ElasticSearch的简单介绍与使用【进阶检索】 实时搜索 | 分布式搜索 | 全文搜索 | 大数据处理 | 搜索过滤 | 搜索排序

1、SearchAPI

ES 支持两种基本方式检索 :

• 一个是通过使用 REST request URI 发送搜索参数（uri+检索参数）
• 另一个是通过使用 REST request body 来发送它们（uri+请求体）

//请求参数方式检索
GET bank/_search?q=*&sort=account_number:asc

//检索 bank 下所有信息，包括 type 和 docs
GET bank/_search

1.1 检索信息（请求参数方式检索）

检索GET bank/_search?q=*&sort=account_number:asc

GET bank/_search?q=*&sort=account_number:asc

响应结果解释：
took - Elasticsearch    执行搜索的时间（毫秒）
time_out -              告诉我们搜索是否超时
_shards -               告诉我们多少个分片被搜索了，以及统计了成功/失败的搜索分片
hits -                  搜索结果
hits.total -            搜索结果
hits.hits -             实际的搜索结果数组（默认为前 10 的文档）
sort -                  结果的排序 key（键）（没有则按 score 排序）
score 和 max_score –    相关性得分和最高得分（全文检索用）

1.2 检索信息（uri+请求体进行检索）

检索：GET bank/_search

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "account_number": {
        "order": "desc"
      }
    }
  ]
}

提示

HTTP 客户端工具（POSTMAN），get 请求不能携带请求体，我们变为 post 也是一样的 我们 POST 一个 JSON风格的查询请求体到 _search API。 需要了解，一旦搜索的结果被返回Elasticsearch 就完成了这次请求，并且不会维护任何 服务端的资源或者结果的 cursor（游标）

2、Query DSL

1）基本语法格式

Elasticsearch 提供了一个可以执行查询的 Json 风格的 DSL（domain-specific language 领域特定语言）。这个被称为 Query DSL。该查询语言非常全面，并且刚开始的时候感觉有点复杂，真正学好它的方法是从一些基础的示例开始的

• 一个查询语句 的典型结构

{
      QUERY_NAME: {
          ARGUMENT: VALUE,
          ARGUMENT: VALUE,...
      }
}

• 如果是针对某个字段，那么它的结构如下：

{
    QUERY_NAME: {
        FIELD_NAME: {
        ARGUMENT: VALUE,
        ARGUMENT: VALUE,... 
        }
    }
}

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "from": 0,
  "size": 5,
  "sort": [
    {
      "account_number": {
        "order": "desc"
      }
    }
  ]
}

query 定义如何查询:

• match_all 查询类型【代表查询所有的所有】，es 中可以在 query 中组合非常多的查
  询类型完成复杂查询
• 除了 query 参数之外，我们也可以传递其它的参数以改变查询结果。如 sort，size
• from+size 限定，完成分页功能
• sort 排序，多字段排序，会在前序字段相等时后续字段内部排序，否则以前序为准

2）返回部分字段

主要是添加上 "_source": ["firstname","balance","age"]，如果返回字段包含多个，需要使用['字段名1','字段名2','字段名3',....]

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "balance": {
        "order": "desc"
      }
    }
  ],
  "from": 0,
  "size": 5,
  "_source": ["firstname","balance","age"]
}

3）match(全文检索)【匹配查询】

3.1 基本类型（非字符串），精确匹配

GET bank/_search
{
  "query": {
    "match": {
      "account_number": "20"
    }
  }
}

命中一条记录

3.2 字符串，全文检索

最终查询出 address 中包含 Kings单词的所有记录match 当搜索字符串类型的时候，会进行全文检索，并且每条记录有相关性得分。

GET bank/_search
{
  "query": {
    "match": {
      "address": "Kings"
    }
  },
    "_source": ["firstname","address"]
}

3.3 字符串，多个单词（分词+全文检索）

最终查询出 address 中包含 mill 或者 road 或者 mill road 的所有记录，并给出相关性得分

GET bank/_search
{
  "query": {
    "match": {
     "address":"mill road"
    }
  },
    "_source": ["firstname","address"]
}

4）match_phrase【短语匹配】

将需要匹配的值当成一个整体单词（不分词）进行检索。
查出 address 中包含 mill road 的所有记录，并给出相关性得分

GET bank/_search
{
  "query": {
    "match_phrase": {
      "address": "mill road"
    }
  }
}

5）multi_match【多字段匹配】

在指定的字段属性值中包含 mill，就将对应的记录查询出来。

GET bank/_search
{
  "query": {
    "multi_match": {
      "query": "mill",
      "fields": ["state", "address"]
    }
  },
  "_source": ["state","address"]
}

6）bool【复合查询】

bool 用来做复合查询：复合语句可以合并 任何 其它查询语句，包括复合语句，了解这一点是很重要的。这就意味着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。

6.1 must：必须达到 must 列举的所有条件

必须达到 must 列举的所有条件

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "address": "mill"
          }
        },
        {
          "match": {
            "gender": "M"
          }
        }
      ]
    }
  },
   "_source": ["gender","address"]
}

6.2 must_not 必须不是指定的情况

提示：must_not 必须不是，查询的记录中，某个属性必须不是某个值。

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "address": "mill"
          }
        },
        {
          "match": {
            "gender": "M"
          }
        }
      ],
      "must_not": [
        {
          "match": {
            "age": "38"
          }
        }
      ]
    }
  },
   "_source": ["gender","address","age"]
}

6.3 should 应该达到 should 列举的条件

should：应该达到 should 列举的条件，如果达到会增加相关文档的评分，并不会改变查询的结果。如果 query 中只有 should 且只有一种匹配规则，那么 should 的条件就会被作为默认匹配条件而去改变查询结果

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "address": "mill"
          }
        },
        {
          "match": {
            "gender": "M"
          }
        }
      ],
      "should": [
        {"match": {
          "lastname": "Wallace"
        }}
      ]

    }
  },
   "_source": ["gender","address","lastname"]
}

7）filter【结果过滤】

并不是所有的查询都需要产生分数，特别是那些仅用于 “filtering”（过滤）的文档。为了不计算分数 Elasticsearch 会自动检查场景并且优化查询的执行

使用filter过滤

GET bank/_search
{
  "query": {
    "bool": {
      "filter": [
        {
          "range": {
            "age": {
              "gte": 18,
              "lte": 30
            }
          }
        }
      ]
    }
  }
}

GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        {"range": {
          "age": {
            "gte": 18,
            "lte": 30
          }
        }}
      ]
    }
  }
}

8）term

和 match 一样。匹配某个属性的值。全文检索字段用 match，其他非 text 字段匹配用 term。

GET bank/_search
{
  "query": {
    "term": {
      "balance": {
        "value": "32838"
      }
    }
  }
}

9）aggregations（执行聚合）

聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于 SQL GROUPBY 和 SQL 聚合函数。在Elasticsearch 中，您有执行搜索返回 hits（命中结果），并且同时返回聚合结果，把一个响应中的所有 hits（命中结果）分隔开的能力。这是非常强大且有效的，您可以执行查询和多个聚合，并且在一次使用中得到各自的（任何一个的）返回结果，使用一次简洁和简化的 API 来避免网络往返。

9.1 案例1（平均年龄）

搜索 address 中包含 mill 的所有人的年龄分布以及平均年龄，但不显示这些人的详情。

GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
    }
  },
  "aggs": {
    "ageAgg": {
      "terms": {
        "field": "age",
        "size": 10
      }
    },
    "ageAvg": {
      "avg": {
        "field": "age"
      }
    }
  },
  "size": 0
}

提示：

size：0 不显示搜索数据
aggs：执行聚合。聚合语法如下
"aggs": { 
    "aggs_name 这次聚合的名字，方便展示在结果集中": { 
        "AGG_TYPE 聚合的类型（avg,term,terms）": {}
    }
},

9.2 案例2 （平均薪资）

按照年龄聚合，并且请求这些年龄段的这些人的平均薪资

GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
    }
  },
  "aggs": {
    "ageAgg": {
      "terms": {
        "field": "age",
        "size":10

      }
    },
    "ageAvg":{
      "avg":{
        "field":"age"
      }
    },
    "balanceAvg":{
      "avg": {
        "field": "balance"
      }
    }
  },
  "size": 0
}

9.3 案例3（嵌套聚合）

GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "ageAgg": {
      "terms": {
        "field": "age",
        "size": 100
      },
      "aggs": {
        "ageAvg": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  }
}

9.4 案例4（嵌套）

查出所有年龄分布，并且这些年龄段中 M 的平均薪资和 F 的平均薪资以及这个年龄段的总体平均薪资

GET bank/account/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "age_agg": {
      "terms": {
        "field": "age",
        "size": 100
      },
      "aggs": {
        "gender_agg": {
          "terms": {
            "field": "gender.keyword",
            "size": 100
          },
          "aggs": {
            "balance_avg": {
              "avg": {
                "field": "balance"
              }
            }
          }
        },
        "balance_avg": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  },
  "size": 1000
}

3、Mapping

1） 字段类型

2） 映射

Mapping（映射）
Mapping 是用来定义一个文档（document），以及它所包含的属性（field）是如何存储和索引的。比如，使用 mapping 来定义：

• 哪些字符串属性应该被看做全文本属性(full text fields)。
• 哪些属性包含数字，日期或者地理位置。
• 文档中的所有属性是否都能被索引（_all 配置）。
• 日期的格式。
• 自定义映射规则来执行动态添加属性。
• 查看 mapping 信息：

GET bank/_mapping

• 修改 mapping 信息

3）新版本改变

Es7 及以上移除了 type 的概念。

• 关系型数据库中两个数据表示是独立的，即使他们里面有相同名称的列也不影响使用，但 ES 中不是这样的。elasticsearch 是基于 Lucene 开发的搜索引擎，而 ES 中不同 type下名称相同的 filed 最终在 Lucene 中的处理方式是一样的。

  1. 两个不同 type 下的两个 user_name，在 ES 同一个索引下其实被认为是同一个 filed，你必须在两个不同的 type 中定义相同的 filed 映射。否则，不同 type 中的相同字段名称就会在处理中出现冲突的情况，导致 Lucene 处理效率下降。

  2. 去掉 type 就是为了提高 ES 处理数据的效率。

Elasticsearch 7.x

• URL 中的 type 参数为可选。比如，索引一个文档不再要求提供文档类型。
  Elasticsearch 8.x

• 不再支持 URL 中的 type 参数。
  解决：

  1. 将索引从多类型迁移到单类型，每种类型文档一个独立索引

  2. 将已存在的索引下的类型数据，全部迁移到指定位置即可。详见数据迁移

3.1 创建映射

创建索引并指定映射

PUT /my-index
{
  "mappings": {
    "properties": {
      "age": {
        "type": "integer"
      },
      "email": {
        "type": "keyword"
      },
      "name": {
        "type": "text"
      }
    }
  }
}

3.2 添加新的字段映射

PUT /my-index/_mapping
{
  "properties": {
    "employee-id": {
      "type": "keyword",
      "index": false
    }
  }
}

GET /my-index

3.3 更新映射

对于已经存在的映射字段，我们不能更新。更新必须创建新的索引进行数据迁移

4.4 数据迁移

映射名是小写，在创建新索引的时候，指定类型。

PUT /newbank
{
  "mappings": {
    "properties": {
      "account_number": {
        "type": "long"
      },
      "address": {
        "type": "text"
      },
      "age": {
        "type": "integer"
      },
      "balance": {
        "type": "long"
      },
      "city": {
        "type": "keyword"
      },
      "email": {
        "type": "keyword"
      },
      "employer": {
        "type": "keyword"
      },
      "firstname": {
        "type": "text"
      },
      "gender": {
        "type": "keyword"
      },
      "lastname": {
        "type": "keyword"
      },
      "state": {
        "type": "keyword"
      }
    }
  }
}

先创建出 new_twitter 的正确映射。然后使用如下方式进行数据迁移

POST _reindex   [固定写法]
{
  "source": {
    "index": "twitter"
  },
  "dest": {
    "index": "new_twitter"
  }
}

//将旧索引的 type 下的数据进行迁移

POST _reindex
{
  "source": {
    "index": "bank",
    "type": "account"
  },
  "dest": {
    "index": "newbank"
  }
}

这里按照旧索引的 type 下的数据进行迁移

POST _reindex
{
  "source": {
    "index": "bank",
    "type": "account"
  },
  "dest": {
    "index": "newbank"
  }
}

查看迁移后的数据

GET /newbank/_search