ElasticSearch6.x入门？看这一篇就够了-阿里云开发者社区

ElasticSearch6.x入门？看这一篇就够了

2023-01-06 159

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

本文涉及的产品

检索分析服务 Elasticsearch 版，2核4GB开发者规格 1个月

简介： 相关概念知识

什么是ES?

ES 是使用 Java 编写的一种开源搜索引擎，它在内部使用 Lucene 做索引与搜索，通过对 Lucene 的封装，隐藏了 Lucene 的复杂性，取而代之的提供一套简单一致的 RESTful API。

Elasticsearch是与名为Logstash的数据收集和日志解析引擎以及名为Kibana的分析和可视化平台一起开发的。这三个产品被设计成一个集成解决方案，称为“Elastic Stack”（以前称为“ELK stack”）

数据类型

字符串类型

text：当一个字段是要被全文搜索的，比如产品描述，应该使用text类型。text类型的字段不用于排序，很少用于聚合。
keyword：类型适用于索引结构化的字段，比如email地址、主机名、状态码和标签。如果字段需要进行过滤、排序、聚合。keyword类型的字段只能通过精确值搜索到。

整数类型

在满足需求的情况下，尽可能选择范围小的数据类型。比如，某个字段的取值最大值不会超过100，那么选择byte类型即可。迄今为止吉尼斯记录的人类的年龄的最大值为134岁，对于年龄字段，short足矣。

字段的长度越短，索引和搜索的效率越高。

类型	取值范围
byte	-128~127
short	-32768~32767
integer	-2^31~2^31-1
long	-2^63~2^63-1

浮点类型

类型	取值范围
doule	64位双精度IEEE 754浮点类型
float	32位单精度IEEE 754浮点类型
half_float	16位半精度IEEE 754浮点类型
scaled_float	缩放类型的的浮点数

时间类型

日期将始终以字符串形式呈现，即使最初在JSON文档中提供的日期很长也是如此。 format可以是如下这种||的形式

"format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"

布尔类型

布尔字段接受JSONtrue和false值，但也可以接受为 "true" 或 "false" 的字符串

范围数据类型

`integer_range`	一个带符号的32位整数范围，最小值为-2^31，最大值为2^`31-1`
`float_range`	一系列单精度32位IEEE 754浮点值。
`long_range`	一系列带符号的64位整数，最小值为-2^63，最大值为2^63-1
`double_range`	一系列双精度64位IEEE 754浮点值。
`date_range`	自系统时代以来经过的一系列日期值，表示为无符号的64位整数毫秒。
`ip_range`	支持IPv4或 IPv6（或混合）地址的一系列ip值。

RestFul风格操作

GET请求：

http://ip:port/index : 查询索引信息
http://ip:port/index/type/doc_id : 查询指定的文档信息

POST请求：

http://ip:port/index/type/_search : 查询文档，可以在请求体中添加json字符串来代表查询条件
http://ip:port/index/type/doc_id/_update : 修改文档，在请求体中指定json字符串代表修改的具体信息

PUT请求：

http://ip:port/index : 创建一个索引，需要在请求体中指定索引的信息，类型，结构
http://ip:port/index/type/_mappings : 代表创建索引时，指定索引文档存储的属性的信息

DELETE请求：

http://ip:port/index : 删库跑路
http://ip:port/index/type/doc_id : 删除指定文档

倒排索引结构

如何理解倒排索引呢？假如现有三份数据文档，文档的内容如下分别是：

Java is the best programming language.
PHP is the best programming language.
Javascript is the best programming language.

为了创建倒排索引，我们通过分词器将每个文档的内容域拆分成单独的词（我们称它为词条或 Term），创建一个包含所有不重复词条的排序列表，然后列出每个词条出现在哪个文档。

结果如下所示：

Term          Doc_1    Doc_2   Doc_3
-------------------------------------
Java        |   X   |        |
is          |   X   |   X    |   X
the         |   X   |   X    |   X
best        |   X   |   X    |   X
programming |   x   |   X    |   X
language    |   X   |   X    |   X
PHP         |       |   X    |
Javascript  |       |        |   X
-------------------------------------

这种结构由文档中所有不重复词的列表构成，对于其中每个词都有一个文档列表与之关联。这种由属性值来确定记录的位置的结构就是倒排索引。带有倒排索引的文件我们称为倒排文件。

我们将上面的内容转换为图的形式来说明倒排索引的结构信息，如下图所示：

其中主要有如下几个核心术语需要理解：

词条（Term）：索引里面最小的存储和查询单元，对于英文来说是一个单词，对于中文来说一般指分词后的一个词。
词典（Term Dictionary）：或字典，是词条 Term 的集合。搜索引擎的通常索引单位是单词，单词词典是由文档集合中出现过的所有单词构成的字符串集合，单词词典内每条索引项记载单词本身的一些信息以及指向“倒排列表”的指针。
倒排表（Post list）：一个文档通常由多个词组成，倒排表记录的是某个词在哪些文档里出现过以及出现的位置。每条记录称为一个倒排项（Posting）。倒排表记录的不单是文档编号，还存储了词频等信息。
倒排文件（Inverted File）：所有单词的倒排列表往往顺序地存储在磁盘的某个文件里，这个文件被称之为倒排文件，倒排文件是存储倒排索引的物理文件。