Kiban
title:
tags: ElasticSearch
categories:
- [学习笔记]
- [微服务]
abbrlink: 9d6997a
top_img: https://bu.dusays.com/2024/02/01/65bb3c56d82e7.png
cover: https://bu.dusays.com/2024/02/01/65bb3c56d82e7.png
description: ElasticSreach基本操作
date: 2024-01-24 10:57:09
注意本教程基于Es7.x版本Api编写
启动Es&Kibana
docker start es
docker logs -f es当日志中输出一推的successfully时，基本就启动成功了
docker start kibana
docker logs -f kibana出现5601的链接地址时表明启动成功
数据格式
ES在使用时，会涉及到五个核心概念：索引（Index）、映射（Mapping）、域 （Field）、文档（Document）、倒排索引。以一张MySQL中数据表为例。
Elasticsearch 是面向文档型数据库，一条数据在这里就是一个文档。我们可以把 Elasticsearch 里存储文档数据和关系型数据库 MySQL 存储数据的概念进行一个类比。 ES 里的 Index 可以看做一个库，而 Types 相当于表，Documents 则相当于表的行。
这里 Types 的概念已经被逐渐弱化，Elasticsearch 6.X 中，一个 index 下已经只能包含一个type，Elasticsearch 7.X 中, Type 的概念已经被删除了。
索引操作
索引相当于关系型数据库中的一张表，一个index包含若干document，通过Index代表一类类似的或者相同的document。
打开
kibana的Dev Tools菜单
创建索引-PUT
对比关系型数据库，创建索引就等同于创建数据库
PUT 索引名
发送请求后，服务器返回了这样的响应
{
"acknowledged" : true,
"shards_acknowledged" : true,
"index" : "test"
}如果重复添加索引呢？重复添加则会返回索引已经存在的错误信息
查看全部索引-GET
GET _cat/indices?v
GET _all
_cat：表示查看的意思；
indices： 表示索引
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
查看单个索引-GET
{
"user"【索引名】: {
"aliases"【别名】: {},
"mappings"【映射】: {},
"settings"【设置】: {
"index"【设置 - 索引】: {
"routing"【设置 - 索引路由】: {
"allocation": {
"include": {
"_tier_preference": "data_content"
}
}
},
"number_of_shards"【设置 - 索引 - 主分片数量】: "1",
"provided_name"【设置 - 索引 - 名称】: "user",
"creation_date"【设置 - 索引 - 创建时间】: "1659678930693",
"number_of_replicas"【设置 - 索引 - 副分片数量】: "1",
"uuid"【设置 - 索引 - 唯一标识】: "P0pIpPyTSa-zS7kJCeE7Ng",
"version"【设置 - 索引版本号】: {
"created": "8030399"
}
}
}
}
}查询多个索引
# 查询多个索引信息 GET 索引名称,索引名称
PUT person1
GET person,person1删除索引-DELETE
数据类型
字符串
text：会进行分词，如华为手机，会分成：华为，手机。 被分出来的每一个词，称为term（词条）
keyword：不会进行分词，如华为手机，只有一个词条，即华为手机。
数值
long：带符号64位整数
integer：带符号32位整数
short：带符号16位整数
byte：带符号8位整数
double：双精度64位浮点数
float：单精度32位浮点数
half_float：半精度16位浮点数
布尔：
boolean
二进制：
binary
日期：
date
范围类型：
integer_range
float_range
long_range
double_range
date_range
数组
对象
文档操作
创建文档-POST
先创建好一个索引，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
{
"_index"【索引】: "user",
"_id"【唯一标识，支持自定义】: "C1yqbIIBJVfoW_YKu2D5",
"_version"【版本】: 1,
"result"【结果】: "created",#这里的 create 表示创建成功
"_shards"【分片】: {
"total"【分片 - 总数】: 2,
"successful"【分片 - 成功】: 1,
"failed"【分片 - 失败】: 0
},
"_seq_no": 0,
"_primary_term": 1
}自定义唯一标识：POST 索引名/_doc/(自定义ID)
查看文档-GET
查看文档时，需要指明文档的唯一性标识，类似于 MySQL 中数据的主键查询
查看指定文档：GET 索引名/_doc/(唯一标识)
查看所有数据：GET 索引名/_search
{
"_index"【索引】: "user",
"_id": "C1yqbIIBJVfoW_YKu2D5",
"_version": 1,
"_seq_no": 0,
"_primary_term": 1,
"found"【查询结果】: true,
"_source"【文档源信息】: {
"userName": "A佳技术",
"age": "28"
}
}修改文档-POST
全局修改
POST 索引名/_doc/(唯一标识)
{
"_index": "user",
"_id": "C1yqbIIBJVfoW_YKu2D5",
"_version": 2,
"result"【更新操作】: "updated",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 1,
"_primary_term": 1
}局部修改
删除文档-DELETE
删除一个文档不会立即从磁盘上移除，它只是被标记成已删除（逻辑删除）
DELETE 索引名/_doc/(唯一标识)
{
"_index": "user",
"_id": "C1yqbIIBJVfoW_YKu2D5",
"_version"【版本:对数据的操作，都会更新版本】: 5,
"result"【结果】: "deleted",# deleted 表示数据被标记为删除
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 4,
"_primary_term": 1
}
条件删除文档-POST
首先分别增加多条数据，这里我添加了3条数据
POST 索引名/_delete_by_query + 请求体条件
{
"took"【耗时】: 17,
"timed_out"【是否超时】: false,
"total"【总数】: 1,
"deleted"【删除数量】: 1,
"batches": 1,
"version_conflicts": 0,
"noops": 0,
"retries": {
"bulk": 0,
"search": 0
},
"throttled_millis": 0,
"requests_per_second": -1,
"throttled_until_millis": 0,
"failures": []
}查看文档数据情况，年龄20已经删除
映射基本操作
原理
有了索引库，等于有了数据库中的 database。
接下来就需要建索引库(index)中的映射了，类似于数据库(database)中的表结构(table)。创建数据库表需要设置字段名称，类型，长度，约束等；索引库也一样，需要知道这个类型下有哪些字段，每个字段有哪些约束信息，这就叫做映射(mapping)。
先创建索引-PUT
PUT hotel创建映射-PUT
为已经存在的索引库添加映射
PUT 索引名/_mapping + 请求体内容
PUT student/_mapping
{
"properties": {
"name":{
"type":"text",
"index": true
},
"sex":{
"type":"keyword",
"index":true
},
"age":{
"type":"keyword",
"index":false
}
}
}
创建索引并添加映射
PUT /索引名称 {
“mappings”：{
"properties": {}
}
}
PUT /hotel
{
"mappings": {
"properties": {
"id":{
"type": "keyword"
},
"name":{
"type": "keyword",
"analyzer": "ik_max_word",
"copy_to": "all"
},
"address":{
"type": "keyword",
"index": false
},
"price":{
"type": "integer"
},
"score":{
"type": "integer"
},
"brand":{
"type": "keyword",
"copy_to": "all"
},
"city":{
"type": "keyword"
},
"starName":{
"type": "keyword"
},
"business":{
"type": "keyword",
"copy_to": "all"
},
"location":{
"type": "geo_point"
},
"pic":{
"type": "keyword",
"index": false
},
"all":{
"type": "keyword",
"analyzer": "ik_max_word"
}
}
}
}映射数据说明：
字段名：任意填写
type：类型，Elasticsearch中支持的数据类型非常丰富，说几个关键的：String类型，又分两种text：可分词，支持模糊查询，支持准确查询，不支持聚合查询keyword：不可分词，数据会作为完整字段进行匹配，支持模糊查询，支持准确查询，支持聚合查询。
Numerical：数值类型，分两类基本数据类型：
long、integer、short、byte、double、float、half_float浮点数的高精度类型：
scaled_float
Date：日期类型Array：数组类型Object：对象
index：是否索引，默认为 true，也就是说你不进行任何配置，所有字段都会被索引。true：字段会被索引，则可以用来进行搜索
false：字段不会被索引，不能用来搜索
store：是否将数据进行独立存储，默认为 false。
原始的文本会存储在_source 里面，默认情况下其他提取出来的字段都不是独立存储的，是从_source里面提取出来的。当然你也可以独立的存储某个字段，只要设置 "store": true 即可，获取独立存储的字段要比从 _source 中解析快得多，但是也会占用更多的空间，所以要根据实际业务需求来设置。
analyzer：分词器，这里的ik_max_word即使用ik 分词器
查看映射-GET
GET /索引/_mapping
添加字段
对于映射，只能进行字段添加，不能对字段进行修改或删除，如有需要，则重新创建映射。
PUT user/_mapping
{
"properties":{
"name": {
"type": "text"
},
"age": {
"type": "integer"
},
"address":{
"type":"text"
}
}
}
