Elasticsearch使用系列-ES增删查改基本操作+ik分词
Elasticsearch使用系列-基本查询和聚合查询+sql插件
Elasticsearch使用系列-.NET6对接Elasticsearch
Elasticsearch使用系列-Docker搭建Elasticsearch集群
一、安装可视化工具Kibana
ES是一个NoSql数据库应用。和其他数据库一样，我们为了方便操作查看它，需要安装一个可视化工具 Kibana。
官网：https://www.elastic.co/cn/downloads/kibana
和前面安装ES一样，选中对应的环境下载，这里选择windows环境，注意安装的版本一定要和ES的版本一致，不然可能会启动不起来。
解压后进到config目录下修改kibana.yml配置文件
修改完配置，进入bin目录，双击 kibana.bat 文件启动。
启动后，打开kibana地址：http://localhost:5601/ ，出现下面界面就是安装成功了。
点自己浏览进入下面
点开发工具进入操作ES的界面，我们ES就在下面界面操作。
二、ES数据结构和数据类型
1.ES数据结构
这里以Mysql作对比，ES7.0以前的结构是Index,Type,Document，ES7.0以后废弃了Type，现在ES和Mysql的结构对比如下
| MySql | Elasitcsearch |
| database(数据库) | Elasitcsearch(实例) |
| table(表) | index(索引) |
| row(行) | document(文档) |
| column(列) | field(字段) |
2.ES数据类型
- 字符串：text，keyword （重点类型）
- 数值：long，integer，short，byte，double，float，half float，scaled float
- 日期类型：date
- 布尔类型：boolean
- 二进制类型：binary
- 等等。。。
这里的数据类型标红的是ES的重点类型，其它的和平时开发的类型一样，没什么特别。
三、ES的增删查改基本操作
| 请求方式 | url地址 | 描述 |
| PUT | http://localhost:9200/索引名称 | 创建索引 |
| POST | http://local | |
1.创建索引，相当于数据库创建表
PUT index
PUT user { "mappings" : { "properties" : { "age" : { "type" : "integer" }, "name" : { "type" : "text" }, "name2" : { "type" : "keyword" }, "name3" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "hobby" : { "type" : "text" } } } }
这里说一下kibana执行的原理，kibana执行的是http请求，前面的PUT为请求方式，还有POST,GET等，后面的user是索引名称，因为kibana配置了es的信息，
所以会自动带上es的地址和端口，实际的请求为 PUT http://192.168.101.13:9200/user
查看索引字段信息
GET index
2.创建文档，相当于数据库插入数据记录
POST index/_doc/id （index:索引名称，_doc：固定，id:指定记录id,不填会自动生成一个唯一id）
4.查询
4.1查询全部
GET index/_search
4.2按条件查询
GET user/_search { "query": { "term": { "FIELD": { "value": "VALUE" } } } }
5.更新
对应sql语句:update user set age=19 where id=1
_doc，doc，_update：固定写法
6.删除
6.1删除文档（相当于删除一条数据）
对应sql语句: delete from user where id=1
DELETE user/_doc/1
6.2删除索引（相当于删除表）
对应sql语句：drop table user
DELETE user
四、全文索引和ik分词
1.全文索引
创建索引的时候我上面故意创建了name(text)，name1(keyword),name2(text+keyword)，然后数据类型也说了text，keyword是ES的重点类型，这里演示他们的区别。
- keyword类型：查询时条件只能全匹配
- text类型：全文索引查询，查询时会先分词，然后用分词去匹配查询
- keyword+text类型，一个字段两种类型，可以全匹配，也可以全文索引查询
keyword查询例子，name2(keyword）的查询：
keyword的查询用term，或terms(配置多个值)
因为是全匹配，条件”张三“查到数据，条件”张“时查不到数据。
text查询例子，name(text)的查询
text的查询用match
因为是全文索引分词匹配，所以条件“张三”和条件“张”的，都把匹配到的数据都查询出来了。
keyword+text查询例子，name3(text+keyword)的查询。
当只想查全匹配时，用term查询
当想用全文索引查询时，用match
2.ik分词
1.什么是分词？
我搜的是爱祖国，为什么，“爱钓鱼，爱唱歌"的都被搜出来了呢？
因为ES默认内置了一个分词器standard，看下这个分词器的分词结果
可以看到“爱祖国”的分词结果为“爱，祖，国”，被拆分成了单个字，只要一个字匹配到就查出来，这样的结果很多不是我们想要的。我们需要一款根据常用词语的分词器，这样查到的结果会更准确，
这里就用到了ik分词，ik分词也是企业开发用的最多的。
2.ik分词器插件安装
官网下载：https://github.com/medcl/elasticsearch-analysis-ik/releases
下载的版本要和es一致。
把文件下载后，解压复制到es部署文件的plugins文件夹下，并把文件夹的名称改为ik，必须要叫ik。windows，linux，docker(docker为挂载文件夹的方式把文件映射进去)一样,
然后重启es即可生效。
再看一下用ik分词器的分词结果。
可以看到，已经是按常用词语分词了。
3.自定义词组
上面“爱祖国”，被分成“爱祖国，祖国”，假如我想“爱组”也是一个词，现在这个词没被收怎么办？
打开刚才的ik文件夹下的config目录
里面的.dic结尾的都是分词，打开其中一个看一下。
所以我们要自定义词语，可以新建一个myword.dic
里面写上想要的分词
然后在IKAnalyzer.cfg.xml文件加上刚才的文件名
重启es，再看一下分词结果。
4.ik分词怎么在索引中使用
创建索引的时候，text类型如果没指定使用分词器，就会默认内置的分词器，所以使用ik分词器时，创建索引时需要指定。
PUT user2 { "mappings" : { "properties" : { "age" : { "type" : "integer" }, "name" : { "type" : "text" }, "name2" : { "type" : "keyword" }, "name3" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } }, "analyzer": "ik_max_word", "search_analyzer": "ik_max_word" }, "hobby" : { "type" : "text", "analyzer": "ik_max_word", "search_analyzer" : "ik_max_word" } } } }
把user的数据复制到user2。
再次查询“爱祖国”，得到一条想要的数据，没有多余数据。证明ik分词在索引中生效了。
