ElasticSearch基本用法
ElasticSearch的RESTFul API基本格式：
http://<ip>:<port>/<索引>/<類型>/<文檔id>- 常用HTTP動詞：GET / POST / PUT / DELETE
1.非結構化的創建索引：
創建索引完成後，可以在概覽頁面中查看到分片的信息，細框的分片是粗框分片的備份或者說副本：
我們通過查看索引信息來確定該索引是非結構化還是結構化的：
2.以上我們創建了非結構化的索引，以及知道了如何查看索引信息。接下來我們創建結構化的索引，進入復合查詢頁面，指定一個索引，並編寫結構化的數據，最後提交請求：
成功後，查看索引信息，可以看到我們所編寫的結構化數據，這種就是結構化的索引：
3.其實使用es-head插件來創建結構化索引並不是很方便，編寫JSON格式的結構化數據時比較蛋疼，沒有智能的格式化功能。我們也可以使用postman來創建結構化的索引，基本上只要能模擬http請求的工具，都能用來創建es的結構化索引。如下：
上圖中的ip和端口為es服務的ip及端口，people則是需要創建的索引名稱。
映射的JSON數據如下：
{ "settings": { "number_of_shards": 3, // 分片的數量 "number_of_replicas": 1 // 副本的數量 }, "mappings": { // 索引所映射的結構化數據 "man": { "properties": { "name": { "type": "text" }, "country": { "type": "keyword" }, "age": { "type": "integer" }, "date": { "type": "date", "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis" } } }, "woman": { } } }
提交請求成功後所反饋的信息：
可以到es-head的概覽界面上，查看到新創建的索引：
插入
es的插入分為：
- 指定文檔id插入
- 自動產生文檔id插入
指定文檔id插入，示例：
簡單說明：
- people 索引
- man 類型
- 1 文檔id
發送請求成功，即成功指定文檔id插入數據：
到es-head的數據瀏覽頁面上，可以看到我們剛剛插入的數據：
以上就是指定文檔id的方式插入數據，接下來我們看看如何讓es自動產生文檔id來插入數據：
發送請求成功，es自動生成的id如下：
到es-head的數據瀏覽頁面上，驗證我們剛剛插入的數據：
修改
es有兩種修改文檔數據的方式：
- 直接修改文檔
- 腳本修改文檔
直接修改文檔的方式，示例：
修改成功，返回信息如下：
文檔id為1的name數據成功修改為test_name：
腳本修改文檔的方式，示例：
註：es支持多種腳本語言，這裏只是拿了lang來做例子
修改成功，返回信息如下：
因為當時設置age的值時，設置成了字符串類型，而字符串的相加是連接，所以文檔id為1的age數據變成了2010：
我們還可以把數據放到外面，放在params裏面，然後在腳本代碼裏引用這個數據即可，如下示例：
修改成功後，如下：
刪除
關於es的刪除操作，我們主要介紹以下兩種：
- 刪除文檔
- 刪除索引
刪除文檔，示例：
此時就只剩一個文檔數據了：
在es-head上，刪除索引，示例：
確認刪除：
刪除成功，索引下的所有數據都會被刪除：
使用postman等工具，刪除索引，示例：
刪除成功：
註：刪除索引是一個非常危險的操作，需要謹慎刪除，免得刪庫跑路。
查詢
es常用的查詢語法：
- 簡單查詢
- 條件查詢
- 聚合查詢
我這裏已經事先準備好了一個結構化的索引：
以及一些數據：
簡單查詢，就是直接使用GET方式訪問需要查詢的 索引->類型->文檔id 即可，示例：
條件查詢，我們來查詢book索引下的所有數據：
查詢結果如下：
簡單說明：
- took 查詢耗時
- time_out 是否超時
- _shards 分片信息
- hits 本次查詢的數據都放在這裏，默認只包含十條數據
我們可以通過如下兩個參數來定義查詢多少條數據，例如我指定只查詢一條數據：
查詢結果如下：
通過關鍵字進行模糊查詢：
查詢結果如下：
我們可以指定排序查詢結果的方式，示例：
以上我們介紹了簡單查詢及條件查詢，接下來我們簡單介紹一下聚合查詢，單組聚合查詢示例：
{
"aggs": {
"group_by_word_count": {
"terms": {
"field": "word_count"
}
}
}
}查詢的聚合結果如下：
多組聚合查詢示例：
{
"aggs": {
"group_by_word_count": {
"terms": {
"field": "word_count"
}
},
"group_by_publish_date": {
"terms": {
"field": "publish_date"
}
}
}
}查詢的聚合結果如下：
{
...
"aggregations": {
"group_by_publish_date": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": 981158400000,
"key_as_string": "2001-02-03 00:00:00",
"doc_count": 1
},
{
"key": 994809600000,
"key_as_string": "2001-07-11 00:00:00",
"doc_count": 1
},
{
"key": 1107388800000,
"key_as_string": "2005-02-03 00:00:00",
"doc_count": 1
},
{
"key": 1121040000000,
"key_as_string": "2005-07-11 00:00:00",
"doc_count": 1
},
{
"key": 1215734400000,
"key_as_string": "2008-07-11 00:00:00",
"doc_count": 1
},
{
"key": 1278806400000,
"key_as_string": "2010-07-11 00:00:00",
"doc_count": 1
},
{
"key": 1310342400000,
"key_as_string": "2011-07-11 00:00:00",
"doc_count": 1
},
{
"key": 1341964800000,
"key_as_string": "2012-07-11 00:00:00",
"doc_count": 1
}
]
},
"group_by_word_count": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": 195616,
"doc_count": 2
},
{
"key": 1000,
"doc_count": 1
},
{
"key": 5000,
"doc_count": 1
},
{
"key": 26000,
"doc_count": 1
},
{
"key": 63056,
"doc_count": 1
},
{
"key": 69056,
"doc_count": 1
},
{
"key": 1233616,
"doc_count": 1
}
]
}
}
} 除了可以分組聚合查詢外，還可以進行統計查詢等，與數據庫中的聚合函數有些相似，如下示例：
{
"aggs": {
"grades_word_count": {
"stats": {
"field": "word_count" // 以word_count作為統計字段
}
}
}
}查詢的統計結果如下：
{
...
"aggregations": {
"grades_word_count": {
"count": 8,
"min": 1000,
"max": 1233616,
"avg": 223620,
"sum": 1788960
}
}
} ElasticSearch基本用法