ElasticSearch 入門
ElasticSearch學習筆記
一、ElasticSearch安裝
替換 ik分詞器 ：版本要對應，若是不對應，會報錯..sql
須要Java JDK 配置。數組
二、 ElasticSearch簡單的CRUD
1> 建立索引------>> 類型------>>文檔app
給字段肯定類型函數
PUT /schools/_mapping/school學習
{ui
"properties":{url
"TimeFormat":{spa
"type":"date",orm
"format":"yyyy-MM-dd HH:mm:ss"對象
}
}
}
建立index 爲student ，type爲article 的 字段subject 類型爲text 使用ik_max_word 分詞器的文檔。
PUT /student/?pretty
{
"settings" : {
"analysis" : {
"analyzer" : {
"ik" : {
"tokenizer" : "ik_max_word"
}
}
}
},
"mappings" : {
"article" : {
"dynamic" : true,
"properties" : {
"subject" : {
"type" : "text",
"analyzer" : "ik_max_word"
}
}
}
}
}
若是不手動指定，分詞器就不會默認使用ik .且以上只能針對文檔中的字段指定
如下針對index 進行指定使用ik分詞器
PUT /students
{
"settings" : {
"index" : {
"analysis.analyzer.default.type": "ik_max_word"
}
}
}
A . 單條插入
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、類型、文檔
{ "_index": "movies", "_type": "movie", "_id": "1", "_version": 1, "result": "created", "_shards": { "total": 2, "successful": 1, "failed": 0 }, "created": true }
Version，爲1，result 爲：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 進行批量的插入數據。
2> 修改文檔
如今，在索引中有了一部電影信息，接下來來了解如何更新它，添加一個類型列表。要作到這一點，只需使用相同的ID索引它。使用與以前徹底相同的索引請求，但類型擴展了JSON對象
PUT http://localhost:9200/movies/movie/3
{
"title": "To Kill a Mockingbird",
"director": "Robert Mulligan",
"year": 1962,
"genres": ["Crime", "Drama", "Mystery"]
}
響應以下：
{ "_index": "movies", "_type": "movie", "_id": "1", "_version": 2, "result": "updated", "_shards": { "total": 2, "successful": 1, "failed": 0 }, "created": false }
Version，變爲了2，result 爲：updated
修改文檔的單個字段 （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> 刪除文檔
爲了經過ID從索引中刪除單個指定的文檔，使用與獲取索引文檔相同的URL，只是這裏將HTTP方法更改成DELETE。
DELETE http://localhost:9200/movies/movie/3
返回響應：
{
"_index": "movies",
"_type": "movie",
"_id": "1",
"_version": 2,
"result": "deleted",
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 5,
"_primary_term": 1
}
4> 查詢文檔
爲了經過ID從索引中查詢單個指定的文檔，使用與獲取索引文檔相同的URL，只是這裏將HTTP方法更改成GET。
GET http://localhost:9200/movies/movie/3
條件搜索：
經常使用查詢：
全文本查詢：針對文本
一、查詢所有：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 （多屬性查詢）
五、語法查詢：query_string (直接寫須要配置的 關鍵字 )
六、字段查詢 ： term (針對某個屬性的查詢，這裏注意 term 不會進行分詞，好比 在 es 中 存了 「火鍋」 會被分紅 「火/鍋」 當你用 term 去查詢 「火時能查到」，可是查詢 「火鍋」 時，就什麼都沒有，而 match 就會將詞語分紅 「火/鍋」去查)
七、範圍查詢：range ()
字段查詢：針對結構化數據，如數字，日期 。。。
分頁：
「from」: 10,
「size」: 10
constant_score: 固定分數。
filter: 查詢： （query 屬於相似就能夠查出來，而 filter 相似 = 符號，要麼成功，要麼失敗，沒有中間值，查詢速度比較快
一、查詢所有：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 進行搜索時：搜索內容經過分詞器進行分詞後，與文本分詞後的結果進行匹配，如上例：搜索 /schools/school/ 中的name 字段中 Saint Paul School 進過度詞的全部匹配項 ，只要name中有分詞其中之一就會被匹配。
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進行搜索時：搜索內容經過分詞器進行分詞後，與文本分詞後的結果進行連續，精確的匹配，如上例：搜索 /schools/school/ 中的name 字段中 Saint Paul School 進過度詞的全部匹配項 ，只有name中同時有Saint、 Paul 、School 三個連續的分詞纔會被匹配。至關因而對 sql中 =的用法，但能夠忽略 空格。
四、 多字段匹配：multi_match （多屬性查詢）
POST /schools/school/_search
{
"query": {
"multi_match": {
"query":"Saint Paul School",
"fields": [
"name","tags"
]
}
}
}
multi_match 能夠對多字段進行模糊搜索， query 中的搜索字段會被分詞，並各自匹配，fields 字段用來肯定搜索的字段。
五、 語法查詢：query_string (直接寫須要配置的 關鍵字 )
POST /schools/school/_search
{
"query": {
"query_string": {
"query":"Saint Paul School",
"fields": [
"name","tags"
]
}
}
}
query_string 能夠對多字段進行模糊搜索， query 中的搜索字段會被分詞，並各自匹配，fields 字段用來肯定搜索的字段。
六、 字段查詢 ： term
POST /schools/school/_search
{
"query": {
"term": {
"name":"Saint Paul School"
}
}
}
Term 搜索時，須要沒有空格，不會進行分詞，還須要條件全小寫。要否則查不出來....
七、 範圍查詢：range ()
POST /schools/school/_search
{
"query": {
"range": {
"fees": {
"from": 1000,
"to": 2500
}
}
}
}
組合查詢很差使，大概須要 bool 查詢....
八、 bool 查詢
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、 高亮設置
POST /schools/school/_search
{
"query": {
"match": {
"name": "Saint school"
}
},
"highlight": {
"fields": {
"name":{}
}
}
}
十、 分頁 from 當前行數，從0開始（是行數，不是頁碼！！） size 展現條數（下圖，第二行開始，查一條數據）
POST /schools/school/_search
{
"query": {
"match": {
"name": "Saint school"
}
},
"highlight": {
"fields": {
"name":{}
}
}
, "from": 1
, "size": 1
}
十一、過濾查詢 ，查詢多個filter，sort 以數組的形式查詢。
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過濾器
11.二、 range 過濾器
11.三、exists 過濾器
11.四、term/terms 過濾器
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）
聚合提供了功能能夠分組並統計你的數據。理解聚合最簡單的方式就是能夠把它粗略的看作SQL的GROUP BY 操做和SQL 的聚合函數。
ES中經常使用的聚合：
Metric(度量聚合) ：度量聚合主要針對number類型的數據，須要ES作比較多的計算工做
Bucketing (桶聚合)：劃分不一樣的「桶」，將數據分配到不一樣的「桶」裏。很是相似sql中的group By 語句的含義。
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，能夠是任意的字符串。用作響應的key，便於快速取得正確的響應數據。
"<aggregation_type>" : { // 聚合類別，就是各類類型的聚合，如min等
<aggregation_body> // 聚合體，不一樣的聚合有不一樣的body
}
[,"aggregations" : { [<sub_aggregation>]+ } ]? // 嵌套的子聚合，能夠有0或多個
}
[,"<aggregation_name_2>" : { ... } ]* // 另外的聚合，能夠有0或多個
}
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種打包聚合
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
自定義區間範圍的聚合（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
}
自定義分組依據Term（不能選擇text類型的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
}
時間區間聚合(Date Range Aggregation)
# 時間區間聚合專門針對date類型的字段，它與Range Aggregation的主要區別是其可使用時間運算表達式。
#now+10y：表示從如今開始的第10年。
#now+10M：表示從如今開始的第10個月。
#1990-01-10||+20y：表示從1990-01-01開始後的第20年，即2010-01-01。
#now/y：表示在年位上作舍入運算。
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
}
直方圖聚合(Histogram Aggregation)
# Histogram Aggregation
#直方圖聚合，它將某個number類型字段等分紅n份，統計落在每個區間內的記錄數。它與前面介紹的Range聚合
# 很是像，只不過Range能夠任意劃分區間，而Histogram作等間距劃分。既然是等間距劃分，那麼參數裏面必然有距離參數，就是interval參數。
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入門（二）
- 2. elasticsearch入門篇
- 3. Elasticsearch入門
- 4. elasticSearch入門
- 5. ElasticSearch入門
- 6. Elasticsearch 7 入門
- 7. elasticsearch入門
- 8. ElasticSearch 入門
- 9. Node + Elasticsearch入門
- 10. [ElasticSearch]入門篇
- 更多相關文章...
- • Memcached入門教程 - NoSQL教程
- • Neo4j數據庫入門教程 - NoSQL教程
- • YAML 入門教程
- • Java Agent入門實戰（一）-Instrumentation介紹與使用
-
每一个你不满意的现在，都有一个你没有努力的曾经。
- 1. 在windows下的虛擬機中,安裝華爲電腦的deepin操作系統
- 2. 強烈推薦款下載不限速解析神器
- 3. 【區塊鏈技術】孫宇晨：區塊鏈技術帶來金融服務的信任變革
- 4. 搜索引起的鏈接分析-計算網頁的重要性
- 5. TiDB x 微衆銀行 | 耗時降低 58%，分佈式架構助力實現普惠金融
- 6. 《數字孿生體技術白皮書》重磅發佈（附完整版下載）
- 7. 雙十一「避坑」指南：區塊鏈電子合同爲電商交易保駕護航！
- 8. 區塊鏈產業，怎樣「鏈」住未來？
- 9. OpenglRipper使用教程
- 10. springcloud請求一次好用一次不好用zuul Name or service not known