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
- 二、进阶检索
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。
GET bank/_search
{
"query": {
"bool": {
"must": [{
"term": {
"age": {
"value": "28"
}
}
}, {
"match": {
"address": "990 Mill Road"
}
}]
}
}
}
// 相当于sql： age in
{"terms": {"age": [26, 27, 28]}}
9）、range 过滤
range 过滤允许我们按照指定范围查找一批数据：
{
"range": {
"price": {
"gte": 2000,
"lte": 3000
}
}
}
gt : 大于
lt : 小于
gte : 大于等于
lte :小于等于
10）、exists 和 missing 过滤
exists 和 missing 过滤可以用于查找文档中是否包含指定字段或没有某个字段，类似于SQL语句中的IS_NULL条件
{
"exists": {
"field": "title"
}
}
11）、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"
}
}
