狂神jvm（狂神–ElasticSearch）
一 、ElasticSearch概述
官网：https://www.elastic.co/cn/downloads/elasticsearch
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 。
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
Windows下安装
1 、安装下载地址：https://www.elastic.co/cn/downloads/
历史版本下载：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 bin 启动文件目录 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! 1ib 相关jar包 modules 功能模块目录 plugins 插件目录 ik分词器 3 、启动bin目录下的elasticsearch.bat
访问地址: localhost:9200
{ "name" : "TIANYH", "cluster_name" : "elasticsearch", "cluster_uuid" : "IOHRCRK6TKibMGdNZq4YtA", "version" : { "number" : "7.6.1", "build_flavor" : "default", "build_type" : "zip", "build_hash" : "aa751e09be0a5072e8570670309b1f12348f023b", "build_date" : "2020-02-29T00:15:25.529771Z", "build_snapshot" : false, "lucene_version" : "8.4.0", "minimum_wire_compatibility_version" : "6.8.0", "minimum_index_compatibility_version" : "6.0.0-beta1" }, "tagline" : "You Know, for Search" }安装可视化界面
elasticsearch-head使用前提：需要安装nodejs
1 、下载地址https://github.com/mobz/elasticsearch-head
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/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
理解：
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
https://www.elastic.co/cn/downloads/
历史版本下载：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）
3 、启动bin目录下的kibanan.bat
访问地址: localhost:5601
4 、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
了解ELKELK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)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！
Relational DB ElasticSearch 数据库（database） 索引（indices） 表（tables） types <慢慢会被弃用!> 行（rows） documents 字段（columns） fieldselasticsearch（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
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! 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 。
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)
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（一个ElasticSearch索引包含多个Lucene索引） ，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 。不过 ，等等 ，倒排索引是什么鬼?
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
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：https://github.com/medcl/elasticsearch-analysis-ik/releases
2 、安装
ik文件夹是自己创建的
加压即可（但是我们需要解压到ElasticSearch的plugins目录ik文件夹下）
4 、使用 ElasticSearch安装补录/bin/elasticsearch-plugin 可以查看插件
E:\ElasticSearch\elasticsearch-7.6.1\bin>elasticsearch-plugin list5 、使用kibana测试
ik_smart：最少切分
GET _analyze { "analyzer": "ik_smart", "text": "白日依山尽黄河入海流" } { "tokens" : [ { "token" : "白日", "start_offset" : 0, "end_offset" : 2, "type" : "CN_WORD", "position" : 0 }, { "token" : "依", "start_offset" : 2, "end_offset" : 3, "type" : "CN_CHAR", "position" : 1 }, { "token" : "山", "start_offset" : 3, "end_offset" : 4, "type" : "CN_CHAR", "position" : 2 }, { "token" : "尽", "start_offset" : 4, "end_offset" : 5, "type" : "CN_CHAR", "position" : 3 }, { "token" : "黄河", "start_offset" : 5, "end_offset" : 7, "type" : "CN_WORD", "position" : 4 }, { "token" : "入海流", "start_offset" : 7, "end_offset" : 10, "type" : "CN_WORD", "position" : 5 } ] }ik_max_word：最细粒度划分（穷尽词库的可能）
GET _analyze { "analyzer": "ik_max_word", "text": "白日依山尽黄河入海流" } { "tokens" : [ { "token" : "白日", "start_offset" : 0, "end_offset" : 2, "type" : "CN_WORD", "position" : 0 }, { "token" : "依", "start_offset" : 2, "end_offset" : 3, "type" : "CN_CHAR", "position" : 1 }, { "token" : "山", "start_offset" : 3, "end_offset" : 4, "type" : "CN_CHAR", "position" : 2 }, { "token" : "尽", "start_offset" : 4, "end_offset" : 5, "type" : "CN_CHAR", "position" : 3 }, { "token" : "黄河", "start_offset" : 5, "end_offset" : 7, "type" : "CN_WORD", "position" : 4 }, { "token" : "入海流", "start_offset" : 7, "end_offset" : 10, "type" : "CN_WORD", "position" : 5 }, { "token" : "入海", "start_offset" : 7, "end_offset" : 9, "type" : "CN_WORD", "position" : 6 }, { "token" : "海流", "start_offset" : 8, "end_offset" : 10, "type" : "CN_WORD", "position" : 7 } ] }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打开 IKAnalyzer.cfg.xml 文件 ，扩展字典
<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd"> <properties> <comment>IK Analyzer 扩展配置</comment> <!--用户可以在这里配置自己的扩展字典 --> <entry key="ext_dict">my.dic</entry> <!--用户可以在这里配置自己的扩展停止词字典--> <entry key="ext_stopwords"></entry> <!--用户可以在这里配置远程扩展字典 --> <!-- <entry key="remote_ext_dict">words_location</entry> --> <!--用户可以在这里配置远程扩展停止词字典--> <!-- <entry key="remote_ext_stopwords">words_location</entry> --> </properties>编写 my.dic
白日依山尽 黄河入海流 GET _analyze { "analyzer": "ik_smart", "text": "白日依山尽黄河入海流" } { "tokens" : [ { "token" : "白日依山尽", "start_offset" : 0, "end_offset" : 5, "type" : "CN_WORD", "position" : 0 }, { "token" : "黄河入海流", "start_offset" : 5, "end_offset" : 10, "type" : "CN_WORD", "position" : 1 } ] }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：
method url地址 描述 PUT（创建,修改） localhost:9200/索引名称/类型名称/文档id 创建文档（指定文档id） POST（创建） localhost:9200/索引名称/类型名称 创建文档（随机文档id） POST（修改） localhost:9200/索引名称/类型名称/文档id/_update 修改文档 DELETE（删除） localhost:9200/索引名称/类型名称/文档id 删除文档 GET（查询） localhost:9200/索引名称/类型名称/文档id 查询文档通过文档ID POST（查询） localhost:9200/索引名称/类型名称/文档id/_search 查询所有数据测试
1 、创建一个索引 ，添加 PUT /test/type/1 { "name": "测试", "age": 18 } { "_index" : "test", "_type" : "type", "_id" : "1", "_version" : 1, "result" : "created", "_shards" : { "total" : 2, "successful" : 1, "failed" : 0 }, "_seq_no" : 0, "_primary_term" : 1 } 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
datete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" } } } } { "acknowledged" : true, "shards_acknowledged" : true, "index" : "test2" } 4 、获取3建立的规则 GET test2 { "test2" : { "aliases" : { }, "mappings" : { "properties" : { "age" : { "type" : "long" }, "birthday" : { "type" : "date" }, "name" : { "type" : "text" } } }, "settings" : { "index" : { "creation_date" : "1676438148562", "number_of_shards" : "1", "number_of_replicas" : "1", "uuid" : "d-qUkOZKQJKzd68KHiN_pw", "version" : { "created" : "7060199" }, "provided_name" : "test2" } } } } 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": "黄河", "age": 18 } { "_index" : "test3", "_type" : "_doc", "_id" : "1", "_version" : 1, "result" : "created", "_shards" : { "total" : 2, "successful" : 1, "failed" : 0 }, "_seq_no" : 0, "_primary_term" : 1 } GET test3 { "test3" : { "aliases" : { }, "mappings" : { "properties" : { "age" : { "type" : "long" }, "name" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } } } }, "settings" : { "index" : { "creation_date" : "1676438576004", "number_of_shards" : "1", "number_of_replicas" : "1", "uuid" : "QmHErZuzSvmczgtgyzC7oA", "version" : { "created" : "7060199" }, "provided_name" : "test3" } } } }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！
=^.^= /_cat/allocation /_cat/shards /_cat/shards/{index} /_cat/master /_cat/nodes /_cat/tasks /_cat/indices /_cat/indices/{index} /_cat/segments /_cat/segments/{index} /_cat/count /_cat/count/{index} /_cat/recovery /_cat/recovery/{index} /_cat/health /_cat/pending_tasks /_cat/aliases /_cat/aliases/{alias} /_cat/thread_pool /_cat/thread_pool/{thread_pools} /_cat/plugins /_cat/fielddata /_cat/fielddata/{fields} /_cat/nodeattrs /_cat/repositories /_cat/snapshots/{repository} /_cat/templates 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 /test/type/1 { "name": "测试", "age": 19 } GET /test/_doc/1 { "_index" : "test", "_type" : "_doc", "_id" : "1", "_version" : 2, "_seq_no" : 1, "_primary_term" : 1, "found" : true, "_source" : { "name" : "测试", "age" : 19 } } PUT /test/type/1 { "age": 20 } GET /test/_doc/1 { "_index" : "test", "_type" : "_doc", "_id" : "1", "_version" : 3, "_seq_no" : 2, "_primary_term" : 1, "found" : true, "_source" : { "age" : 20 } }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 /test/_doc/1/_update { "doc":{ "age":11 } } GET /test/_doc/1 { "_index" : "test", "_type" : "_doc", "_id" : "1", "_version" : 5, "_seq_no" : 4, "_primary_term" : 1, "found" : true, "_source" : { "name" : "测试", "age" : 11 } } 7 、删除 DELETE /test { "acknowledged" : true } 8 、查询（简单条件） GET /test/_doc/_search?q=age:19 { "took" : 1, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 1, "relation" : "eq" }, "max_score" : 1.0, "hits" : [ { "_index" : "test", "_type" : "_doc", "_id" : "1", "_score" : 1.0, "_source" : { "name" : "测试", "age" : 19 } } ] } } 9 、复杂查询 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 GET /test/_doc/_search { } { "took" : 0, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 5, "relation" : "eq" }, "max_score" : 1.0, "hits" : [ { "_index" : "test", "_type" : "_doc", "_id" : "1", "_score" : 1.0, "_source" : { "name" : "测试", "age" : 19 } }, { "_index" : "test", "_type" : "_doc", "_id" : "2", "_score" : 1.0, "_source" : { "name" : "小李", "age" : 19 } }, { "_index" : "test", "_type" : "_doc", "_id" : "3", "_score" : 1.0, "_source" : { "name" : "小张", "age" : 18 } }, { "_index" : "test", "_type" : "_doc", "_id" : "4", "_score" : 1.0, "_source" : { "name" : "小明", "age" : 16 } }, { "_index" : "test", "_type" : "_doc", "_id" : "5", "_score" : 1.0, "_source" : { "name" : "明明", "age" : 16 } } ] } } GET /test/_doc/_search { "query":{ "match":{ "name":"明" } }, "_source":["age","name"], "sort":[{"age":{"order":"asc"}}], "from":0, "size":20 } { "took" : 0, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 2, "relation" : "eq" }, "max_score" : null, "hits" : [ { "_index" : "test", "_type" : "_doc", "_id" : "4", "_score" : null, "_source" : { "name" : "小明", "age" : 16 }, "sort" : [ 16 ] }, { "_index" : "test", "_type" : "_doc", "_id" : "5", "_score" : null, "_source" : { "name" : "明明", "age" : 16 }, "sort" : [ 16 ] } ] } } 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 GET /test/_doc/_search { "query":{ "bool":{ "must":[{"match":{"age":16}},{"match":{"name":"小"}}], "filter":{ "range":{ "age":{ "gte":15, "lte":17 } } } } } } { "took" : 1, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 4, "relation" : "eq" }, "max_score" : 1.2940125, "hits" : [ { "_index" : "test", "_type" : "_doc", "_id" : "4", "_score" : 1.2940125, "_source" : { "name" : "小明", "age" : 16 } }, { "_index" : "test", "_type" : "_doc", "_id" : "6", "_score" : 1.2940125, "_source" : { "name" : "小黄", "age" : 16 } }, { "_index" : "test", "_type" : "_doc", "_id" : "7", "_score" : 1.2940125, "_source" : { "name" : "小黑", "age" : 16 } }, { "_index" : "test", "_type" : "_doc", "_id" : "9", "_score" : 1.2940125, "_source" : { "name" : "小花", "age" : 16 } } ] } } 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 GET /test/_doc/_search { "query":{ "match":{ "name":"明 黑" } } } { "took" : 1, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 3, "relation" : "eq" }, "max_score" : 1.9388659, "hits" : [ { "_index" : "test", "_type" : "_doc", "_id" : "7", "_score" : 1.9388659, "_source" : { "name" : "小黑", "age" : 16 } }, { "_index" : "test", "_type" : "_doc", "_id" : "5", "_score" : 1.4651942, "_source" : { "name" : "明明", "age" : 16 } }, { "_index" : "test", "_type" : "_doc", "_id" : "4", "_score" : 1.0729234, "_source" : { "name" : "小明", "age" : 16 } } ] } } 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 GET /test/_doc/_search { "query":{ "term":{ "age":16 } } } { "took" : 0, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 5, "relation" : "eq" }, "max_score" : 1.0, "hits" : [ { "_index" : "test", "_type" : "_doc", "_id" : "4", "_score" : 1.0, "_source" : { "name" : "小明", "age" : 16 } }, { "_index" : "test", "_type" : "_doc", "_id" : "5", "_score" : 1.0, "_source" : { "name" : "明明", "age" : 16 } }, { "_index" : "test", "_type" : "_doc", "_id" : "6", "_score" : 1.0, "_source" : { "name" : "小黄", "age" : 16 } }, { "_index" : "test", "_type" : "_doc", "_id" : "7", "_score" : 1.0, "_source" : { "name" : "小黑", "age" : 16 } }, { "_index" : "test", "_type" : "_doc", "_id" : "9", "_score" : 1.0, "_source" : { "name" : "小花", "age" : 16 } } ] } } 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 。 // 设置索引类型 PUT /test2 { "mappings": { "properties": { "text":{ "type":"text" }, "keyword":{ "type":"keyword" } } } } // 设置字段数据 PUT /test2/_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" } GET /test2/_doc/_search { "query":{ "match":{ "text":"测试" } } } { "took" : 426, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 1, "relation" : "eq" }, "max_score" : 0.5753642, "hits" : [ { "_index" : "test2", "_type" : "_doc", "_id" : "1", "_score" : 0.5753642, "_source" : { "text" : "测试keyword和text是否支持分词", "keyword" : "测试keyword和text是否支持分词" } } ] } } GET /test2/_doc/_search { "query":{ "match":{ "keyword":"测试" } } } { "took" : 0, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 0, "relation" : "eq" }, "max_score" : null, "hits" : [ ] } } GET _analyze { "analyzer": "keyword", "text": ["白日依山尽"] } { "tokens" : [ { "token" : "白日依山尽", "start_offset" : 0, "end_offset" : 5, "type" : "word", "position" : 0 } ] } GET _analyze { "analyzer": "standard", "text": ["白日依山尽"] } { "tokens" : [ { "token" : "白", "start_offset" : 0, "end_offset" : 1, "type" : "<IDEOGRAPHIC>", "position" : 0 }, { "token" : "日", "start_offset" : 1, "end_offset" : 2, "type" : "<IDEOGRAPHIC>", "position" : 1 }, { "token" : "依", "start_offset" : 2, "end_offset" : 3, "type" : "<IDEOGRAPHIC>", "position" : 2 }, { "token" : "山", "start_offset" : 3, "end_offset" : 4, "type" : "<IDEOGRAPHIC>", "position" : 3 }, { "token" : "尽", "start_offset" : 4, "end_offset" : 5, "type" : "<IDEOGRAPHIC>", "position" : 4 } ] } GET _analyze { "analyzer": "ik_max_word", "text": ["白日依山尽"] } { "tokens" : [ { "token" : "白日依山尽", "start_offset" : 0, "end_offset" : 5, "type" : "CN_WORD", "position" : 0 }, { "token" : "白日", "start_offset" : 0, "end_offset" : 2, "type" : "CN_WORD", "position" : 1 }, { "token" : "依", "start_offset" : 2, "end_offset" : 3, "type" : "CN_CHAR", "position" : 2 }, { "token" : "山", "start_offset" : 3, "end_offset" : 4, "type" : "CN_CHAR", "position" : 3 }, { "token" : "尽", "start_offset" : 4, "end_offset" : 5, "type" : "CN_CHAR", "position" : 4 } ] } ⑥高亮查询 GET /test/_doc/_search { "query":{ "match":{"name":"小"} }, "highlight":{ "fields":{ "name":{} } } } { "took" : 89, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 6, "relation" : "eq" }, "max_score" : 0.18681718, "hits" : [ { "_index" : "test", "_type" : "_doc", "_id" : "2", "_score" : 0.18681718, "_source" : { "name" : "小李", "age" : 19 }, "highlight" : { "name" : [ "<em>小</em>李" ] } }, { "_index" : "test", "_type" : "_doc", "_id" : "3", "_score" : 0.18681718, "_source" : { "name" : "小张", "age" : 18 }, "highlight" : { "name" : [ "<em>小</em>张" ] } }, { "_index" : "test", "_type" : "_doc", "_id" : "4", "_score" : 0.18681718, "_source" : { "name" : "小明", "age" : 16 }, "highlight" : { "name" : [ "<em>小</em>明" ] } }, { "_index" : "test", "_type" : "_doc", "_id" : "6", "_score" : 0.18681718, "_source" : { "name" : "小黄", "age" : 16 }, "highlight" : { "name" : [ "<em>小</em>黄" ] } }, { "_index" : "test", "_type" : "_doc", "_id" : "7", "_score" : 0.18681718, "_source" : { "name" : "小黑", "age" : 16 }, "highlight" : { "name" : [ "<em>小</em>黑" ] } }, { "_index" : "test", "_type" : "_doc", "_id" : "9", "_score" : 0.18681718, "_source" : { "name" : "小花", "age" : 16 }, "highlight" : { "name" : [ "<em>小</em>花" ] } } ] } } GET /test/_doc/_search { "query":{ "match":{"name":"小"} }, "highlight": { "pre_tags": "<p class=key>", "post_tags": "</p>", "fields": { "name": {} } } } { "took" : 2, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 6, "relation" : "eq" }, "max_score" : 0.18681718, "hits" : [ { "_index" : "test", "_type" : "_doc", "_id" : "2", "_score" : 0.18681718, "_source" : { "name" : "小李", "age" : 19 }, "highlight" : { "name" : [ "<p class=key>小</p>李" ] } }, { "_index" : "test", "_type" : "_doc", "_id" : "3", "_score" : 0.18681718, "_source" : { "name" : "小张", "age" : 18 }, "highlight" : { "name" : [ "<p class=key>小</p>张" ] } }, { "_index" : "test", "_type" : "_doc", "_id" : "4", "_score" : 0.18681718, "_source" : { "name" : "小明", "age" : 16 }, "highlight" : { "name" : [ "<p class=key>小</p>明" ] } }, { "_index" : "test", "_type" : "_doc", "_id" : "6", "_score" : 0.18681718, "_source" : { "name" : "小黄", "age" : 16 }, "highlight" : { "name" : [ "<p class=key>小</p>黄" ] } }, { "_index" : "test", "_type" : "_doc", "_id" : "7", "_score" : 0.18681718, "_source" : { "name" : "小黑", "age" : 16 }, "highlight" : { "name" : [ "<p class=key>小</p>黑" ] } }, { "_index" : "test", "_type" : "_doc", "_id" : "9", "_score" : 0.18681718, "_source" : { "name" : "小花", "age" : 16 }, "highlight" : { "name" : [ "<p class=key>小</p>花" ] } } ] } }六 、SpringBoot整合
1 、导入依赖
导入elasticsearch
<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-elasticsearch</artifactId> </dependency>提前导入fastjson 、lombok
<dependency> <groupId>com.alibaba</groupId> <artifactId>fastjson</artifactId> <version>1.2.70</version> </dependency> <!-- lombok需要安装插件 --> <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <optional>true</optional> </dependency>2 、创建并编写配置类
@Configuration public class ElasticSearchConfig { // 注册 rest高级客户端 @Bean public RestHighLevelClient restHighLevelClient(){ RestHighLevelClient client = new RestHighLevelClient( RestClient.builder( new HttpHost("localhost",9200,"http") ) ); return client; } }3 、创建并编写实体类
@Data @NoArgsConstructor @AllArgsConstructor public class User implements Serializable { private static final long serialVersionUID = -3843548915035470817L; private String name; private Integer age; }4 、测试
注入 RestHighLevelClient
@Autowired public RestHighLevelClient restHighLevelClient; 索引的操作 1 、索引的创建 public void CreatIndex() throws IOException { CreateIndexRequest request = new CreateIndexRequest("test6"); CreateIndexResponse response = restHighLevelClient.indices().create(request, RequestOptions.DEFAULT); System.out.println(response.isAcknowledged()); System.out.println(response); restHighLevelClient.close(); return ; } 2 、索引的获取 ，并判断其是否存在 public void IndexIsExists() throws IOException { GetIndexRequest request = new GetIndexRequest("test6"); boolean exists = restHighLevelClient.indices().exists(request,RequestOptions.DEFAULT); System.out.println(exists); restHighLevelClient.close(); return; } 3 、索引的删除 public void DeleteIndex() throws IOException { DeleteIndexRequest request = new DeleteIndexRequest("test6"); AcknowledgedResponse response = restHighLevelClient.indices().delete(request,RequestOptions.DEFAULT); System.out.println(response.isAcknowledged()); restHighLevelClient.close(); return; } 文档的操作 1 、文档的添加 public void AddDocument() throws IOException { User user = new User("笑笑",25); IndexRequest request = new IndexRequest("test"); request.id("16"); request.timeout(TimeValue.timeValueMillis(1000)); request.source(JSON.toJSONString(user),XContentType.JSON); IndexResponse response = restHighLevelClient.index(request,RequestOptions.DEFAULT); System.out.println(response.status()); System.out.println(response); restHighLevelClient.close(); return; } 2 、文档信息的获取 public void GetDocument() throws IOException { GetRequest request = new GetRequest("test","1"); GetResponse response = restHighLevelClient.get(request,RequestOptions.DEFAULT); System.out.println(response.getSourceAsString()); restHighLevelClient.close(); return; } 3 、文档的获取 ，并判断其是否存在 public void DocumentIsExists() throws IOException { GetRequest request = new GetRequest("test","1111"); request.fetchSourceContext(new FetchSourceContext(false)); request.storedFields("_none_"); boolean exists = restHighLevelClient.exists(request,RequestOptions.DEFAULT); System.out.println(exists); restHighLevelClient.close(); return; } 4 、文档的更新 public void UpdateDocument() throws IOException { UpdateRequest request = new UpdateRequest("test","16"); User user = new User("黑黑",18); request.doc(JSON.toJSONString(user),XContentType.JSON); UpdateResponse response = restHighLevelClient.update(request,RequestOptions.DEFAULT); System.out.println(response.status()); restHighLevelClient.close(); return; } 5 、文档的删除 public void DeleteDocument() throws Exception { DeleteRequest request = new DeleteRequest("test","1"); request.timeout("1s"); DeleteResponse response = restHighLevelClient.delete(request,RequestOptions.DEFAULT); System.out.println(response.status()); restHighLevelClient.close(); } 6 、文档的查询 public void Search() throws Exception { SearchRequest request = new SearchRequest("test"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name","明"); // MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery(); searchSourceBuilder.highlighter(new HighlightBuilder()); searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS)); searchSourceBuilder.query(termQueryBuilder); // searchSourceBuilder.query(matchAllQueryBuilder); searchSourceBuilder.from(0); searchSourceBuilder.size(100); request.source(searchSourceBuilder); SearchResponse search = restHighLevelClient.search(request, RequestOptions.DEFAULT); SearchHits hits = search.getHits(); System.out.println(JSON.toJSONString(hits)); System.out.println("++++++++++++++++++++++++++++++++++++++++"); for (SearchHit documentFields: hits.getHits()) { System.out.println(documentFields.getSourceAsMap()); } restHighLevelClient.close(); } 错误的批量添加数据 public void test() throws Exception { IndexRequest request = new IndexRequest("bulk"); request.source(JSON.toJSONString(new User("小1",12)),XContentType.JSON); request.source(JSON.toJSONString(new User("小2",12)),XContentType.JSON); request.source(JSON.toJSONString(new User("小3",12)),XContentType.JSON); request.source(JSON.toJSONString(new User("小4",12)),XContentType.JSON); request.source(JSON.toJSONString(new User("小5",12)),XContentType.JSON); request.source(JSON.toJSONString(new创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！