Elasticsearch (1) - 索引库 文档 分词

建立索引库

ES的索引库是一个逻辑概念，它包括了分词列表及文档列表，同一个索引库中存储了相同类型的文档。它就至关于MySQL中的表，或至关于Mongodb中的集合。

关于索引这个语：

索引（名词）：ES是基于Lucene构建的一个搜索服务，它要从索引库搜索符合条件索引数据。

索引（动词）：索引库刚建立起来是空的，将数据添加到索引库的过程称为索引。

下边介绍两种建立索引库的方法，它们的工做原理是相同的，都是客户端向ES服务发送命令。

put http://localhost:9200/索引库名称 建立

{
    "settings":{
    "index":{
    　　"number_of_shards":1,
    　　"number_of_replicas":0
    　　}
    }
}

number_of_shards：设置分片的数量，在集群中一般设置多个分片，表示一个索引库将拆分红多片分别存储不一样的结点，提升了ES的处理能力和高可用性，入门程序使用单机环境，这里设置为1。

number_of_replicas：设置副本的数量，设置副本是为了提升ES的高可靠性，单机环境设置为0.

例如 建立xc_course索引库，共1个分片，0个副本：

或者使用head插件建立

结果：

建立映射

在索引中每一个文档都包括了一个或多个field，建立映射就是向索引库中建立field的过程，document和field与关系数据库的概念的类比：

文档（Document）----------------Row记录

字段（Field）-------------------Columns 列

上边讲的建立索引库至关于关系数据库中的数据库仍是表？

一、若是至关于数据库就表示一个索引库能够建立不少不一样类型的文档，这在ES中也是容许的。

二、若是至关于表就表示一个索引库只能存储相同类型的文档，ES官方建议 在一个索引库中只存储相同类型的文档

POST建立

发送举例：post http://localhost:9200/索引库名称/类型名称/_mapping

建立类型为xc_course的映射，共包括三个字段：name、description、studymondel

例如：

post 请求：http://localhost:9200/xc_course/doc/_mapping

* 表示：在xc_course索引库下的doc类型下建立映射。doc是类型名，能够自定义，在ES6.0中要弱化类型的概念，能够给它起一个没有具体业务意义的名称。

{
    "properties": {
        "name": {
            "type": "text"
        },
        "description": {
            "type": "text"
        },
        "studymodel": {
            "type": "keyword"
        }
    }
}

映射建立成功，查看head界面：

建立文档

至关于MySQL数据库表中的记录

发送：put 或Post http://localhost:9200/xc_course/doc/id值（若是不指定id值ES会自动生成ID）

例如： http://localhost:9200/xc_course/doc/4028e58161bcf7f40161bcf8b77c0000

{
    "name": "Bootstrap开发框架",
    "description": "Bootstrap是由Twitter推出的一个前台页面开发框架，在行业之中使用较为普遍。此开发框架包 ",
    "studymodel": "201001"
}

使用postman：

经过head查询数据：

搜索文档

根据id查询文档

发送：get http://localhost:9200/xc_course/doc/4028e58161bcf7f40161bcf8b77c0000

使用postman测试：

查询全部记录

发送 get http://localhost:9200/xc_course/doc/_search

查询名称中包括spring 关键字的的记录

发送：get http://localhost:9200/xc_course/doc/_search?q=name:bootstrap

查询学习模式为201001的记录

发送 get http://localhost:9200/xc_course/doc/_search?q=studymodel:201001

查询结果：

 {
    "took": 1,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": 1,
        "max_score": 0.2876821,
        "hits": [{
            "_index": "xc_course",
            "_type": "doc",
            "_id": "4028e58161bcf7f40161bcf8b77c0000",
            "_score": 0.2876821,
            "_source": {
                "name": "Bootstrap开发框架",
                "description": "Bootstrap是由Twitter推出的一个前台页面开发框架，在行业之中使用较为普遍。 此开发框架包含了大量的CSS、 JS程序代码， 能够帮助开发者（ 尤为是不擅长页面开发的程序人员） 轻松的实现一个不受浏览器限制的精美界面效果。 ",
                "studymodel": "201001"
            }
        }]
    }
}

took：本次操做花费的时间，单位为毫秒。

timed_out：请求是否超时

_shards：说明本次操做共搜索了哪些分片

hits：搜索命中的记录

hits.total ： 符合条件的文档总数 hits.hits ：匹配度较高的前N个文档

hits.max_score：文档匹配得分，这里为最高分

_score：每一个文档都有一个匹配度得分，按照降序排列。

_source：显示了文档的原始内容。

IK分词器

在添加文档时会进行分词，索引中存放的就是一个一个的词（term），当你去搜索时就是拿关键字去匹配词，最终找到词关联的文档。

测试当前索引库使用的分词器：

post 发送：localhost:9200/_analyze

{"text":"测试分词器，后边是测试内容：spring cloud实战"}

结果以下：

会发现分词的效果将 “测试” 这个词拆分红两个单字“测”和“试”，这是由于当前索引库使用的分词器对中文就是单字分词。

IK分词器分词效果

发送：post localhost:9200/_analyze

{"text":"测试分词器，后边是测试内容：spring cloud实战","analyzer":"ik_max_word" }

结果：

 

两种分词模式

ik分词器有两种分词模式：ik_max_word和ik_smart模式。

一、ik_max_word

会将文本作最细粒度的拆分，好比会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、

华人、人民共和国、人民、共和国、大会堂、大会、会堂等词语。

二、ik_smart

会作最粗粒度的拆分，好比会将“中华人民共和国人民大会堂”拆分为中华人民共和国、人民大会堂。

自定义词库

若是要让分词器支持一些专有词语，能够自定义词库。

iK分词器自带一个main.dic的文件，此文件为词库文件。

能够进行该词库替换与配置加强功能