一、基本介绍

1、索引、类型、文档

es和mysql类似，es中的索引、类型、文档分别对应mysql中的库、表、数据，不过es中的文档中的数据是以json格式来写的，一行就是一串json格式的字符串，json中的属性可以认为是mysql中的列名，json的值可以认为就是mysql中的属性

2、倒排索引

我们把数据存在es之后，es会将数据进行分析，然后将数据进行分词，例如红海行动分成了红海、行动，而探索红海行动被分成了探索、红海、行动，然后红海特别行动被分成了红海、特别、行动等等，之后把这些词放在表左边，包含这些词的记录放在词的右边，当我们检索某个词的时候会根据相关性得分得出数据的展示顺序，如下图：

根据上图来看，如果我们检索“红海特工行动”，这些词语可以分为红海、特工、行动三个词，可以看到这三个词中只有特工没有被匹配到，然后我们看匹配到的词，其中1号数据、2号数据、3号数据、5号数据有2个词匹配上了，而4号数据只有一个匹配上了，我们分别来计算这些数据的相关性得分，如下：

数据	相关性得分
1号数据	2/2
2号数据	2/3
3号数据	2/3
4号数据	1/2
5号数据	2/4

上面的相关性得分(文档得分)是将数据中的匹配词出现的次数当做分子，而数据会划分的总词数当做分母，得出的相关性得分越大显示检索的时候越靠前

以上为了介绍倒排索引对分词说的比较简单，其实并没有这么简单，例如红海特别行动不仅仅只被分成红海、特别、行动，还有可能被分成特别行动等等，但是上面已经把分词的含义说清楚了，不过实际分词的时候更加细致而已，毕竟分词数目不好确定

3、访问地址

elasticsearch：http://192.168.56.10:9200

kibana：http://192.168.56.10:5601

二、常用操作

1、查询节点以及集群相关信息

（1）查看所有es节点

http://192.168.56.10:9200/_cat/nodes

结果：

127.0.0.1 62 93 5 0.35 0.29 0.38 dilm * 8e383449ab38

解释：

其中*代表当前节点是主节点，8e383449ab38是节点的name，我们可以通过访问http://192.168.56.10:9200看到该name

（2）查看健康状况

http://192.168.56.10:9200/_cat/health

结果：

1609038775 03:12:55 elasticsearch green 1 1 3 3 0 0 0 0 - 100.0%

解释：

green表示当前集群是非常监控的，后面的数字等是集群分片信息

（3）查看主节点

http://192.168.56.10:9200/_cat/master

结果：

manSbe-MSkyNN5WMByvsgQ 127.0.0.1 127.0.0.1 8e383449ab38

解释：

8e383449ab38是主节点的name，可以通过访问http://192.168.56.10:9200看到

（4）查看所有索引

http://192.168.56.10:9200/_cat/indices

结果：

green open .kibana_task_manager_1   uaBoceJ2RcOePTGlYFqfjA 1 0 2 0 12.5kb 12.5kb
green open .apm-agent-configuration FH7Ig-YZQBmihJE8HLLkWw 1 0 0 0   283b   283b
green open .kibana_1                oqIZOOuCRhKYadlo_1821Q 1 0 6 0   29kb   29kb

解释：

可以存储一些配置等等，相当于mysql数据库中执行show databases

（5）查看节点信息

http://192.168.56.10:9200/_nodes/stats

结果：

{"_nodes": {"total": 1,"successful": 1,"failed": 0},"cluster_name": "elasticsearch","nodes": {"7gI4uiYxRF2bJILMiG69tg": {"timestamp": 1652883914938,"name": "LAPTOP-OTED0HAJ","transport_address": "127.0.0.1:9300","host": "127.0.0.1","ip": "127.0.0.1:9300","roles": ["data","ingest","master","ml","remote_cluster_client","transform"]……

（6）查看分片信息

http://192.168.56.10:9200/_cluster/state

结果：

{"cluster_name": "elasticsearch","cluster_uuid": "bzk5iojSRgecxmy3kwaIRQ","version": 393,"state_uuid": "Qn5de73TS7OvvfbhXHrIHQ","master_node": "7gI4uiYxRF2bJILMiG69tg","blocks": {},"nodes": {"7gI4uiYxRF2bJILMiG69tg": {"name": "LAPTOP-OTED0HAJ","ephemeral_id": "ajpLYZfWTj-4nJGCs12JGA","transport_address": "127.0.0.1:9300","attributes": {"ml.machine_memory": "51278336000","xpack.installed": "true","transform.node": "true","ml.max_open_jobs": "20"}}},"metadata": {"cluster_uuid": "bzk5iojSRgecxmy3kwaIRQ","cluster_uuid_committed": true,"cluster_coordination": {"term": 21,"last_committed_config": ["7gI4uiYxRF2bJILMiG69tg"],"last_accepted_config": ["7gI4uiYxRF2bJILMiG69tg"],"voting_config_exclusions": []},"templates": {……

2、索引信息查询

（1）查询索引详细信息

请求方式：

GET

请求路径：

http://192.168.56.10:9200/索引名称

（2）查询索引数据总量

请求方式：

GET

请求路径：

http://192.168.56.10:9200/索引名称/_count

（2）根据条件查询数据量

请求方式：

GET

请求路径：

http://192.168.56.10:9200/索引名称/_count

请求体：

// 使用Query DSL即可，也就是普通的查询语句，其实和_search中的查询语句格式一致，这里不再赘述

结果：

{"count": 299117,"_shards": {"total": 9,"successful": 9,"skipped": 0,"failed": 0}
}

3、索引（保存）文档

（1）使用Put请求方式保存文档

请求方式：

PUT

请求路径：

http://192.168.56.10:9200/customer/external/1

请求体：

{"name": "John Doe"
}

结果：

{"_index": "customer","_type": "external","_id": "1","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"_seq_no": 0,"_primary_term": 1
}

解释：

其中customer是索引名称，external是类型名称，1是唯一标识id(即文档)，保存的数据是json格式的，返回的结果中带_的数据都被称为元数据，注意put请求必须携带id(/customer/external/后面的就是id)，否则请求无法发送，如果索引—》类型下面没有对应id，第一次执行该请求将会保存一个文档，可以看到返回值中的result是created；
以后在执行相同请求，将会执行更新操作，我们在更新操作中会具体说明

（2）使用Post请求方式保存文档

请求方式：

POST

请求路径：

// 方式1：不带id(/customer/external/后面的就是id)
http://192.168.56.10:9200/customer/external
// 方式2：带id(/customer/external/后面的就是id)
http://192.168.56.10:9200/customer/external/2

请求体：

{"name": "John Doe"
}

结果（不带id执行）：

{"_index": "customer","_type": "external","_id": "eKJLpHYBFLB86FefIxDx","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"_seq_no": 11,"_primary_term": 1
}

解释：

1、不携带唯一标识id(/customer/external/后面的就是id)，将自动生成唯一id，执行结果中的result为created，即保存操作，即使我们执行同一个请求，那每一次都是created保存操作

2、携带唯一标识id(/customer/external/后面的就是id)，如果索引—》类型下面没有对应id(/customer/external/后面的就是id)，第一次执行该请求将会保存一个文档，可以看到返回值中的result是created；
以后在执行相同请求，将会执行更新操作，我们在更新操作中会具体说明

4、更新文档

（1）使用Put请求方式更新文档（全量更新）

请求方式：

PUT

请求路径：

http://192.168.56.10:9200/customer/external/1

请求体：

{"name": "John Doe"
}

结果：

{"_index": "customer","_type": "external","_id": "1","_version": 2,"result": "updated","_shards": {"total": 2,"successful": 1,"failed": 0},"_seq_no": 2,"_primary_term": 1
}

解释：

该请求之前已经执行过一次了，可以看上面的“2、索引（保存）文档---》（1）使用Put请求方式保存文档”，第二次同样的请求就是更新操作了，可以看到返回值中的result就是updated

（2）使用Post请求方式更新文档(全量更新，不带_update)

请求方式：

POST

请求路径：

// 带id(/customer/external/后面的就是id)
http://192.168.56.10:9200/customer/external/1

请求体：

{"name": "John Doe"
}

结果：

{"_index": "customer","_type": "external","_id": "1","_version": 3,"result": "updated","_shards": {"total": 2,"successful": 1,"failed": 0},"_seq_no": 3,"_primary_term": 1
}

解释：

该请求之前已经执行过一次了，可以看上面的“2、索引（保存）文档---》（2）使用Post请求方式保存文档”，第二次同样的请求就是更新操作了，可以看到返回值中的result就是updated

（3）使用Post请求方式更新文档(部分字段值更新，其他字段值不变，带_update)

请求方式：

POST

请求路径：

// 方式1：
// 带id(/customer/external/后面的就是id)
http://192.168.56.10:9200/customer/external/1/_update
// 方式2（ES7.X.X版本）：
http://192.168.56.10:9200/customer/_update/1

请求体：

{"doc": {"name": "John Doe"}
}

结果：

{"_index": "customer","_type": "external","_id": "1","_version": 4,"result": "noop","_shards": {"total": 0,"successful": 0,"failed": 0},"_seq_no": 4,"_primary_term": 1
}

解释：

http://192.168.56.10:9200/customer/external/1请求之前已经执行过至少一次了，第二次相同索引—》类型—》唯一标识id(即文档)在执行就是更新操作了，可以看到返回值中的result就是updated或者noop，但是本次的更新和以往的不一样，上面我们也提到了两种更新操作，以上两种更新操作不会判断值是否真的改变了，他们会直接进行更新，然后更改_version、_seq_no、_shards对应的值，而本次带上_update会判断值是否真的改变了，如果真的改变了，它当然会更改_version、_seq_no、_shards对应的值，并且返回值中的result是updated；如果更新的值还是原来的值，那_version、_seq_no、_shards对应的值不会改变，另外返回值中的result是noop，使用_updated的特点就是可以判断值是否真的改变了，然后决定是进行更新操作还是不进行更新操作，但是需要注意的有两点：

1）、使用Post请求，请求后面不仅有唯一标识id(/customer/external/后面的就是id)，还有_update，这是特定写法不能改变
2）、数据需要放在"doc": {}中，不能直接放在{}中

（4）更新数字

请求方式：

POST

请求路径：

// 方式1：
// 带id(/customer/external/后面的就是id)
http://192.168.56.10:9200/customer/external/1/_update
// 方式2（ES7.X.X版本）：
http://192.168.56.10:9200/customer/_update/1

请求体：

{"script" : "ctx._source.clickCount+=1"
}

解释：

其中ctx._source是固定写法，而clickCount是属性名称，这是数字类型的，然后1是需要增加的值，当然还可以是其他数字，并且可以是负数，这都是支持的

（5）根据条件更新部分字段

请求方式：

POST

请求路径：

// customer：索引名称；external：文档名称
http://192.168.56.10:9200/customer/external/_update_by_query

请求体：

1、单值更新

{"query": {"term": {"indexId": "ecb50a4579324f9fa35e6c8fa4d8807b"}},"script": {"source": "ctx._source.kgCategoryName = params.categoryName","params": {"categoryName": "科技强国"}}
}

2、多值更新

{"query": {"term": {"indexId": "ecb50a4579324f9fa35e6c8fa4d8807b"}},"script": {"source": "ctx._source.clickCount = params.clickCount;ctx._source.collectCount = params.collectCount","params": {"clickCount": 1,"collectCount": 2}}
}

解释：

多个值的话，中间用英文分号分隔开

（6）更新中的乐观锁操作

更新的时候可以看到这两个字段_seq_no（并发控制字段，每次更新都会加1，用来做乐观锁） 和_primary_term（主分片重新分配，就会变化，例如重启） ，更新的时候可以加上，假设有两个请求(索引—》类型后面已经有对应id)同时发送，以Put请求方式更新数据为例，当然也可以使用另外两种更新方式，依然使用id=1，请求数据还是{“name”: “John Doe”}，请求地址如下：

http://192.168.56.10:9200/customer/external/1?if_seq_no=13&if_primary_term=1

其中if_seq_no和_seq_no对应比较，if_primary_term和_primary_term对应比较，只要我们更新之前上述两对值对应，那就可以执行更新，如果有任何一对值不对应，那就无法完成更新，具体执行结果如下：

{"error": {"root_cause": [{"type": "version_conflict_engine_exception","reason": "[1]: version conflict, required seqNo [13], primary term [1]. current document has seqNo [14] and primary term [1]","index_uuid": "ANbuGAD0TYC9_oNMvIskmA","shard": "0","index": "customer"}],"type": "version_conflict_engine_exception","reason": "[1]: version conflict, required seqNo [13], primary term [1]. current document has seqNo [14] and primary term [1]","index_uuid": "ANbuGAD0TYC9_oNMvIskmA","shard": "0","index": "customer"},"status": 409
}

5、根据文档id查询文档

请求方式：

GET

请求路径：

http://192.168.56.10:9200/customer/external/1

结果：

{"_index": "customer","_type": "external","_id": "1","_version": 4,"_seq_no": 4,"_primary_term": 1,"found": true,"_source": {"name": "John Doe"}
}

解释：

6、删除文档

方式1（根据indexId删除）：

请求方式：

DELTE

请求方式：

http://192.168.56.10:9200/customer/external/1

结果：

{"_index": "customer","_type": "external","_id": "1","_version": 15,"result": "deleted","_shards": {"total": 2,"successful": 1,"failed": 0},"_seq_no": 20,"_primary_term": 1
}

解释：

可以看到返回值中的result是deleted，代表删除成功了，我们需要指定索引—》类型—》唯一标识id(即文档)，例如/customer/external/1中的customer是索引、external是类型、唯一索引id是1

方式2（根据条件删除）：

POST twitter/_delete_by_query
{"query": { "match": {"message": "some message"}}
}

解释：根据条件删除，地址：https://www.elastic.co/guide/en/elasticsearch/reference/6.0/docs-delete-by-query.html

7、删除索引

请求方式：

DELTE

请求方式：

http://192.168.56.10:9200/customer

结果：

{"acknowledged": true
}

8、批量操作

注意：以上操作均在PostMan中进行，但是批量操作无法在PostMan中进行，因此在Kibana中进行，以下的操作均在Kibana中进行

（1）使用简单的insert保存批量操作

请求：

POST /customer/external/_bulk
{"index":{"_id":"1"}}
{"name":"John Doe"}
{"index":{"_id":"2"}}
{"name":"John Doe"}

结果：

{"took" : 159,"errors" : false,"items" : [{"index" : {"_index" : "customer","_type" : "external","_id" : "1","_version" : 1,"result" : "created","_shards" : {"total" : 2,"successful" : 1,"failed" : 0},"_seq_no" : 0,"_primary_term" : 1,"status" : 201}},{"index" : {"_index" : "customer","_type" : "external","_id" : "2","_version" : 1,"result" : "created","_shards" : {"total" : 2,"successful" : 1,"failed" : 0},"_seq_no" : 1,"_primary_term" : 1,"status" : 201}}]
}

解释：

先上图，后说话

请求方式就是POST，请求路径代表customer是索引，而external是类型，后面的_bulk代表本次执行批量操作，主要是请求体很独特，它的语法格式是这样的：

{action:{metadata名称: metadata值, ……}}
{请求体}

其中action有index保存、create保存、update更新、delete删除等，元数据就是我们之前看到的那些带_的元数据，在4、查询文档中可以看一下带_的那些元数据含义，本次指定的是_id，也就是唯一标识id，即我们常说的文档，至于请求体中写的东西还是我们在保存或者更新操作中使用的数据

（2）使用index保存、create保存、update更新、delete删除等批量操作

请求：

POST /_bulk
{"index":{"_index":"website","_type":"blog"}}
{"title":"My second blog post"}
{"index":{"_index":"website","_type":"blog","_id":"123"}}
{"title":"My second blog post"}
{"create":{"_index":"website","_type":"blog","_id":"123"}}
{"title":"My first blog post"}
{"update":{"_index":"website","_type":"blog","_id":"123"}}
{"doc":{"title":"My updated blog post"}}
{"delete":{"_index":"website","_type":"blog","_id":"123"}}

结果：

{"took" : 18,"errors" : true,"items" : [{"index" : {"_index" : "website","_type" : "blog","_id" : "faLYpHYBFLB86FefzxCh","_version" : 1,"result" : "created","_shards" : {"total" : 2,"successful" : 1,"failed" : 0},"_seq_no" : 4,"_primary_term" : 1,"status" : 201}},{"index" : {"_index" : "website","_type" : "blog","_id" : "123","_version" : 1,"result" : "created","_shards" : {"total" : 2,"successful" : 1,"failed" : 0},"_seq_no" : 5,"_primary_term" : 1,"status" : 201}},{"create" : {"_index" : "website","_type" : "blog","_id" : "123","status" : 409,"error" : {"type" : "version_conflict_engine_exception","reason" : "[123]: version conflict, document already exists (current version [1])","index_uuid" : "Je9tgYdORkCHICn2yGJYWA","shard" : "0","index" : "website"}}},{"update" : {"_index" : "website","_type" : "blog","_id" : "123","_version" : 2,"result" : "updated","_shards" : {"total" : 2,"successful" : 1,"failed" : 0},"_seq_no" : 6,"_primary_term" : 1,"status" : 200}},{"delete" : {"_index" : "website","_type" : "blog","_id" : "123","_version" : 3,"result" : "deleted","_shards" : {"total" : 2,"successful" : 1,"failed" : 0},"_seq_no" : 7,"_primary_term" : 1,"status" : 200}}]
}

解释：

（3）批量添加测试数据

请求体获取地址：点击我

请求：

POST bank/accout/_bulk
请求体放在这里

具体执行：

9、查询多个索引数据

索引名称之间需要用英文逗号隔开，如下：

请求：

GET cis_bookstore_book,knowledge/_search

结果：

三、Query DSL(DSL即领域特定语言)

1、什么是Query DSL

（1）uri+请求体(请求值即Query DSL)

请求：

GET bank/_search
{"query": {"match_all": {}},"sort": [{"account_number": {"order": "asc"}}]
}

解释：

bank/_search中的_search是固定的，代表查询操作，“match_all”: {}代表查询条件，如果查询全部，那{}中可以不写条件，sort中写的内容代表根据account_number字段按照asc升序排序，然后解释一下结果

DSL定义：Elasticsearch提供了一个可以执行查询的Json风格的DSL（domain-specific language，即领域特定语言），这就被称为Query DSL。例如我们上面所说的请求体就是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示例开始的。

（2）uri+请求参数

除了这种使用uri+请求体的方式，还有另外一种检索方式，这种检索方式把参数放在uri的后面，我们举出一个例子实现和上面使用Query DSL方式相同的效果，例如如下：

GET /bank/_search?q=*&sort=account_number:asc

其中q=*代表查询所有，sort后面的内容代表按照account_number字段进行asc顺序排序，结果和上面的查询结果是一样的，这里就不在展示了，我们最常使用的还是Query DSL

2、基础语法格式

（1）一个查询语句的典型结构

{QUERY_NAME:{ARGUMENT:VALUE,ARGUMENT:VALUE,……}
}

该结构中的QUERY_NAME表示是query等等，ARGUMENT就是es中使用的属性，比如match_all或者match等等，然后vlaue值中还可以有其他内容，比如es中的字段等等，我们后面也会提到的，例如：

{"query": {"match_all": {}}
}

虽然没有用到ARGUMENT:VALUE，但是是可以使用的

（2）针对文档中字段的操作

结构如下：

{QUERY_NAME:{FIELD_NAME:[{ARGUMENT:VALUE,ARGUMENT:VALUE,……},……]}
}

该结构中的QUERY_NAME表示是size等等，FIELD_NAME就是文档中的属性，ARGUMENT就是es中使用的属性，比如下面例子中使用的order

例如：

{……"sort": [{"account_number": {"order": "asc"}}]
}

（3）query的使用

①、查询全部

GET bank/_search
{"query": {"match_all": {}}
}

解释：

match_all用于查询所有数据，但是只会返回10条，这是默认值

②、非字符串值进行精确查询

GET bank/_search
{"query": {"term": {"account_number": 20}}
}

解释：

account_number是字段名称，这种精确匹配和mysql中使用的where是一致的，term就是会把字段的值当做当做一个整体进行去寻找，不经过倒排索引，毕竟它不需要分词，非字符串值进行精确查询建议使用term，虽然match也可以完成同样的功能，但是match主要用于全文检索，所以非字符串进行精确查询建议使用term

③、字符串值进行精确查询

GET bank/_search
{"query": {"match": {"address.keyword": "282 Kings Place"}}
}

解释：

每一个字段名称后面都可以跟上一个.keyword，只要加上了.keyword，那就说明要把后面的值当做一个整体去检索，并且不会经过倒排索引，虽然也可以使用term来完成，并且可以不用添加.keyword，但是term常常用于非字符串值进行精确查询，所以建议使用.keyword完成字符串值精确查询，这和match_phrase短语匹配还是不一样的，match_phrase短语匹配虽然不分词，并且把短语当做一个整体，但它还是需要经过倒排索引，即使address值只有部分和需要匹配的短语一样，那也是可以的，每一个字符串字段(type类型为text)都有key

④、字符串值进行全文检索(也可以叫做分词匹配)

GET bank/_search
{"query": {"match": {"address": "mill lane"}}
}

结果：

{"took" : 1,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0,"failed" : 0},"hits" : {"total" : {"value" : 19,"relation" : "eq"},"max_score" : 9.507477,"hits" : [{"_index" : "bank","_type" : "account","_id" : "136","_score" : 9.507477,"_source" : {"account_number" : 136,"balance" : 45801,"firstname" : "Winnie","lastname" : "Holland","age" : 38,"gender" : "M","address" : "198 Mill Lane","employer" : "Neteria","email" : "winnieholland@neteria.com","city" : "Urie","state" : "IL"}},……
}

解释：

total中的value是19代表一共匹配到了19条记录，最大的得分max_score是9.507477，说明匹配的记录中最高的得分就是9.507477，越高得分的记录查询的时候越靠前，我们查到的第一条数据就是的_score就是9.507477，查询的时候会将字符串mill lane进行分词，可以分为mill和lane，那么只要address中包含mill或者lane的数据都会被查询出来，并且不区分大小写，而我们往es中存储数据的时候es也会将数据进行分词，然后维护一个倒排索引，然后根据数据中address包含的mill和lane的数量和数据自身address被分词的总数目进行除法操作，得出最终的相关性得分，既然需要匹配的字符串和原来传入的字符串都需要分词，然后按照倒排索引计算相关性得分，如果我们匹配的字符串不在倒排索引中，相关性得分_score是0，那是搜不到数据的，例如把address变成mil，虽然整体能匹配上那些带mill的address字符串，但是我们不是根据address字符串整体来的，而是根据倒排索引中的分词来分析的，所以address变成mil是搜索不到数据的，毕竟倒排索引中就没有为mil的词

⑤、字符串值进行短语匹配(即不对字符串进行分词，把字符串当做整体进行匹配)

GET bank/_search
{"query": {"match_phrase": {"address": "mill lane"}}
}

结果：

{"took" : 8,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0,"failed" : 0},"hits" : {"total" : {"value" : 1,"relation" : "eq"},"max_score" : 9.507477,"hits" : [{"_index" : "bank","_type" : "account","_id" : "136","_score" : 9.507477,"_source" : {"account_number" : 136,"balance" : 45801,"firstname" : "Winnie","lastname" : "Holland","age" : 38,"gender" : "M","address" : "198 Mill Lane","employer" : "Neteria","email" : "winnieholland@neteria.com","city" : "Urie","state" : "IL"}}]}
}

解释：

使用match_pharase不对字符串mill lane进行分词，直接把这个字符串mill lane当做整词在倒排索引中寻找和它一致的词，只有我们之前存入es中时address值分词的的时候可以分成字符串mill lane那些数据会被检索到，检索的时候不区分大小写

⑥、多字段匹配

GET bank/_search
{"query": {"multi_match": {"query": "mill movico","fields": ["address","city"]}}
}

解释：

首先将query中的字符串mill movico进行分词处理，只要address或者city字段值中任何一个包含mill或者movico都是会被检索到的，这当然需要和倒排索引密切相关，另外检索的时候也是不区分大小写的

⑦、前缀查询 / 通配符查询 / 正则表达式查询

（1）前缀查询

GET bank/_search
{"query": {"prefix": {"address": "Hines"}}
}

解释：前面只要包含Hines的就可以，如果字段是keyword类型，执行匹配该字段的前缀内容

（2）通配符查询

GET /my_index/address/_search
{"query": {"wildcard": {"postcode": "W?F*HW" (1)}}
}

解释：? 匹配任意字符， * 匹配 0 或多个字符，如果字段是keyword类型，执行匹配该字段的全部内容

（3）正则表达式

GET /my_index/address/_search
{"query": {"regexp": {"postcode": "W[0-9].+"}}
}

解释：正则表达式平常怎么用，这边也是怎么用，如果字段是keyword类型，执行匹配该字段的全部内容

总结：以上三种方式对应的字段必须是not_analyzed类型的，也就是keyword类型，这是支持匹配的；如果该字段是可以分词的，那就会匹配所有单个分词

⑧、复合查询

GET bank/_search
{"query": {"bool": {"must": [{"match": {"gender": "M"}},{"match": {"address": "mill"}}],"must_not": [{"match": {"age": "28"}}],"should": [{"match": {"lastname": "Hines"}}],"filter": {"range": {"age": {"gte": 10,"lte": 40}}}}}
}

解释：

bool里面有四种形式，分别是must、must_not、should、filter，他们分别代表必须满足全部条件、不能满足任何一个条件、必须满足条件之一、数据过滤

其中must、should都会贡献相关性得分，filter不会贡献相关性得分，而must_not被当成一个过滤器，和filter功能一致，所以也不会贡献相关性得分

可以看出我们上面需要寻找gender包含M，address包含mill，年龄不能是28岁，lastname中最好包含Hines，即使不包含也没有关系，不过不包含的话相关性得分_score低一点，但也是可以查询出来的，should里面的条件不是全部满足，但必须满足其中的条件之一，相当于或者操作，最后然后通过filter过滤掉年龄大于等于10岁并且小于等于40岁的数据

⑨、滚动查询

首次查询：

// scroll字段指定了滚动id的有效生存期，以分钟为单位，过期之后会被es自动清理
GET /kms.wiki/_search?scroll=2m
{"query": {"match_all": {}},"size": 20,"_source": "title"
}

结果：

{"_scroll_id": "DnF1ZXJ5VGhlbkZldGNoCQAAAAAAAAAKFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAACxZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAAAwWZldNV0hQTVlRdWkwNDBGb3NUTkduUQAAAAAAAAANFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAADhZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAABIWZldNV0hQTVlRdWkwNDBGb3NUTkduUQAAAAAAAAARFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAADxZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAABAWZldNV0hQTVlRdWkwNDBGb3NUTkduUQ==","took": 20,"timed_out": false,"_shards": {"total": 9,"successful": 9,"skipped": 0,"failed": 0},"hits": {"total": {"value": 4075,"relation": "eq"},"max_score": 1,"hits": [{"_index": "kms.wiki","_type": "_doc","_id": "46b3f4af5ead47a69622e2d13186cf01","_score": 1,"_source": {"title": "前南斯拉夫国防学院"}},……]}
}

非首次查询：

// scroll后面的值依然是2分钟
// scroll_id的值是上次查询获取的_scroll_id，由于滚动id的存在，所以不用在写索引名称和查询条件，当hits为空的时候，说明滚动查询到头了，不要在查询了
GET /_search/scroll?scroll=2m&scroll_id=DnF1ZXJ5VGhlbkZldGNoCQAAAAAAAAAKFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAACxZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAAAwWZldNV0hQTVlRdWkwNDBGb3NUTkduUQAAAAAAAAANFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAADhZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAABIWZldNV0hQTVlRdWkwNDBGb3NUTkduUQAAAAAAAAARFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAADxZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAABAWZldNV0hQTVlRdWkwNDBGb3NUTkduUQ==

结果：

{"_scroll_id": "DnF1ZXJ5VGhlbkZldGNoCQAAAAAAAAAKFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAACxZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAAAwWZldNV0hQTVlRdWkwNDBGb3NUTkduUQAAAAAAAAANFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAADhZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAABIWZldNV0hQTVlRdWkwNDBGb3NUTkduUQAAAAAAAAARFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAADxZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAABAWZldNV0hQTVlRdWkwNDBGb3NUTkduUQ==","took": 12,"timed_out": false,"terminated_early": true,"_shards": {"total": 9,"successful": 9,"skipped": 0,"failed": 0},"hits": {"total": {"value": 4075,"relation": "eq"},"max_score": 1,"hits": [{"_index": "kms.wiki","_type": "_doc","_id": "328a36aa33b444dfa1c1b379ee0a8d47","_score": 1,"_source": {"title": "卡-52武装直升机"}},……]}
}

清除scroll_id：

// 由于滚动查询十分占用内存，所以在查询成功之后，需要根据滚动查询id及时回收内存；下面数组中都是_scroll_id，由于查询次数过多，所以滚动id存在多个
DELETE /_search/scroll
{"scroll_id": ["DnF1ZXJ5VGhlbkZldGNoCQAAAAAAAAAeFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAAHRZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAABwWZldNV0hQTVlRdWkwNDBGb3NUTkduUQAAAAAAAAAfFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAAIBZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAACEWZldNV0hQTVlRdWkwNDBGb3NUTkduUQAAAAAAAAAiFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAAIxZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAACQWZldNV0hQTVlRdWkwNDBGb3NUTkduUQ==","DnF1ZXJ5VGhlbkZldGNoCQAAAAAAAAAeFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAAHRZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAABwWZldNV0hQTVlRdWkwNDBGb3NUTkduUQAAAAAAAAAfFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAAIBZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAACEWZldNV0hQTVlRdWkwNDBGb3NUTkduUQAAAAAAAAAiFmZXTVdIUE1ZUXVpMDQwRm9zVE5HblEAAAAAAAAAIxZmV01XSFBNWVF1aTA0MEZvc1ROR25RAAAAAAAAACQWZldNV0hQTVlRdWkwNDBGb3NUTkduUQ=="]
}

参考：

1. ElasticSearch 深度分页解决方案
2. Elasticsearch的scroll用法

注意：

1. 查询条件中不能使用from属性，否则会出现错误：Validation Failed: 1: using [from] is not allowed in a scroll context

（4）sort的使用

请求：

GET bank/_search
{"query": {"match_all": {}},"sort": [{"account_number": {"order": "asc"}}]
}

解释：

按照account_number字段进行升序排列，这和mysql中的order by 字段名称 排序规则是一样的，以上写法最符合标准，但是也可以简写，比如将

"account_number": {"order": "asc"
}

简写成：

"account_number": "asc"

多字段排序：

GET bank/_search
{"query": {"match_all": {}},"sort": [{"account_number": {"order": "asc"}},{"age": {"order": "desc"}}]
}

（5）from和size的使用

请求：

GET bank/_search
{"query": {"match_all": {}},"from": 0,"size": 5
}

解释：

结果就不在说了，query中设置的查询全部数据，from代表从0开始，数据默认确实从0开始排列，size代表取出5条数据，这个和mysql中的limit start, size是一样的

（6）_source的使用

结果中只包含单个字段：

{"query": {"match_all": {}},"_source": "title"
}

结果中包含多个指定字段：

{"query": {"match_all": {}},"_source": ["title", "price"]
}

结果中不包含哪些字段：

{"query": {"match_all": {}},"_source": {"excludes": ["firstname", "lastname"]}
}

解释：

_source和mysql中的select 字段名称……是类似的

（7）高亮的使用

默认使用em标签包裹：

{"query": {"match": {"title": "小米"}},"highlight": {"fields": {"title": {}}}
}

可以使用pre_tags和post_tags来指定前后的包裹标签：

{"query": {"match": {"title": "小米"}},"highlight": {"pre_tags": "<b color='red'>","post_tags": "</b>","fields": {"title": {}}}
}

（8）boost的使用

// 1、在prefix中使用
{"query": {"prefix": {"website": {"value": "/坦克/","boost": 100}}}
}// 2、在match_phrase中使用
{"query": {"match_phrase": {"title": {"query": "中国","boost": 5}}}
}// 3、在term和terms中使用
{"query": {"bool": {"should": [{"term": {"title.keyword": {"value": "中国","boost": 2999}}},{"prefix": {"website": {"value": "/中国/","boost": 2888}}},{"terms": {"title.keyword": ["中华人民共和国"],"boost": 1000}},{"multi_match": {"query": "中国","fields": ["title^10", "content"],"minimum_should_match": "100%"}}],"minimum_should_match": 1}},"highlight": {"pre_tags": "<font>","post_tags": "</font>","fields": {"title": {},"title.keyword": {},"content": {}}},"_source": ["indexId", "title", "content", "date"],"from": 0,"size": 10
}

（9）exist的使用

请求：

GET bank/_search
{"query": {"bool": {"must_not": {"exists": {"field": "kgCategoryName"}}}}
}

解释：

如果值为null或者[]，但是不包括以下几种类型：（1）空字符串，例如"“或”-"（2）包含null和另一个值的数组，例如[null, “foo”]（3）自定义nul值；具体细节可以查看：exists-query

（10）range和format的使用

请求：

GET /kms.wiki/_count
{"query": {"range": {"date": {"gte": "2020-01-01","lte": "2021-01-01","format": "yyyy-MM-dd"}}}
}

解释：

不仅说明range的使用，更是说明format如何使用，format说明gte和lte后面的日期格式，让es能知道是什么日期

四、Aggregations聚合分析

1、聚合简单用法

GET bank/_search
{"query": {"match": {"address": "mill"}},"aggs": {"balanceCount": {"terms": {"field": "balance","size": 10}},"blanceSum": {"sum": {"field": "balance"}},"balanceAvg":{"avg": {"field": "balance"}},"balanceMin":{"min": {"field": "balance"}},"balanceMax":{"max": {"field": "balance"}}},"size": 0
}

结果：

{"took" : 34,"timed_out" : false,"_shards" : {"total" : 1,"successful" : 1,"skipped" : 0,"failed" : 0},"hits" : {"total" : {"value" : 4,"relation" : "eq"},"max_score" : null,"hits" : [ ]},"aggregations" : {"balanceMax" : {"value" : 45801.0},"blanceSum" : {"value" : 100832.0},"balanceMin" : {"value" : 9812.0},"balanceCount" : {"doc_count_error_upper_bound" : 0,"sum_other_doc_count" : 0,"buckets" : [{"key" : 9812,"doc_count" : 1},{"key" : 19648,"doc_count" : 1},{"key" : 25571,"doc_count" : 1},{"key" : 45801,"doc_count" : 1}]},"balanceAvg" : {"value" : 25208.0}}
}

解释：

首先查询了address中包含mill的数据，然后根据这些数据进行聚合操作，几种操作如下：
aggs：代表聚合操作，balanceCount、blanceSum、balanceAvg、balanceMin、balanceMax代表聚合操作的名称
terms：代表分组，在terms里面field指定需要分组的字段名称，size表示最多展示10个分组结果，当然这个可以随意调节
sum：代表计算总额，在sum里面field指定需要计算总额的字段名称
avg：代表计算平均值，在avg里面field指定需要计算平均值的字段名称
min：代表计算最小值，在min里面field指定需要计算最小值的字段名称
max：代表计算最小值，在max里面field指定需要计算最大值的字段名称

最后的size:0代表只看聚合数据，不看其他检索出来的数据

2、子聚合简单使用

问题：

按照年龄聚合，并且求出处于该年龄段的员工平均薪资

请求：

GET bank/_search
{"query": {"match_all": {}},"aggs": {"ageCount": {"terms": {"field": "age","size": 100},"aggs": {"balanceAvg": {"avg": {"field": "balance"}}}}},"size": 0
}

结果：

第一个aggs里面先进行了age的年龄统计，最多展示100个统计数据，这些统计数据每个都是一组数据的集合，如果我们需要对这些数据集合再次进行统计，那就需要使用子聚合，子聚合放在父聚合名称下面，具体我们ageCount中的aggs子聚合，子聚合的名称是balanceAvg，里面用于计算这一组数据中balance的平均值

3、多重子聚合的使用

问题：

按照年龄聚合，并分别查找这些年龄段中性别为M或者F的平均薪资以及这个年龄段的总体平均薪资

请求：

GET bank/_search
{"query": {"match_all": {}},"aggs": {"ageCount": {"terms": {"field": "age","size": 100},"aggs": {"genderCount": {"terms": {"field": "gender.keyword","size": 100},"aggs": {"balanceAvg": {"avg": {"field": "balance"}}}},"balanceAvg": {"avg": {"field": "balance"}}}}},"size": 0
}

结果：

………………"aggregations" : {"ageCount" : {"doc_count_error_upper_bound" : 0,"sum_other_doc_count" : 463,"buckets" : [{"key" : 31,"doc_count" : 61,"genderCount" : {"doc_count_error_upper_bound" : 0,"sum_other_doc_count" : 0,"buckets" : [{"key" : "M","doc_count" : 35,"balanceAvg" : {"value" : 29565.628571428573}},{"key" : "F","doc_count" : 26,"balanceAvg" : {"value" : 26626.576923076922}}]},"balanceAvg" : {"value" : 28312.918032786885}},………………

解释：

由于篇幅原因，我们只给出一个统计值，这代表年龄是31岁的员工有60人，这些员工的平均工资是28312.918032786885元，其中性别为M的有35人，平均薪资是29565.628571428573元，然后性别为F的有26人，平均薪资是26626.576923076922元

4、聚合用法补充

1、min_doc_count的使用
GET bank/_search
{"query": {"match_all": {}},"aggs": {"age_agg": {"terms": {"field": "age","min_doc_count": 2}}},"size": "0"
}
说明：可以对聚合之后的数量进行过滤，比如上面的例子中就是找到age相同的情况下总数大于2的聚合结果

五、Mapping映射

1、查看索引中的映射信息

请求：

GET bank/_mapping

结果：

{"bank" : {"mappings" : {"properties" : {"account_number" : {"type" : "long"},"address" : {"type" : "text","fields" : {"keyword" : {"type" : "keyword","ignore_above" : 256}}},"age" : {"type" : "long"},"balance" : {"type" : "long"},………………

解释：

bank是索引名称，_mapping是固定值，如果不指定字段的类型映射，es会自动猜测字段类型，然后设置字段类型，一般情况下非字符串类型都被设置为long类型，字符串类型都被设置为text类型

2、创建字段映射

请求：

// my_index是索引名称
PUT /my_index
{"mappings": {"properties": {"age":{"type": "integer"},"email":{"type":"keyword"},"name":{"type": "text"}}}
}

结果：

{"acknowledged" : true,"shards_acknowledged" : true,"index" : "my_index"
}

解释：

在往索引中插入数据之前，我们可以先定义索引中的字段名称对应的字段类型，字段类型多种多样，具体可以看：https://blog.csdn.net/hello_world123456789/article/details/95341515，另外email类型为keyword代表该字段会被精确匹配，不通过倒排索引匹配，而是通过直接和字段值进行比较完成精准匹配

字符串型数据的type可以是text或者keyword类型，其中text类型会被分词，而keyword类型不会被分词，对于一个字段，除type之外，还可以设置index属性，默认是true，也可以设置成false，那就是不能放在查询条件中检索，例如："email":{"type":"keyword", "index": false}

补充：

创建复杂索引结构，不仅包含mappings，还包括aliases和settings，如下：

PUT /kms.wiki
{"aliases": {"kms.wiki.alias": {}},"mappings": {"properties": {"basicInfo": {"type": "text"},"browsedCount": {"type": "long"},"catalog": {"type": "text"},"clickCount": {"type": "long"},"collectCount": {"type": "long"},"content": {"type": "text","analyzer": "ik_smart"},"contentUrl": {"type": "text"},"date": {"type": "date"},"fileId": {"type": "keyword"},"handleLink": {"type": "long"},"htmlContent": {"type": "text"},"imageUrl": {"type": "keyword"},"indexId": {"type": "keyword"},"kGraphView": {"type": "nested","properties": {"currentInstance": {"type": "nested","properties": {"instanceId": {"type": "keyword"},"instanceName": {"type": "keyword"},"objectName": {"type": "keyword"}}},"instances": {"type": "nested","properties": {"instanceId": {"type": "keyword"},"instanceName": {"type": "keyword"},"objectName": {"type": "keyword"}}},"relations": {"type": "nested","properties": {"relationId": {"type": "keyword"},"relationName": {"type": "keyword"},"sourceId": {"type": "keyword"},"targetId": {"type": "keyword"}}}}},"kgCategoryName": {"type": "keyword"},"kgId": {"type": "keyword"},"labels": {"type": "nested","properties": {"label": {"type": "keyword"},"type": {"type": "keyword"}}},"normalTitle": {"type": "keyword"},"shareCount": {"type": "long"},"source": {"type": "keyword"},"summary": {"type": "text"},"summaryUrl": {"type": "text"},"title": {"type": "text","fields": {"keyword": {"type": "keyword"},"pinyin": {"type": "text","analyzer": "pinyin_analyzer"},"synonyms": {"type": "text","analyzer": "ik_synon_max_word"}},"analyzer": "ik_max_word"},"titleMeaning": {"type": "keyword"},"url": {"type": "keyword"},"website": {"type": "keyword"}}},"settings": {"index": {"number_of_shards": "9","analysis": {"filter": {"pinyin_filter": {"keep_none_chinese_in_first_letter": "true","lowercase": "true","keep_original": "false","keep_first_letter": "true","trim_whitespace": "true","type": "pinyin","keep_none_chinese": "true","limit_first_letter_length": "16","keep_full_pinyin": "true"},"word_sync": {"type": "synonym","synonyms_path": "analysis-ik/synonym.txt"}},"analyzer": {"ik_synon_max_word": {"filter": ["word_sync"],"type": "custom","tokenizer": "ik_max_word"},"ik_synon_smart": {"filter": ["word_sync"],"type": "custom","tokenizer": "ik_smart"},"pinyin_analyzer": {"filter": ["pinyin_filter"],"tokenizer": "whitespace"}}},"number_of_replicas": "2"}}
}

3、Nested禁止扁平化处理

代码：

PUT product
{"mappings": {"properties": {……………………"catalogName": {"type": "keyword","index": false,"doc_values": false},"attrs": {"type": "nested","properties": {"attrId": {"type": "long"},"attrName": {"type": "keyword","index": false,"doc_values": false},"attrValue": {"type": "keyword"}}}}}
}

解释：

因为attrs里面还有属性，所以attrs是一个复杂属性，如果不添加"type": "nested"(“type”: "nested"怎么用)，那么es将会对复杂属性进行扁平化处理，也就是将所有的attrId的值放在一个数组中，那我们进行查询数组中的单个值将会把数组中所有的值包含的attrs查询出来，这就不是我们想要的效果，所以我们需要需要添加"type": "nested"来禁止复杂属性的扁平化处理，对于添加"type": "nested"的复杂属性查询就需要特别的做法，具体操作可以看：Example query，虽然里面的例子是直接在query下面使用的nested，但是我们也可以在filter或者must等等下面使用nested

4、添加字段映射

请求：

PUT /my_index/_mapping
{"properties": {"employee-id": {"type": "keyword","index": "false"}}
}

结果：

{"acknowledged" : true
}

解释：

由于我们之前已经添加过age、email、name字段的类型，所以不能在使用创建映射的方式来添加映射了，而是需要使用本次的方式来添加映射，本次添加的employee-id字段的type是keyword，代表不经过倒排索引精准匹配，index是false代表该字段不能参与query检索，不过默认index是true，也就是默认参与query检索

5、更新字段映射

字段映射创建之后，无法更新已创建的字段映射，只能重新创建索引，然后添加想要的字段映射，通过数据迁移来实现和更新字段映射相同的效果

6、数据迁移

（1）es7将type类型变为可选、es8完全去掉type类型的解释：

从es7开始，url中的type参数变为可选，比如索引一个文档不在要求提供文档类型type，数据可以直接存储在index索引下面，这是因为在关系数据库(比如mysql)中两个数据库是独立的，即使他们里面有相同名称的列也不会影响使用，但是ES中不是这样的，elasticsearch是基于Lucene开发的搜索引擎，ES中不同type下名称相同的filed字段最终在Lucene中的处理方式是一样的，如果同一个index中的不同type中的同名字段具有不同的映射(包括字段类型等)，那就会出现冲突情况，最终导入Lucene处理效率下降，而我们总不能让同一个index下面的所有type中的文档中的同名字段属性使用同一种类型吧，所以我们要去掉type，以后文档直接就存储在index索引下面，简单来说去掉type就是为了提高ES处理数据的效率

（2）具体实现

操作：

将bank索引下面的account类型的所有文档都迁移到新的newbank下面

创建新索引的映射：

PUT /newbank
{"mappings": {"properties": {"account_number": {"type": "long"},"address": {"type": "text"},"age": {"type": "integer"},"balance": {"type": "long"},"city": {"type": "keyword"},"email": {"type": "text","fields": {"keyword": {"type": "keyword","ignore_above": 256}}},"employer": {"type": "keyword"},"firstname": {"type": "text","fields": {"keyword": {"type": "keyword","ignore_above": 256}}},"gender": {"type": "keyword"},"lastname": {"type": "text","fields": {"keyword": {"type": "keyword","ignore_above": 256}}},"state": {"type": "keyword"}}}
}

es6中的数据迁移到es7：

POST _reindex
{"source": {"index": "bank","type": "account"},"dest": {"index": "newbank"}
}

在source中index后面的bank是老index索引名称，type后面的account是老索引下面的type类型名称，这是es6的写法，毕竟还有真实的type类型，然后es7中只需要把创建好的新index名称写在那里就可以了，因为我们当前使用的是es7.4.2版本，所以选择不使用type

es7中的数据迁移到es7：

POST _reindex
{"source": {"index": "老index索引名称"},"dest": {"index": "新index索引名称"}
}

总结：

无论是es6中的数据迁移到es7还是es7中的数据迁移到es7，都需要先创建映射，并且注意映射中的字段名称和老的index索引中的字段名称一致，可以通过GET bank/_mapping来查看字段信息，其中bank是索引名称，按照上面说过的形式来完成数据迁移，es6->es7需要多写一个type，可以通过GET bank/_search来查看type名称等，如果迁移完成可以通过GET newbank/_search查看index和type，可以看到"_type" : "_doc"，虽然还有一个type，但是这并不是真的type，只是一个象征意义

六、分词器使用

1、下载ik分词器和pinyin分词器

pinyin分词器下载路径：https://github.com/medcl/elasticsearch-analysis-pinyin/

ik分词器下载路径： https://github.com/medcl/elasticsearch-analysis-ik

下载方法：

点击tags，如下：

找到合适的版本，点击Downloads按钮，如下：

点击zip就可以下载，如下：

安装方法：

windows环境： 将zip解压之后放在elasticsearch安装目录的plugins目录下面，如下：

k8s容器环境： 将zip解压之后放在/usr/share/elasticsearch/plugins目录下面，如下：

2、默认分词器

POST _analyze
{"analyzer": "standard","text": "我是中国人"
}

解释：

只能识别英文，不能识别中文，中文会被一个一个拆开

3、ik_smart分词器

POST _analyze
{"analyzer": "ik_smart","text": "我是中国人"
}

结果：

{"tokens" : [{"token" : "我","start_offset" : 0,"end_offset" : 1,"type" : "CN_CHAR","position" : 0},{"token" : "是","start_offset" : 1,"end_offset" : 2,"type" : "CN_CHAR","position" : 1},{"token" : "中国人","start_offset" : 2,"end_offset" : 5,"type" : "CN_WORD","position" : 2}]
}

4、ik_max_word分词器

POST _analyze
{"analyzer": "ik_max_word","text": "我是中国人"
}

结果：

{"tokens" : [{"token" : "我","start_offset" : 0,"end_offset" : 1,"type" : "CN_CHAR","position" : 0},{"token" : "是","start_offset" : 1,"end_offset" : 2,"type" : "CN_CHAR","position" : 1},{"token" : "中国人","start_offset" : 2,"end_offset" : 5,"type" : "CN_WORD","position" : 2},{"token" : "中国","start_offset" : 2,"end_offset" : 4,"type" : "CN_WORD","position" : 3},{"token" : "国人","start_offset" : 3,"end_offset" : 5,"type" : "CN_WORD","position" : 4}]
}

解释：

以后创建索引之前需要先创建ik分词器，毕竟我们需要指定ik分词器，不能在使用默认分词器了，它们对中文的支持度实在太低了

5、ik_max_word分词器

POST _analyze
{"analyzer": "pinyin","text": "我是中国人"
}

结果：

{"tokens": [{"token": "wo","start_offset": 0,"end_offset": 0,"type": "word","position": 0},{"token": "wszgr","start_offset": 0,"end_offset": 0,"type": "word","position": 0},{"token": "shi","start_offset": 0,"end_offset": 0,"type": "word","position": 1},{"token": "zhong","start_offset": 0,"end_offset": 0,"type": "word","position": 2},{"token": "guo","start_offset": 0,"end_offset": 0,"type": "word","position": 3},{"token": "ren","start_offset": 0,"end_offset": 0,"type": "word","position": 4}]
}

6、创建ik分词器的自定义远程仓库

请看virtualbox和vagrant.docx

七、例子

GET _search
{"query": {"match_all": {}}
}POST /customer/external/_bulk
{"index":{"_id":"1"}}
{"name":"John Doe"}
{"index":{"_id":"2"}}
{"name":"John Doe"}GET /bank/_search?q=*&sort=account_number:ascGET bank/_search
{"query": {"match_all": {}},"_source": "balance"
}GET bank/_search
{"query": {"match_all": {}},"_source": "balance"
}GET bank/_search
{"query": {"match": {"address": "mil"}}
}GET bank/_search
{"query": {"match": {"address": "mill lane"}}
}GET bank/_search
{"query": {"multi_match": {"query": "mill movico","fields": ["address","city"]}}
}GET bank/_search
{"query": {"bool": {"must": [{"match": {"gender": "M"}},{"match": {"address": "mill"}}],"must_not": [{"match": {"age": "28"}}],"should": [{"match": {"lastname": "Hines"}}],"filter": {"range": {"age": {"gte": 10,"lte": 40}}}}}
}GET bank/_search
{"query": {"match": {"balance": 16}}
}GET bank/_search
{"query": {"term": {"address.keyword": "282 Kings Place"}}
}# 简单聚合用法
GET bank/_search
{"query": {"match": {"address": "mill"}},"aggs": {"balanceCount": {"terms": {"field": "balance","size": 10}},"balanceSum": {"sum": {"field": "balance"}},"balanceAvg":{"avg": {"field": "balance"}},"balanceMin":{"min": {"field": "balance"}},"balanceMax":{"max": {"field": "balance"}}}
}# 子聚合(按照年龄聚合，并且求出处于该年龄段的员工平均薪资)
GET bank/_search
{"query": {"match_all": {}},"aggs": {"ageCount": {"terms": {"field": "age","size": 20},"aggs": {"balanceAvg": {"avg": {"field": "balance"}}}},"balanceAvg": {"avg": {"field": "balance"}}},"size": 0
}# 按照年龄聚合，并分别查找这些年龄段中性别为M或者F的平均薪资以及这个年龄段的总体平均薪资
GET bank/_search
{"query": {"match_all": {}},"aggs": {"ageCount": {"terms": {"field": "age","size": 10},"aggs": {"genderCount": {"terms": {"field": "gender.keyword","size": 100},"aggs": {"balanceAvg": {"avg": {"field": "balance"}}}},"balanceAvg": {"avg": {"field": "balance"}}}}},"size": 0
}GET bank/_mappingPUT /my_index
{"mappings": {"properties": {"age":{"type": "integer"},"email":{"type":"keyword"},"name":{"type": "text"}}}
}PUT /my_index/_mapping
{"properties": {"employee-id": {"type": "keyword","index": "false"}}
}GET bank/_mappingGET bank/_searchPUT /newbank
{"mappings": {"properties": {"account_number": {"type": "long"},"address": {"type": "text"},"age": {"type": "integer"},"balance": {"type": "long"},"city": {"type": "keyword"},"email": {"type": "text","fields": {"keyword": {"type": "keyword","ignore_above": 256}}},"employer": {"type": "keyword"},"firstname": {"type": "text","fields": {"keyword": {"type": "keyword","ignore_above": 256}}},"gender": {"type": "keyword"},"lastname": {"type": "text","fields": {"keyword": {"type": "keyword","ignore_above": 256}}},"state": {"type": "keyword"}}}
}POST _reindex
{"source": {"index": "bank","type": "account"},"dest": {"index": "newbank"}
}GET newbank/_mappingGET newbank/_searchPOST _analyze
{"analyzer": "standard","text": "我是中国人"
}POST _analyze
{"analyzer": "ik_smart","text": "乔碧萝殿下"
}POST _analyze
{"analyzer": "ik_max_word","text": "尚硅谷电商项目"
}GET product/_searchPOST _reindex
{"source": {"index": "product"},"dest": {"index": "gulimall_product"}
}GET gulimall_product/_searchPUT gulimall_product
{"mappings": {"properties": {"skuId": {"type": "long"},"spuId": {"type": "keyword"},"skuTitle": {"type": "text","analyzer": "ik_smart"},"skuPrice": {"type": "double"},"skuImg": {"type": "keyword"},"saleCount": {"type": "long"},"hasStock": {"type": "boolean"},"hotScore": {"type": "long"},"brandId": {"type": "long"},"catalogId": {"type": "long"},"brandName": {"type": "keyword"},"brandImg": {"type": "keyword"},"catalogName": {"type": "keyword"},"attrs": {"type": "nested","properties": {"attrId": {"type": "long"},"attrName": {"type": "keyword"},"attrValue": {"type": "keyword"}}}}}
}GET gulimall_product/_search
{"query": {"bool": {"must": [{"match": {"skuTitle": "华为"}}],"filter": [{"term": {"catalogId": 225}},{"terms": {"brandId": [1,2]}},{"nested": {"path": "attrs","query": {"bool": {"must": [{"term": {"attrs.attrId": {"value": 1}}},{"term": {"attrs.attrValue": {"value": "ELS-AN10"}}}]}}}},{"term": {"hasStock": true}},{"range": {"skuPrice": {"gte": 0,"lte": 10000}}}]}},"sort": [{"skuPrice": {"order": "desc"}}],"from": 0,"size": 1,"highlight": {"pre_tags": "<b color='red'>","post_tags": "</b>","fields": {"skuTitle": {}}},"aggs": {"brand_agg": {"terms": {"field": "brandId","size": 32},"aggs": {"brand_name_agg": {"terms": {"field": "brandName","size": 32}},"brand_img_agg": {"terms": {"field": "brandImg","size": 32}}}},"catalog_agg": {"terms": {"field": "catalogId","size": 14},"aggs": {"catalog_name_agg": {"terms": {"field": "catalogName","size": 14}}}},"attr_agg": {"nested": {"path": "attrs"},"aggs": {"attr_id_agg": {"terms": {"field": "attrs.attrId","size": 10},"aggs": {"attr_name_agg": {"terms": {"field": "attrs.attrName","size": 10}},"attr_value_agg": {"terms": {"field": "attrs.attrValue","size": 10}}}}}}}
}GET /gulimall_product/_mappingGET /gulimall_product/_searchGET gulimall_product/_search
{"query": {"match": {"brandId": "1"}},"aggs": {"brand_agg": {"terms": {"field": "brandId","size": 32},"aggs": {"brand_name_agg": {"terms": {"field": "brandName","size": 32}},"brand_img_agg": {"terms": {"field": "brandImg","size": 32}}}},"catalog_agg": {"terms": {"field": "catalogId","size": 14},"aggs": {"catalog_name_agg": {"terms": {"field": "catalogName","size": 14}}}},"attr_agg": {"nested": {"path": "attrs"},"aggs": {"attr_id_agg": {"terms": {"field": "attrs.attrId","size": 10},"aggs": {"attr_name_agg": {"terms": {"field": "attrs.attrName","size": 10}},"attr_value_agg": {"terms": {"field": "attrs.attrValue","size": 10}}}}}}},"size": 0
}GET /gulimall_product/_search
{"from": 0,"size": 2,"query": {"bool": {"must": [{"match": {"skuTitle": {"query": "华为","operator": "OR","prefix_length": 0,"max_expansions": 50,"fuzzy_transpositions": true,"lenient": false,"zero_terms_query": "NONE","auto_generate_synonyms_phrase_query": true,"boost": 1.0}}}],"filter": [{"term": {"catalogId": {"value": 225,"boost": 1.0}}}, {"terms": {"brandId": [1, 2],"boost": 1.0}}, {"nested": {"query": {"bool": {"must": [{"term": {"attrs.attrId": {"value": "1","boost": 1.0}}}, {"terms": {"attrs.attrValue": ["ELS-AN10", "123"],"boost": 1.0}}],"adjust_pure_negative": true,"boost": 1.0}},"path": "attrs","ignore_unmapped": false,"score_mode": "none","boost": 1.0}}, {"nested": {"query": {"bool": {"must": [{"term": {"attrs.attrId": {"value": "4","boost": 1.0}}}, {"terms": {"attrs.attrValue": ["华为 HUAWEI P40 Pro+"],"boost": 1.0}}],"adjust_pure_negative": true,"boost": 1.0}},"path": "attrs","ignore_unmapped": false,"score_mode": "none","boost": 1.0}}, {"term": {"hasStock": {"value": true,"boost": 1.0}}}, {"range": {"skuPrice": {"from": null,"to": "8000","include_lower": true,"include_upper": true,"boost": 1.0}}}],"adjust_pure_negative": true,"boost": 1.0}},"sort": [{"skuPrice": {"order": "desc"}}],"aggregations": {"brand_agg": {"terms": {"field": "brandId","size": 32,"min_doc_count": 1,"shard_min_doc_count": 0,"show_term_doc_count_error": false,"order": [{"_count": "desc"}, {"_key": "asc"}]},"aggregations": {"brand_name_agg": {"terms": {"field": "brandName","size": 32,"min_doc_count": 1,"shard_min_doc_count": 0,"show_term_doc_count_error": false,"order": [{"_count": "desc"}, {"_key": "asc"}]}},"brand_img_agg": {"terms": {"field": "brandImg","size": 32,"min_doc_count": 1,"shard_min_doc_count": 0,"show_term_doc_count_error": false,"order": [{"_count": "desc"}, {"_key": "asc"}]}}}},"catalog_agg": {"terms": {"field": "catalogId","size": 14,"min_doc_count": 1,"shard_min_doc_count": 0,"show_term_doc_count_error": false,"order": [{"_count": "desc"}, {"_key": "asc"}]},"aggregations": {"catalog_name_agg": {"terms": {"field": "catalogName","size": 14,"min_doc_count": 1,"shard_min_doc_count": 0,"show_term_doc_count_error": false,"order": [{"_count": "desc"}, {"_key": "asc"}]}}}},"attr_agg": {"nested": {"path": "attrs"},"aggregations": {"attr_id_agg": {"terms": {"field": "attrs.attrId","size": 10,"min_doc_count": 1,"shard_min_doc_count": 0,"show_term_doc_count_error": false,"order": [{"_count": "desc"}, {"_key": "asc"}]},"aggregations": {"attr_name_agg": {"terms": {"field": "attrs.attrName","size": 10,"min_doc_count": 1,"shard_min_doc_count": 0,"show_term_doc_count_error": false,"order": [{"_count": "desc"}, {"_key": "asc"}]}},"attr_value_agg": {"terms": {"field": "attrs.attrValue","size": 10,"min_doc_count": 1,"shard_min_doc_count": 0,"show_term_doc_count_error": false,"order": [{"_count": "desc"}, {"_key": "asc"}]}}}}}}},"highlight": {"pre_tags": ["<b color='red'>"],"post_tags": ["</b>"],"fields": {"skuTitle": {}}}
}

Elasticsearch7.4.2学习文档(来自谷粒商城项目)相关推荐

1. FreeMarker中文帮助手册API文档,基础入门学习文档

   FreeMarker中文帮助手册API文档,基础入门学习文档 分类: 编程技术 发布: bywei 浏览: 7 日期: 2011年5月28日 分享到: QQ空间 新浪微博 腾讯微博 人人网 什么是Fr ...

2. NodeJS-001-Nodejs学习文档整理(转-出自http://www.cnblogs.com/xucheng)

   Nodejs学习文档整理 http://www.cnblogs.com/xucheng/p/3988835.html 1.nodejs是什么: nodejs是一个是javascript能在后台运行的平 ...

3. java学习文档_阿里技术专家带你玩转JVM,从底层源码到项目实战，都在这份文档里...

   作为 Java 的从业者,在找工作的时候,一定会被问及关于 JVM 相关的知识. JVM 知识的掌握程度,在很多面试官眼里是候选人技术深度的一个重要评判标准.而大多数人可能没有对 JVM 的实际开发和 ...

4. C和C++编程和学习文档

    C和C++编程和学习文档 C和C++编程和学习文档   1 :指针变量名称以p为首字符,这是程序员通常在定义指针时的一个习惯 2 :har * p;    (int *)p 把p强制转换为int型  ...

5. 安卓学习文档收集汇总

   安卓学习文档收集汇总 https://www.jianshu.com/p/86aed183ce6c?utm_campaign=maleskine&utm_content=note&ut ...

6. Hadoop大数据平台实践（二）：Hadoop生态组件的学习文档

   Hadoop基础组件学习-Yzg-2019-03-06 Hadoop基础组件学习文档.. 1 简介.. 4 HDFS. 5 HDFS读文件.. 6 HDFS写文件.. 7 Mapreduce 8 单词 ...

7. 100个Java项目解析，带源代码和学习文档！

   前言 你是否正在寻找带有源代码的Java项目的免费集合?你的搜索到这里结束,我为你提供了近100多个Java项目. 想要成为一个优秀的程序员写项目是绕不开的,毕竟工程学的最终目标都是要创造东西,所以, ...

8. ffmpeg的中文学习文档

   ffmpeg的中文学习文档 文章目录: 一.ffmpeg介绍 二.学习参考文档 1.中文 一.ffmpeg介绍 ffmpeg是视频处理工具,可选参数非常多,功能也非常的强大,可以用来开发各种视频处理工 ...

9. Ext JS 6学习文档-第3章-基础组件

   Ext JS 6学习文档-第3章-基础组件 基础组件 在本章中,你将学习到一些 Ext JS 基础组件的使用.同时我们会结合所学创建一个小项目.这一章我们将学习以下知识点: 熟悉基本的组件 – 按钮, ...

最新文章

1. ologit模型与logit_Stata-多元 Logit 模型详解 (mlogit)
2. 5G中网络切片技术是什么?—Vecloud
3. 「实战篇」开源项目docker化运维部署-后端java部署（七）
4. 到底是把甲方当爸爸还是当甲方爸爸
5. 为VMware虚拟主机添加新磁盘
6. creator图片循环显示_江淮宣传车厂家价格 图片 配置
7. 【牛客 -330E 】Applese 涂颜色（费马小定理，超级快速幂）
8. STM32使用DMA发送串口数据
9. mybaties :required string parameter ‘XXX‘is not present
10. Unable to open debugger port (127.0.0.1:**): java.net.BindException Address already in use: JVM_Bind
11. java 标签的制作
12. PostGIS教程七：几何图形（Geometry）
13. 读周公度之《结构化学基础》
14. TDK是什么意思，TDK怎么写？怎么利于SEO优化？
15. day015异常捕获和正则
16. chrome浏览器删除一些自动出现的书签
17. Win7系统中，如何关闭Windows默认的防火墙？ win7如何关闭防火墙
18. Swift 使用NSRange 查找字符多次出现的位置处理
19. 用robot framework + python实现http接口自动化测试框架
20. Unity之升高人物视野

热门文章

1. chrome 应用程序无法启动，因为应用程序的并行配置不正确
2. 考研之南京大学软件学院
3. css display: flex 横向滚动
4. Dapp及相关开发工具介绍
5. 又一家茶叶企业上市败北：八马茶业梦碎创业板，十分依赖定制采购
6. Linux学习：简单基础的Linux系统命令
7. 每日一题：提莫攻击（11-10）
8. EF的TransactionScope
9. html页面漏掉元素的关闭导致js不执行
10. 面试官：脏读，不可重复读，幻读是如何发生的？