批量操作

首先创建一个用于演示的索引

原始数据

_mget批量查询

_mget批量查询

也可以这样写

另一种写法

bulk批量导入

批量导入可以合并多个操作，比如index,delete,update,create等等。也可以帮助从一个索引导入另一个索引。需要注意的是，每一条数据都由两行构成(delete除外)，其它命令比如index和create都是由元信息行和数据行组成，update比较特殊，它的数据行可能是doc，也可能是upset或者script,如果不了解的朋友可以参考前面的update的翻译。

action_and_meta_data\n

optional_source\n

举个例子：

{"index":{"_index":"test","_type":"type1","_id":"1"}}

{"field1":"value1"}

bulk操作

bulk各种操作

各种bulk操作

映射

定义：创建索引的时候，可以预先定义字段的类型以及相应属性

elasticsearch会根据JSON源数据的基础类型猜测你想要的字段映射。将输入的数据转变成可搜索的索引项。Mapping就是我们自己定义的字段的数据类型，同时告诉elasticsearch如何索引数据以及是否可以被搜索。

作用：会让索引建立的更加细致和完善

类型：静态映射和动态映射

内置类型

string类型：text,keyword(string类型在es5开始已经废弃)

数字类型：long,integer,short,byte,double,float

日期类型：date

bool类型：boolen

binary类型：binary

复杂类型：object,nested

geo类型：geo-point,geo-shape

专业类型：ip,competion

常用属性

属性：描述

store：值为yes表示存储，为no表示不存储，默认为no，适合所有类型

index：yes表示分析，no表示不分析，默认值为true，适合string类型

null_value：如果字段为空，可以设置一个默认值，比如“NA”，适合所有类型

analyzer：可以设置索引和搜索时用的分析器，默认使用的是standard分析其，还可以使用whitespace,simple.english

include_in_all：默认es为每个文档定义一个特殊域_all，它的作用是让每个字段被搜索到，如果不想某个字段被搜索到，可以设置为false，适合所有类型

format：时间格式字符串的模式，适合date类型

创建映射例子：

创建映射

对应这个映射创建一条数据

创建一条数据

当然，映射也是可以获取的

获取映射

查询

elasticsearch是功能非常强大的搜索引擎，使用它的目的就是为了快速的查询到需要的数据。

查询分类：

基本查询：使用elasticsearch内置查询条件进行查询

组合查询：把多个查询组合在一起进行复合查询

过滤：查询同时，通过filter条件在不影响打分的情况下筛选数据

match查询:会将被查询对象先进行分词处理，在作为关键词进行查询。如下图就把title中包含python的数据查询出来了。

match

我们将title换成python网站，发现也可以检索出这两条信息，原因是match操作会将title中的字段进行分词，然后作为关键字进行搜索，类似于or的关系。

match搜索

term查询:会将被查询对象作为一个关键字直接进行查询，如下图：

term查询 term查询

terms查询:将对一组关键字进行查询，如下图：

terms查询

_search操作还有两个参数from和size分别表示从第from条数据开始，返回size条数据。

from和size

也可以这样写，返回所以数据

all

短语查询：

会将被查询对象进行分词作为一个数据，然后查找满足这个数组中所有关键词的字段。

slop短语查询

slop的值表示分词之间的最大距离

多字段查询

多字段查询

一些属性

store_field

我们还可以设置store_field,限定只返回哪些字段里store属性设置为true的字段

设置store_field

sort

如图表示对“comments”字段表示升序排列，desc换成asc表示降序

sort排序

range

当然我们也可以设置查询范围,其中gte表示大于等于，lte表示小于等于，gt／lt表示大于/小于，boost表示权重。

组合查询：

bool查询

注意，老版本的filtered已经被bool替换

先建立测试数据

插入测试数据 header中的测试数据

bool接受四种值：must、filter、should、must_not

filter:字段过滤，不参与打分

must:数据里所有查询都必须满足

should:数据里所有查询满足一个就行了

must_not:数据里所有查询都必须不满足

以下查询等价于SQL语句“SELECT * FROM testjob WHERE salary=20”

bool查询

将scrapy中爬取的数据写入ES

首先安装一个应用：elasticsearch-dsl

>>>pip3 install elasticsearch-dsl

以下是文档中的使用说明

使用说明

在Scrapy中构建数据模型

在scrapy项目根目录下仿照 django的结构构建一个models文件夹，并在文件夹内创建一个数据模型文件：

构建模型

然后我们运行这个脚本，在head页面中就能看到刚创建了一个对应的索引

然后，我们回到scrapy，打开pipeline,写一个将item中数据传入Doctype保存的逻辑

逻辑

然后在scrapy中执行这个脚本，便能在ES中发现数据。

添加搜索推荐功能：

在需要添加推荐功能的DocType类中添加一个字段，如下所示：

添加搜索推荐

而在items中则需要添加相应的 items搜索建议池