快速入门Elasticsearch

写在前面

本文是基于版本6.1。如有出入请以官方文档为准https://www.elastic.co/guide/en/elasticsearch/reference/6.6/starting-elasticsearch.html。

中文文档：http://doc.codingdict.com/elasticsearch/319/

注意：根据自己使用的版本，查看对应版本的文档。

基本概念

• document（文档）：类比数据库表中一行数据（必须要有一个唯一的标识，如果没有则会自动生成）。
• type（类型）：6.0之前类比数据库中一张表，6.x之后没有这个概念，但是依旧存有这个字段（后续的版本会移除）。
• index（索引）：6.0之前类比数据库的datebase，6.x后移除了type概念，所以类比数据库一张表。
• mapping：类比数据库中表结构的定义，在es中是对index索引进行结构定义。

索引

索引分为正排索引和倒排索引，如上图，左边为正排索引，右边为倒排索引。

• 正排索引：根据文档ID映射到内容。
• 倒排索引：根据内容分词出来的单词映射到文档ID，列表除了文档ID还有单词在文档的偏移量（位置），出现的次数等信息用于计算相关性。

搜索的过程：通过倒排索引获取到文档id，然后再通过正排索引获取到文档内容。

 

mapping

参数详解https://www.elastic.co/guide/en/elasticsearch/reference/6.1/mapping-params.html

查看test_index索引的mapping结构

GET test_index/_mapping

配置含有mapping的索引。

PUT test_index
{
 "mappings": {
  "_doc": {
   "dynamic": "false",
   "properties": {
    "speaker": {"type": "keyword"},
    "tutke": {"type": "text"}
   }
  }
 }
}

dynamic三个参数：

• true：动态添加新的字段（即mappings会有改动）
• false：不会添加新的字段（即mappings不会有改动），但是新的数据会存入进去。
• strict：如果遇到新字段抛出异常

分词

    概念：分词是将文本转化为一系列单词的过程。也成为文本分析。如将 “elasticSearch是最流行的搜索引擎” 转化为"elasticsearch","流行"，“搜索引擎”。这是通过分析器（analyzer）实现的，同时分析器也分为好多种，不同的分析器分解出来的单词会不一样，根据自己的实际需求去选择文本分析器。如以上结果是通过ik_max_word分析器实现的。

指定analyzer测试分词效果

POST /_analyze
{
  "analyzer": "standard",
  "text": "elasticSearch是最流行的搜索引擎"
  
}

standard是es自带的分析器，如想要查看更多es自带的分析器和分析效果，请看官方文档Analyzers说明。其中不分词的分析器是keyword analyze。

常用的中文分词器：

• IK分词器（https://github.com/medcl/elasticsearch-analysis-ik）
• jieba分词器（https://github.com/sing1ee/elasticsearch-jieba-plugin）。

指定索引中的字段测试分词效果

POST test_index/_analyze
{
  
  "field": "searchKeyWord",
  "text": "elasticSearch是最流行的搜索引擎"
  
}

理解索引时分词和查询时分词

当数据存入到es中会进行索引时分词，生成一列倒排索引。如：”中国人民” 使用ik分析器会生成”中国人民“，”中国人“，”人民“，”中国“，“国人”这一列倒排索引存到es中。这是我们输入中国进行查询（假设数据存在以下索引和字段）：

GET test_index/_search
{
  "query": {
    "match": {
      "tutke": "中国"
    }
  }
}

“中国好”会进行查询时分词，分析器默认是匹配字段tutke的索引时分词用的分析器，即也是ik分析器，那么会对“中国好”分词为“中国“，”好”，和存在es的倒排索引进行匹配。

一个字段支持定义多个分析器生成的倒排索引，以便查询时可以选择使用哪种分析器生成的倒排索引进行匹配。

PUT test_index
{
 "mappings": {
  "_doc": {
   "properties": {
    "tutke": {
      "type": "text",
      "fields":{
        "dk_ik":{
          "type":"text",
          "analyzer":"ik_max_word"
        },
        "dk_keyword":{
          "type":"keyword"
        }
      }
    }
   }
  }
 }
}

此时tutke会生成三种倒排索引，默认的standard分析器生成的，名称为dk_ik的ik分析器生成的，名称为dk_keyword的keyword分析器生成的。

GET test_index/_search
{
  "query": {
    "match": {
      "tutke.dk_ik": "中国"
    }
  }
}

使用方式：字段.分析器名称。tutke.dk_ik表示将匹配ik分析器生成的倒排索引。