开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 大数据 -> Elasticsearch笔记 -> 正文阅读

[大数据]Elasticsearch笔记

1.ES核心概念

索引
字段类型(mapping)
文档(document)

elasticsearch是面向文档，关系行数据库和elasticsearch客观对比!

Relational DB	Elasticsearch
数据库(database)	索引(indices)（就和数据库一样）
表(tables)	types
行(rows)	documents(文档)
字段(columns)	fields

elasticsearch(集群)中可以包含多个索引(数据库)，每个索引中可以包含多个类型(表),每个类型下又包含多个文档(行)，每个文档中又包含多个字段(列)。

物理设计：

elasticsearch在后台把每个索引划分成多个片段，每分分片可以在集群中的不同服务器间迁移

一个人就是一个集群

在这里插入图片描述

逻辑设计：

一个索引类型中，包含多个文档，比如说文档1，文档2。I当我们索引一篇文档时，可以通过这样的一各顺序找到它:索引》类型文档ID，通过这个组合我们就能索引到某个具体的文档。注意:ID不必是整数，实际上它是个字符串。

文档

就是一条条数据

user
1  zhangsan  19
2  lisi      3

之前说elasticsearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，elasticsearch中，文档有几个重要属性:·

自我包含，一篇文档同时包含字段和对应的值，也就是同时包含key:value !
可以是层次型的，一个文档中包含自文档，复杂的逻辑实体就是这么来的!(就是一个json对象！fastjsoin进行自动转换！)
灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对于字段是非常灵活的，有时候，我们可以忽略该字段，或者动态的添加一个新的字段。

尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在elasticsearch中，类型有时候也称为映射类型。

类型

类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如 name映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么elasticsearch是怎么做的呢?elasticsearch会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系’型数据库殊途同归了，先定义好字段，然后再使用，别整什么么蛾子。

索引

就是数据库！

索引是映射类型的容器，elasticsearche中的索引是一个非常强大的文档集合。索引存储了映射类型的字段和其他设置。然后他们被存储在各个分片上了，我们来研究下分片是如何工作的。

物理设计：节点和分片如何工作

在这里插入图片描述

一个集群至少有一个节点，而一个节点就是一个elasricsearch进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有个5个分片( primary shard ,又称主分片)构成的，每一个主分片会有一个副本( replica shard ,又称复制分片)

在这里插入图片描述

倒排索引

elasticsearch使用的是一种称为倒排索引的结构，采用Lucene倒排索作为底层。这种结构活用于快速的全文搜索，一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。例如，现在有两个文档，每个文档包含如下内容:

study every day，good good up to forever#文档1包含的内容

To forever，study every day，good good up #文档2包含的内容

为了创建倒排索引，我们首先要将每个文档拆分成独立的词(或称为词条或者tokens)，然后创建一个包含所有不重复的词条的排序列表，然后列出每个词条出现在哪个文档:

term	doc_1	doc_2
Study	√	×
To	×	×
every	√	√
forever	√	√
day	√	√
study	×	√
good	√	√
every	√	√
to	√	×
up	√	√

现在，我们试图搜索to forever，只需要查看包含每个词条的文档

term	doc_1	doc_2
to	√	×
forever	√	√
total	2	1

两个文档都匹配，但都是第一个文档比第二个匹配程度更高，然后没有别的条件，现在，这两个包含关键字的文档都将返回。

再来看一个示例，比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构;

在这里插入图片描述

如果要搜索含有python标签的文章，那相对于查找所有原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这-栏，然后获取相关的文章ID即可。完全过滤掉无关的所有数据，提高效率!

elasticsearch的索引和Lucene的索引对比

在elasticsearch中，索引（库)这个词被频繁使用，这就是术语的使用。在elasticsearch中，索引被分为多个分片，每份分片是一个Lucene的索引。所以一个elasticsearch索引是由多个Licene索引组成的。别问为什么，谁让elasticsearch使用Lucene作为底层呢!如无特指，说起索引都是指elasticsearch的索引。

接下来的一切操作都在kibana中Dev Tools下的Console里完成。基础操作!

2.IK分词器插件

解压到plugins下面
在这里插入图片描述

查看ik分词器被加载
在这里插入图片描述

使用kibana测试

查看不同分词器效果

ik——smart为最小切分

在这里插入图片描述

ik_max_word为最细粒度划分，穷尽词库的可能！字典！
在这里插入图片描述

我们输入超级喜欢狂神说java
在这里插入图片描述

发现文档狂说说被拆开

这种自己需要的词，需要自己加到我们的分词器的字典中！

ik分词器增加自己的配置

重启es

在这里插入图片描述

以后的话，我们需要自己的配置，分词就在自己定义的dic文件中进行配置

3.Rest风格说明

一种软件架构风格，而不是标准。更易于实现缓存等机制

基本rest命令说明：

method	url地址	描述
PUT	localhost:9200/索引名称/类型名称/文档id	创建文档(指定文档id)
POST	localhost:9200/索引名称/类型名称	创建文档（随机文档id）
POST	localhost:9200/索引名称/类型名称/文档id/_update	修改文档
DELETE	localhost:9200/索引名称/类型名称/文档id	删除文档
GET	localhost:9200/索引名称/类型名称/文档id	通过文档id查询
POST	localhost:9200/索引名称/类型名称/_search	查询所有数据

关于索引的基本操作

基础测试

1.创建一个索引

PUT /索引名/~类型名~	/文档id
{请求体}

在这里插入图片描述

完成了自动添加索引！数据也成功添加了

在这里插入图片描述

3.那么name这个字段用不用指定类型呢

在这里插入图片描述

4.指定字段类型

在这里插入图片描述

获得规则，可以通过get获得具体的信息

在这里插入图片描述

5.查看默认的信息
在这里插入图片描述

在这里插入图片描述

如果自己文档类型没有指定，那么es就是会默认配置字段类型！

扩展: 通过get _cat/可以获得当前es很多信息
在这里插入图片描述

修改索引还是PUT!

曾经
在这里插入图片描述

现在的方法！
在这里插入图片描述

删除索引

通过delete实现删除，根据请求来判断来删除索引还是索引记录！

使用rest风格是es推荐使用的

关于文档的基本操作(重点)

基本操作

1、添加数据

PUT /kuang/user/1
{
  "name":"张三",
  "age":23,
  "desc":"高级java开放",
  "tags":["技术","篮球","飞贼"]
}

在这里插入图片描述

2.获取数据
在这里插入图片描述

3.更新数据
在这里插入图片描述

简单搜索

GET /kuang/user/1

简单条件查询，可以根据默认的映射规则，产生基本查询

GET /kuang/user/_search?q=name:"狂神说"

在这里插入图片描述

score匹配度

复杂操作搜索select(排序，分页，模糊查询，精准查询，高亮，)

在这里插入图片描述

输出结果，不想要那么多!
在这里插入图片描述

我们之后使用java操作es所有的方法和对象就是这里面的key

排序

分页

数据下表还是从0开始的

/search/{current}/{pagesize}

布尔值查询

must（and） ,所有的条件都要符合
在这里插入图片描述

should (or)，两个条件满足其一就可以了

在这里插入图片描述

muse_not（not）
在这里插入图片描述

条件区间
在这里插入图片描述

gt大于
gte大于等于
lte小于
lte小于等于

匹配多个条件

精确查询！

term，直接查询精确的
match，会使用分词器解析！（先分析文档，然后通过分析的文档进行查询）

两个类型 text keyword

在这里插入图片描述

多个值匹配的精确查询

在这里插入图片描述

高亮

在这里插入图片描述

还能自定义高亮的样式
在这里插入图片描述

匹配
按照条件匹配
精确匹配
区间范围匹配
匹配过滤字段
多条件查询
高亮查询

集成springboot

导入依赖

        <dependency>
            <groupId>com.alibaba</groupId>
            <artifactId>fastjson</artifactId>
            <version>1.2.47</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
        </dependency>