PB数据毫秒级搜索之Elasticsearch(二)基础了解

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: PB数据毫秒级搜索之Elasticsearch(二)基础了解

首先进行安装(官网下载就行啦) 下载资源包然后启动

在bin 下面有个脚本   
./bin/elasticsearch  -d 是后台运行

ES基础概念

索引 含有相同属性的文档集合

ES在创建索引时,默认是创建5个分片,一个备份,这个数量是可以修改的,分片是只能创建时修改,备份可以动态修改。在索引中,还存在几个概念:

  1. 分片: 每个索引都有多个分片吧,每个分片是一个lucene索引
  2. 备份: 拷贝一份分片就完成了分片的备份,主分片如果损坏,备份的分片还可以提供搜索
  • 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
  • 文档 文档是可以被索引的基本数据单位

索引可以看成数据库的库   类型可以看成数据表 文档可以看成表中的某条数据

  • 比如说: 我们存储一个数据有几个大类: 动物 书籍,可以把动物和书籍设置为索引,但是书籍或者动物都有小类别,把这些小类别设置为类型   那么具体的书籍或者动物的信息就是文档

添加索引

添加索引后可以查看索引信息

  1. 结构化

非结构化

mappings后面为{} 则为非结构化,创建结构化索引

http://localhost:9200/book/novel/_mappings    给book索引添加类型
{
"novel": {      novel下面创建类型
 "properties": {   
   "title": {
     "type": "text"
   }
 }
}
}
创建索引及类型
http://localhost:9200/pople 创建peplo索引
{
"settings":{   设置索引分片数量
    "number_of_shards": 1,
    "number_of_replicas":1 设置索引备份数量
},
"mappings":{   设置类型
    "man":{
        "properties":{
            "name":{
                "type":"text"
            },
            "country":{
                "type":"keyword"
            },
            "age":{
                "type":"date",
                "format":"yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis 时间戳" 
            }
        } 
    }
}
}

插入

指定文档id插入

PUT 方式
http://localhost:9200/pople/man/1       完全基于resultful API 索引路由格式基本就是这种风格
                /索引/类型/指定文档id
根据类型字段发送JSON
例如:
{
"country": "US",
"name": "mike",
"age": "2019-07-01"
}

自动产生文档id插入

自动产生文档id需要使用post方式插入
http://localhost:9200/pople/man
数据格式还是按照类型写入 即可

修改

直接修改文档

http://localhost:9200/pople/man/1/_update   POST
修改的文本JSON
{
 "doc":{
     "name":"test"
 }
}

脚本修改文档

http://localhost:9200/pople/man/1/_update   POST
修改的文本JSON
{
 "script":{
     "lang":"painless",    ES自带语言  还支持其他脚本语言  例如 python
     "inline":"ctx._source.age += 10  (或者写成  age = parmas.age)",   ctx上下文对象 _source当前文档
     "params":{
         "age":100
     }
 }
}

删除

删除文档

http://localhost:9200/pople/man/1              DELETE方式 直接删除即可

删除索引

慎重删除索引
删除后索引及文档全部删除
http://localhost:9200/pople              DELETE方式 直接删除即可

查询

简单查询

http://localhost:9200/索引/类型/id         GET方式即可

条件查询

http://localhost:9200/book/_search        POST
  查询JSON
  {
    "query":{
        "match_all":{}   查询所有
    },
    "from":1,            设置数据偏移量
    "size":1            设置获取数据条数   结合可做分页
  }
  {
    "query":{
        "match":{
              "title":"test"      搜索该索引 类型为title  文档带有test字符的数据
        }
    },
    "sort":[                默认是_score进行排序   我们指定排序 _score属性会变成null
            {
                "publish_date":{  以publish_date倒序排序
                    "order":"desc"
                }
            }
        ]
  }
  对于match 查询  针对不同的类型查询结果也不一样
   keyword是关键字不可切分的,是全匹配的
   使用match_phrase  短语匹配  完整匹配

聚合查询

{
    "aggs":{
        "group_by_word_count":{       分组名称  自定义  可以对多个字段进行分组
            "terms":{
                "field":"word_count"
            }
        },
        "group_by_publish_date":{
            "terms":{
                "field":"publish_date"
            }
        }
    }
  }
  {
    "aggs":{
        "grades_word_count":{
  (可以直接设置成max 或avg min等函数)  "stats":{   计算聚合  可以求平均  最大 最小 求和
                "field":"word_count"
            }
        }
    }
  }

自条件查询 特定字段查询所指特定值

query context

在查询过程中,除了判断文档是否满足查询条件外,ES还会计算一个_score来表示匹配程度,旨在判断目标文档和查询条件匹配有多好

全文本查询 针对文本类型数据

{
"query":{
    "multi_match":{
        "query":"张三",
        "fields":["author","title"]
    }
}
}
多字段查询   
语法查询
{
"query":{
    "query_string":{
        "query":"三 OR JAVA",   可以设置正常查询条件 OR  AND  还可以使用()设置优先级
        "fields":["author","title"]
    }
}
}

字段级别查询

针对结构化数据 如 数字,日期等

{
"query":{
    "term":{
        "author":"张三"
    }
}
}
term是代表完全匹配,也就是精确查询
范围查询range   gte大于   lte小于  可以设置日期 和数字等
日期查询
"get":2017-01-01 
"lte":now  查询从2017-01-01 到现在时间
{
"query":{
    "range":{
            "word_count":{  针对word_count字段 
                "gte":1000, 
                "lte":5000
            }
    }
}
}

filter context

在查询过程中.只判断该文档是否满足条件,只有YesNo   而query还会使用分析器去分析匹配程度

filter相对query查询较快

filter会自动缓存 需要集合bool一起使用

```
 {
    "query":{
        "bool":{
            "filter":{
                "term":{
                    "word_count":1000
                }
            }
        }
    }
 }
 ```

复合条件查询 以一定逻辑组合子条件查询

固定分数查询

{
"query":{
    "constant_score":{   分数查询
        "filter":{  只支持filter 不能用match
            "match":{
                "title":"JAVA"
            }
        },
        "boost":2  设置分数为2
    }
}
}

布尔查询

{
"query":{
    "bool":{
        "should":[     should是OR条件  满足其中一即可   如果要AND条件 使用must关键词
            {
                "match":{
                    "author":"张三"
                }
            },
            {
                "match":{
                    "title":"JAVA"
                }
            }
        ]
    }
}
}
{
"query":{
    "bool":{
        "must":[
            {
                "match":{
                    "title":"JAVA"
                }
            }
        ],
        "filter":{    设置多条件  大于1000小于2000
            "range":{
                "word_count":{
                    "gte":1000,
                    "lte":2000
                }
            }
        }
    }
}
}
只查看author不是张三的
{
"query":{
    "bool":{
        "must_not":{
            "term":{
                "author":"张三"
            }
        }
    }
}
}

本文为作者原创,手码不易,允许转载,转载后请以链接形式说明文章出处。

相关实践学习
使用阿里云Elasticsearch体验信息检索加速
通过创建登录阿里云Elasticsearch集群,使用DataWorks将MySQL数据同步至Elasticsearch,体验多条件检索效果,简单展示数据同步和信息检索加速的过程和操作。
ElasticSearch 入门精讲
ElasticSearch是一个开源的、基于Lucene的、分布式、高扩展、高实时的搜索与数据分析引擎。根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr(也是基于Lucene)。 ElasticSearch的实现原理主要分为以下几个步骤: 用户将数据提交到Elastic Search 数据库中 通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据 当用户搜索数据时候,再根据权重将结果排名、打分 将返回结果呈现给用户 Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索,具有接近实时的搜索,并支持多租户。
目录
相关文章
|
1月前
|
关系型数据库 MySQL
elasticsearch对比mysql以及使用工具同步mysql数据全量增量
elasticsearch对比mysql以及使用工具同步mysql数据全量增量
24 0
|
1月前
|
消息中间件 存储 关系型数据库
【微服务】mysql + elasticsearch数据双写设计与实现
【微服务】mysql + elasticsearch数据双写设计与实现
69 2
|
1月前
|
监控 安全 Linux
【Elasticsearch专栏 14】深入探索:Elasticsearch使用Logstash的日期过滤器删除旧数据
使用Logstash的日期过滤器可以有效删除Elasticsearch中的旧数据,释放存储空间并提高集群性能。通过配置Logstash,可以指定索引模式、筛选时间戳早于特定阈值的文档,并在输出阶段删除这些旧数据。执行配置时,需确保Logstash与Elasticsearch连接正常,并监控日志以确保操作安全。定期执行此操作可确保旧数据不会过多积累。总之,Logstash的日期过滤器提供了一种简单而高效的方法,帮助管理和优化Elasticsearch中的数据。
|
1月前
|
存储 搜索推荐 Java
|
1月前
|
监控 Java 测试技术
【Elasticsearch专栏 13】深入探索:Elasticsearch使用Curator工具删除Elasticsearch中的历史数据
使用Curator工具可以有效管理Elasticsearch中的旧数据,通过编写YAML配置文件定义删除操作。配置中指定了基于索引名称前缀和年龄的过滤器,确保仅删除符合条件的旧索引。执行删除操作时,Curator会应用过滤器识别目标索引,并向Elasticsearch发送删除请求。通过设置选项,如忽略空列表和超时时间,可以确保操作的灵活性和稳定性。使用Curator不仅释放了存储空间,还提高了查询性能,是维护Elasticsearch健康的重要工具
|
1月前
|
JSON 监控 数据管理
【Elasticsearch专栏 12】深入探索:Elasticsearch使用索引生命周期管理(ILM)自动化删除旧数据
Elasticsearch的ILM功能允许用户定义策略,自动管理索引从创建到删除的生命周期。用户可以设置策略,根据索引年龄或大小自动删除旧数据,节省存储空间。通过应用ILM策略于索引模板,新索引将遵循预定义的生命周期。用户还可以监控ILM状态,确保策略按预期执行。使用ILM,用户可以高效地管理数据,确保旧数据及时删除,同时保持数据完整性和安全性。
|
2月前
|
存储 缓存 自然语言处理
【Elasticsearch专栏 05】深入探索:Elasticsearch在处理非结构化数据时,倒排索引有何优势
在处理非结构化数据时,倒排索引的优势在于其高效的查询性能,能够迅速匹配文本中的关键词,实现全文搜索。此外,倒排索引支持复杂的查询操作,可扩展性强,且通过压缩技术优化存储空间。这些特点使倒排索引成为处理非结构化数据的理想选择。
|
3天前
|
Java Maven 开发工具
【ElasticSearch 】IK 分词器安装
【ElasticSearch 】IK 分词器安装
11 1
|
19天前
|
数据可视化 索引
elasticsearch head、kibana 安装和使用
elasticsearch head、kibana 安装和使用
|
1月前
|
存储 负载均衡 索引
linux7安装elasticsearch-7.4.0集群配置
linux7安装elasticsearch-7.4.0集群配置
113 0

热门文章

最新文章