Elasticsearch（三）– 基本使用

使用kibana编写Elasticsearch操作命令语句

创建索引

创建索引相当于创建数据库。

创建索引，指定分片和副本的数量（相当于创建数据库）

GET 查询settings

PUT 更新settings

保存/新增文档

指定id，使用PUT

id自增，使用POST

文档插入后，可以到head插件里（http://127.0.0.1:9100/）里的“数据浏览”里，看到插入的数据：

查询文档

查询到的数据这样的：

还可以字段过滤查询：

查到的结果是：

修改文档

覆盖式修改，使用PUT

增量式修改，使用POST

删除

批量操作

如果命令一条条的执行，那么，每执行一条命令，就需要建立一次http连接（elasticsearch是C/S架构），每次都要经历三次握手、四次分手的过程，遇上数量很多的命令，那么效率就会降低。所以，elasticsearch为了解决这个问题，提供了一些批量操作的命令。

批量获取（get）

批量获取使用命令：GET _mget
有一个索引testdb如下:

代码使用如下：

如果是取同一个索引（数据库）下的数据，可以把索引（数据库）抽出来：

同理，我们也可以把类型（表）提到_mget前，表示只对这个类型（表）查询数据：

上面的id也可以使用“ids”来简写：

bulk 批量操作

批量导入可以合并多个操作，比如index、delete、update、create等等。可以让我们把多个的这些操作合并，一次提交。也可以帮助我们从一个索引导入到另一个索引。
需要注意的是，每一条数据都由两行构成（delete除外），其他的命令比如index和create都是由元信息行和数据行组成，update比较特殊，它的数据行可能是“doc”也可能是“upsert”或者“script”。
每一条数据都由两行构成：

{"index":{"_index":"lagou","_type":"job","_id":"1"}}“index”为操作类型，“_index”：填写要索引名，“_type”：填写要类型名，“_id”：填写id

创建索引（index）：

示例：

注意：使用 _bulk批量操作的数据，都是要一行一行的写，不能美化成json那样的格式，否则会报错。

增加数据（create）：

示例：

更新数据（update）：

示例：

删除数据（delete）：

示例：

bulk会把这些命令发送到一个节点，然后由这个节点解析元数据（也就是类似这个：{"_index":"lagou","_type":"job","_id":"3"}），然后分发到其他节点的分片，进行操作，等到所有的命令执行完成以后，才统一返回结果。
需要注意的是：但bulk处理的数据比较大，会chunk（分片）传输，因为数据量比较大，会有一定的延迟，所以，不要一次性提交的数据过多。

mapping映射管理

当我们创建索引的时候，可以预先定义字段的类型以及相关属性。这是针对创建type（对应表）的时候生效，为字段指定属性类型，比如：title字段指定为字符串类型，那么title字段就只能存放字符串。还可指定title字段的属性，是否可以被Elasticsearch搜索。
默认情况下，Elasticsearch会根据JSON源数据的基础类型猜测你想要的字段映射。将输入的数据转变成可搜索的索引项。Mapping就是我们自己定义的字段的数据类型，同时告诉Elasticsearch如何索引数据以及是否可以被搜索。
它的作用，会让索引建立的更加细致和完善。

内置类型

• string类型：text，keyword（string类型在ES5开始已经废弃）。
  text与keyword是不同的，text会被分析器分析，拆解-组合成多个字或词；keyword不会被分析器分析，仅仅当做一个字符串存储。
• 数字类型：long，integer，short，byte，double，float
• 日期类型：date
• bool类型：boolean
• binary类型：binary （不会被检索）
• 复杂类型：object，nested
• geo类型（地理位置）：geo-point，geo-shape
• 专业类型：ip，competion（搜索建议）

什么是object、nested类型

示例：

注意：类型一旦创建成功，就不能再修改。
放入数据：

支持属性

• //是否单独设置此字段的是否存储而从_source字段中分离，默认是false，只能搜索，不能获取值
  "store": false
• //分词，设置false，字段将不会被索引（即不创建倒排索引）
  "index": true
• //指定分词器，默认分词器为standard analyzer
  "analyzer": "ik"
• //字段级别的分数加权，默认值是1.0
  "boost": 1.23
• //对not_analyzed字段，默认都是开启，分词字段不能使用，对排序和聚合能提升较大性能，节约内存
  "doc_value": false
• //针对分词字段，参与排序或聚合时能提高性能，不分词字段统一建议使用doc_value
  "fielddata": {"format": "disabled"}
• //可以对一个字段提供多种索引模式，同一个字段的值，一个分词，一个不分词
  "fields": {"raw": {"type": "string", "index": "not_analyzed"}}
• //超过100个字符的文本，将会被忽略，不被索引
  “ignore_above”: 100
• //设置是否此字段包含在_all字段中，默认时true，除非index设置成no
  "include_in_all": true
• //4个可选参数docs（索引文档号），freqs（文档号+词频），positions（文档号+词频+位置，通常用来距离查询），offsets（文档号+词频+位置+偏移量，通常被使用在高亮字段）分词字段默认时positions，其他默认时docs
  "index_options": "docs"
• //分词字段默认配置，不分词字段：默认{“enable”: false}，存储长度因子和索引时boost，建议对需要参加评分字段使用，会额外增加内存消耗
  "norms": {"enable": true, "loading": "lazy"}
• //设置一些缺失字段的初始化，只有string可以使用，分词字段的null值也会被分词
  "null_value": "NULL"
• //影响距离查询或近似查询，可以设置在多值字段的数据上或分词字段上，查询时可以指定slop间隔，默认值时100
  "position_increament_gap": 0
• //设置搜索时的分词器，默认跟analyzer是一致的，比如index时用standard+ngram，搜索时用standard用来完成自动提示功能
  "search_analyzer": "ik"
• //默认时TF/IDF算法，指定一个字段评分策略，仅仅对字符串型和分词类型有效
  "similarity": "BM25"
• //默认不存储向量信息，支持参数yes（term存储），with_positions（term+位置），with_offsets（term+偏移量），with_positions_offsets（term+位置+偏移量）对快速高亮fast vector highlighter能提升性能，但开启又会加大索引体积，不适合大数据量用
  "trem_vector": "no"

示例：

更多属性，参考官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/6.1/mapping-params.html。

查询

查询的分类：

• 基本查询：使用elasticsearch内置查询条件进行查询
• 组合查询：把多个查询组合在一起进行复合查询
• 过滤：查询同时，通过filter条件在不影响打分的情况下筛选数据

基本查询

准备索引：

放入数据：

match查询

term查询

terms查询

控制查询的返回数量

match_all查询

match_phrase 短语查询

multi_match查询

指定返回字段

通过sort把结果排序

range 查询范围

wildcard 模糊查询

组合查询（bool查询）

老版本的filtered已经被bool替换，用bool包括must、should、must_not、filter来完成。
格式如下：

建立测试数据：

简单过滤查询

也可以指定多个值：

查看分析器解析的结果

查看分析器解析的结果，在 “text”里写入文本，就会使用指定的分析器对文本进行分词，并把结果输出。

bool过滤查询,可以做组合过滤查询

嵌套查询

过滤空和非空

建立测试数据：

处理null空值的方法：