body}\n
{ action: { metadata }}\n
{ request body}\n

复杂实例:
POST /_bulk
{“delete”:{"_index":“website”,"_type":“blog”,"_id":“123”}}
{“create”:{"_index":“website”,"_type":“blog”,"_id":“123”}}
{“title”:“My first blog post”}
{“index”:{"_index":“website”,"_type":“blog”}}
{“title”:“My second blog post”}
{“update”:{"_index":“website”,"_type":“blog”,"_id":“123”}}
{“doc”:{“title”:“My uptate blog post”}}

_retry. on conflict:这个是重试的次数版本已经废弃

bulk API以此按顺序执行所有的action (动作)。如果一个单个的动作因任何原因而失败，
它将继续处理它后面剩余的动作。当bulk API返回时，它将提供每个动作的状态(与发送
的顺序相同)，所以您可以检查是否一个指定的动作是不是失败了。

7、样本测试数据

我准备了一份顾客银行账户信息的虚构的JSON 文档样本。每个文档都有下列的schema
(模式) :
模板地址

四、进阶检索
1、SearchAPI
ES支持两种基本方式检索:
●一个是通过使用REST request URI 发送搜索参数(uri+检索参数)
●另一个是通过使用REST request body来发送它们(uri+请求体) !

官方文档地址

搜索文档官方

1)、检索信息

GET bank/_ search 检索bank下所有信息，包括type和docs
GET bank/_search?q=*&sort=account_number:asc 请求参数方式检索

响应结果解释:
took . Elasticsearch 执行搜索的时间(毫秒)
time_ out- 告诉我们搜索是否超时
shards- 告诉我们多少个分片被搜索了，以及统计了成功/失败的搜索分片
hits- 搜索结果
hits.total- 搜索结果
hits.hits- 实际的搜索结果数组(默认为前10的文档)
sort- 结果的排序key (键) (没有则按
score 排序)
score和max score - 相关性得分和最高得分(全文检索用)

uri+请求体进行检索
在这里插入图片描述
HTTP客户端工具(POSTMAN)，get请求不能携带请求体，我们变为post也是-样的我们POST一个JSON风格的查询请求体到。_searchAPl。需要了解，一旦搜索的结果被返回，Elasticsearch 就完成了这次请求，并且不会维护任何服务端的资源或者结果的cursor (游标)

2、Query DSL
Query DSL官方文档

1)、基本语法格式
Elasticsearch提供了个可以执行查询的Json风格的DSL (domain-specific language 领域特定语言)。这个被称为Query DSL。该查询语言非常全面，并且刚开始的时候感觉有点复杂，真正学好它的方法是从一些基础的示例开始的。
●一个查询语句的典型结构

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "balance": {
        "order": "desc"
      }
    }
  ],
  "from": 5,
  "size": 5,
  "_source": ["balance","age"]
}

●query 定义如何查询，
match gall 查询类型[代表查询所有的所有]，es 中可以在query中组合非常多的查
询类型完成复杂查询
除了query 参数之外，我们也可以传递其它的参数以改变查询结果。如sort, size
●from+size 限定，完成分页功能
sort排序，多字段排序，会在前序字段相等时后续字段内部排序，否则以前序为准

2)、返回部分字段

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "balance": {
        "order": "desc"
      }
    }
  ],
  "from": 5,
  "size": 5,
  "_source": ["balance","age"] 	//多个字段
}

3)、match[匹配查询]

基本类型(非字符串)，精确匹配

GET bank/_search
{
  "query": {
    "match": {
      "account_number": "20"//数字也是可以的 match用来匹配非字符串的字段就是精确查询
    }
  }
}

模糊匹配全文检索倒排索引全文检索按照评分进行排序，会对检索条件进行分词匹配

字符串，全文检索

GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
    }
  }
}

最终查询出address中包含mill单词的所有记录
match当搜索字符串类型的时候，会进行全文检索，并且每条记录有相关性得分。

字符串，多个单词(分词+全文检索)

GET bank/_search
{
  "query": {
    "match": {
      "address": "mill road"
    }
  }
}

最终查询出address中包含mill或者road或者mill road的所有记录，并给出相关性得分

GET bank/_search
{
  "query": {
    "match": {
      "address": "kings"
    }
  }
}

4)、match_ phrase [ 短语匹配]
将需要匹配的值当成一个整体单词(不分词)进行检索

GET bank/_search
{
  "query": {
    "match_phrase": {
      "address": "mill road"
    }
  }
}

查出address中包含millroad 的所有记录，并给出相关性得分

5)、multi match [ 多字段匹配]

GET bank/_search
{
  "query": {
    "multi_match": {
      "query": "mill movico",     //这个也可以进行分词  这两个属性的任何一个"state","address"包含"mill movico",都可以
      "fields": ["state","address"]
    }
  }
}

6)、bool[复合查询]
bool用来做复合查询: 在query下面进行复合查询进行多个的字段匹配
复合语句可以合并任何其它查询语句，包括复合语句，了解这一点是很重要的。这就意味
着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。

must:必须达到must列举的所有条件

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": {
            "gender": "F"
          }},
        {"match": {
            "address":"mill"
          }}
      ]
    }
  }
}

must_ not必须不是指定的情况

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": {
            "gender": "F"
          }},
        {"match": {
            "address":"mill"
          }}
      ],
      "must_not": [
        {"match": {
          "age": "38"
        }}
      ]
    }
  }
}

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": {
            "gender": "F"
          }},
        {"match": {
            "address":"mill"
          }}
      ],
      "must_not": [
        {"match": {
          "age": "28"
        }}
      ],
      "should": [ //匹配上最好 没匹配上也要把这个字段的查出来 满足得分会变高
        {"match": {
          "lastname": "Wallace"
        }}
      ]
    }
  }
}

事件描述
must 子句(查询)必须出现在匹配的文档中，并将有助于得分，
filter 子句(查询) 必须出现在匹配的文档中。然而不像 must此查询的分数将被忽略，
should 子句(查询)应出现在匹配文档中，在布尔查询中不包含 must或fiter子句,一个或多个should子句必须有相匹配的文件。四配should条件的最小数目可通过设置minimum. should_ match 参数。
must not子句(查询)不能出现在匹配的文档中。

6).filter [结果过滤]
并不是所有的查询都需要产生分数，特别是那些仅用于"filtering" (过滤)的文档。为了不
计算分数Elasticsearch会自动检查场景并且优化查询的执行。

{
  "query": {
    "bool": {
      "filter": [
        {
          "range": {
            "age": {
              "gte": 18,
              "lte": 30
            }
          }
        }
      ]
    }
  }
}

不会贡献相关性得分

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "age": {
              "gte": 18,
              "lte": 30
            }
          }
        },
        {"match": {
          "address": "Mill"
        }}
      ]
    }
  }
}

会进行相关性得分

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": {
            "gender": "F"
          }},
        {"match": {
            "address":"mill"
          }}
      ],
      "must_not": [
        {"match": {
          "age": "18"
        }}
      ],
      "should": [
        {"match": {
          "lastname": "Wallace"
        }}
      ],
      "filter": [
        {"range": {
          "age": {
            "gte": 18,
            "lte": 20
          }
        }}
      ]
    }
  }
}

可以先用must来查询再用filter来进行过滤操作

8)，term和match-样。匹配某个属性的值。全文检索字段用match,其他非text字段匹配用term.

GET bank/_search
{
  "query": {
    "term": {
    "age":20
    }
  }
}

比如说数字呀这些非文本的字段不需要全文检索的相当于分词是比较困难的不进行分词

match_phrase ==match字段.keyworld 匹配整个字段

GET bank/_search
{
  "query": {
    "match": {
      "address.keyword": "789 Madison Street"//精确匹配的方法
    }
  }
}
GET bank/_search
{
  "query": {
    "match_phrase": {
      "address": "789 Madison Street"
    }
  }
}

但是区别是前者必须完整后者不完整也可以匹配（分词全文检索一个完整的短语就算）

9)、aggregations (执行聚合)
聚合提供了从数据中分组和提取数据的能力，最简单的聚合方法大致等于SQL GROUP
BY和SQL聚合函数。在Elasticsearch中，您有执行搜索返回hits (命中结果)，并且同时返
回聚合结果，把一个响应中的所有hits (命中结果)分隔开的能力。这是非常强大且有效的，您可以执行查询和多个聚合，并且在一次使用中得到各自的(任何一个的)返回结果，使用一次简洁和简化的API来避免网络往返。
相当于mysql的聚合函数

1.搜索address中包含mill的所有人的年龄分布以及平均年龄，但不显示这些人的详情。

GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
    }
  },
  "aggs": {    //采用聚合函数
    "ageAgg": {   //聚合的名字
      "terms": {	//聚合的类型 返回age的值得可能性
        "field": "age",	//按照年龄来聚合
        "size": 10		//只要前面的10种结果
      }
    }
  }
}

按照年龄聚合，并且请求这些年龄段的这些人的平均薪资子聚合

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "ageAgg": {
      "terms": {
        "field": "age",
        "size": 100
      },
      "aggs": {
        "ageAvg": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  }
}

查出所有年龄分布，并且这些年龄段中M的平均薪资和F的平均薪资以及这个年龄
段的总体平均薪资

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "ageAgg": {
      "terms": {
        "field": "age",
        "size": 100
      },
        "aggs": {
          "genderAgg": {
            "terms": {
              "field": "gender.keyword",
              "size": 10
            },
            "aggs": {
              "balanceAvg": {
                "avg": {
                  "field": "balance"
                }
              }
            }
          },
          "agebalanceAvg":{
            "avg": {
              "field": "balance"
            }
          }
        }
      }
    }
  }

3、Mapping
1)、字段类型
在这里插入图片描述

2)、映射
Mapping (映射)
Mapping是用来定义一个文档(document)，以及它所包含的属性(field) 是如何存储和
索引的。比如，使用mapping来定义:
哪些字符串属性应该被看做全文本属性(full text fields)。
哪些属性包含数字，日期或者地理位置。
文档中的所有属性是否都能被索引(all配置)。
日期的格式。
自定义映射规则来执行动态添加属性。
查看mapping信息:
GET bank/ mapping
修改mapping信息
https://www.elastic.co/ guide/en/elasticsearch/reference/current/mapping.html
6.0已经移除了类型

移除类型的原因：
ElasticSearch7-去掉type概念
●关系型数据库中两个数据表示是独立的，即使他们里面有相同名称的列也不影响使用，
但ES中不是这样的。elasticsearch是基于Lucene开发的搜索引擎，而ES中不同type
下名称相同的filed最终在Lucene中的处理方式是一样的。
●两个不同type下的两个user_ name,在ES同一一个索引下其实被认为是同一-个filed,
你必须在两个不同的type中定义相同的filed映射。否则，不同type中的相同字段
名称就会在处理中出现冲突的情况，导致Lucene处理效率下降。
●去掉type就是为了提高ES处理数据的效率。
. Elasticsearch 7.x
●URL中的type参数为可选。比如，索引-一个文档不再要求提供文档类型。
●Elasticsearch 8.x
.不再支持URL中的type参数。
.解决:将索引从多类型迁移到单类型，每种类型文档-一个独立索引
类型也有是文档类型的子属性：keyword

{
  "bank" : {
    "mappings" : {
      "properties" : {
        "account_number" : {
          "type" : "long"
        },
        "address" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        }

类型可能不是自己想要的所以可以自己来指定映射规则

在这里插入图片描述
自定义类型
1、创建映射

PUT /my_index
{
  "mappings": {
    "properties": {
      "age":{"type": "integer"},
      "email":{"type": "keyword"},
      "name":{"type": "text"}
    }
  }
}

2、添加新的字段映射

PUT /my_index/_mapping
{
  "properties": {
    "employee-id": {
      "type": "keyword",
      "index": false  ## 指定不能用employee-id来检索
    }
  }
}

3、更新映射
对于已经存在的映射字段，我们不能更新。更新必须创建新的索引进行数据迁移

4、数据迁移
先创建出new_ twitter 的正确映射。然后使用如下方式进行数据迁移

PUT /newbank
{
  "mappings": {
    "properties": {
      "account_number": {
        "type": "long"
      },
      "address": {
        "type": "text"
      },
      "age": {
        "type": "integer"
      },
      "balance": {
        "type": "long"
      },
      "city": {
        "type": "keyword"
      },
      "email": {
        "type": "keyword"
      },
      "employer": {
        "type": "keyword"
      },
      "firstname": {
        "type": "text"
      },
      "gender": {
        "type": "keyword"
      },
      "lastname": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword",
            "ignore_above": 256
          }
        }
      },
      "state": {
        "type": "keyword"
      }
    }
  }
}

在这里插入图片描述

带类型的搬家6.0之前
在这里插入图片描述

POST _reindex
{
  "source": {
    "index": "bank",
    "type": "account"
  },
  "dest": {
    "index":"newbank"
  }
}

4、分词

一个tokenizer (分词器)接收一一个字符流，将之分割为独立的tokens (词元，通常是独立
的单词)，然后输出tokens流。
例如，whitespace tokenizer遇到空白字符时分割文本。它会将文本"Quick brown fox!"分割
为[Quick, brown, fox!]。
该tokenizer (分词器)还负责记录各个
term
(词条)的顺序或p
position
位置(用于phrase短
语和word proximity词近邻查询)，以及term (词条)所代表的原始word (单词)的start
(起始)和end (结束)的character offsets (字符偏移量) (用于高亮显示搜索的内容)。
Elasticsearch提供了很多内置的分词器，可以用来构建custom analyzers (自定义分词器)。

POST _analyze
{
  "analyzer": "standard",
  "text": "尚硅谷电商项目"
}

默认分词器

1)、安装ik分词器

ik分词器的下载地址

在这里插入图片描述
先进入这个目录：
cd /etc/sysconfig/network-scripts/

ip addr 和 eth1和192.168.56.10有关系

vi if-itcfg-eth1

在这里插入图片描述
service network restart
yum install wget

五、Elasticsearch-Rest-Client
1)、9300: TCP
●spring-data-elasticsearch:transport-api.jar;
■springboot 版本不同，transport-apijar 不同，不能适配es版本
■7.x 已经不建议使用，8以后就要废弃
2)、9200: HTTP
●JestClient: 非官方，更新慢
RestTemplate:模拟发HTTP请求，ES很多操作需要自己封装，麻烦
●HttpClient: 同上
Elasticsearch-Rest-Client:官方RestClient,封装了ES操作，API层次分明，上手简单
最终选择Elasticsearch-Rest-Client (elasticsearch-rest-high-level-client)
官方文档

配置文档的连接

API文档

@SpringBootTest
class ZyfEsApiApplicationTests {

    @Autowired
    @Qualifier("restHighLevelClient")
    private RestHighLevelClient client;

//测试索引的创建
    @Test
    void testCreatIndex() throws IOException {
        //1.创建索引请求
        CreateIndexRequest request = new CreateIndexRequest("kuang_index");
        //2.执行创建请求 IndicesClient  RequestOptions options  请求后获得响应
        CreateIndexResponse createIndexResponse = client.indices().create(request, RequestOptions.DEFAULT);
        System.out.println(createIndexResponse);

    }
    //测试获取索引  判断其是否存在
    @Test
    void testExitIndex() throws IOException {
        GetIndexRequest request = new GetIndexRequest("kuang_index");
        boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);
        System.out.println(exists);
    }


    //删除索引
    @Test
    void testExitIndex1() throws IOException {
        DeleteIndexRequest request = new DeleteIndexRequest("kuang_index");
        AcknowledgedResponse delete = client.indices().delete(request, RequestOptions.DEFAULT);
        System.out.println(delete.isAcknowledged());

    }

    //文档的操作
    //测试添加文档
@Test
void testAddDocument() throws IOException {
    User user = new User("李四", 78);

    IndexRequest request = new IndexRequest("kuang_index");

    request.source(JSON.toJSONString(user),XContentType.JSON);

    IndexResponse index = client.index(request, RequestOptions.DEFAULT);
    System.out.println(index.toString());
    System.out.println(index.status());
}



//获取文档，判断是否存在get/index/_doc/1
    @Test
    void testIsExists() throws IOException {
        GetRequest getRequest= new GetRequest("kuang_index","1");
        //不获取上下文的文档信息将文档信息过滤掉
        getRequest.fetchSourceContext(new FetchSourceContext(false));
        getRequest.storedFields();//排序的字段

        boolean exists = client.exists(getRequest, RequestOptions.DEFAULT);
        System.out.println(exists);


    }



    //获取文档信息
    @Test
    void testGetDocuments() throws IOException {

        GetRequest getRequest= new GetRequest("kuang_index","1");
        GetResponse response = client.get(getRequest, RequestOptions.DEFAULT);
        System.out.println(response.getSourceAsString());//文档内容
        System.out.println(response);//完整的
    }
    //更新文档信息
    @Test
    void testUpdateDocument() throws IOException {

        UpdateRequest updateRequest = new UpdateRequest("kuang_index","1");
        User user = new User("张三是装癖", 52);
        updateRequest.doc(JSON.toJSONString(user), XContentType.JSON);

        UpdateResponse update = client.update(updateRequest, RequestOptions.DEFAULT);
        System.out.println(update.status());

    }
    //删除文档信息
    @Test
    void testDeleteDocument() throws IOException {

        DeleteRequest deleteRequest = new DeleteRequest("kuang_index", "1");
        DeleteResponse delete = client.delete(deleteRequest, RequestOptions.DEFAULT);
        System.out.println(delete.status());

    }
    //真实的项目一般都会批量的插入数据
    //更新文档信息
    @Test
    void testBulkRequest() throws IOException {

        BulkRequest bulkRequest = new BulkRequest();
        bulkRequest.timeout("10s");
        ArrayList<User> list = new ArrayList<>();
        list.add(new User("kuangshen1",3));
        list.add(new User("kuangshen2",3));
        list.add(new User("kuangshen3",3));
        list.add(new User("kuangshen4",3));
        list.add(new User("kuangshen5",3));

        //批处理请求
        for (int i = 0; i < list.size(); i++) {
            bulkRequest.add(
                    new IndexRequest("kuang_index")
                    .id(""+(i+1))
                    .source(JSON.toJSONString(list.get(i)),XContentType.JSON));
        }
        BulkResponse bulkResponse = client.bulk(bulkRequest, RequestOptions.DEFAULT);
        //是否执行成功  是否失败返回false则执行成功！
        System.out.println(bulkResponse.hasFailures());


    }
    //查询    SearchRequest 搜索请求
    //条件构造 SearchBuilder  条件构造
    //HighlightBuilder构建高亮
    // 精确QueryBuilders.termQuery来实现
    //QueryBuilders.matchAllQuery();  匹配所有
    @Test
    void  testSearch() throws IOException {
        //定义一个常量 封装kuang_index
        SearchRequest searchRequest = new SearchRequest(ESconst.ES_INDEX);

        //构建搜索的条件 构建器
        SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();

        //查询条件我们可以使用QueryBuilders来实现
        // 精确QueryBuilders.termQuery来实现
        //QueryBuilders.matchAllQuery();  匹配所有

        TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "kuangshen1");
        MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();
        sourceBuilder.query(termQueryBuilder);

//        sourceBuilder.from();
//        sourceBuilder.size();
        sourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));

        searchRequest.source(sourceBuilder);
        SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);

        System.out.println(JSON.toJSONString(searchResponse.getHits()));

        for (SearchHit hit : searchResponse.getHits().getHits()) {
            System.out.println( hit.getSourceAsMap());
        }
    }
}

weixin_45995553

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
1
评论
ES

ES1.初步检索1、_ catGET _ cat/nodes: 查看所有节点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 show databases;2.索引一个文档(保存)保存一个数据，保存在哪个索引的哪个类型下，指定用哪个唯一标识PUT customer/external/1;在customer索引下的external 类型下保存1号数据为PUT customer/ ext
复制链接

扫一扫

专栏目录