ElasticSearch 入门
ElasticSearch学习笔记
一、ElasticSearch安装
替换 ik分词器 ：版本要对应，若是不对应，会报错..sql
须要Java JDK 配置。数组
二、 ElasticSearch简单的CRUD
1> 建立索引------>> 类型------>>文档app
给字段肯定类型函数
PUT /schools/_mapping/school学习
{ui
"properties":{url
"TimeFormat":{spa
"type":"date",orm
"format":"yyyy-MM-dd HH:mm:ss"对象
}
}
}
建立index 为student ，type为article 的 字段subject 类型为text 使用ik_max_word 分词器的文档。
PUT /student/?pretty
{
"settings" : {
"analysis" : {
"analyzer" : {
"ik" : {
"tokenizer" : "ik_max_word"
}
}
}
},
"mappings" : {
"article" : {
"dynamic" : true,
"properties" : {
"subject" : {
"type" : "text",
"analyzer" : "ik_max_word"
}
}
}
}
}
若是不手动指定，分词器就不会默认使用ik .且以上只能针对文档中的字段指定
如下针对index 进行指定使用ik分词器
PUT /students
{
"settings" : {
"index" : {
"analysis.analyzer.default.type": "ik_max_word"
}
}
}
A . 单条插入
PUT http://localhost:9200/movies/movie/3
{
"title": "To Kill a Mockingbird",
"director": "Robert Mulligan",
"year": 1962
}
PUT url/index/type/id
{
“字段”:”值”，
“字段”:”值”，
“字段”:”值”，
....
}
使用以上格式建立索引、类型、文档
{ "_index": "movies", "_type": "movie", "_id": "1", "_version": 1, "result": "created", "_shards": { "total": 2, "successful": 1, "failed": 0 }, "created": true }
Version，为1，result 为：created
B. 批量插入
POST /schools/_bulk
{"index":{"_index":"schools","_type":"school","_id":"1"}}
{"name":"Central School","description":"CBSE Affiliation","street":"Nagan","city":"paprola","state":"HP","zip":"176115","location":[31.8955385,76.8380405],"fees":2000,"tags":["Senior Secondary","beautiful campus"],"rating":"3.5"}
{"index":{"_index":"schools","_type":"school","_id":"2"}}
{"name":"Saint Paul School","description":"ICSE Afiliation","street":"Dawarka","city":"Delhi","state":"Delhi","zip":"110075","location":[28.5733056,77.0122136],"fees":5000,"tags":["Good Faculty","Great Sports"],"rating":"4.5"}
{"index":{"_index":"schools","_type":"school","_id":"3"}}
{"name":"Crescent School","description":"State Board Affiliation","street":"Tonk Road","city":"Jaipur","state":"RJ","zip":"176114","location":[26.8535922,75.7923988],"fees":2500,"tags":["Well equipped labs"],"rating":"4.5"}
使用_bulk 进行批量的插入数据。
2> 修改文档
如今，在索引中有了一部电影信息，接下来来了解如何更新它，添加一个类型列表。要作到这一点，只需使用相同的ID索引它。使用与以前彻底相同的索引请求，但类型扩展了JSON对象
PUT http://localhost:9200/movies/movie/3
{
"title": "To Kill a Mockingbird",
"director": "Robert Mulligan",
"year": 1962,
"genres": ["Crime", "Drama", "Mystery"]
}
响应以下：
{ "_index": "movies", "_type": "movie", "_id": "1", "_version": 2, "result": "updated", "_shards": { "total": 2, "successful": 1, "failed": 0 }, "created": false }
Version，变为了2，result 为：updated
修改文档的单个字段 （script inline）
POST schools/school/_update_by_query
{
"script": {
"inline": "ctx._source.TimeFormat ='2016-09-08 15:20:30';ctx._source.zip='1766889'"
},
"query":{
"term":{
"city":"delhi"
}
}
}
3> 删除文档
为了经过ID从索引中删除单个指定的文档，使用与获取索引文档相同的URL，只是这里将HTTP方法更改成DELETE。
DELETE http://localhost:9200/movies/movie/3
返回响应：
{
"_index": "movies",
"_type": "movie",
"_id": "1",
"_version": 2,
"result": "deleted",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 5,
"_primary_term": 1
}
4> 查询文档
为了经过ID从索引中查询单个指定的文档，使用与获取索引文档相同的URL，只是这里将HTTP方法更改成GET。
GET http://localhost:9200/movies/movie/3
条件搜索：
经常使用查询：
全文本查询：针对文本
一、查询所有：match_all
二、模糊匹配： match (相似sql 的 like)
三、全句匹配： match_phrase (相似sql 的 = )
四、多字段匹配：multi_match （多属性查询）
五、语法查询：query_string (直接写须要配置的 关键字 )
六、字段查询 ： term (针对某个属性的查询，这里注意 term 不会进行分词，好比 在 es 中 存了 “火锅” 会被分红 “火/锅” 当你用 term 去查询 “火时能查到”，可是查询 “火锅” 时，就什么都没有，而 match 就会将词语分红 “火/锅”去查)
七、范围查询：range ()
字段查询：针对结构化数据，如数字，日期 。。。
分页：
“from”: 10,
“size”: 10
constant_score: 固定分数。
filter: 查询： （query 属于相似就能够查出来，而 filter 相似 = 符号，要么成功，要么失败，没有中间值，查询速度比较快
一、查询所有：match_all
POST _search
{
"query": {
"match_all": {}
}
}
二、模糊匹配： match (相似sql 的 like)
POST /schools/school/_search
{
"query": {
"match": {
"name":"Saint Paul School"
}
}
}
使用 match 进行搜索时：搜索内容经过分词器进行分词后，与文本分词后的结果进行匹配，如上例：搜索 /schools/school/ 中的name 字段中 Saint Paul School 进过度词的全部匹配项 ，只要name中有分词其中之一就会被匹配。
三、 全句匹配： match_phrase (相似sql 的 = )
POST /schools/school/_search
{
"query": {
"match_phrase": {
"name":"Saint Paul School"
}
}
}
使用 match_phrase进行搜索时：搜索内容经过分词器进行分词后，与文本分词后的结果进行连续，精确的匹配，如上例：搜索 /schools/school/ 中的name 字段中 Saint Paul School 进过度词的全部匹配项 ，只有name中同时有Saint、 Paul 、School 三个连续的分词才会被匹配。至关因而对 sql中 =的用法，但能够忽略 空格。
四、 多字段匹配：multi_match （多属性查询）
POST /schools/school/_search
{
"query": {
"multi_match": {
"query":"Saint Paul School",
"fields": [
"name","tags"
]
}
}
}
multi_match 能够对多字段进行模糊搜索， query 中的搜索字段会被分词，并各自匹配，fields 字段用来肯定搜索的字段。
五、 语法查询：query_string (直接写须要配置的 关键字 )
POST /schools/school/_search
{
"query": {
"query_string": {
"query":"Saint Paul School",
"fields": [
"name","tags"
]
}
}
}
query_string 能够对多字段进行模糊搜索， query 中的搜索字段会被分词，并各自匹配，fields 字段用来肯定搜索的字段。
六、 字段查询 ： term
POST /schools/school/_search
{
"query": {
"term": {
"name":"Saint Paul School"
}
}
}
Term 搜索时，须要没有空格，不会进行分词，还须要条件全小写。要否则查不出来....
七、 范围查询：range ()
POST /schools/school/_search
{
"query": {
"range": {
"fees": {
"from": 1000,
"to": 2500
}
}
}
}
组合查询很差使，大概须要 bool 查询....
八、 bool 查询
POST /schools/school/_search
{
"query": {
"bool": {
"must": [
{
"range": {
"fees": {
"from": 1000,
"to": 3000
}
}
},
{
"match": {
"name": "School"
}
},
{
"wildcard": {
"zip": {
"value": "17*15"
}
}
}
],
"boost": 1,
"must_not": [
{
"term": {
"name": {
"value": "to"
}
}
}
]，
"should": [
{
"match": {
"city": "paprola"
}
}
]
}
}
}
九、 高亮设置
POST /schools/school/_search
{
"query": {
"match": {
"name": "Saint school"
}
},
"highlight": {
"fields": {
"name":{}
}
}
}
十、 分页 from 当前行数，从0开始（是行数，不是页码！！） size 展现条数（下图，第二行开始，查一条数据）
POST /schools/school/_search
{
"query": {
"match": {
"name": "Saint school"
}
},
"highlight": {
"fields": {
"name":{}
}
}
, "from": 1
, "size": 1
}
十一、过滤查询 ，查询多个filter，sort 以数组的形式查询。
POST /schools/school/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "school"
}
}
],
"filter":[{
"exists": {
"field": "name"
}
},
{
"range": {
"fees": {
"from": 10,
"to": 2000
}
}
}
]
}
}
, "from": 1
, "size": 10
, "sort": [
{
"fees": {
"order": "desc"
}
}
]
}
11.一、 id过滤器
11.二、 range 过滤器
11.三、exists 过滤器
11.四、term/terms 过滤器
POST /schools/school/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"name": "school"
}
}
],
"filter":[{
"exists": {
"field": "name"
}
},
{
"range": {
"fees": {
"from": 10,
"to": 5000
}
}
},
{
"ids":{
"values":[1,2,3]
}
},{
"term":{
"street":"tonk"
}
}
]
}
}
, "from": 0
, "size": 10
, "sort": [
{
"fees": {
"order": "desc"
}
}
]
}
十一、 聚合（Aggregations）
聚合提供了功能能够分组并统计你的数据。理解聚合最简单的方式就是能够把它粗略的看作SQL的GROUP BY 操做和SQL 的聚合函数。
ES中经常使用的聚合：
Metric(度量聚合) ：度量聚合主要针对number类型的数据，须要ES作比较多的计算工做
Bucketing (桶聚合)：划分不一样的“桶”，将数据分配到不一样的“桶”里。很是相似sql中的group By 语句的含义。
ES中的聚合API(格式) ：
"aggregations" : { // 表示聚合操做，可使用aggs替代
"<aggregation_name>" : { // 聚合名，能够是任意的字符串。用作响应的key，便于快速取得正确的响应数据。
"<aggregation_type>" : { // 聚合类别，就是各类类型的聚合，如min等
<aggregation_body> // 聚合体，不一样的聚合有不一样的body
}
[,"aggregations" : { [<sub_aggregation>]+ } ]? // 嵌套的子聚合，能够有0或多个
}
[,"<aggregation_name_2>" : { ... } ]* // 另外的聚合，能够有0或多个
}
1. 度量(metric)聚合
A、 （avg）平均值聚合 、(min) 最小值聚合、（max）最大值聚合、（sum）相加和聚合 、（stats）以上4种打包聚合
query": {
"match": {
"name": "Saint school"
}
},
"highlight": {
"fields": {
"name": {}
}
},
"aggregations":
{
"fees_avg": {
"avg": {
"field": "fees"
}
}, "fees_min": {
"min": {
"field": "fees"
}
}, "fees_max": {
"max": {
"field": "fees"
}
}, "fees_sum": {
"sum": {
"field": "fees"
}
}, "fees_stats": {
"stats": {
"field": "fees"
}
}
}
,
"from": 0,
"size": 10
}
2. 桶（bucketing）聚合
自定义区间范围的聚合（range）to不包含自身
POST /schools/school/_search
{
"query": {
"match": {
"name": "Saint school"
}
},
"highlight": {
"fields": {
"name": {}
}
},
"aggregations": {
"fees_range": {
"range": {
"field": "fees",
"ranges": [
{
"from": 0,
"to": 2000
},
{
"from": 2000,
"to": 3000
},
{
"from": 3000,
"to": 5001
}
]
}
}
},
"from": 0,
"size": 10
}
自定义分组依据Term（不能选择text类型的field）
POST /schools/school/_search
{
"query": {
"match": {
"name": "Saint school"
}
},
"highlight": {
"fields": {
"name": {}
}
},
"aggregations": {
"fees_term": {
"terms": {
"field": "location",
"size":3
}
}
},
"from": 0,
"size": 10
}
时间区间聚合(Date Range Aggregation)
# 时间区间聚合专门针对date类型的字段，它与Range Aggregation的主要区别是其可使用时间运算表达式。
#now+10y：表示从如今开始的第10年。
#now+10M：表示从如今开始的第10个月。
#1990-01-10||+20y：表示从1990-01-01开始后的第20年，即2010-01-01。
#now/y：表示在年位上作舍入运算。
POST /schools/school/_search
{
"query": {
"match": {
"name": "Saint school"
}
},
"highlight": {
"fields": {
"name": {}
}
},
"aggregations": {
"fees_term": {
"terms": {
"field": "location",
"size":3
}
},
"time_aggs":{
"date_range":{
"field":"TimeFormat",
"format":"yyyy-MM-dd",
"ranges":[
{
"from":"now/y",
"to":"now"
},
{
"from":"now/y-1y",
"to":"now/y"
},
{
"from":"now/y-3y",
"to":"now/y-1y"
}
]
}
}
},
"from": 0,
"size": 10
}
直方图聚合(Histogram Aggregation)
# Histogram Aggregation
#直方图聚合，它将某个number类型字段等分红n份，统计落在每个区间内的记录数。它与前面介绍的Range聚合
# 很是像，只不过Range能够任意划分区间，而Histogram作等间距划分。既然是等间距划分，那么参数里面必然有距离参数，就是interval参数。
POST /schools/school/_search
{
"query": {
"match": {
"name": "Saint school"
}
},
"highlight": {
"fields": {
"name": {}
}
},
"aggregations": {
"fees_aggs":{
"histogram":{
"field":"fees",
"interval":1000
}
}, "time_agg":{
"date_histogram":{
"field":"TimeFormat",
"interval":"year",
"format":"yyyy-MM_dd"
}
}
},
"from": 0,
"size": 10
}
- 1. Elasticsearch入门（二）
- 2. elasticsearch入门篇
- 3. Elasticsearch入门
- 4. elasticSearch入门
- 5. ElasticSearch入门
- 6. Elasticsearch 7 入门
- 7. elasticsearch入门
- 8. ElasticSearch 入门
- 9. Node + Elasticsearch入门
- 10. [ElasticSearch]入门篇
- 更多相关文章...
- • Memcached入门教程 - NoSQL教程
- • Neo4j数据库入门教程 - NoSQL教程
- • YAML 入门教程
- • Java Agent入门实战（一）-Instrumentation介绍与使用
-
每一个你不满意的现在，都有一个你没有努力的曾经。
- 1. Duang!超快Wi-Fi来袭
- 2. 机器学习-补充03 神经网络之**函数(Activation Function)
- 3. git上开源maven项目部署 多module maven项目（多module maven+redis+tomcat+mysql）后台部署流程学习记录
- 4. ecliple-tomcat部署maven项目方式之一
- 5. eclipse新导入的项目经常可以看到“XX cannot be resolved to a type”的报错信息
- 6. Spark RDD的依赖于DAG的工作原理
- 7. VMware安装CentOS-8教程详解
- 8. YDOOK：Java 项目 Spring 项目导入基本四大 jar 包 导入依赖，怎样在 IDEA 的项目结构中导入 jar 包 导入依赖
- 9. 简单方法使得putty（windows10上）可以免密登录树莓派
- 10. idea怎么用本地maven