kibana7.x操作

elasticsearch7.x取消了type（类型的概念）对应数据库表的概念

一、添加一个索引

PUT 索引名
{"settings": {"number_of_shards": 1,
"number_of_replicas": 0
}
}

二、创建映射字段

analyzer：分词器下载地址:https://github.com/medcl/elasticsearch-analysis-ik

PUT /索引名/_mapping
{"properties": {"title":{"type": "text",
"analyzer": "ik_max_word"
},
"images":{"type": "keyword",
"index": false
},
"price":{"type": "float"
}
}
}

三、查看映射关系

GET /索引名/_mapping

四、新增数据

随机生成id

POST /索引库名/_doc
{"title":"大米手机",
"images":"http://image.leyou.com/12479122.jpg",
"price":2899.00
}

自定义id

自定义id值不能重复,否则数据将会被覆盖

POST /索引库名/_doc/自定义id值
{"title":"超米手机","images":"http://image.leyou.com/12479122.jpg","price":3699.00,"Saleable":true
}

五、修改数据

PUT /索引库/_doc/id值
{"title":"超大米手机",
"images":"http://image.leyou.com/12479122.jpg",
"price":3899.00,
"stock": 100,
"saleable":true
}

六、删除数据

DELETE /索引库名/_doc/id值

七、查询

查询所有

GET /索引库名/_search { "query": { "match_all": {} } }

响应内容:

{"took" : 0,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0,"failed" : 0},"hits" : {"total" : {"value" : 6,"relation" : "eq"},"max_score" : 1.0,"hits" : [{"_index" : "goods","_type" : "_doc","_id" : "1","_score" : 1.0,"_source" : {"title" : "小米手机","images" : "http://image.leyou.com/12479122.jpg","price" : 2699.0,"Saleable" : true}},{"_index" : "goods","_type" : "_doc","_id" : "mmHtSnEBVcsVh4Caiarl","_score" : 1.0,"_source" : {"title" : "大米手机","images" : "http://image.leyou.com/12479122.jpg","price" : 2899.0}},{"_index" : "goods","_type" : "_doc","_id" : "2","_score" : 1.0,"_source" : {"title" : "超米手机","images" : "http://image.leyou.com/12479122.jpg","price" : 3699.0,"Saleable" : true}},{"_index" : "goods","_type" : "_doc","_id" : "3","_score" : 1.0,"_source" : {"title" : "小米电视4A","images" : "http://image.leyou.com/12479122.jpg","price" : 4699.0,"Saleable" : true}},{"_index" : "goods","_type" : "_doc","_id" : "4","_score" : 1.0,"_source" : {"title" : "华为手机","subTitle" : "小米","images" : "http://image.leyou.com/12479122.jpg","price" : 4699.0}},{"_index" : "goods","_type" : "_doc","_id" : "5","_score" : 1.0,"_source" : {"title" : "oppo","subTitle" : "小米","images" : "http://image.leyou.com/12479122.jpg","price" : 4899.0}}]}
}

字段解析:

took：查询花费时间，单位是毫秒

time_out：是否超时

_shards：分片信息

hits：搜索结果总览对象
total：搜索到的总条数

max_score：所有结果中文档得分的最高分

hits：搜索结果的文档对象数组，每个元素是一条搜索到的文档信息
_index：索引库

_type：文档类型

_id：文档id

_score：文档得分

_source：文档的源数据

匹配查询

GET /索引库名/_search{ "query": { "match": {  "title": { "query": "小米手机电视","minimum_should_match": "60%" }   }
}}

多字段查询

title,subTitle字段名

GET /索引库名/_search
{"query": {"multi_match": {"query": "小米",
"fields":["title","subTitle"]
}
}

}

词条查询:可分割的最小词条单位 title为字段名 [ “字段值” ]

GET /索引库名/_search
{"query": {"terms": {"title": ["小米","手机"]}}
}

多词条查询

GET /索引库名/_search
{"query": {"terms": {"title": ["小米","手机"]
}
}
}

结果过滤
excludes:不显示的字段 includes: 显示的字段

GET /索引库名/_search
{"_source": {"excludes": "{images}"
},
"query": {"terms": {"title": ["小米","手机"]
}
}
}

布尔查询

标题一定有小米，或者价格为2699,4699
bool把各种其它查询通过must（与）、must_not（非）、should（或）的方式进行组合

GET /索引库名/_search
{"query": {"bool": {"must": [
{"match": {"title": "小米"
}
}
],
"should": [
{"terms": {"price": [
"2699",
"2799"
]
}}
]
}
}
}

范围查询

价格大于等于2799 小于等于3899

GET /索引库名/_search
{"query": {"range": {"price": {"gte": 2799,
"lte": 3899
}
}
}
}

模糊查询

标题为oppo 默认允许错误一个字母，最大为两个字母正确标题 oppo

fuzziness:配置篇里

GET /索引库名/_search
{"query": {"fuzzy": {"title": {"value": "oope",
"fuzziness": 2
}
}
}
}

过滤filter
不会影响查询的分数_score

GET /索引库名/_search
{"query": {"bool": {"must": [
{"match": {"title": "小米"
}
}
],
"filter": [
{"range": {"price": {"gte": 2699,
"lte": 4999
}
}
}
]
}
}
}

查询全部数据，如果数据很多，kibana默认只返回前10条数据

如果想一开始就设置的话，参考这篇文章
不然就在查询的时候，带上from和size这两个参数

## 查询所有
GET /poem/_search
{"from" : 0, "size" : 50,"query": {"match_all": {}}
}

参考文章

八、排序

GET /索引库名/_search
{"query": {"bool": {"filter": [
{"range": {"price": {"gte": 2699,
"lte": 4999
}
}
}
]
}
},
"sort": [
{"price": {"order": "desc"
}
},
{"_id":{"order": "asc"
}
}
]
}

九、聚合 aggregations

聚合可以让我们极其方便的实现对数据的统计、分析。例如：

什么品牌的手机最受欢迎？

这些手机的平均价格、最高价格、最低价格？

这些手机每月的销售情况如何？

实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现实时搜索效果。

基本概念

Elasticsearch中的聚合，包含多种类型，最常用的两种，一个叫桶，一个叫度量：

桶（bucket）

桶的作用，是按照某种方式对数据进行分组，每一组数据在ES中称为一个桶，例如我们根据国籍对人划分，可以得到中国桶、英国桶，日本桶……或者我们按照年龄段对人进行划分：0_10,1020,20_30,3040等。

Elasticsearch中提供的划分桶的方式有很多：

Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组

Histogram Aggregation：根据数值阶梯分组，与日期类似

Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组

Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组

……

bucket aggregations 只负责对数据进行分组，并不进行计算，因此往往bucket中往往会嵌套另一种聚合：metrics aggregations即度量

度量（metrics）

分组完成以后，我们一般会对组中的数据进行聚合运算，例如求平均值、最大、最小、求和等，这些在ES中称为度量

比较常用的一些度量聚合方式：

Avg Aggregation：求平均值

Max Aggregation：求最大值

Min Aggregation：求最小值

Percentiles Aggregation：求百分比

Stats Aggregation：同时返回avg、max、min、sum、count等

Sum Aggregation：求和

Top hits Aggregation：求前几

Value Count Aggregation：求总数

……

使用聚合先加入新的索引

PUT /cars
{"settings": {"number_of_shards": 1,
"number_of_replicas": 0
},
"mappings": {"properties": {"color": {"type": "keyword"
},
"make": {"type": "keyword"
}
}
}
}

批量添加数据

POST /cars/_bulk
{ "index": {}}
{ "price" : 10000, "color" : "red", "make" : "honda", "sold" : "2014-10-28" }
{ "index": {}}
{ "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2014-11-05" }
{ "index": {}}
{ "price" : 30000, "color" : "green", "make" : "ford", "sold" : "2014-05-18" }
{ "index": {}}
{ "price" : 15000, "color" : "blue", "make" : "toyota", "sold" : "2014-07-02" }
{ "index": {}}
{ "price" : 12000, "color" : "green", "make" : "toyota", "sold" : "2014-08-19" }
{ "index": {}}
{ "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2014-11-05" }
{ "index": {}}
{ "price" : 80000, "color" : "red", "make" : "bmw", "sold" : "2014-01-01" }
{ "index": {}}
{ "price" : 25000, "color" : "blue", "make" : "ford", "sold" : "2014-02-12" }

聚合为桶

GET /cars/_search
{"aggs": {"color": {"terms": {"field": "color"
}
}
}
}

桶内度量

GET /cars/_search
{"size": 0,
"aggs": {"color": {"terms": {"field": "color"
},
"aggs": {"avg_price": {"avg": {"field": "price"
}
}
}
}
}
}

桶内嵌套桶

GET /cars/_search
{"size": 0,
"aggs": {"color": {"terms": {"field": "color"
},
"aggs": {"avg_price": {"avg": {"field": "price"
}
},
"mark":{"terms": {"field": "make"
}
}
}
}
}
}

阶梯分组
对价格进行阶梯分组，最小数量为1才显示

GET /cars/_search
{"size": 0,
"aggs": {"price_histogram": {"histogram": {"field": "price",
"interval": 5000,
"min_doc_count": 1
}
}
}
}

范围分组

GET /cars/_search
{"size": 0,
"aggs": {"price_range": {"range": {"field": "price",
"ranges": [
{"from": 5000,
"to": 15000
},
{"from": 15000,
"to": 20000
},
{"from": 20000,
"to": 25000
},
{"from": 25000,
"to":35000
},
{"from": 35000,
"to":40000
}
]
}
}
}
}

文章转自

kibana7.x操作相关推荐

关于大型网站技术演进的思考
关于大型网站技术演进的思考(一)--存储的瓶颈(1) 前不久公司请来了位互联网界的技术大牛跟我们做了一次大型网站架构的培训,两天12个小时信息量非常大,知识的广度和难度也非常大,培训完后我很难完整理出 ...
elasticSearch入门到java操作api一套搞定
目录写在前面一.下载地址二.solr与es比较三.安装elasticsearch 四.安装可视化界面(hand插件) 使用五.安装kibana 六.学习es核心概念七.IK分词器插件八. ...
kibana-7.3.0安装配置
一.kibana-7.3.0安装配置 Kibana是一个基于Node.js的Elasticsearch索引库数据统计工具,可以利用Elasticsearch的聚合功能,生成各种图表,如柱形图,线状图, ...
cent os7 安装elasticsearch-7.9.3（伪集群）和kibana-7.9.3
首先下载这4个软件:(版本要一致) 下载地址: https://artifacts.elastic.co/downloads/kibana/kibana-7.9.3-linux-x86_64.tar. ...
Dockerfile+elasticsearch7.12.1(配置密码及证书)+kibana7.12.1+cerebro0.83搭建集群
文章目录前言一.制定自定义的ElasticSearch镜像 1.Dockerfile文件内容如下: 2.执行构建镜像 3.推送镜像二.docker-compose等配置文件 1.docker-c ...
ElasticSearch搜索详细讲解与操作
全文检索基础全文检索流程流程: #mermaid-svg-7Eg2qFEl06PIEAxZ {font-family:"trebuchet ms",verdana,arial, ...
Kibana可视化界面操作
本章内容概述 1.Kibana可视化界面介绍 2.Kibana的安装和配置 3.Kibana增删改查文档 1.Kibana可视化界面介绍 Kibana是一个开源的分析和可视化平台,设计用于和Elast ...
windows 单机 - elasticsearch-7.11.1 、kibana-7.11.1 安装部署
文章目录前言 windows 单机 - elasticsearch-7.11.1 .kibana-7.11.1 安装部署 01 elasticsearch-7.11.1 下载安装 01::01 下载 ...
Elasticsearch7.3.2+Kibana7.3.2+Ubantu16安装教程
前面介绍了Elasticsearch的基本知识,下面将实战如何在Linux操作系统中搭建Elasticsearch和Kibana环境. 一.软件包由于ES社区的更新版本速度很快,小编使用的是Elas ...