ElasticSearch學習二-文檔與搜索

時間 2019-12-11

原文原文鏈接

1. 文檔

在 Elasticsearch 中，每一個字段的全部數據都是默認被索引的。html

大多數實體和對象均可以被序列化爲包含鍵值對的JSON對象，JSON對象能表示字符串、數字、布爾值、甚至另外一個對象。以下所示：web

{
    "name":         "John Smith",
    "age":          42,
    "confirmed":    true,
    "join_date":    "2014-06-01",
    "home": {
        "lat":      51.5,
        "lon":      0.1
    },
    "accounts": [
        {
            "type": "facebook",
            "id":   "johnsmith"
        },
        {
            "type": "twitter",
            "id":   "johnsmith"
        }
    ]
}
複製代碼

文檔的定義：它是指最頂層或者根對象, 這個根對象被序列化成 JSON 並存儲到 Elasticsearch 中，指定了惟一 ID。數據庫

1.1 文檔的元數據

元數據 —— 有關文檔的信息,與文檔包含的數據相區分。json

有以下三個元數據：數組

_index:文檔存放在哪網絡

一個索引應該是因共同的特性被分組到一塊兒的文檔集合，如可能存儲全部的產品在索引 products 中。索引名必須小寫，不能如下劃線開頭，不能包含逗號。併發
_type:文檔的類型elasticsearch

Elasticsearch 公開了一個稱爲 types （類型）的特性，它容許您在索引中對數據進行邏輯分區。不一樣 types 的文檔可能有不一樣的字段，但最好可以很是類似。至關於在_index下繼續細分。ide
_id:文檔的惟一標識post

ID 是一個字符串，當它和 _index 以及 _type 組合就能夠惟一肯定 Elasticsearch 中的一個文檔。

1.2 儲存文檔

如何肯定一個文檔的位置呢？就如上面所說的，三個元數據肯定一個文檔。如儲存一個文檔：

PUT /{index}/{type}/{id}
{
  "field": "value",
  ...
}
複製代碼

如何像數據庫自增主鍵那樣由ElasticSearch提供id呢，使用POST謂詞就能夠了。

POST /website/blog/
{
  "title": "My second blog entry",
  "text":  "Still trying this out...",
  "date":  "2014/01/01"
}
複製代碼

會自動生成一個基於 Base64 編碼且長度爲 20 個字符的 GUID 字符串

1.3 取回文檔

一樣的只須要把謂詞改成GET，同時提供三個元數據就能夠了：

GET /website/blog/123?pretty
複製代碼

加上pretty參數使得 JSON 響應體更加可讀。若是隻想返回文檔的一部分則在url上添加_source指定想要的字段就好了。

1.4 更新整個文檔

在 Elasticsearch 中文檔是不可改變的，不能修改它們，只能進行替換。至關於使用PUT再從新將整個文檔PUT一下，Elasticsearch將舊文檔標記爲已刪除，並增長一個全新的文檔。

（建立和刪除文檔略）

1.5 部分更新文檔

使用 update API能夠部分更新文檔，例如在某個請求時對計數器進行累加。對象被合併到一塊兒，覆蓋現有的字段，增長新的字段。如：

POST /website/blog/1/_update
{
   "doc" : {
      "tags" : [ "testing" ],
      "views": 0
   }
}
複製代碼

在文檔中增長了tags和views字段。

也可使用腳本和參數更新：

POST /website/blog/1/_update
{
   "script" : "ctx._source.tags+=new_tag",
   "params" : {
      "new_tag" : "search"
   }
}
複製代碼

爲了不數據丟失， update API 在檢索步驟時檢索獲得文檔當前的 _version 號，並傳遞版本號到重建索引步驟的 index 請求。若是另外一個進程修改了處於檢索和從新索引步驟之間的文檔，那麼 _version 號將不匹配，更新請求將會失敗。

還能夠在url後加上retry_on_conflict=5參數，表示失敗以前重試5次。

1.6 樂觀併發控制

ElasticSearch使用樂觀併發控制，每一個文檔都有一個版本號_version，當文檔被修改時版本號遞增。 Elasticsearch 使用這個 _version 號來確保變動以正確順序獲得執行。咱們經過指定想要修改文檔的 version 號來達到這個目的，若是該版本不是當前版本號，咱們的請求將會失敗（也就是一次Compare And Set）。

1.7 批量取回多個文檔

使用mget API來取回多個文檔能夠減小網絡流量，參數在請求體裏的docs數組中提供：

GET /_mget
{
   "docs" : [
      {
         "_index" : "website",
         "_type" :  "blog",
         "_id" :    2
      },
      {
         "_index" : "website",
         "_type" :  "pageviews",
         "_id" :    1,
         "_source": "views"
      }
   ]
}
複製代碼

還有其餘的批量查詢方法能夠查看官方文檔。

返回文檔順序和請求的一致。

1.8 批量操做

很簡單一看就懂，使用bulk API，主要就是語法的問題，不太好掌握。

POST /_bulk
{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }} 
{ "create": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "title":    "My first blog post" }
{ "index":  { "_index": "website", "_type": "blog" }}
{ "title":    "My second blog post" }
{ "update": { "_index": "website", "_type": "blog", "_id": "123", "_retry_on_conflict" : 3} }
{ "doc" : {"title" : "My updated blog post"} } 
複製代碼

2. 搜索

2.1 空搜索

什麼條件也不附加的空搜索，搜索ElasticSearch中的全部文檔：

GET /_search
複製代碼

返回全部查詢結果的前十個文檔而不是隻是返回id。

2.2 指定index，type搜索

前面的空搜索是搜索全部文檔，若是要想指定元數據搜索怎麼辦呢？很好辦，在url中指明便可：

/gb/_search

在 gb 索引中搜索全部的類型

/gb,us/_search

在 gb 和 us 索引中搜索全部的文檔

/g*,u*/_search

在任何以 g 或者 u 開頭的索引中搜索全部的類型

/gb/user/_search

在 gb 索引中搜索 user 類型

/gb,us/user,tweet/_search

在 gb 和 us 索引中搜索 user 和 tweet 類型

/_all/user,tweet/_search

在全部的索引中搜索 user 和 tweet 類型

2.3 分頁

和傳統的數據庫同樣，ElasticSearch也有分頁的功能，使用from 和 size 參數：

size

顯示應該返回的結果數量，默認是 10

from

顯示應該跳過的初始結果數量，默認是 0

GET /_search?size=5&from=10
複製代碼

2.4 輕量級搜索

以前咱們看到的搜索都是有個JSON請求體，可是還有一種更簡便的輕量級搜索方式.

搜索全部包含關鍵字的文檔：
```
GET /_search?q=mary
複製代碼
```
搜索包含關鍵字的全部文檔：
```
GET /_search?q=mary
複製代碼
```
指定匹配多個關鍵字的文檔：
```
GET /_search?q=+name:john +tweet:mary
複製代碼
```
+ 前綴表示必須與查詢條件匹配。相似地， - 前綴表示必定不與查詢條件匹配。

注意+、-、：都要使用URL編碼，實際上上面的查詢語句應該是：
```
GET /_search?q=%2Bname%3Ajohn+%2Btweet%3Amary
複製代碼
```

那麼ElasticSearch如何從JSON的不一樣字段搜索關鍵字呢？原來ElasticSearch在儲存一個文檔上，會將該JSON全部字段提取出來拼接成一個字符串，而後增長一個_all字段，將該字符串添加到all字段上。

3. 請求體查詢

請求體查詢就像是一個帶請求體的GET請求：

GET /_search
{
  "from": 30,
  "size": 10
}
複製代碼

3.1 查詢表達式

Elasticsearch 使用查詢表達式能夠以簡單的 JSON 接口來編寫查詢語句。只須要將語句傳遞給query參數就能夠了。如查詢 tweet 字段中包含 elasticsearch 的 tweet：

GET /_search
{
    "query": {
        "match": {
            "tweet": "elasticsearch"
        }
    }
}
複製代碼

當你有多個查詢條件是能夠合併查詢語句：

{
    "bool": {
        "must":     { "match": { "tweet": "elasticsearch" }},
        "must_not": { "match": { "name":  "mary" }},
        "should":   { "match": { "tweet": "full text" }},
        "filter":   { "range": { "age" : { "gt" : 30 }} }
    }
}
複製代碼

3.2 重要的查詢

默認查詢match_all匹配全部文檔：

{ "match_all": {}}
複製代碼

標準查詢match，可用於全文搜索和精確查詢：

{ "match": { "age":    26           }}
{ "match": { "date":   "2014-09-01" }}
{ "match": { "public": true         }}
{ "match": { "tag":    "full_text"  }}
複製代碼

mulit_match查詢，能夠在多個字段上執行相同的 match 查詢：

{
    "multi_match": {
        "query":    "full text search",
        "fields":   [ "title", "body" ]
    }
}
複製代碼

range查詢，有gt,gte,lt,lte字段:

{
    "range": {
        "age": {
            "gte":  20,
            "lt":   30
        }
    }
}
複製代碼

term查詢用於精確匹配，不對查詢字符串作分析處理

{ "term": { "age":    26           }}
{ "term": { "date":   "2014-09-01" }}
{ "term": { "public": true         }}
{ "term": { "tag":    "full_text"  }}
複製代碼

3.3 組合多查詢

若是想在多個字段上查詢多種多樣的文本怎麼辦呢？可使用bool 查詢來實現你的需求。bool 查詢接收如下參數：

must

文檔必須匹配這些條件才能被包含進來。

must_not

文檔 必須不 匹配這些條件才能被包含進來。

should

若是知足這些語句中的任意語句，將增長 _score ，不然，無任何影響。它們主要用於修正每一個文檔的相關性得分。

filter

必須匹配，但它以不評分、過濾模式來進行。這些語句對評分沒有貢獻，只是根據過濾標準來排除或包含文檔。

以下面這個查詢的意思是必須知足title 字段匹配 how to make millions而且不被標識爲 spam 的文檔。若是是starred且在2014年後的郵件會有更高的排名：

"bool": {
        "must":     { "match": { "title": "how to make millions" }},
        "must_not": { "match": { "tag":   "spam" }},
        "should": [
            { "match": { "tag": "starred" }},
            { "range": { "date": { "gte": "2014-01-01" }}}
        ]
    }
複製代碼

每個子查詢都獨自地計算文檔的相關性得分。一旦他們的得分被計算出來， bool 查詢就將這些得分進行合併而且返回一個表明整個布爾操做的得分。

bool查詢默認是評分的，將 bool 查詢包裹在 filter 語句中，就能夠在過濾標準中增長布爾邏輯。