0
点赞
收藏
分享

微信扫一扫

elasticSearch的使用——收藏起来当个词典，忘记了回来查一查

殇感故事 2022-07-12 阅读 42
elasticsearch搜索引擎全文检索字段搜索Linux系统/运维


文章目录

  • ​​注意！本文适合对elasticSearch略微熟悉的读者，介绍es的使用​​
  • ​​注意！ES7去掉了Type类型的概念！​​
  • ​​一、初步检索​​
  • ​​1、_cat​​
  • ​​GET /_cat/nodes：查看所有节点​​
  • ​​GET /_cat/health：查看 es 健康状况​​
  • ​​GET /_cat/master：查看主节点​​
  • ​​GET /_cat/indices：查看所有索引​​
  • ​​2、索引一个文档（保存）​​
  • ​​3、查询文档​​
  • ​​4、更新文档​​
  • ​​普通更新​​
  • ​​乐观锁更新​​
  • ​​5、删除文档&索引​​
  • ​​6、bulk 批量 API​​
  • ​​7、样本测试数据​​
  • ​​二、进阶检索​​
  • ​​1、SearchAPI​​
  • ​​1）、检索信息​​
  • ​​2、Query DSL​​
  • ​​1）、基本语法格式​​
  • ​​2）、返回部分字段​​
  • ​​3）、match【匹配查询】​​
  • ​​4）、match_phrase【短语匹配】​​
  • ​​5）、keyword【精确匹配】​​
  • ​​6）、multi_match【多字段匹配】​​
  • ​​7）、bool【复合查询】​​
  • ​​must​​
  • ​​should​​
  • ​​must_not​​
  • ​​filter【结果过滤】​​
  • ​​总结​​
  • ​​8）、term​​
  • ​​9）、aggregations（执行聚合）​​
  • ​​3、Mapping​​
  • ​​1）、字段类型​​
  • ​​2）、映射​​
  • ​​3）、创建映射​​
  • ​​4）、添加新的字段映射​​
  • ​​5）、更新映射​​
  • ​​6）、数据迁移​​


注意！本文适合对elasticSearch略微熟悉的读者，介绍es的使用

学习es请移步：
​​​elasticSearch入门到java操作api一套搞定​​

注意！ES7去掉了Type类型的概念！

本文以下的所有操作中的type，可根据ES版本选择是否保留！

Es7 及以上移除了 type 的概念。

关系型数据库中两个数据表示是独立的，即使他们里面有相同名称的列也不影响使用，但 ES 中不是这样的。elasticsearch 是基于 Lucene 开发的搜索引擎，而 ES 中不同 type 下名称相同的 filed 最终在 Lucene 中的处理方式是一样的。

两个不同 type 下的两个 user_name，在 ES 同一个索引下其实被认为是同一个 filed， 你必须在两个不同的 type 中定义相同的 filed 映射。否则，不同 type 中的相同字段 名称就会在处理中出现冲突的情况，导致 Lucene 处理效率下降。

去掉 type 就是为了提高 ES 处理数据的效率。

Elasticsearch 7.x：URL 中的 type 参数为可选。比如，索引一个文档不再要求提供文档类型。

Elasticsearch 8.x：不再支持 URL 中的 type 参数。

一、初步检索

1、_cat

GET /_cat/nodes：查看所有节点

响应结果

127.0.0.1 20 91 6 0.31 0.13 0.08 dilm * f7e4f6f8fe76

GET /_cat/health：查看 es 健康状况

响应结果

1656208699 01:58:19 elasticsearch yellow 1 1 6 6 0 0 3 0 - 66.7%

GET /_cat/master：查看主节点

响应结果

zLiQgkDqS7iCtkffKsVyng 127.0.0.1 127.0.0.1 f7e4f6f8fe76

GET /_cat/indices：查看所有索引

相当于mysql 的show databases;

green  open .kibana_task_manager_1   KpFb1No-TSyVJKCJyjWyiw 1 0    2 0  30.4kb  30.4kb
green  open .apm-agent-configuration ArE0lLq2SguRpxCWlsTyDA 1 0    0 0    283b    283b
green  open .kibana_1                vNeZ0EEoQU6xf86STH584g 1 0    6 0  25.1kb  25.1kb

2、索引一个文档（保存）

保存一个数据，保存在哪个索引的哪个类型下，指定用哪个唯一标识
PUT customer/external/1；在 customer 索引下的 external 类型下保存 1 号数据为

// 请求
PUT customer/external/1
{
  "name": "John Doe"
}
// 响应
{
  "_index" : "customer",  //在哪个索引
  "_type" : "external",   //在哪个类型
  "_id" : "1",        //记录 id
  "_version" : 1,      //版本号
  "result" : "created",   // 结果
  "_shards" : {       // 集群有关
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 0,      //并发控制字段，每次更新就会+1，用来做乐观锁
  "_primary_term" : 1   //同上，主分片重新分配，如重启，就会变化
}

PUT 和 POST 都可以，
POST 新增。如果不指定 id，会自动生成 id。指定 id 就会修改这个数据，并新增版本号
PUT 可以新增可以修改。PUT 必须指定 id；由于 PUT 需要指定 id，我们一般都用来做修改 操作，不指定 id 会报错。

注意：post没有幂等性，put有幂等性。

3、查询文档

// 请求
GET customer/external/1
// 响应
{
  "_index": "customer", //在哪个索引 
  "_type": "external", //在哪个类型 
  "_id": "1", //记录 id 
  "_version": 2, //版本号 
  "_seq_no": 1, //并发控制字段，每次更新就会+1，用来做乐观锁 
  "_primary_term": 1, //同上，主分片重新分配，如重启，就会变化 
  "found": true, 
  "_source": { //真正的内容 
    "name": "John Doe" 
  } 
}

注意：查询带_seq_no和_primary_term，更新时可以带?if_seq_no=0&if_primary_term=1可以做到乐观锁。

4、更新文档

普通更新

// 请求
POST customer/external/1/_update
{
  "doc": {
    "name": "John Doew"
  }
}

// 或者
POST customer/external/1
{
  "name": "John Doe2"
}

// 或者
PUT customer/external/1
{
  "name": "John Doe"
}

// 更新携带属性时，直接携带即可，三种方式更新都能用

不同：
post带_update会检索文档对比源文档数据，如果相同不会有什么操作，文档 version 不增加；
POST 不带_update的操作、 PUT 操作总会将数据重新保存并增加 version 版本。

使用场景：
对于大并发更新，不带 _update；
对于大并发查询偶尔更新，带 _update；对比更新，重新计算分配规则。

乐观锁更新

// 请求
PUT customer/external/1?if_seq_no=4&if_primary_term=1
{
  "name": "John Doe"
}

更新时携带版本号，如果是该版本号的就更新，不是该版本号的会提示错误（三种更新方式都可以用）。

// 更新失败
{
  "error": {
    "root_cause": [
      {
        "type": "version_conflict_engine_exception",
        "reason": "[1]: version conflict, required seqNo [4], primary term [1]. current document has seqNo [5] and primary term [1]",
        "index_uuid": "jKoU82SvSgimvAkgFq6CTg",
        "shard": "0",
        "index": "customer"
      }
    ],
    "type": "version_conflict_engine_exception",
    "reason": "[1]: version conflict, required seqNo [4], primary term [1]. current document has seqNo [5] and primary term [1]",
    "index_uuid": "jKoU82SvSgimvAkgFq6CTg",
    "shard": "0",
    "index": "customer"
  },
  "status": 409
}

5、删除文档&索引

// 删除指定id的文档
DELETE customer/external/1
// 响应
{
  "_index" : "customer",
  "_type" : "external",
  "_id" : "1",
  "_version" : 7,
  "result" : "deleted",
  "_shards" : {
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  },
  "_seq_no" : 6,
  "_primary_term" : 1
}
// 删除整个索引
DELETE customer
// 响应
{
  "acknowledged" : true
}

注意：只能删除index、文档，不能删除type。

6、bulk 批量 API

// 请求实例
POST customer/external/_bulk
{"index":{"_id":"1"}} 
{"name": "John Doe" } 
{"index":{"_id":"2"}} 
{"name": "Jane Doe" }
// 语法格式
{ action: { metadata }}\n 
{ request body }\n 
{ action: { metadata }}\n 
{ request body }\n
// 复杂实例：
POST /_bulk
{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }} 
{ "create": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "title": "My first blog post" } 
{ "index": { "_index": "website", "_type": "blog" }} 
{ "title": "My second blog post" } 
{ "update": { "_index": "website", "_type": "blog", "_id": "123"} } 
{ "doc" : {"title" : "My updated blog post"} }

bulk API 以此按顺序执行所有的 action（动作）。如果一个单个的动作因任何原因而失败， 它将继续处理它后面剩余的动作。当 bulk API 返回时，它将提供每个动作的状态（与发送 的顺序相同），所以您可以检查是否一个指定的动作是不是失败了。

7、样本测试数据

我准备了一份顾客银行账户信息的虚构的 JSON 文档样本。每个文档都有下列的 schema （模式）:

{
  "account_number": 0,
  "balance": 16623,
  "firstname": "Bradshaw",
  "lastname": "Mckenzie",
  "age": 29,
  "gender": "F",
  "address": "244 Columbus Place",
  "employer": "Euron",
  "email": "bradshawmckenzie@euron.com",
  "city": "Hobucken",
  "state": "CO"
}

POST bank/account/_bulk
导入测试数据
注意：测试数据有需要的话（总共1000条测试数据），可以私信我或者加我微X，我发你。

二、进阶检索

1、SearchAPI

ES 支持两种基本方式检索 :
 一个是通过使用 REST request URI 发送搜索参数（uri+检索参数）
 另一个是通过使用 REST request body 来发送它们（uri+请求体）

1）、检索信息

一切检索从_search 开始

// 检索 bank 下所有信息，包括 type 和 docs
GET bank/_search
// 请求参数方式检索
GET bank/_search?q=*&sort=account_number:asc

响应结果解释：
took - Elasticsearch 执行搜索的时间（毫秒）
time_out - 告诉我们搜索是否超时
_shards - 告诉我们多少个分片被搜索了，以及统计了成功/失败的搜索分片
hits - 搜索结果
hits.total - 搜索结果
hits.hits - 实际的搜索结果数组（默认为前 10 的文档）
sort - 结果的排序 key（键）（没有则按 score 排序）
score 和 max_score –相关性得分和最高得分（全文检索用）

// uri+请求体进行检索
GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [{
    "account_number": {
      "order": "desc"
    }
  }]
}

HTTP 客户端工具（POSTMAN），get 请求不能携带请求体，我们变为 post 也是一样的 我们 POST 一个 JSON 风格的查询请求体到 _search API。 需要了解，一旦搜索的结果被返回，Elasticsearch 就完成了这次请求，并且不会维护任何 服务端的资源或者结果的 cursor（游标）

2、Query DSL

1）、基本语法格式

Elasticsearch 提供了一个可以执行查询的 Json 风格的 DSL（domain-specific language 领域特 定语言）。这个被称为 Query DSL。该查询语言非常全面，并且刚开始的时候感觉有点复杂， 真正学好它的方法是从一些基础的示例开始的。

// 一个查询语句 的典型结构：
{
  QUERY_NAME: {
    ARGUMENT: VALUE,
    ARGUMENT: VALUE,
    ...
  }
}
// 如果是针对某个字段，那么它的结构如下：
{
  QUERY_NAME: {
    FIELD_NAME: {
      ARGUMENT: VALUE,
      ARGUMENT: VALUE,
      ...
    }
  }
}
// 实例
GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "from": 0,
  "size": 5,
  "sort": [{
    "account_number": {
      "order": "desc"
    }
  }]
}

 query 定义如何查询，
 match_all 查询类型【代表查询所有的所有】，es 中可以在 query 中组合非常多的查 询类型完成复杂查询
 除了 query 参数之外，我们也可以传递其它的参数以改变查询结果。如 sort，size
 from+size 限定，完成分页功能
 sort 排序，多字段排序，会在前序字段相等时后续字段内部排序，否则以前序为准

2）、返回部分字段

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "from": 0,
  "size": 5,
  "_source": ["age", "balance"]
}

_source中表示要显示的字段数组。

3）、match【匹配查询】

使用match搜索字符串，会对全文检索并按照评分进行排序，并且同时也会对检索条件进行分词匹配。
使用match匹配其他类型，不会对全文进行索引，是精确匹配。

// 基本类型（非字符串），精确匹配
GET bank/_search
{
  "query": {
    "match": {
      "account_number": "20"
    }
  }
}
// 因为account_number字段为数字类型，所以match 只返回 account_number=20 的，不会进行全文检索
// 字符串，会进行全文检索
GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
    }
  }
}
// 最终查询出 address 中包含 mill 单词的所有记录 
// match 当搜索字符串类型的时候，会进行全文检索，并且每条记录有相关性得分。
// 字符串，多个单词（分词+全文检索）
GET bank/_search
{
  "query": {
    "match": {
      "address": "mill road"
    }
  }
}
// 最终查询出 address 中包含 mill 或者 road 或者 mill road 的所有记录，并给出相关性得分

4）、match_phrase【短语匹配】

// 将需要匹配的值当成一个整体单词（不分词）进行检索
GET bank/_search
{
  "query": {
    "match_phrase": {
      "address": "mill road"
    }
  }
}
// 查出 address 中包含 mill road 的所有记录，并给出相关性得分（mill road会作为一个完整的词进行查询，而不会分词，但是会对全文进行检索，检索所有包含mill road的）

5）、keyword【精确匹配】

keyword和match_phrase区别：
keyword：精确匹配，该字段只包含这个字符串的。
match_phrase：将查询条件作为整个词，进行全文检索。

// keyword：精确匹配
GET bank/_search
{
  "query": {
    "match": {
      "address.keyword": "mill road"
    }
  }
}

6）、multi_match【多字段匹配】

使用multi_match【多字段匹配】 也会将查询条件进行分词，然后进行匹配。

GET bank/_search
{
  "query": {
    "multi_match": {
      "query": "mill",
      "fields": ["state", "address"]
    }
  }
}
// state 或者 address 包含 mill

7）、bool【复合查询】

bool 用来做复合查询：
复合语句可以合并 任何 其它查询语句，包括复合语句，了解这一点是很重要的。这就意味 着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。

must

// must：必须达到 must 列举的所有条件
GET bank/_search
{
  "query": {
    "bool": {
      "must": [{
        "match": {
          "address": "mill"
        }
      }, {
        "match": {
          "gender": "M"
        }
      }]
    }
  }
}

should

// should：应该达到 should 列举的条件，如果达到会增加相关文档的评分
// 并不会改变 查询的结果。如果 query 中只有 should 且只有一种匹配规则，那么 should 的条件就会 被作为默认匹配条件而去改变查询结果
GET bank/_search
{
  "query": {
    "bool": {
      "must": [{
        "match": {
          "address": "mill"
        }
      }, {
        "match": {
          "gender": "M"
        }
      }],
      "should": [{
        "match": {
          "address": "lane"
        }
      }]
    }
  }
}

must_not

// must_not 必须不是指定的情况
GET bank/_search
{
  "query": {
    "bool": {
      "must": [{
        "match": {
          "address": "mill"
        }
      }, {
        "match": {
          "gender": "M"
        }
      }],
      "should": [{
        "match": {
          "address": "lane"
        }
      }],
      "must_not": [{
        "match": {
          "email": "baluba.com"
        }
      }]
    }
  }
}
// address 包含 mill，并且 gender 是 M，如果 address 里面有 lane 最好不过，但是 email 必 须不包含 baluba.com

filter【结果过滤】

并不是所有的查询都需要产生分数，特别是那些仅用于 “filtering”（过滤）的文档。为了不 计算分数 Elasticsearch 会自动检查场景并且优化查询的执行。

GET bank/_search
{
  "query": {
    "bool": {
      "must": [{
        "match": {
          "address": "mill"
        }
      }],
      "filter": {
        "range": {
          "balance": {
            "gte": 10000,
            "lte": 20000
          }
        }
      }
    }
  }
}

总结

must：子句（查询）必须出现在匹配的文档中，并将有助于得分。

filter：子句（查询）必须出现在匹配的文档中，然而不像must此查询的分数将被忽略。

should：子句（查询）应出现在匹配文档中。在布尔查询中不包含must或filter子句，一个或多个should子句必须有相匹配的文件。匹配should条件的最小数目可通过设置minimum_should_match参数。

must_not：子句（查询）不能出现在匹配的文档中。

8）、term

和 match 一样。匹配某个属性的值。全文检索字段用 match，其他非 text 字段匹配用 term。
elasticSearch的使用——收藏起来当个词典，忘记了回来查一查_elasticsearch

GET bank/_search
{
  "query": {
    "bool": {
      "must": [{
        "term": {
          "age": {
            "value": "28"
          }
        }
      }, {
        "match": {
          "address": "990 Mill Road"
        }
      }]
    }
  }
}

9）、aggregations（执行聚合）

聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于 SQL GROUP BY 和 SQL 聚合函数。在 Elasticsearch 中，您有执行搜索返回 hits（命中结果），并且同时返 回聚合结果，把一个响应中的所有 hits（命中结果）分隔开的能力。这是非常强大且有效的， 您可以执行查询和多个聚合，并且在一次使用中得到各自的（任何一个的）返回结果，使用 一次简洁和简化的 API 来避免网络往返。

terms：聚合所有情况
avg：平均值
对text类型的字段，聚合时必须使用keyword精确匹配。

// 搜索 address 中包含 mill 的所有人的年龄分布以及平均年龄，但不显示这些人的详情。
GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
    }
  },
  "aggs": {
    "group_by_state": {
      "terms": {
        "field": "age"
      }
    },
    "avg_age": {
      "avg": {
        "field": "age"
      }
    }
  },
  "size": 0
}

解释以上：
size：0 不显示搜索数据 
aggs：执行聚合。聚合语法如下
"aggs": {
  "aggs_name 这次聚合的名字，方便展示在结果集中": {
    "AGG_TYPE 聚合的类型（avg,term,terms）": {}
  }
},
// 按照年龄聚合，并且请求这些年龄段的这些人的平均薪资
GET bank/account/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "age_avg": {
      "terms": {
        "field": "age",
        "size": 1000
      },
      "aggs": {
        "banlances_avg": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  },
  "size": 1000
}
// 查出所有年龄分布，并且这些年龄段中 M 的平均薪资和 F 的平均薪资以及这个年龄 段的总体平均薪资
GET bank/account/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "age_agg": {
      "terms": {
        "field": "age",
        "size": 100
      },
      "aggs": {
        "gender_agg": {
          "terms": {
            "field": "gender.keyword",
            "size": 100
          },
          "aggs": {
            "balance_avg": {
              "avg": {
                "field": "balance"
              }
            }
          }
        },
        "balance_avg": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  },
  "size": 1000
}

3、Mapping

1）、字段类型

核心类型：

  • 字符串（string）
    text，keyword
  • 数字类型（Numeric）
    long，integer，short，byte，double，float，half_float，scaled_float
  • 日期类型（Date）
    data
  • 布尔类型（Boolean）
    boolean
  • 二进制类型（binary）
    binary

复合类型：

  • 数组类型（Array）
    Array支持不针对特定的类型
  • 对象类型（Object）
    Object用于单JSON对象
  • 嵌套类型（Nested）
    nested用于JSON对象数组

地理类型（Geo）：

  • 地理坐标（Geo-points）
    geo_point用于描述经纬度坐标
  • 地理图形（Geo-Shape）
    geo_shape用于描述复杂形状，如多边形

特定类型：

  • IP类型
    ip用于描述ipv4和ipv6
  • 补全类型（Completion）
    completion提供自动完成提示
  • 令牌计数类型（Token count）
    token_count用于统计字符串中的词条数量
  • 附件类型（attachment）
    参考mapper-attachements插件，支持将附件如Microsoft Office格式，Open Document格式，ePub，HTML等等索引为attachment数据类型
  • 抽取类型（Percolator）
    接受特定领域查询语言（query-dsl）的查询

多字段：
通常用于为不同目的用不同的方法索引同一个字段。例如，string字段可以映射为一个text字段用于全文检索，同样可以映射为一个keyword字段用于排序和聚合。另外，你可以使用standard analyzer，english analyzer，french analyzer来索引一个text字段。
这就是muti-fields的目的。大多数的数据类型通过fields参数来支持muti-fields。

2）、映射

Mapping（映射）
Mapping 是用来定义一个文档（document），以及它所包含的属性（field）是如何存储和 索引的。
比如，使用 mapping 来定义：

 哪些字符串属性应该被看做全文本属性（full text fields）。
 哪些属性包含数字，日期或者地理位置。
 文档中的所有属性是否都能被索引（_all 配置）。
 日期的格式。
 自定义映射规则来执行动态添加属性。

// 查看 mapping 信息（列出该索引所有字段的类型）：
GET bank/_mapping
// 修改 mapping 信息
https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html

mapping其实不需要手动定义，在插入数据时会自动猜测映射类型：
布尔型：trye或者false ： boolean
整数：123 ： long
浮点数：123.45 ： double
字符串，有效日期：2022-06026 ： date
字符串：learn elasticSearch ： string

3）、创建映射

// 创建索引并指定映射
PUT /my-index
{
  "mappings": {
    "properties": {
      "age": {
        "type": "integer"
      },
      "email": {
        "type": "keyword"
      },
      "name": {
        "type": "text"
      }
    }
  }
}

4）、添加新的字段映射

// 解释：index：false，默认所有的字段的index都是true，为false是不会被索引的不会被查出来，也就是相当于一个冗余字段。
PUT /my-index/_mapping
{
  "properties": {
    "employee-id": {
      "type": "keyword",
      "index": false
    }
  }
}

5）、更新映射

对于已经存在的映射字段，我们不能更新。更新必须创建新的索引进行数据迁移。

6）、数据迁移

先创建出 new_twitter 的正确映射。然后使用如下方式进行数据迁移

POST _reindex // [固定写法]
{
  "source": {
    "index": "twitter"
  },
  "dest": {
    "index": "new_twitter"
  }
}
// 将旧索引的 type 下的数据进行迁移（低版本支持type，高版本渐渐废弃了type）
POST _reindex
{
  "source": {
    "index": "twitter",
    "type": "tweet"
  },
  "dest": {
    "index": "tweets"
  }
}


举报

相关推荐

Sentinel介绍与使用 收藏起来

限流javaspringJava编程语言

不会的查一查

深度学习

SpringBoot集成Redis代码详解，收藏起来

java微信小程序小程序

FastDFS收藏起来，现在开始用Minio吧

MinioOSS文件文件存储docker

Linux常用命令（快收藏起来）

linux服务器debian

总结一波 Redis 面试题，收藏起来！

随笔

并查集，不就一并和一查？

数据结构java算法并查集数组系统/运维

Android Framework源码的正确学习路线，收藏起来慢慢学

android学习Android事件处理应用层Html/CSS前端开发

5个小众化的自媒体网站，速速收藏起来

新媒体运营内容运营自媒体

AI大模型有哪些，收藏起来防踩坑

dockerspring cloud容器
0 条评论