Elasticserach操作
作者：互联网
索引的管理
1）创建索引库
方法：
put
url：
http://192.168.68.129:9200/{索引名称}
分片：
早期版本默认是5片，所有片加到一起才是一个完整的索引库。
ES7中默认是1片。
副本：
默认是1
每个分片默认都有一个副本。
2）删除索引
方法：
delete
url：
http://192.168.68.129:9200/{索引名称}
3）设置mapping
就是索引中文档格式的定义。
文档中包含的字段的名称、数据类型、是否索引、是否存储、是否分词。
最好是先定义好mapping然后再添加数据。不定义mapping也可以添加，es会根据Document格式推断出mapping的定义。
1.创建索引库时定义mapping
方法：
put
url：
http://192.168.68.129:9200/{索引名称}
例如：
http://192.168.68.129:9200/blog
请求体：
--如果要进行分词处理必须使用text类型，keyword类型不分词。
--如果document中的内容在后续业务中有需要就要存储，否则就可以不存储。不存储也可以分词创建索引，不影响搜索。
--不分词也可以创建索引，如果有查询需要就可以创建索引。例如：身份证号、手机号。
{
"mappings": {
"properties": {
"id": {
"type": "long"
},
"title": {
"type": "text",
"analyzer": "standard",
"store": "true",
"index": true
},
"mobile": {
"type": "keyword",
"store": "true",
"index": true
},
"comment": {
"type": "text",
"analyzer": "standard",
"store": "true",
"index": true
}
}
}
}2.先创建索引库然后设置mapping
方法：
put、post
url：
http://192.168.68.129:9200/{索引名称}/_mapping
请求体：
{
"properties": {
"id": {
"type": "long"
},
"title": {
"type": "text",
"analyzer": "standard",
"store": "true",
"index": true
},
"mobile": {
"type": "keyword",
"store": "true",
"index": true
},
"comment": {
"type": "text",
"analyzer": "standard",
"store": "true",
"index": true
}
}
}4)Settings
1.创建索引库时设置settings
方法：
put
url：
http://192.168.68.129:9200/{索引名称}
例如：
http://192.168.68.129:9200/blog
请求体：
{
"settings": {
"number_of_shards": "5",
"number_of_replicas": "1"
}
} 2.创建索引之后修改settings
注意：分片数量在创建索引库之后就不能再修改了。
可以修改副本的数量。
方法：
PUT
url：
http://192.168.68.129:9200/{索引名称}/_settings
例如：
http://192.168.68.129:9200/blog/_settings
请求体：
{
"number_of_replicas": "1"
}文档管理
1、添加文档
向索引中添加一行数据。
使用json来表示。
使用restful形式的api来实现。
put：添加
post：修改
delete：删除
方法：
put
url：
http://192.168.68.129:9200/{索引}/_doc/{_id}
文档的id（_id）推荐和真正数据的id保持一致。
请求体：
尽量和mapping设置的文档格式保持一致。
{
"id": 1,
"title": "这是一篇文章",
"content": "xxxxx",
"comment": "备注信息",
"mobile": "xxxxx"
}2、修改文档
方法：
POST
url：
http://192.168.68.129:9200/{索引}/_doc/{_id}
请求体：
{
"id": 1,
"title": "这是一篇文章",
"content": "xxxxx",
"comment": "备注信息",
"mobile": "xxx"
} 修改的原理是，先删除后添加
3、删除文档
方法：
DELETE
ulr:
http://192.168.68.129:9200/{索引}/_doc/{_id}
4、根据_id取文档
方法：
GET
url：
http://192.168.68.129:9200/{索引}/_doc/{_id}
5、使用批处理_bulk
方法：
PUT、POST
url：
http://192.168.68.129:9200/{索引}/_bulk
请求体：
{action:{metadata}}
{请求体数据信息json格式}
{action:{metadata}}
{请求体数据信息json格式}
{action:{metadata}}
{请求体数据信息json格式}
{action:{metadata}}
{请求体数据信息json格式}
最后需要有一个换行
例如：
请求方法：
POST
url：
http://192.168.68.129:9200/blog/_bulk
请求体：
action对应的取值：
create：创建一个文档，如果文档不存在就创建。
index：创建一个新的文档，如果文档存在就更新。
update：批量更新文档
delete：批量删除，不需要有请求体。
元数据：
_index:要写入的索引信息
_type:要写入的type
_id:要写入文档的id
{"index":{"_id":1}}
{"id":1, "title":"这是一篇文章", "content":"xxxxx", "comment":"备注信息", "mobile":"13344556677"}
{"index":{"_id":2}}
{"id":2, "title":"这是一篇文章", "content":"xxxxx", "comment":"备注信息", "mobile":"13344556677"}
{"index":{"_id":3}}
{"id":3, "title":"这是一篇文章", "content":"xxxxx", "comment":"备注信息", "mobile":"13344556677"}查询数据
1、查询的语法
方法：
POST
url：
http://192.168.68.129:9200[/{blog}][/{type}]/_search
请求体：
json形式的查询语句
{
"query":{
"xxxx"
}
}2、查询全部数据 match_all查询
{
"query": {
"match_all": {
}
}
}3、termQuery 关键词查询
是所有查询中最级基本的一个查询。
根据关键词进行查询，如果关键词在索引中存在那么就有结果，
如果关键词不存在就查询不到结果。ES不会再次对查询的内容进行分词处理。
需要指定两部分内容：
1）要查询的关键词
2）要查询的字段
{
"query": {
"term": {
"title": "java"
}
}
} 默认使用的是standard分词器。处理英文根据空格进行分词处理。如果处理中文，是一个汉字一个关键词。
原文：传苹果正开发新Apple TV 或集成音响和摄像头
分词结果：
传
苹
果
正
开
发
新
Apple
TV
或
集
成
音
响
和
摄
像
头
4、QueryString查询，根据查询字符串查询
查询条件可以指定一个字符串，在查询之前，可以对查询条件进行分词处理，然后基于分词之后的结果再次查询。
{
"query": {
"query_string": {
"default_field": "title",
"query": "传苹果正开发新Apple TV 或集成音响和摄像头"
}
}
}5、match查询 功能和query_string相同。
{
"query": {
"match": {
"title": "传苹果正开发新Apple TV 或集成音响和摄像头"
}
}
}6、multi_match查询 可以指定在多个字段中查询
{
"query": {
"multi_match": {
"query": "苹果",
"fields": [
"title",
"content"
]
}
}
}
7、bool查询
1)组合条件查询
逻辑关系：
must：必须满足，相当于是AND
should：应该满足，相当于OR
must_not:必须不能满足，相当于NOT
语法：
{
"query": {
"bool": {
"must": [
],
"should": [
],
"must_not": [
],
"filter": [
]
}
}
}
案例：
{
"query": {
"bool": {
"must": [
{
"match": {
"title": "apple"
}
},
{
"match": {
"content": "apple"
}
}
]
}
}
}
2)filter过滤查询
在bool查询的filter节点中可以包含多个查询条件，条件之间层层过滤。
也可以直接使用filter进行数据的查询。filter查询是不进行打分处理。查询性能好于query。
相关度排序：
SEO：搜索引擎优化。
两个指标：
TF：关键词在文章中出现的频率。TF越大相关度越高。
DF：所有文档中关键词出现的频率。DF越大相关度越低。例如 and
根据TF和DF计算出一个相关度的得分，得分越高相关度越高，文档根据相关度得分进行降序排列。
{
"query": {
"bool": {
"filter": [
{
"term": {
"title": "apple"
}
}
]
}
}
}8、高亮处理 在查询结果中将查询的关键词左右两边分别加上成对的html标签。 高亮的处理在查询条件中指定。
{
"query":{
"bool":{
"must":[
{
"term":{
"title":"apple"
}
}
]
}
},
"heightligth":{
--设置高亮显示的字段
"fields":{
"title":{},
"content":{}
}
--设置关键词的前缀
"pre_tag":"<em>",
--设置关键词的后缀
"post_tag":"</em>"
}
}
9、查询结果分页
在query查询条件中增加两个属性
from：起始的行号，从0开始
size：每页显示的记录数量
POST /blog/_search
{
"query": {
"multi_match": {
"query": "苹果正开发",
"fields": [
"title",
"content"
]
}
},
"highlight": {
"fields": {
"title": {
},
"content": {
}
},
"pre_tags": "<em>",
"post_tags": "</em>"
},
"from": 10,
"size": 5
}中文分词器
中文分词器都是国产的。
Ik-analyzer
1、Ik的使用方法
1）下载ES对应版本的ik分词器
2）把分词器解压缩
3）把解压之后的目录放到{ES}/plugin目录下
4）重启ES
2、分词器的测试方法
方法：
POST
url：
http://192.168.68.129:9200/_analyze
方法体：
{
"analyzer": "standard",
"text": "and productivity has made it the world's most popular Java framework."
}
IK一旦安装之后有两个分词算法：
ik_smart：快速分词，速度快，粒度比较粗。
ik_max_word：最大数量分词，速度慢，粒度细。
3、索引一旦创建完毕不能修改分词器的
如果使用中文分词，应该在创建索引时，设置mapping的过程中指定使用中文分词器。
四、field的数据类型
数值类型：
int
long
float
double
字符串：
text：需要分词的字段必须使用text，只有text类型才能支持分词器。
keyword：不需要对字段的内容进行分词处理时，可以使用keyword数据类型。
例如：身份证号、手机号、订单号等。
日期：
data
字段的三个属性：
是否分词：
是否是text类型。例如文章的title、content都需要分词。
是否索引：
是否对field的内容进行索引。如果text数据类型一定需要创建索引，分词之后一定要创建索引。
不分词也可以把field的内容添加到索引中，使用keyword数据类型。
也可以索引field中的内容。
例如文件的path，不需要分词，不需要索引，只需要存储即可。
"path":{
"type": "keyword",
"index": false,
"store": true
}
是否存储
定义field时，store属性是否是true。
如果是true那么就存储，false不存储。
无论是否存储，不影响分词、创建索引、搜索。
影响的范围就是是否能在查询结果中看到原始内容。
标签：Elasticserach,title,查询,索引,分词,query,操作,id 来源： https://blog.csdn.net/Coco_chun/article/details/120246656