【ElasticSearch7.x安装及入门使用】

刺骨的言语ヽ痛彻心扉 2023-09-24 17:44 46阅读 0赞

此笔记内容为狂神说ElasticSearch入门学习部分

**目录**

一、ElasticSearch概述

1、ES和Solr

ElasticSearch简介

Solr简介

2、ElasticSearch与Solr比较

3、总结

二、ElasticSearch安装

Windows下安装

1、安装

2、熟悉目录

3、启动

安装可视化界面

1、下载地址

2、安装

3、启动

安装kibana

1、下载地址:

2、安装

3、启动

4、开发工具

5、kibana汉化

了解ELK

三、ElasticSearch核心概念

概述

物理设计

逻辑设计

文档（”行“）

类型（“表”）

索引（“库”）

物理设计：节点和分片 如何工作

倒排索引（Lucene索引底层）

四、IK分词器(elasticsearch插件)

1、下载

2、安装

3、重启ElasticSearch

4、查看插件

5、使用kibana测试

6、添加自定义的词添加到扩展字典中

五、Rest风格说明

基本Rest命令说明：

测试

1、创建一个索引，添加

2、字段数据类型

3、指定字段的类型（使用PUT）

4、获取3建立的规则

5、获取默认信息

6、修改

7、删除

8、查询（简单条件）

9、复杂查询

--------------------

> 在学习ElasticSearch之前，先简单了解一下**Lucene**：
> 
>  *  **Doug Cutting开发**
>  *  是**apache软件基金会**4 jakarta项目组的一个子项目
>  *  是一个**开放源代码**的**全文检索引擎工具包**
>  *  **不是一个完整的全文检索引擎，而是一个全文检索引擎的架构**，提供了完整的查询引擎和索引引擎，部分[文本分析][Link 1]引擎（英文与德文两种西方语言）
>  *  当前以及最近几年最受欢迎的**免费Java信息检索程序库**。
> 
> **Lucene和ElasticSearch的关系：**
> 
>  *  ElasticSearch是基于Lucene 做了一下封装和增强
> 
> **本次学习用到的资料**
> 
> 链接：[百度网盘 请输入提取码][Link 2]  
> 提取码：qk8p

# 一、ElasticSearch概述 #

--------------------

> 官网：[Download Elasticsearch | Elastic][Download Elasticsearch _ Elastic]

**Elaticsearch**，简称为es，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(大数据时代）的数据。es也使用java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的**目的**是通过简单的**RESTful API**来隐藏Lucene的复杂性，从而让全文搜索变得简单

据国际权威的数据库产品评测机构DB Engines的统计，在2016年1月，ElasticSearch已超过Solr等，成为**排名第一的搜索引擎类应用**。

## 1、ES和Solr ##

### ElasticSearch简介 ###

>  *  Elasticsearch是一个**实时分布式搜索和分析引擎**。 它让你以前所未有的速度处理大数据成为可能。
>  *  它用于**全文搜索、结构化搜索、分析**以及将这三者混合使用:
>  *  `维基百科`使用Elasticsearch提供**全文搜索**并**高亮关键字**,以及输入**实时搜索**(search-asyou-type)和**搜索纠错**(did-you-mean)等搜索建议功能。
>  *  `英国卫报`使用Elasticsearch结合用户日志和社交网络数据提供给他们的编辑以实时的反馈,以便及时了解公众对新发表的文章的回应。
>  *  `StackOverflow`结合全文搜索与地理位置查询,以及more-like-this功能来找到相关的问题和答案。
>  *  `Github`使用Elasticsearch检索1300亿行的代码。
>  *  但是Elasticsearch不仅用于大型企业，它还让像`DataDog`以及`Klout`这样的创业公司将最初的想法变成可扩展的解决方案。
>  *  Elasticsearch可以在你的笔记本上运行,也可以在数以百计的服务器上处理PB级别的数据。
>  *  Elasticsearch是一个基于Apache Lucene(TM)的开源搜索引擎。无论在开源还是专有领域, Lucene可被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。
>     
>      *  但是, **Lucene只是一个库**。 想要使用它,你必须使用Java来作为开发语言并将其直接集成到你的应用中,更糟糕的是, Lucene非常复杂,你需要深入了解检索的相关知识来理解它是如何工作的。
>  *  Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能,但是它的**目的**是通过简单的**RESTful API**来隐藏Lucene的复杂性,从而让全文搜索变得简单。

### Solr简介 ###

>  *  Solr是Apache下的一个顶级开源项目,采用Java开发,它是**基于Lucene的全文搜索服务器**。Solr提供了比Lucene更为**丰富的查询语言**,同时实现了**可配置**、**可扩展**，并**对索引、搜索性能进行了优化**
>  *  Solr可以**独立运行**,运行在letty. Tomcat等这些Selrvlet容器中 , Solr 索引的实现方法很简单,用POST方法向Solr服务器发送一个描述Field及其内容的XML文档, Solr根据xml文档**添加、删除、更新**索引。Solr 搜索只需要发送HTTP GET请求,然后对Solr返回xml、json等格式的查询结果进行解析,组织页面布局。
>  *  Solr不提供构建UI的功能, **Solr提供了一个管理界面,通过管理界面可以查询Solr的配置和运行情况。**
>  *  Solr是基于lucene开发企业级搜索服务器,实际上就是封装了lucene.
>  *  Solr是一个独立的企业级搜索应用服务器,它**对外提供类似于Web-service的API接口**。用户可以通过http请求,向搜索引擎服务器提交-定格式的文件,生成索引;也可以通过提出查找请求,并得到返回结果。

## 2、ElasticSearch与Solr比较 ##

>  *  当单纯的对已有数据进行搜索时，Solr更快
>  *  当实时建立索引时，Solr会产生io阻塞，查询性能较差，ElasticSearch具有明显的优势
>  *  随着数据量的增加，Solr的搜索效率会变得更低，而ElasticSearch却没有明显的变化
>  *  转变我们的搜索基础设施后从Solr ElasticSearch，我们看见一个即时~ 50x提高搜索性能！

## 3、总结 ##

> 1、**es**基本是**开箱即用**(解压就可以用!) ,非常简单。Solr安装略微复杂一丢丢!  
> 2、**Solr 利用Zookeeper进行分布式管理**,而**Elasticsearch自身带有分布式协调管理功能。**  
> 3、Solr 支持更多格式的数据,比如JSON、XML、 CSV ,而**Elasticsearch仅支持json文件格式**。  
> 4、Solr 官方提供的功能更多,而Elasticsearch本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑  
> 5、**Solr 查询快,但更新索引时慢(即插入删除慢)** ，用于电商等查询多的应用;
> 
>  *  **ES建立索引快(即查询慢)** ，即**实时性查询快**，用于facebook新浪等搜索。
>  *  Solr是传统搜索应用的有力解决方案，但Elasticsearch更适用于新兴的实时搜索应用。
> 
> 6、Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而Elasticsearch相对开发维护者较少,更新太快,学习使用成本较高。

# 二、ElasticSearch安装 #

--------------------

使用Java开发，必须保证`ElasticSearch`的版本与Java的核心jar包版本对应！（Java环境保证没错）`JDK8，最低要求`

## Windows下安装 ##

### 1、安装 ###

下载地址：[https://www.elastic.co/cn/downloads/][https_www.elastic.co_cn_downloads]

历史版本下载：[https://www.elastic.co/cn/downloads/past-releases/][https_www.elastic.co_cn_downloads_past-releases]

解压即可（尽量将ElasticSearch相关工具放在统一目录下）

### 2、熟悉目录 ###

![a5a02d3df21e434e863d3028785bb768.png][]

> 1、 bin 启动文件目录  
> 2、config 配置文件目录  
> 1og4j2 日志配置文件  
> jvm.options java 虚拟机相关的配置(默认启动占1g内存，内容不够需要自己调整)  
> elasticsearch.ym1 elasticsearch 的配置文件! 默认9200端口!跨域!  
> 3、lib  
> 相关jar包  
> 4、modules 功能模块目录  
> 5、plugins 插件目录  
> ik分词器

### 3、启动 ###

一定要检查自己的java环境是否配置好

![b7bb63080b9e4098bc2081401a8c6da0.png][]

![51771d7c15c94f2eb41028d2cf364d7d.png][]

![dba68120d5b549c2b0986dd16a0a9ab1.png][]

## 安装可视化界面 ##

elasticsearch-head

**使用前提**：需要安装nodejs（不懂百度）

### 1、下载地址 ###

[GitHub - mobz/elasticsearch-head: A web front end for an elastic search cluster][GitHub - mobz_elasticsearch-head_ A web front end for an elastic search cluster]

### 2、安装 ###

解压即可（尽量将ElasticSearch相关工具放在统一目录下）

### 3、启动 ###

> cd elasticsearch-head  
> \# 安装依赖  
> npm install  
> \# 启动  
> npm run start  
> \# 访问  
> http://localhost:9100/

> 存在跨域问题（只有当两个页面同源，才能交互）
> 
> 同源（端口，主机，协议三者都相同）
> 
> [什么是跨域？跨域解决方法\_@Demi的博客-CSDN博客\_跨域][Demi_-CSDN]

![5b0e4087d52c4642b95f4f982f90a76e.png][] **开启跨域（在elasticsearch解压目录config下elasticsearch.yml中添加）**

> \# 开启跨域  
> http.cors.enabled: true  
> \# 所有人访问  
> http.cors.allow-origin: "\*"

重启elasticsearch

**再次连接**

![47296d89f4b74080af260a21f4d71ab7.png][]

> **如何理解上图：**
> 
>  *  如果你是初学者
>     
>      *  索引 可以看做 “数据库”
>      *  类型 可以看做 “表”
>      *  文档 可以看做 “库中的数据（表中的行）”
>  *  这个head，我们只是把它**当做可视化数据展示工具**，之后**所有的查询都在kibana中进行**
>     
>      *  因为不支持json格式化，不方便

## 安装kibana ##

--------------------

Kibana是一个针对ElasticSearch的开源分析及可视化平台,用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana ,可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单,基于浏览器的用户界面可以快速创建仪表板( dashboard )实时显示Elasticsearch查询动态。设置Kibana非常简单。无需编码或者额外的基础架构,几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。

## 1、下载地址: ##

> 下载的版本需要与ElasticSearch版本对应

[下载 Elastic 产品 | Elastic][https_www.elastic.co_cn_downloads]

历史版本下载：[https://www.elastic.co/cn/downloads/past-releases/][https_www.elastic.co_cn_downloads_past-releases]

## 2、安装 ##

解压即可（尽量将ElasticSearch相关工具放在统一目录下）

![13c58e7068a6416894573cb25ea49bdf.png][]

## 3、启动 ##

![eeba7ab313b24a7686b1e64dd3d8f21e.png][]

![a6c744d676d943d2b03fe74af339e9d1.png][]

> 若一开始出现一下信息先别急，等它运行完就可以了
> 
> log\[08:53:14.642\] \[warning\]\[plugins-discovery\] Expect plugin "id" in camelCase, but found: apm\_oss  
> log\[08:53:14.661\] \[warning\]\[plugins-discovery\] Expect plugin "id" in camelCase, but found: triggers\_actions\_ui

**访问**

localhost:5601

## ![0c19b79973e34521b136984a6a3e46e6.png][] ##

## 4、开发工具 ##

（Postman、curl、head、谷歌浏览器插件）

>  可以使用 `Kibana`进行测试

![6cc08e454c2d446babf36c6b575d12be.png][]

如果说，你在英文方面不太擅长，kibana是支持汉化的

## 5、kibana汉化 ##

编辑器打开**`kibana解压目录/config/kibana.yml`**，添加

> i18n.locale: "zh-CN"

重启kibana

**汉化成功**

![8c09e844a059461196229d6c271d66cf.png][]

## **了解ELK** ##

>  *  ELK是**Elasticsearch、Logstash、 Kibana三大开源框架首字母大写简称**。市面上也被成为Elastic Stack。
>     
>      *  其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。
>         
>          *  像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大,市面上很多时候我们简称Elasticsearch为es。
>      *  Logstash是ELK的中央数据流引擎,用于从不同目标(文件/数据存储/MQ )收集的不同格式数据,经过过滤后支持输出到不同目的地(文件/MQ/redis/elasticsearch/kafka等)。
>      *  Kibana可以将elasticsearch的数据通过友好的页面展示出来 ,提供实时分析的功能。
>  *  市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈总称 ,但实际上ELK不仅仅适用于日志分析,它还可以支持其它任何数据分析和收集的场景,日志分析和收集只是更具有代表性。并非唯一性。

收集清洗数据(Logstash) ==> 搜索、存储(ElasticSearch) ==> 展示(Kibana)

![b998459111c240478242c788b16ecdf1.png][]

# 三、ElasticSearch核心概念 #

--------------------

## 概述 ##

1、索引（ElasticSearch）

*  包多个分片

2、字段类型（映射）

*  字段类型映射（字段是整型，还是字符型…）

3、文档

4、分片（Lucene索引，倒排索引）

> ElasticSearch是面向文档，关系行数据库和ElasticSearch客观对比！一切都是JSON！

<table> 
 <thead> 
  <tr> 
   <th>Relational DB</th> 
   <th>ElasticSearch</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>数据库（database）</td> 
   <td>索引（indices）</td> 
  </tr> 
  <tr> 
   <td>表（tables）</td> 
   <td>types \&lt;慢慢会被弃用!&gt;</td> 
  </tr> 
  <tr> 
   <td>行（rows）</td> 
   <td>documents</td> 
  </tr> 
  <tr> 
   <td>字段（columns）</td> 
   <td>fields</td> 
  </tr> 
 </tbody> 
</table>

**elasticsearch（集群）**中可以包含多个**索引（数据库）** ,每个索引中可以包含多个**类型（表）** ,每个类型下又包含多个**文档（行）** ,每个文档中又包含多个**字段（列）**。

## 物理设计 ##

elasticsearch在后台把每个索引划分成多个分片，每分分片可以在集群中的不同服务器间迁移

一个人就是一个集群! ，即启动的ElasticSearch服务，默认就是一个集群，且默认集群名为elasticsearch

![2ee2a7a4e955445fac47ec6836fe75aa.png][]

## 逻辑设计 ##

一个索引类型中，包含多个文档，比如说文档1，文档2。当我们索引一篇文档时，可以通过这样的顺序找到它：索引 => 类型 => 文档ID ，通过这个组合我们就能索引到某个具体的文档。 注意：ID不必是整数，实际上它是个字符串。

### 文档（”行“） ###

> 之前说elasticsearch是面向文档的，那么就意味着**索引和搜索数据的最小单位是文档**，elasticsearch中，文档有几个重要属性:
> 
>  *  自我包含，一篇文档同时包含字段和对应的值，也就是同时包含key:value !
>  *  可以是层次型的，一个文档中包含自文档，复杂的逻辑实体就是这么来的! \{就是一个json对象 ! fastjson进行自动转换 !\}
>  *  灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对于字段是非常灵活的，有时候,我们可以忽略该字段，或者动态的添加一个新的字段。
> 
> 尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在elasticsearch中，类型有时候也称为映射类型。

### 类型（“表”）  ###

> 类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如name映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么elasticsearch是怎么做的呢?
> 
>  *  elasticsearch会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用，别整什么幺蛾子。

### 索引（“库”） ###

> 索引是映射类型的容器， elasticsearch中的索引是一个非常大的文档集合。 索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。我们来研究下分片是如何工作的。

### **物理设计：节点和分片 如何工作** ###

创建新索引

![4d2ff46471934c0eb0f6db38a3423a0c.png][]

一个集群至少有一个节点，而一个节点就是一个elasricsearch进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有个5个分片(primary shard ,又称主分片)构成的，每一个主分片会有一个副本(replica shard，又称复制分片)

![069ac0b32424436db95ab623895a8223.png][]

上图是一个有3个节点的集群，可以看到主分片和对应的复制分片都不会在同一个节点内，这样有利于某个节点挂掉了，数据也不至于失。实际上，**一个分片是一个Lucene索引（<mark>一个ElasticSearch索引包含多个Lucene索引</mark>）** ，**一个包含倒排索引的文件目录，倒排索引的结构使得elasticsearch在不扫描全部文档的情况下，就能告诉你哪些文档包含特定的关键字**。

### **倒排索引（Lucene索引底层）** ###

> 简单说就是 按（文章关键字，对应的文档\\<0个或多个\\>）形式建立索引，根据关键字就可直接查询对应的文档（含关键字的），无需查询每一个文档，如下图

![0298337c3ec349e7b244c814a18cba76.png][]

# 四、IK分词器(elasticsearch插件) #

--------------------

**IK分词器：中文分词器**

> 分词：即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一一个匹配操作，**默认的中文分词是将每个字看成一个词**（不使用用IK分词器的情况下），比如“我爱狂神”会被分为”我”，”爱”，”狂”，”神” ，这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。
> 
> **IK提供了两个分词算法**: `ik_smart`和`ik_max_word` ,其中`ik_smart`为**最少切分**, `ik_max_word`为**最细粒度划分**!

## 1、下载 ##

版本要与ElasticSearch版本对应

> 下载地址：[Releases · medcl/elasticsearch-analysis-ik · GitHub][Releases _ medcl_elasticsearch-analysis-ik _ GitHub]

## 2、安装 ##

ik文件夹是自己创建的，解压即可（但是我们需要解压到ElasticSearch的plugins目录ik文件夹下）

![ea932cded5a9416ab372ffcd8fc0ccf0.png][]

## 3、重启ElasticSearch ##

加载了IK分词器

![9f38f2161b194515862bf79ce2430eb9.png][]

## 4、查看插件 ##

使用 `ElasticSearch安装补录/bin/elasticsearch-plugin` 可以查看插件。例如：

> `E:\ElasticSearch\elasticsearch-7.6.1\bin>elasticsearch-plugin list`

![72f9b2417c694a658d3b2fe7509ed9fc.png][]

## 5、使用kibana测试 ##

**`ik_smart`：最少切分**

![c41f25047c644601bfec807cfdc3ab6f.png][]

**`ik_max_word`：最细粒度划分（穷尽词库的可能）**

![f7eae7093edf41dab6225a99ec7df35d.png][]

> 从上面看，感觉分词都比较正常，但是大多数，分词都满足不了我们的想法，如下例

![e7b62e997f8d4ae682d69a3830cd7947.png][]

那么，我们需要手动将该词添加到分词器的词典当中

## 6、添加自定义的词添加到扩展字典中 ##

elasticsearch目录/plugins/ik/config/IKAnalyzer.cfg.xml

![946f6d910e474b6b93d3b242c2e5b2db.png][]

打开 **`IKAnalyzer.cfg.xml`**文件，扩展字典

![9ef16cb90f694750b9f71900bcf079ec.png][]

创建字典文件，添加字典内容

![68b70731767046ec94d7db6d1e9f6aba.png][]

重启ElasticSearch，再次使用kibana测试

![848e119303a64c0eae36e5b3acbcaa13.png][]

# 五、Rest风格说明 #

--------------------

**一种软件架构风格**,而不是标准,只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以**更简洁**，**更有层次**，**更易于实现缓存**等机制。

## **基本Rest命令说明：** ##

<table> 
 <thead> 
  <tr> 
   <th>method</th> 
   <th>url地址</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>PUT（创建,修改）</td> 
   <td>localhost:9200/索引名称/类型名称/文档id</td> 
   <td>创建文档（指定文档id）</td> 
  </tr> 
  <tr> 
   <td>POST（创建）</td> 
   <td>localhost:9200/索引名称/类型名称</td> 
   <td>创建文档（随机文档id）</td> 
  </tr> 
  <tr> 
   <td>POST（修改）</td> 
   <td>localhost:9200/索引名称/类型名称/文档id/_update</td> 
   <td>修改文档</td> 
  </tr> 
  <tr> 
   <td>DELETE（删除）</td> 
   <td>localhost:9200/索引名称/类型名称/文档id</td> 
   <td>删除文档</td> 
  </tr> 
  <tr> 
   <td>GET（查询）</td> 
   <td>localhost:9200/索引名称/类型名称/文档id</td> 
   <td>查询文档通过文档ID</td> 
  </tr> 
  <tr> 
   <td>POST（查询）</td> 
   <td>localhost:9200/索引名称/类型名称/文档id/_search</td> 
   <td>查询所有数据</td> 
  </tr> 
 </tbody> 
</table>

## 测试 ##

### 1、创建一个索引，添加 ###

PUT /test1/type1/1
    {
      "name" : "流柚",
      "age" : 18
    }

![f2b2b5e3249c44b79241e79b3c5073de.png][]

### 2、字段数据类型 ###

>  *  字符串类型
>     
>      *  text、**keyword**
>         
>          *  text：支持分词，全文检索,支持模糊、精确查询,不支持聚合,排序操作;text类型的最大支持的字符长度无限制,适合大字段存储；
>          *  keyword：不进行分词，直接索引、支持模糊、支持精确匹配，支持聚合、排序操作。keyword类型的最大支持的长度为——32766个UTF-8类型的字符,可以通过设置ignore\_above指定自持字符长度，超过给定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。
>  *  数值型
>     
>      *  long、Integer、short、byte、double、float、**half float**、**scaled float**
>  *  日期类型
>     
>      *  date
>  *  te布尔类型
>     
>      *  boolean
>  *  二进制类型
>     
>      *  binary
>  *  等等…

### 3、指定字段的类型（使用PUT） ###

类似于建库（建立索引和字段对应类型），也可看做规则的建立

PUT /test2
    {
      "mappings": {
        "properties": {
          "name": {
            "type": "text"
          },
          "age":{
            "type": "long"
          },
          "birthday":{
            "type": "date"
          }
        }
      }
    }

![554f284758394f03b6a989e36b9f8139.png][]

### 4、获取3建立的规则 ###

> GET test2

![835084e385a64e43820aada90ada909e.png][]

### 5、获取默认信息 ###

> `_doc` 默认类型（default type），type 在未来的版本中会逐渐弃用，因此产生一个默认类型进行代替

PUT /test3/_doc/1
    {
      "name": "流柚",
      "age": 18,
      "birth": "1999-10-10"
    }
    GET test3

![6333d32c041a46fcbebf2ef2567755bb.png][]

> 如果自己的文档字段没有被指定，那么ElasticSearch就会给我们默认配置字段类型

扩展：通过`get _cat/` 可以获取ElasticSearch的当前的很多信息！

GET _cat/indices
    GET _cat/aliases
    GET _cat/allocation
    GET _cat/count
    GET _cat/fielddata
    GET _cat/health
    GET _cat/indices
    GET _cat/master
    GET _cat/nodeattrs
    GET _cat/nodes
    GET _cat/pending_tasks
    GET _cat/plugins
    GET _cat/recovery
    GET _cat/repositories
    GET _cat/segments
    GET _cat/shards
    GET _cat/snapshots
    GET _cat/tasks
    GET _cat/templates
    GET _cat/thread_pool

### 6、修改 ###

两种方案

①旧的（使用put覆盖原来的值）

*  版本+1（\_version）
 *  但是如果漏掉某个字段没有写，那么更新是没有写的字段 ，会消失

PUT /test3/_doc/1
    {
      "name" : "流柚是我的大哥",
      "age" : 18,
      "birth" : "1999-10-10"
    }
    GET /test3/_doc/1
    // 修改会有字段丢失
    PUT /test3/_doc/1
    {
      "name" : "流柚"
    }
    GET /test3/_doc/1

![05a9e45612b943b0a005f72f1e358703.png][]

![25d7855f363747759c01026e412df40d.png][]

②新的（使用post的update）

*  version不会改变
 *  需要注意doc
 *  不会丢失字段

POST /test3/_doc/1/_update
    {
      "doc":{
        "name" : "post修改，version不会加一",
        "age" : 2
      }
    }
    GET /test3/_doc/1

![a259d6cef5ce433c9f341d97e6f04bd7.png][]

### 7、删除 ###

GET /test1
    DELETE /test1

![c3c4a873369247ce98ccf4c6da226ce9.png][]

![5e6621b70b06460db442884ad8ed69e3.png][]

### 8、查询（简单条件） ###

GET /test3/_doc/_search?q=name:流柚

![eb0f521bf0324d8b821db9a52820506c.png][]

### 9、复杂查询 ###

test3索引中的内容

![d084928626874856b6256ef72bdb5b16.png][]

①查询匹配

*  `match`：匹配（会使用分词器解析（先分析文档，然后进行查询））
 *  `_source`：过滤字段
 *  `sort`：排序
 *  `form`、`size` 分页

// 查询匹配
      GET /blog/user/_search
      {
        "query":{
          "match":{
            "name":"流"
          }
        }
        ,
        "_source": ["name","desc"]
        ,
        "sort": [
          {
            "age": {
              "order": "asc"
            }
          }
        ]
        ,
        "from": 0
        ,
        "size": 1
      }

![06900e5115a042bcaa390321ebcb1c27.png][]

②多条件查询（bool）

*  `must` 相当于 `and`
 *  `should` 相当于 `or`
 *  `must_not` 相当于 `not (... and ...)`
 *  `filter` 过滤

/// bool 多条件查询
     must <==> and
     should <==> or
     must_not <==> not (... and ...)
     filter数据过滤
     boost
     minimum_should_match
    GET /blog/user/_search
    {
      "query":{
        "bool": {
          "must": [
            {
              "match":{
                "age":3
              }
            },
            {
              "match": {
                "name": "流"
              }
            }
          ],
          "filter": {
            "range": {
              "age": {
                "gte": 1,
                "lte": 3
              }
            }
          }
        }
      }
    }

![1c9a498e1f904b288fc1b3762ea1ed33.png][]

③匹配数组

*  貌似不能与其它字段一起使用
 *  可以多关键字查（空格隔开）— 匹配字段也是符合的
 *  `match` 会使用分词器解析（先分析文档，然后进行查询）
 *  搜词

// 匹配数组 貌似不能与其它字段一起使用
    // 可以多关键字查（空格隔开）
    // match 会使用分词器解析（先分析文档，然后进行查询）
    GET /blog/user/_search
    {
      "query":{
        "match":{
          "desc":"年龄 牛 大"
        }
      }
    }

![3c20f813183a43009ef0a2a7164d4678.png][]

④精确查询

*  `term` 直接通过 倒排索引 指定**词条**查询
 *  适合查询 number、date、keyword ，不适合text

// 精确查询（必须全部都有，而且不可分，即按一个完整的词查询）
    // term 直接通过 倒排索引 指定的词条 进行精确查找的
    GET /blog/user/_search
    {
      "query":{
        "term":{
          "desc":"年 "
        }
      }
    }

![6b09f1318ae5438894bedc800c2d5a7b.png][]

⑤text和keyword

*  text：
    
     *  **支持分词**，**全文检索**、支持模糊、精确查询,不支持聚合,排序操作;
     *  text类型的最大支持的字符长度无限制,适合大字段存储；
 *  keyword：
    
     *  **不进行分词**，**直接索引**、支持模糊、支持精确匹配，支持聚合、排序操作。
     *  keyword类型的最大支持的长度为——32766个UTF-8类型的字符,可以通过设置ignore\_above指定自持字符长度，超过给定长度后的数据将不被索引，**无法通过term精确匹配检索返回结果**。

// 测试keyword和text是否支持分词
    // 设置索引类型
    PUT /test
    {
      "mappings": {
        "properties": {
          "text":{
            "type":"text"
          },
          "keyword":{
            "type":"keyword"
          }
        }
      }
    }
    // 设置字段数据
    PUT /test/_doc/1
    {
      "text":"测试keyword和text是否支持分词",
      "keyword":"测试keyword和text是否支持分词"
    }
    // text 支持分词
    // keyword 不支持分词
    GET /test/_doc/_search
    {
      "query":{
       "match":{
          "text":"测试"
       }
      }
    }// 查的到
    GET /test/_doc/_search
    {
      "query":{
       "match":{
          "keyword":"测试"
       }
      }
    }// 查不到，必须是 "测试keyword和text是否支持分词" 才能查到
    GET _analyze
    {
      "analyzer": "keyword",
      "text": ["测试liu"]
    }// 不会分词，即 测试liu
    GET _analyze
    {
      "analyzer": "standard",
      "text": ["测试liu"]
    }// 分为 测 试 liu
    GET _analyze
    {
      "analyzer":"ik_max_word",
      "text": ["测试liu"]
    }// 分为 测试 liu

⑥高亮查询

/// 高亮查询
    GET blog/user/_search
    {
      "query": {
        "match": {
          "name":"流"
        }
      }
      ,
      "highlight": {
        "fields": {
          "name": {}
        }
      }
    }
    // 自定义前缀和后缀
    GET blog/user/_search
    {
      "query": {
        "match": {
          "name":"流"
        }
      }
      ,
      "highlight": {
        "pre_tags": "<p class='key' style='color:red'>",
        "post_tags": "</p>", 
        "fields": {
          "name": {}
        }
      }
    }

![cbd89a48526f40178e3017985ab5a5f7.png][]

整合springboot见下一篇博客

结束！

[Link 1]: https://baike.baidu.com/item/%E6%96%87%E6%9C%AC%E5%88%86%E6%9E%90/11046544
[Link 2]: https://pan.baidu.com/s/1M5uWdYsCZyzIAOcgcRkA_A
[Download Elasticsearch _ Elastic]: https://www.elastic.co/cn/downloads/elasticsearch
[https_www.elastic.co_cn_downloads]: https://www.elastic.co/cn/downloads/
[https_www.elastic.co_cn_downloads_past-releases]: https://www.elastic.co/cn/downloads/past-releases/
[a5a02d3df21e434e863d3028785bb768.png]: https://img-blog.csdnimg.cn/a5a02d3df21e434e863d3028785bb768.png
[b7bb63080b9e4098bc2081401a8c6da0.png]: https://img-blog.csdnimg.cn/b7bb63080b9e4098bc2081401a8c6da0.png
[51771d7c15c94f2eb41028d2cf364d7d.png]: https://img-blog.csdnimg.cn/51771d7c15c94f2eb41028d2cf364d7d.png
[dba68120d5b549c2b0986dd16a0a9ab1.png]: https://img-blog.csdnimg.cn/dba68120d5b549c2b0986dd16a0a9ab1.png
[GitHub - mobz_elasticsearch-head_ A web front end for an elastic search cluster]: https://github.com/mobz/elasticsearch-head
[Demi_-CSDN]: https://blog.csdn.net/qq_38128179/article/details/84956552
[5b0e4087d52c4642b95f4f982f90a76e.png]: https://img-blog.csdnimg.cn/5b0e4087d52c4642b95f4f982f90a76e.png
[47296d89f4b74080af260a21f4d71ab7.png]: https://img-blog.csdnimg.cn/47296d89f4b74080af260a21f4d71ab7.png
[13c58e7068a6416894573cb25ea49bdf.png]: https://img-blog.csdnimg.cn/13c58e7068a6416894573cb25ea49bdf.png
[eeba7ab313b24a7686b1e64dd3d8f21e.png]: https://img-blog.csdnimg.cn/eeba7ab313b24a7686b1e64dd3d8f21e.png
[a6c744d676d943d2b03fe74af339e9d1.png]: https://img-blog.csdnimg.cn/a6c744d676d943d2b03fe74af339e9d1.png
[0c19b79973e34521b136984a6a3e46e6.png]: https://img-blog.csdnimg.cn/0c19b79973e34521b136984a6a3e46e6.png
[6cc08e454c2d446babf36c6b575d12be.png]: https://img-blog.csdnimg.cn/6cc08e454c2d446babf36c6b575d12be.png
[8c09e844a059461196229d6c271d66cf.png]: https://img-blog.csdnimg.cn/8c09e844a059461196229d6c271d66cf.png
[b998459111c240478242c788b16ecdf1.png]: https://img-blog.csdnimg.cn/b998459111c240478242c788b16ecdf1.png
[2ee2a7a4e955445fac47ec6836fe75aa.png]: https://img-blog.csdnimg.cn/2ee2a7a4e955445fac47ec6836fe75aa.png
[4d2ff46471934c0eb0f6db38a3423a0c.png]: https://img-blog.csdnimg.cn/4d2ff46471934c0eb0f6db38a3423a0c.png
[069ac0b32424436db95ab623895a8223.png]: https://img-blog.csdnimg.cn/069ac0b32424436db95ab623895a8223.png
[0298337c3ec349e7b244c814a18cba76.png]: https://img-blog.csdnimg.cn/0298337c3ec349e7b244c814a18cba76.png
[Releases _ medcl_elasticsearch-analysis-ik _ GitHub]: https://github.com/medcl/elasticsearch-analysis-ik/releases
[ea932cded5a9416ab372ffcd8fc0ccf0.png]: https://img-blog.csdnimg.cn/ea932cded5a9416ab372ffcd8fc0ccf0.png
[9f38f2161b194515862bf79ce2430eb9.png]: https://img-blog.csdnimg.cn/9f38f2161b194515862bf79ce2430eb9.png
[72f9b2417c694a658d3b2fe7509ed9fc.png]: https://img-blog.csdnimg.cn/72f9b2417c694a658d3b2fe7509ed9fc.png
[c41f25047c644601bfec807cfdc3ab6f.png]: https://img-blog.csdnimg.cn/c41f25047c644601bfec807cfdc3ab6f.png
[f7eae7093edf41dab6225a99ec7df35d.png]: https://img-blog.csdnimg.cn/f7eae7093edf41dab6225a99ec7df35d.png
[e7b62e997f8d4ae682d69a3830cd7947.png]: https://img-blog.csdnimg.cn/e7b62e997f8d4ae682d69a3830cd7947.png
[946f6d910e474b6b93d3b242c2e5b2db.png]: https://img-blog.csdnimg.cn/946f6d910e474b6b93d3b242c2e5b2db.png
[9ef16cb90f694750b9f71900bcf079ec.png]: https://img-blog.csdnimg.cn/9ef16cb90f694750b9f71900bcf079ec.png
[68b70731767046ec94d7db6d1e9f6aba.png]: https://img-blog.csdnimg.cn/68b70731767046ec94d7db6d1e9f6aba.png
[848e119303a64c0eae36e5b3acbcaa13.png]: https://img-blog.csdnimg.cn/848e119303a64c0eae36e5b3acbcaa13.png
[f2b2b5e3249c44b79241e79b3c5073de.png]: https://img-blog.csdnimg.cn/f2b2b5e3249c44b79241e79b3c5073de.png
[554f284758394f03b6a989e36b9f8139.png]: https://img-blog.csdnimg.cn/554f284758394f03b6a989e36b9f8139.png
[835084e385a64e43820aada90ada909e.png]: https://img-blog.csdnimg.cn/835084e385a64e43820aada90ada909e.png
[6333d32c041a46fcbebf2ef2567755bb.png]: https://img-blog.csdnimg.cn/6333d32c041a46fcbebf2ef2567755bb.png
[05a9e45612b943b0a005f72f1e358703.png]: https://img-blog.csdnimg.cn/05a9e45612b943b0a005f72f1e358703.png
[25d7855f363747759c01026e412df40d.png]: https://img-blog.csdnimg.cn/25d7855f363747759c01026e412df40d.png
[a259d6cef5ce433c9f341d97e6f04bd7.png]: https://img-blog.csdnimg.cn/a259d6cef5ce433c9f341d97e6f04bd7.png
[c3c4a873369247ce98ccf4c6da226ce9.png]: https://img-blog.csdnimg.cn/c3c4a873369247ce98ccf4c6da226ce9.png
[5e6621b70b06460db442884ad8ed69e3.png]: https://img-blog.csdnimg.cn/5e6621b70b06460db442884ad8ed69e3.png
[eb0f521bf0324d8b821db9a52820506c.png]: https://img-blog.csdnimg.cn/eb0f521bf0324d8b821db9a52820506c.png
[d084928626874856b6256ef72bdb5b16.png]: https://img-blog.csdnimg.cn/d084928626874856b6256ef72bdb5b16.png
[06900e5115a042bcaa390321ebcb1c27.png]: https://img-blog.csdnimg.cn/06900e5115a042bcaa390321ebcb1c27.png
[1c9a498e1f904b288fc1b3762ea1ed33.png]: https://img-blog.csdnimg.cn/1c9a498e1f904b288fc1b3762ea1ed33.png
[3c20f813183a43009ef0a2a7164d4678.png]: https://img-blog.csdnimg.cn/3c20f813183a43009ef0a2a7164d4678.png
[6b09f1318ae5438894bedc800c2d5a7b.png]: https://img-blog.csdnimg.cn/6b09f1318ae5438894bedc800c2d5a7b.png
[cbd89a48526f40178e3017985ab5a5f7.png]: https://img-blog.csdnimg.cn/cbd89a48526f40178e3017985ab5a5f7.png