1. 安装
1.1 安装ES
Elasticsearch下载地址 要求:JDK1.8+
Elasticsearch与 Tomcat类似,下载安装包后解压即可使用。我这里下载的是最新的7.6.2
版本
解压后,首先设置跨域支持,后面可能用得上(连接es相关工具)。在./config/elasticsearch.yml
中添加跨域支持
http.cors.enabled: true
http.cors.allow-origin: "*"
在bin
目录上方地址栏输入cmd
打开终端输入elasticsearch.bat
或者双击elasticsearch.bat
文件即可启动
在启动时碰到过以下几个问题:
1.cmd启动显示中文乱码问题
解决方案:
在./config/jvm.options
配置文件中设置字符集格式,重新启动就不会显示乱码了。
-Dfile.encoding=GBK
2.启动后无法访问ES服务器地址 localhost:9200
控制台显示:
received plaintext http traffic on an https channel, closing connection Netty4HttpChannel
这是由于ES 7.X版本后默认开启了安全认证,改成false
即可
至此, Elasticsearch
就可以正常访问了
1.2 安装可视化插件Elasticsearch head
下载地址,该插件是一个web项目,需要nodejs环境,下载后执行
npm install
启动:
npm run start
启动后打开 : localhost:9100查看
1.3 安装可视化工具Kibana
注意: kibana
版本需要与es
版本一致 ,安装同样简单,下载解压即可使用,双击 ./bin/kibana.bat
启动后
在浏览器中访问 5601端口即可
kibana
界面默认为英文,支持国际化,在./config/kibana.yml
中最后一行设置即可
i18n.locale: “zh-CN”
设置后重启服务
2. ES核心概念
elasticsearch是面向文档的,
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) | fields |
elasticsearch(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)。
🍑 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。
🍑 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。
🍑 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! {就是一个json对象 ! fastjson进行自动转换 !}
- 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。
🍎 倒排索引
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
elasticsearch
使用的是一种称为倒排索引的结构,采用的是Lucene
倒排索引作为底层,这种结构适合全文搜索,一个索引由文档中所有不重复的列表构成,对于每一个词,都有一个包含他的文档列表,例如,如下两个文档
study every day,good good up to forever # 文档1
To forever, study every day,good good up # 文档2
为了创建倒排索引,首先需要将每个文档拆分成独立的词条,然后创建一个包含所有不重复词条的排序列表
3. IK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,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!
下载地址,下载后解压到./plugins
文件夹即可,
重启服务使用kibana
测试
查看分词效果
ik_smart 分词器
ik_max_word 分词器
有时候,分词效果不是我们预期的,可以在./ik/config/IKAnalyzer.cfg.xml
中配置我们自己需要的词典
4. RestAPI操作
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。
4.1 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 |
4.2 索引操作
创建一个索引,不指定类型
PUT /test1/type1/1
{
"name":"赵今麦",
"gae": 20
}
创建一个索引,同时指定字段类型
PUT /test2
{
"mappings": {
"properties": {
"name":{
"type": "text"
},
"age":{
"type": "long"
},
"birthday":{
"type": "date"
}
}
}
}
创建索引,指定默认类型
_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 /test2/_doc/1
{
"name":"maimai",
"age":"20",
"birth":"2002-09-29"
}
获取索引
GET test2
删除索引
DELETE test1
4.3 文档操作
修改
- PUT
# 首次PUT是创建
PUT /mmw/_doc/1
{
"name":"mmw",
"age":23,
"desc":"程序员",
"tags":[
"技术宅","温暖","直男"
]
}
# 再次对相同ID数据PUT则是修改
# 但是如果PUT时某个字段没写,则会将其更新为空值
PUT /mmw/_doc/1
{
"name":"mmw1",
"age":24,
}
- POST _update 进行更新
POST /mmw/_doc/1/_update
{
"doc":{
"age":31
}
}
删除
DELETE /mmw
查询
简单查询
GET /mmw/_doc/1
简单查询(带条件)
GET /mmw/_search?q=name:mmw
复杂操作搜索(重点): 排序 分页 高亮 模糊查询 精确查询
构建查询请求体 多个查询条件使用空格隔开
结果过滤,只显示指定字段 _source
GET /mmw/_search
{
"query": {
"match": {
"name": "mmw"
}
},
"_source": ["name","desc"]
}
排序 sort
GET /mmw/_search
{
"query": {
"match": {
"desc": "程序员"
}
},
"_source": ["name","desc","age"],
"sort": [
{
"age": {
"order": "desc"
}
}
]
}
分页查询
size 页大小 from 从第几条数据开始, 数据下标还是从0开始
GET /mmw/_search
{
"query": {
"match": {
"desc": "程序员"
}
},
"sort": [
{
"age": {
"order": "desc"
}
}
],
"from":0,
"size":2
}
布尔值精确查询
must 相当于 and
should相当于 or
must not 相当于 not
# must
GET /mmw/_search
{
"query": {
"bool":{
"must": [
{
"match": {
"desc": "程序员"
}
},
{
"match": {
"age": "26"
}
}
]
}
}
}
# should
GET /mmw/_search
{
"query": {
"bool":{
"should": [
{
"match": {
"desc": "程序员"
}
},
{
"match": {
"age": "26"
}
}
]
}
}
}
过滤器
# age大于21
GET /mmw/_search
{
"query": {
"bool":{
"filter": [
{
"range": {
"age": {
"gte": 21
}
}
}
]
}
}
}
term 精确查询 : 通过倒排索引指定的词条进程精确查找的
高亮 highlight
该可以自定义前缀后缀标签文章来源:https://www.toymoban.com/news/detail-477710.html
GET /mmw/_search
{
"query": {
"match": {
"desc": "程序员"
}
},
"highlight": {
"pre_tags": "<p class='key' style='color:red'>",
"fields": {
"desc":{}
}
}
}
l":{
“filter”: [
{
“range”: {
“age”: {
“gte”: 21
}
}
}
]
}
}
}文章来源地址https://www.toymoban.com/news/detail-477710.html
term 精确查询 : 通过倒排索引指定的词条进程精确查找的
高亮 highlight
该可以自定义前缀后缀标签
```json
GET /mmw/_search
{
"query": {
"match": {
"desc": "程序员"
}
},
"highlight": {
"pre_tags": "<p class='key' style='color:red'>",
"fields": {
"desc":{}
}
}
}
到了这里,关于【Elasticsearch】Elasticsearch基本使用的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!