elasticsearch基本概念

Elasticsearch 是一個分布式搜索引擎，用于全文搜索、分析和可視化大規(guī)模數(shù)據(jù)。以下是 Elasticsearch 中一些基本概念：

1. 索引（Index）：
   • Elasticsearch 中的數(shù)據(jù)存儲單元，類似于傳統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)庫。每個索引包含一組相關(guān)的文檔。
2. 文檔（Document）：
   • 索引中的基本信息單元，可以是 JSON、XML、或其他格式的數(shù)據(jù)。文檔是 Elasticsearch 中可被索引和搜索的基本數(shù)據(jù)單元。
3. 類型（Type）（在7.x版本之前）：
   • Elasticsearch 6.x及更早版本中，索引可以包含一個或多個類型，每個類型定義了文檔的結(jié)構(gòu)。從 Elasticsearch 7.x 開始，不再支持多類型，一個索引只有一個默認(rèn)類型 “_doc”。
4. 映射（Mapping）：
   • 定義了索引中的文檔結(jié)構(gòu)，包括每個字段的類型和屬性。映射在創(chuàng)建索引時自動創(chuàng)建，也可以手動定義。
5. 節(jié)點（Node）：
   • Elasticsearch 集群中的單個服務(wù)器，用于存儲數(shù)據(jù)和執(zhí)行數(shù)據(jù)操作。每個節(jié)點屬于一個集群，并且有唯一的名稱。
6. 集群（Cluster）：
   • 由一個或多個節(jié)點組成的集合，共同存儲數(shù)據(jù)并提供聯(lián)合的搜索能力。集群有一個唯一的名稱。
7. 分片（Shard）：
   • 索引可以被分割成多個分片，每個分片是一個獨立的索引。分片允許數(shù)據(jù)水平擴(kuò)展，提高并發(fā)性能。
8. 副本（Replica）：
   • 每個分片可以有零個或多個副本。副本是分片的精確拷貝，用于提高高可用性和故障恢復(fù)。
9. 查詢（Query）：
   • 用于搜索 Elasticsearch 中文檔的條件?？梢酝ㄟ^查詢DSL（Domain Specific Language）來構(gòu)建各種類型的查詢。
10. 聚合（Aggregation）：
    • 用于分析和統(tǒng)計數(shù)據(jù)的機(jī)制，可以計算平均值、總和、最小值等。
11. 索引別名（Index Alias）：
    • 為索引提供一個可讀的名稱，可以用于簡化索引操作和在查詢中引用多個索引。
12. 分析器（Analyzer）：
    • 用于在索引和查詢階段處理文本數(shù)據(jù)的組件，包括分詞、小寫化、去停用詞等。
13. 倒排索引（Inverted Index）：
    • Elasticsearch 使用倒排索引來加速搜索，它記錄了每個詞項出現(xiàn)在哪些文檔中。

這些是 Elasticsearch 中一些基本的概念，了解它們有助于更好地理解和使用 Elasticsearch 進(jìn)行數(shù)據(jù)存儲和檢索。

RESTful API

在Elasticsearch中，提供了功能豐富的RESTful API的操作，包括基本的CRUD、創(chuàng)建索引、刪除索引等操作。

創(chuàng)建非結(jié)構(gòu)化索引

在Lucene中，創(chuàng)建索引是需要定義字段名稱以及字段的類型的，在Elasticsearch中提供了非結(jié)構(gòu)化的索引，就是不需要創(chuàng)建索引結(jié)構(gòu)，即可寫入數(shù)據(jù)到索引中，實際上在Elasticsearch底層會進(jìn)行結(jié)構(gòu)化操作，此操作對用戶是透明的。

（增）創(chuàng)建空索引

PUT /elk
{"settings":{"index":{"number_of_shards":"2","number_of_replicas":"0"}}
}

這里我選擇postman進(jìn)行測試。

去elasticsearch-head看是否索引創(chuàng)建是否成功。

可以看到索引已經(jīng)創(chuàng)建成功了。

（刪）刪除索引

DELETE /elk
{"acknowledged": true
}

在postman中進(jìn)行刪除操作

檢查是否刪除成功

可以看到已經(jīng)刪除成功了

（改）插入數(shù)據(jù)

上面我們已經(jīng)學(xué)會了如何創(chuàng)建好刪除索引，現(xiàn)在我們進(jìn)行數(shù)據(jù)的添加操作。

URL規(guī)則：
POST /{索引}/{類型}/{id}

插入如下數(shù)據(jù)。

{
"id":1001,
"name":"王五",
"age":18,
"sex":"男"
}

postman中顯示插入成功了。

瀏覽器上是否也是插入成功呢？

可以看到數(shù)據(jù)已經(jīng)成功插入了。

（改）數(shù)據(jù)更新

在Elasticsearch中，文檔數(shù)據(jù)是不為修改的，但是可以通過覆蓋的方式進(jìn)行更新。

{
"id":1001,
"name":"王老五",
"age":55,
"sex":"男"
}

服務(wù)器中的數(shù)據(jù)也成功更新了。

問題與探究問題與探究問題與探究

可以看到數(shù)據(jù)已經(jīng)被覆蓋了。問題來了，可以局部更新嗎？ – 可以的。前面不是說，文檔數(shù)據(jù)不能更新嗎？
其實是這樣的：在內(nèi)部，依然會查詢到這個文檔數(shù)據(jù)，然后進(jìn)行覆蓋操作，步驟如下：

1. 從舊文檔中檢索JSON
2. 修改它
3. 刪除舊文檔
4. 索引新文檔

#注意：這里多了_update標(biāo)識POST /haoke/_update/1001
{
"doc":{
"age":66
}
}

可以看到數(shù)據(jù)已經(jīng)成功更新了。

我們需要id存在，否則會報錯，也就是404

當(dāng)id存在，我們可以往數(shù)據(jù)添加原先沒有的數(shù)據(jù)。

（查）搜索數(shù)據(jù)（id）

GET /elk/_doc/id

我們也可以直接在elasticsearch中進(jìn)行搜索

（查）搜索數(shù)據(jù)（全部）

GET  /elk/_search

同樣的，查詢?nèi)恳部梢灾苯釉趀lasticsearch-head中的基本查詢中進(jìn)行搜索。

（查）關(guān)鍵字搜索數(shù)據(jù)

#格式
GET /elk/_search?q=字段名:對應(yīng)值#查詢年齡等于13的用戶
GET /elk/_search?q=age:20

#查詢年齡等于13的用戶
GET /elk/_search?q=address:湖南

（查）DSL搜索

Elasticsearch的DSL（Domain-Specific Language）是一種查詢語言，用于在Elasticsearch中執(zhí)行搜索操作。DSL允許用戶以結(jié)構(gòu)化的方式構(gòu)建復(fù)雜的查詢，以滿足不同的搜索需求。DSL查詢通常以JSON格式表示，并包含各種查詢和過濾條件。

以下是一些常見的DSL查詢語法和查詢類型的詳細(xì)解釋：

1. Match Query:
   Match查詢用于執(zhí)行全文本搜索，它會在指定的字段中查找包含特定詞語的文檔。

   {"query": {"match": {"field_name": "search_term"}}
   }
   

   匹配年齡為20的數(shù)據(jù)

   POST /elk/_search
   #請求體
   {"query" : {"match" : {"age" : 23}}
   }
   

   

   匹配多個姓名數(shù)據(jù)

   POST /elk/_search
   #請求數(shù)據(jù)
   {"query" : {"match" : {"name" : "張四 李三 王老五"}}
   }
   

   

   高亮顯示

   POST /elk/_search
   #請求數(shù)據(jù)
   {"query": {"match": {"name": "王老五"}},"highlight": {"fields": {"name": {}}}
   }
   

   

2. Term Query:
   Term查詢用于匹配確切的詞語。它通常用于精確匹配，而不進(jìn)行全文本搜索。

   {"query": {"term": {"field_name": "exact_term"}}
   }
   

3. Bool Query: Bool查詢允許將多個查詢組合在一起，并使用邏輯運算符（must、must_not、should）來定義查詢邏輯。

   {"query": {"bool": {"must": [{ "match": { "field1": "value1" } },{ "term": { "field2": "value2" } }],"must_not": [{ "range": { "field3": { "gte": "2022-01-01" } } }],"should": [{ "term": { "field4": "value3" } }]}}
   }
   

   查詢年齡大于18歲的男性用戶。

   POST /elk/user/_search
   #請求數(shù)據(jù)
   {"query": {"bool": {"filter": {"range": {"age": {"gt": 18}}},"must": {"match": {"sex": "男"}}}}
   }
   

4. Range Query:
   Range查詢用于匹配指定范圍內(nèi)的值。

   {"query": {"range": {"field_name": {"gte": "min_value","lte": "max_value"}}}
   }
   

5. Wildcard Query:
   通配符查詢允許使用通配符進(jìn)行模糊匹配。

   {"query": {"wildcard": {"field_name": "search*term"}}
   }
   

6. Nested Query:
   Nested查詢用于在嵌套文檔中執(zhí)行查詢。

   {"query": {"nested": {"path": "nested_field","query": {"match": {"nested_field.property": "value"}}}}
   }
   

這些是一些基本的DSL查詢示例。在實際應(yīng)用中，可以將這些查詢類型組合使用，以滿足特定的搜索需求。此外，Elasticsearch還支持聚合（Aggregation）、排序（Sorting）、分頁（Pagination）等高級功能，可以進(jìn)一步擴(kuò)展查詢的能力。

其他（聚合）

在Elasticsearch中，支持聚合操作，類似SQL中的group by操作。

POST /elk/_search
{"aggs": {"all_interests": {"terms": {"field": "age"}}}
}