ES使用操作

最新推荐文章于 2024-08-21 19:39:24 发布
最新推荐文章于 2024-08-21 19:39:24 发布
阅读量894 收藏 11
点赞数 8
分类专栏： ElasticSearch 文章标签： elasticsearch
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_52359996/article/details/138153000
版权

ES使用操作

索引操作

1. 创建索引

PUT请求是幂等的，即对同一个文档多次执行相同的PUT请求会产生相同的结果。这意味着多次执行PUT请求不会导致文档的重复或多次更新。而POST请求不是幂等的，多次执行相同的POST请求会创建多个相同的文档。

PUT http://{{ServiceIP}}/index_name

image-20230920220835051

2. 检索创建的索引

GET http://{{ServiceIP}}/_cat/indices?v

image-20230920222035205

表头含义
health当前服务器健康状态： green(集群完整) yellow(单点正常、集群不完整) red(单点不正常)
status索引打开、关闭状态
index索引名
uuid索引统一编号
pri主分片数量
rep副本数量
docs.count可用文档数量
docs.deleted文档删除状态（逻辑删除）
store.size主分片和副分片整体占空间大小
pri.store.size主分片占空间大小

3. 检索索引详情

GET http://{{ServiceIP}}/index_name

image-20230920223222083

{
    "shopping": { // 索引名称
        "aliases": {}, // 这是一个空对象，用于存储别名相关的配置信息。在此结果中，别名未定义。
        "mappings": {}, // 这是一个空对象，用于存储索引的映射信息，包括字段的数据类型、分词器等。在此结果中，映射未定义。
        "settings": { // 索引的设置信息，包含了索引级别的各种配置项
            "index": { // 索引级别的设置信息
                "routing": { // 路由策略的配置信息
                    "allocation": { //数据分片分配的配置信息
                        "include": { //包含数据分片分配相关配置的对象
                            "_tier_preference": "data_content" //控制数据分配偏好的配置项，指定了数据分配的偏好策略为"data_content"
                        }
                    }
                },
                "number_of_shards": "1", //索引的分片数，即在此结果中索引的分片数为1
                "provided_name": "shopping", // 索引的提供的名称，即在此结果中索引的名称为"shopping"
                "creation_date": "1695219617958", // 索引的创建日期，表示为一个时间戳
                "number_of_replicas": "1",  // 索引的副本数，即在此结果中索引的副本数为1
                "uuid": "ELK_h7rTT-ePH04m5OOsYg", //索引id
                "version": { // 索引的版本信息
                    "created": "7170599"  // 索引的创建版本号
                }
            }
        }
    }
}

4. 删除索引

DELETE http://{{ServiceIP}}/index_name

image-20230920221707813

文档操作

1. 文档创建

索引已经创建好了，接下来我们来创建文档，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

添加随机id文档
POST http://{{ServiceIP}}/index_name/_doc

在下面的id中可以看出是随机id

image-20230920222940800

{
    "_index": "user",// 索引信息
    "_type": "_doc", // 文档类型
    "_id": "_sXs5I4BawIgNvjwO-SQ", //id
    "_version": 1, // 版本号，每一次对文档进行修改都会增加版本号
    "result": "created", //结果 这里的 created 表示创建成功
    "_shards": { //分片信息
        "total": 2, //分片总数2
        "successful": 1, //分片成功1
        "failed": 0 // 分片失败0
    },
    "_seq_no": 0, 
    "_primary_term": 1
}
指定id添加文档
POST http://{{ServiceIP}}/index_name/_doc/id

在下下面就能看出是指定好的id数据,方便用于管理

image-20230920224134825

批量添加文档

[批量 API |Elasticsearch 指南 8.13] |弹性的

http://{{ServiceIP}}/_bulk

{"index":{"_index":"books"}} // 这里指定添加文档的索引等信息
{"name":"Revelation Space","author":"Alastair Reynolds","release_date":"2000-03-15","page_count":585} // 这里时文档的json格式 内容
{"index":{"_index":"books"}}
{"name":"1984","author":"George Orwell","release_date":"1985-06-01","page_count":328}
{"index":{"_index":"books"}}
{"name":"Fahrenheit 451","author":"Ray Bradbury","release_date":"1953-10-15","page_count":227}
{"index":{"_index":"books"}}
{"name":"Brave New World","author":"Aldous Huxley","release_date":"1932-06-01","page_count":268}
{"index":{"_index":"books"}}
{"name":"The Handmaids Tale","author":"Margaret Atwood","release_date":"1985-06-01","page_count":311}

2. 文档查询

match检索

match会将你搜索的query进行分词的查询方法和mysql中的模糊查询差不多

POST http://{{ServiceIP}}/index_name/_search
{
  "query": {
    "match": {
      "field_name":"content"
    }
  }
}

image-20230920225728595

term 精确匹配检索

term查询也是比较常用的一种查询方式，它和match的唯一区别就是match需要对query进行分词，而term是不会进行分词的，它会直接拿query整体和原文进行匹配。

match_phrase 分词精确检索

match_phrase和match一样也是会对你的搜索query进行分词，但是，不同的是它不是匹配到某一处分词的结果就算是匹配成功了，而是需要query中所有的词都匹配到，而且相对顺序还要一致，而且默认还是连续的

POST http://{{ServiceIP}}/index_name/_search
{
  "query": {
    "match_phrase": {
      "name":"search content"
    }
  }
}

在这里只有一条数据匹配

image-20230920233837405

multi_match多字段查询

multi_match比是可以设置多个字段检索

POST http://{{ServiceIP}}/user/_search
{
  "query": {
    "multi_match": {
      "query":"content",
      "fields":["field1","field2"]
    }
  }
}

下面检索的就是name,tel字段中能匹配到wanghaonan的数据

image-20230920234947312

terms 检索

terms和mysql中的in 一样

POST http://{{ServiceIP}}/index_name/_search
{
    "query": {
        "terms": {
            "field_name": [
                "content1",
                "content2"
            ]
        }
    }
}

image-20230920234422076

fuzzy模糊查询

fuzzy和term一样，也不会将query进行分词，但是不同的是它在进行匹配时可以容忍你的词语拼写有错误，至于容忍度如何，是根据参数fuzziness决定的。fuzziness默认是2，也就是在默认情况下，fuzzy查询容忍你有两个字符及以下的拼写错误。即如果你要匹配的词语为test，但是你的query是text，那也可以匹配到.

POST http://{{ServiceIP}}/user/_search
{
  "query": {
    "fuzzy": {
      "field_name":"content"
    }
  }
}

image-20230920235723842

range范围查询

range查询时对于某一个数值字段的大小范围查询

  1. gte：大于等于
  2. gt：大于
  3. lt：小于
  4. lte：小于等于
POST http://{{ServiceIP}}/index_name/_search
{
    "query": {
        "range": {
            "field_name": {
                "gte": 1,
                "lt": 5
            }
        }
    }
}

image-20230921000200665

高亮检索
POST http://{{ServiceIP}}/{{Index_name}}/_search
{
    "query": {
        "match": {
            "query_field_name": "query content"
        }name
    },
    "_source": [
        "show_field_name"
    ],
    "highlight": {
        "fields": {
            "highlight_field_na'me": {}
        }
    }
}

image-20230921155636970

高亮字段可以是正则匹配,匹配上的字符便会加上高亮

image-20230921161436450

聚合查询
POST http://{{ServiceIP}}/{{Index_name}}/_doc/_search
{
    "from": 0,
    "size": 0,
    "aggs": {
        "all_add": {// 聚合的名字
            "terms": {
                "field": "age"
            }
        }
    }
}

image-20230921163631562

官网上还给了例子再局和内部还可以镜像其他的操作,聚合加强版操作

image-20230921164016549

使用id进行检索

这个方法很少用太笨了

GET http://{{ServiceIP}}/index_name/_doc/id

image-20230920230256165

分页检索
GET http://{{ServiceIP}}/index_name/_search
// 这里检索的意思是从下标0开始向后检索两个和mysql一样
{
    "query": {
        "match_all": {}
    },
    "from": 0, // 起始的下标位置 
    "size": 2 // 检索的大小
}

image-20230920231017441

排序检索
POST http://{{ServiceIP}}/index_name/_search
{
    "query": {
        "match_all": {}
    },
    "from":0, // 从第0个开始
    "size":3, // 显示3个
    "_source":["age"],// 只显示age字段
    "sort": { // 排序
        "field_name": { // 根据age字段排序
            "order": "asc" // 正序排序
        }
    }
}

image-20230920231854081

多条件检索

bool查询是上面查询的一个综合，它可以用多个查询去组合出一个大的查询语句

GET http://{{ServiceIP}}/index_name/_search
{
    "query": {
        "bool": {
            "must": [
                {
                    "match": {
                        "name": "wanghaonan"
                    }
                },
                {
                    "match": {
                        "age": 18
                    }
                }
            ],
            "should": {
                "term":{ // 
                    "tel": "123456"
                }
            }
        }
    }
}

term查询是比较常用的一种查询方式，它和match的唯一区别就是match需要对query进行分词，而term是不会进行分词的，它会直接拿query整体和原文进行匹配

  1. must：代表且的关系，也就是必须要满足该条件
  2. should：代表或的关系，代表符合该条件就可以被查出来
  3. must_not：代表非的关系，也就是要求不能是符合该条件的数据才能被查出来

上面检索的意思是name和age分词检索必须匹配wanghaonan和18,或tel完全匹配123456的数据

image-20230920233405916

3. 文档修改

根据id修改

整体替换 相同id的文档 如果有个字段为空 也会被赋值为空

// POST  :http://{{ServiceIP}}/{{Index_name}}/_doc/user20230920
{
    "name":"wanghaonan  update",
    "address":"南京",
    "age":18,
    "email":"123456789@qq.com",
    "tel":"123456"
}
修改指定字段
// POST : http://{{ServiceIP}}/{{Index_name}}/_update/user20230920
{
    "doc": {
        "name": "wanghaonan  update",
        "address": "南京11"
    }
}
使用Script 脚本批量修改
// POST : http://{{ServiceIP}}/{{Index_name}}/_update_by_query
{
  "script": {
    "lang": "painless",
      // 修改文档中name属性的值为zhangsan的为 whnn
    "source": "if (ctx._source.name == 'zhangsan'){ctx._source.name='whnn'}"
  }
}

4. 分词器

POST http://{{ServiceIP}}/_analyze

这里需要指定一个分词器，ES默认的分词器是standard，不过只支持英文分词，如果你用它来对中文进行分词的话会直接按字拆分，有一些中文分词器可以下载使用，像ik或者jieba之类的，这里便不去介绍如何安装了，感兴趣的可以查阅相关文章。

image-20230920225056686

wangRich007
关注
专栏目录
Elasticsearch
ne_123456的博客
08-15 2154
Elasticsearch
es-head Elasticsearch的可视化操作插件
12-19
es-head是一个针对Elasticsearch的可视化操作插件。它提供了一个便捷的操作工具，可以连接Elasticsearch搜索引擎，并提供可视化的操作页面，对Elasticsearch进行各种设置和数据检索功能的管理。 es-head 插件可以在...
ES(elasticsearch)搜索引擎安装和使用
热门推荐
andyzhaojianhui的专栏
07-16 8万+
大数据时代，搜索无处不在。搜索技术是全栈工程师必备技术之一，如今是开源时代，数不尽的资源供我们利用，如果要自己写一套搜索引擎无疑是浪费绳命。本节主要介绍搜索引擎开源项目elasticSearch的安装和使用 请尊重原创，转载请注明来源网站www.shareditor.com以及原始链接地址 为什么需要搜索引擎   首先想一下：在一篇文章里找一个关键词怎么找？字符串匹配是最佳
ES的介绍和使用
最新发布
weixin_45621552的博客
08-21 1783
​ Elastic Search 简称ES，是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。自定义查询的命名规则：方法名必须是其中之一开始，后面接字段名以及条件，条件之间的组合使用and或者or， 方法参数必须与使用的字段一一匹配//文章标题模糊查询，并且ID在给定的范围之内@Test。
es简单使用
sjjsdjdds的博客
09-17 52
1.创建索引库 put/索引库名 {mapping:{properties:{}}}映射：mapping ： 索引中文档的字段约束信息，类似表的结构约束。查询文档: get/{索引库名称}/_doc/{id}post/{索引库名}/_update/文档id。put/索引库名/_doc/文档id。删除文档： delete/{数据库名称}/_doc/id。4.更新索引库 put/索引库名/_mapping。新建文档： post/索引库名/_doc/文档id。索引：就是相同类型的文档的集合。
Elasticsearch-Filter DSL
小城我家
11-23 470
Filter DSL Elasticsearch中的所有的查询都会触发相关度得分的计算。对于那些我们不需要相关度得分的场景下，Elasticsearch以过滤器的形式提供了另一种查询功能，过滤器在概念上类似于查询，但是它们有非常快的执行速度，执行速度快主要有以下两个原因： 过滤器不会计算相关度的得分，所以它们在计算上更快一些。 过滤器可以被缓存到内存中，这使得在重复的搜索查询上，其要比相应的查询快出许多。 为了理解过滤器，可以将一个查询（像是match_all，match，bool等）和一个过滤器结合起来。
es的使用
qq_42031483的博客
05-26 3137
ElasticSearch学习笔记 ES是什么 ElasticSearch 是一个高可用开源全文检索和分析的组件，官方解释说它是一个分布式、可扩展、实时的搜索与数据分析引擎。提供存储服务，搜索服务，大数据准实时分析等。一般用于提供一些提供复杂搜索的应用。 为什么要用它 使用es，是因为数据量大的时候，如果所有数据存入关系型数据库，会出现，难以全文检索，效率低，难以完成数据库分析的问题。所以，为了提供查询效率，同时实现全文检索，所以我们采用了ES。 ES主要解决问题 全文检索相关数据： (1) 搜索“UK
SpringBoot集成Elasticsearch（已实现各种ES操作，上手即可用
11-12
本实例涵盖ES中的各类操作，如索引操作、CRUD操作、批处理、结果排序、分页查询、检索查询、关键字查询、高亮显示、逻辑查询、过滤查询、分组查询等等。并且已经过生产环境验证，各位可放心使用。如有不对之处欢迎...
es入门操作-elasticsearch入门操作
12-27
"Elasticsearch 入门操作" Elasticsearch 是一个基于 Lucene 库的搜索引擎，提供了一个分布式、支持多用户的全文搜索引擎，具有 HTTP Web 接口和无模式 JSON 文档。所有其他语言可以使用 RESTful API 通过端口 9200...
easy-ES框架使用，轻松操作查询Elasticsearch
06-01
为了简化对ES的操作，开发者们设计了各种框架，其中"easy-ES"就是一个旨在使Elasticsearch操作更简单易用的框架。本文将详细介绍如何使用easy-ES来轻松地进行Elasticsearch的数据操作和查询。 ### 1. easy-ES框架...
(狂神)ElasticSearch快速入门笔记，ElasticSearch基本操作以及爬虫(Java-ES仿京东实战)
04-18
(狂神)ElasticSearch快速入门笔记，ElasticSearch基本操作以及爬虫(Java-ES仿京东实战),包含了小狂神讲的东西，特别适合新手学习，笔记保存下来可以多看看。好记性不如烂笔头哦~，ElasticSearch，简称es，es是一个...
ES的使用
qq_46020806的博客
05-20 2083
5. 查询数据：ES提供了非常强大的查询功能，你可以使用各种查询语句来检索数据。例如，你可以使用match查询查找包含特定关键字的文档，也可以使用bool查询来组合多个条件进行查询。3. 创建索引：在ES中，所有的数据都是存储在索引中的。你可以使用ES提供的API创建一个新的索引，并定义其中包含的字段和类型。以上是一些常用的ES查询语句，当然ES还有很多其他的高级用法和查询方式，需要根据具体场景进行学习和掌握。6. 聚合数据：除了查询功能外，ES还提供了丰富的聚合功能，可以对搜索结果进行分组、分析和汇总。
ES的操作
qq_47938856的博客
07-07 504
es是用于来搜索无结构的，使用的是倒排索引，es创建一个索引就相当于是创建一个数据库。 （1）创建索引，是用put方法来进行的，uri后面跟着索引的名字 （2）查询这个es创建的所有索引 （3）查看单个索引，你就后面跟某个索引的名字就行（4）在对应的数据添加数据 http://127.0.0.1:9200/索引名字/_doc 记住格式要用json的格式，而且发送额方法是post，如果不是post的话就会报错（5）条件查询 可以不把索引对应的所有数据查询出来，只查询自己想要的数据 （6）查询指定的字段...
ES的使用（Elasticsearch）
weixin_48164819的博客
12-29 1957
ES的使用（Elasticsearch）
ES的基本使用
pshdhx的博客
07-10 9545
elasticsearch的基础语法+聚合函数+IK分词器+java的API的高阶调用
ES（Elasticsearch）的基本使用
学习笔记
01-03 3728
elasticsearch的基本认识，以及springboot整合es的内容
ES的安装以及使用
cxkji的博客
05-01 4253
点击 View past releases 可以找到所有版本，请选择8.12.2的windows版本这边我选择的是8.12.2的版本,不使用最新版本是因为还没有相对应的IK分词器插件。
评论 3
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