ElasticSearch第五篇:基本用法

基础概念：

一：集群和节点

image.png image.png

一个节点只能是集群的一部分。所有的节点都是通过集群的名字来加入到集群的。
每个节点都有自己的名字：master /slave1/slave2

二：基础概念
索引：含有相同属性的文档集合，相当于database；
类型：索引可以定义一个或多个类型，文档必须属于一个类型,相当于table
文档：文档是可以被索引的基本数据单位，相当于record（一条记录）

• 和索引相关的有“分片”和“备份”
  ES索引默认5个分片，分片指定后不可以修改，备份数可以修改。
  为什么要有分片和备份？
  1、假设索引数据量大，造成硬盘压力大，搜索速度出现瓶颈，将索引分为多个分片，分摊压力，分片也允许用户进行水平扩展和拆分，以及分布式的操作，可以提高搜索的效率
  2、主分片失败或者出现问题时，备份的分片可以代替工作，提高了es的可用性，备份的分片还可以执行搜索操作，分摊搜索的压力

基本用法

RESTFul API
API基本格式：http://ip:port/索引/类型/文档id
常用http动词：GET/POST/PUT/DELETE

• DSL 搜索
  DSL (Domain Specific Language）是 E5 提出的基于 json 的搜素方式，在搜素时传入特定的 on 格式的数据来完成不同的搜索需求。
  DSL 比URI 搜索方式功能强大，在项目中建议使用 DSL 方式来完成.

一.创建索引

创建索引方式：非结构化创建 和结构化创建
索引的属性：粗框框就是分片，细框框是分片的备份

非结构化创建：
head插件里索引-新建索引：

image.png image.png

因为本地没有启动集群，所以分片的备份是无效的状态，可以看到图中的灰色框

结构化创建：

image.png

创建索引成功后，可以在索引信息中看到mapping里面有值了。

image.png

二.插入 PUT

PUT /megacorp/employee/2
{
    "first_name" : "cici",
    "last_name" :  "xiao",
    "age" :        24,
    "about" :      "I love to running",
    "interests": [ "coding", "music" ]
}

三.修改：直接修改文档和脚本修改文档 POST

直接修改文档：

image.png image.png

脚本修改文档：

image.png image.png

将参数放到外面注入数据：

{
    "script" : {
        "lang" :  "painless",
        "inline" :  "ctx._source.age =params.age",
        "params" : {
            "age":100
    }
    }
}

image.png

四.删除 DELETE

• 删除数据
  在postman中，delete方式
  127.0.0.1:9200/megacorp/employee/2_update
  删除id=2_update的数据

image.png image.png

• 删除索引
  1.直接利用插件删除索引
  2.脚本删除索引

 127.0.0.1:9200/book

成功删除book索引

image.png

五.查询 GET

• 简单查询
  127.0.0.1:9200/megacorp/employee/3

• 条件查询
  127.0.0.1:9200/megacorp/employee/_search 查询所有

127.0.0.1:9200/megacorp/employee/_search 查询所有和指定条数
{
    "query":{
        "match_all":{}
    },
    "from":1,
    "size":1    
}

127.0.0.1:9200/megacorp/employee/_search 匹配条件和按照年龄排序
{
    "query":{
        "match":{
            "first_name":"cici"
        }
    },
    "sort":[{"age":{"order":"desc"}}
    ]
}

• 聚合查询
  单个分组聚合；按照年龄分组

127.0.0.1:9200/megacorp/employee/_search
{
    "aggs":{//aggs 为聚合查询的格式：
        "group_by_age":{
            "terms":{
                "field":"age"
            }
        }
    }
}

返回的结果有数据信息和聚合结果信息（此处只截取了聚合信息）：
 "aggregations": {
        "group_by_word_count": {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 0,
            "buckets": [
                {
                    "key": 24, //年龄为24 // 有一人
                    "doc_count": 1 
                },
                {
                    "key": 25,
                    "doc_count": 1
                },
                {
                    "key": 28,
                    "doc_count": 1
                },
                {
                    "key": 100,
                    "doc_count": 1
                }
            ]
        }
    }

• 多个分组聚合:

{
    "aggs":{
        "group_by_age":{
            "terms":{
                "field":"age"
            }
        },
        "group_by_about":{
            "terms":{
                "field":"about"
            }
        }
    }
}

• 其他聚合查询

对所有人的age进行统计
{
    "aggs":{
        "grades_age":{
            "stats":{// 对所有人的age进行统计
                "field":"age"
            }
        }
    }
}

返回：
  "aggregations": {
        "grades_age": {
            "count": 4,
            "min": 24.0,
            "max": 100.0,
            "avg": 44.25,
            "sum": 177.0
        }
    }

直接指定age的最小值：
{
    "aggs":{
        "grades_age":{
            "min":{//直接指定age的最小值：
                "field":"age"
            }
        }
    }
}
返回：
"aggregations": {
        "grades_age": {
            "value": 24.0
        }
    }