ElasticSearch学习笔记_1

 

 

 

 

 

 

 

 

 具体的代码，在kibana实现

PUT /ems  #建立索引
PUT /dangdang
GET /_cat/indices#查看所有索引
GET /dangdang
DELETE /dangdang#删除索引
DELETE /*  #删除所有索引

PUT /ems1#设定索引，类型唯一为_doc可以省略
{
  "mappings":{
    
      "properties":{
        "id":{"type":"keyword"},
        "name":{"type":"keyword"},
        "age":{"type":"integer"},
        "bir":{"type":"date"}
        
      
    }
  }
}
GET /ems1/_mapping#查看映射，在版本7中，类型唯一，
PUT /ems1/_doc/1#插入文档，一般用_id(前面的1)代替下面的id
{
  "id":"12",
  "name":"刘雷",
  "age":12,
  "bir":"1997-03-02"
}
GET /ems1/_doc/1   #查看指定文档类型默认为_doc，
POST /ems1/_doc/1#对原文档进行覆盖，不是更新，更新的话需要在后面指定update，不指定id会自动生成
{
  "id":"12",
  "name":"刘雷111",
  "age":12,
  "bir":"1997-03-02"
}
GET /ems1/_doc/1
PUT /ems1/_doc/2
{
  "id":"12",
  "name":"流泪",
  "age":12,
  "bir":"2002-12-12"
}
DELETE /ems1/_doc/1#删除
GET /ems1/#查看
POST  /ems1/_doc/2/_update#在原有基础上更新
{
  "doc":{
    "name": "哈哈"
  }
}
POST  /ems1/_doc/2/_update#添加新的数据time
{
  "doc": {
    "name":"哈哈",
    "time":"16:40",
    "num": 12
  }
}
GET /ems1/_doc/2

POST /ems1/_doc/2/_update#对文档数字进行直接更新
{
  "script":"ctx._source.num += 5"
}
GET /ems1/_doc/2  #num=17
PUT /ems1/_bulk#批量增加数据
  {"index":{"_id":"3"}}
    {"name":"liulei","age":23,"bir":"2020-12-12"}
  {"index":{"_id":"4"}}
     {"name":"liuya","age":13,"bir":"2020-12-12"}
GET /ems1/_doc/3
POST /ems1/_bulk#批量进行增加删除修改一起操作,更新指定doc表明在原内容上进行更新，不会删除原来的内容
  {"update":{"_id":"3"}}
  {"doc":{"name":"lisi"}}  
  {"delete":{"_id":"2"}}
  {"index":{}}
  {"name":"ll","age":12}
  ###########################使用请求体进行检索###########################
  
  
PUT /ems
{
  "mappings": {
    "properties": {
      "name":{
        "type": "text"
      },
      "age":{
        "type": "integer"
      },
      "bir":{
        "type": "date"
      },
      "content":{
        "type": "text"
      },
      "address":{
        "type": "keyword"
      }
    }
  }
}
DELETE /ems
PUT /ems/_bulk
  {"index":{}}
    {"name":"小黑","age":23,"bir":"2020-12-12","content":"开发一个MVC框架是个难事","address":"北京"}
  {"index":{}}
    {"name":"梅开风","age":24,"bir":"2020-12-12","content":"框架是一个分层次的架构，有多个模块组成，Spring 模块构建在核心容器之上","address":"上海"}
  {"index":{}}
    {"name":"王小黑","age":8,"bir":"2020-12-12","content":"Spring boot是Java语言的微服务架构","address":"南京"}
  {"index":{}}
    {"name":"张小五","age":9,"bir":"2020-12-12","content":"Spring的目标是简化Java的开发","address":"无锡"}
  {"index":{}}
    {"name":"win7","age":43,"bir":"2020-12-12","content":"Redis是一个开源的ansi c语言编写，支持网络的数据库","address":"杭州"}
  {"index":{}}
    {"name":"张无忌","age":58,"br":"2020-12-12","content":"Elasticsearch是一个搜索服务器","address":"郑州"}


####使用url方式进行查询
GET /ems/_search?q=*  
#对查询结果进行排序asc是升序,size表示只取结果的前几个,from是进行分页，表示从第几个记录开始展示
GET /ems/_search?q=*&sort=age:desc&size=2&from=2
#使用DSL方式进行检索
#查询所有数据，进行分页排序，选定大小
GET /ems/_search
{
  "query":{"match_all": {}},
  "size": 2,
  "from": 0,
  "sort": [
    {
      "FIELD": {
        "age": "desc"
      }
    }
  ]
}
#查询结果中返回指定的字段
GET /ems/_search
{
  "query": {"match_all": {}},
  "_source": ["age","name"]
}
#关键字查询，这种查询方式是根据单个词或者单个汉字进行查询，之后引入分词才可以进行以词语为单位等,注意只有声明为text的时候是进行单个词的匹配，其他的类型(ip,boolean,integer,data,double,keyword等都是根据value的全部内容进行匹配)
GET /ems/_search#可以检索到
{
  "query": {"term": {
    "content": {
      "value": "框"
    }
  }}
}
GET /ems/_search#可以检索到
{
  "query": {"term": {
    "name": {
      "value": "黑"
    }
  }}
}
GET /ems/_search#不可以检索到
{
  "query": {"term": {
    "content": {
      "value": "框架"
    }
  }}
}
GET /ems/_search #可以检索到
{
  "query": {"term": {
    "bir": {
      "value": "2020-12-12"
    }
  }}
}
#范围查询(range)
GET /ems/_search
{
  "query": {"range":{
    "age": {
      "gte": 10,
      "lte": 30
    }
  }
    
  }
}
#前缀查询
GET /ems/_search
{
  "query": {
    "prefix": {
      "content": {
        "value": "框"
      }
    }
  }
}
GET /ems/_search#需要注意的是数据库中的所有英文都被变成小写了，前缀主要是对于非text或者text引入了分词的概念此时通配符才能有作用，如下面的例子，南京在address里面是个整体所以正常需要“南京”才能匹配到，引入前缀就可以部分词进行匹配
{
  "query": {
    "prefix": {
      "address": {
        "value": "南" 
      }
    }
  }
}
#通配符查询？用来匹配一个任意的字符*用来匹配多个字符
GET /ems/_search
{
  "query": {
    "wildcard": {
      "content": {
        "value": "sp*"
      }
    }
  }
}
GET /ems/_search
{
  "query": {
    "wildcard": {
      "content": {
        "value": "框*"
      }
    }
  }
}
#多id进行查询
GET ems/_search
{
  "query": {
    "ids": {
      "values": [
        "AoUFPHUBwStJbspbRiwc","A4UFPHUBwStJbspbRiwc"]
    }
  }
}
#模糊查询。此时当查询的内容与被查询的内容之间的编辑距离不大于2时可以成功的进行模糊匹配，具体是2个字符一下的要完全正确，2到4个只能错1个，五个以上最多错2个，其中编辑距离的概念是是指两个字串之间，由一个转成另一个（增删改）所需的最少编辑操作次数
GET /ems/_search
{
  "query": {
    "fuzzy": {
      "content": "spr0og"
    }
  }
}
#布尔查询，是对多个条件实现复杂查询，bool表达式
#must 相当于&&同时成立，should: 相当于||成立一个就可以
#must not: 相当于!不能满足任何一个

GET /ems/_search
{
  "query": {
    "bool": {
      "must": [
        {"term": {
          "content": {
            "value": "语"
          }
        }}
      ]
      , "must_not": [
        {"term": {
          "age": {
            "value": "43"
          }
        }}
      ]
    }
  }
}
#多字段查询。得分是根据文章长度，和匹配到的次数，文章越短匹配次数越多越正确
#对于字段来说类型是text的需要对query进行分词处理，对于address则需要整体进行匹配
GET /ems/_search
{
  "query": {
    "multi_match": {
      "query": "上海框架",
      "fields": ["content","address"]
    }
  }
}
#多字段分词查询，这种查询方式需要先设定好分词器的类型
GET /ems/_search
{
  "query": {
    "multi_match": {
      "analyzer": "standard", 
      "query": "上海框架",
      "fields": ["content","address"]
    }
  }
}
GET _analyze  #分成一个个字
{
  "analyzer": "standard",
  "text": "这是个框架"
}
GET _analyze#分成的结果是个整体
{
  "analyzer": "simple",
  "text": "这是个框架"
}
#高亮查询,一般把类型设置为text方便进行匹配
GET /ems/_search
{
  "query": {"term": {
    "content": {
      "value": "开"
    }
  }},
   "highlight": {
 
    "fields": {"*": {}},
    "pre_tags": ["<span style='color:red'>"],
    "post_tags": ["</span>"],
    "require_field_match": "false"
  }
  
}

 另一篇相关的关于elasticsearch的代码博客：https://www.cnblogs.com/naixin007/p/12088752.html

需要也可以看一下