Elasticsearch基本使用

良辰美景TT

发布于 2020-12-14 11:13:01

6200

发布于 2020-12-14 11:13:01

安装Elasticsearch

可以在https://www.elastic.co/cn/downloads/elasticsearch这个页面找到elasticsearch对应系统的安装包，elasticsearch用java开发的，最新的版本内置了对应的jdk，通过下面的方式能快速启动：

cd /安装目录/elasticsearch/bin
./elasticsearch 
#验证是否启动， 可以访问： http://127.0.0.1:9200/

对于插件的安装，可以用bin目录下的./elasticsearch-plugin 脚本，比如安装 ik分词器： ./elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.8.0/elasticsearch-analysis-ik-7.8.0.zip 系统会下载需要安装的插件，然后解压到plugins目录下。

安装可视化工具Kibana

可以在https://www.elastic.co/cn/downloads/kibana这个页面找到kibana对应系统的安装包，kibana用node开发，最新的版本内置了对应的node启动程序，启动流程如下：

解压后修改config/kibana.yml里的配置，需要设置 elasticsearch.hosts, 本地就是: http://127.0.0.1:9200/
如果想用中文环境，可以修改config/kibana.yml文件，设置i18n.locale: "zh-CN"
在/bin 目录下启动kibana 文章后面的代码都是在kibana 的Dev Tools 里操作完成

重要的概念

索引(Index)：这里的索引跟我们平时用Mysql里索引是不一样的，在ES中， Index可以理解成Mysql里的一张表。ES通过不同的Index来管理数据
文档(Document): 相当于Mysql里的一行记录， ES 里的数据是通过文档来记录的。
倒排索引：把数据里的每个词或者词组（这里跟具体的分词器相关）映射到文档的id。
节点：一个Elasticsearch 进程。
集群：多个节点组成的系统称为集群。
分片：逻辑的概念，可以理解成对表做分库分表
副本：某个分片的复制
类型：文档里字段的定义
mappings：对Index的描述，类似于mysql里的Schemas
type类型： ES对这个概念已经废弃，不需要了解

数据类型

分类	具体类型
字符串	text: 会被分词，能根据词项快速检索，比如文章的标题，文本。keyword: 不会被分词，只能通过精确查询，比如文章的作者
整型	byte, short , int, long
浮点型	float, double, half_float (16位) , scaled_float(缩放类型，比如价格55.55，存的是5555, 缩放因子为100)
boolean	值为true, false
date	日期类型
二进制类型	binary：用的比较少，没法做索引
array	数组类型，数据里的类型可以是对象
object	对象类型，文档会包含嵌套的对象
nested	嵌套类型, 他能够保证数据之间的层级结构

索引的基本操作

创建索引, 类似操作mysql的建表语句

PUT film
{ 
    "mappings": { 
        "properties": { 
            "id":{
                "type": "keyword",
                "store":true
            },
            "name":{
                "type": "keyword",
                "store":true
            },
            "desc":{
                "type":"text",
                "store":true,
                "analyzer": "ik_max_word"
            },
            "tag":{
                "type": "keyword",
                "store":true
            },
            "actors":{
                "type": "nested",
                "properties":{
                    "id":{
                        "type": "keyword",
                        "store":true
                    },
                    "name":{
                        "type": "keyword",
                        "store":true
                    },
                    "sex":{
                        "type": "integer",
                        "store":true
                   }
               }
            }
        } 
    } 
}

查看索引的元数据信息

GET film #film 是Index的名称

删除索引

DELETE film #film 是Index的名称

对于索引没有所谓的更新操作，如果对于有些字段的类型需要做更新，只能删除原来的索引，重新创建新的索引。在实际的使用过程中，我们可以插入一些示例数据，通过ES帮我们生成默认mappings，然后再对mappings做修改

文档的基本操作

新增文档，新增的时候需要指定id，如果没指定， ES会生成一个String类型的id

PUT /film/_doc/001
{
    "id":"001",
    "name":"甄嬛传",
    "desc":"雍正元年，结束了血腥的夺位之争，新的君主（陈建斌 饰）继位，国泰民安，政治清明，但在一片祥和的表象之下，一股暗流蠢蠢欲动，尤其后宫，华妃（蒋欣 饰）与皇后（蔡少芬 饰）分庭抗礼，各方势力裹挟其中，凶险异常。十七岁的甄嬛（孙俪饰）与好姐妹眉庄（斓曦饰）、陵容（陶昕然饰）参加选秀，她本抱着来充个数的念头，可皇帝（陈建斌饰）偏相中了她的智慧、气节与端庄，最后三人一同入选。但因华妃（蒋欣饰）嚣张，步步紧逼，眉庄被冤，陵容变心，天真的甄嬛慢慢变成了后宫精明的女子。皇帝发现年羹尧（孙宁饰）的野心，令甄父剪除年氏一族，甄嬛终于斗倒了华妃。但由于甄嬛与先故纯元皇后的神似，皇后设计以纯元皇后的礼服陷害甄嬛，父亲（沈保平饰）也被文字狱牵连和奸人陷害而遭牢狱之灾，生下女儿后，心灰意冷的甄嬛选择出宫修行。在宫外幸得十七爷允礼（李东学饰）悉心照顾，二人相亲相爱，只等有机会远走高飞。后因误传十七爷死讯，甄嬛为保全腹中骨肉，设计与皇帝相遇，狠心断绝对十七爷的爱恋，重回宫中，再度与皇后相斗。后因生下双生子，同时甄父的冤案得以平反，重新被皇帝重用，甄氏一族再度崛起。甄嬛多次躲过皇后的陷害，最终扳倒皇后。可造化弄人，由于皇帝的疑心，最终却只能看着心上人允礼死在自己怀中，而与叶澜依（热依扎饰）合谋弑君。皇帝驾崩后，甄嬛养子弘历登基，甄嬛被尊为圣母皇太后，即便享尽荣华，但眼见一生姐妹沈眉庄血崩而亡，一生爱人允礼为保其周全而无憾自尽，不过是一代封建王朝的悲情故梦罢了。",
    "tag":["后宫","古装","清朝","爱情","宫斗"],
    "actors":[
        {
            "id":"actor_001",
            "name":"孙俪",
            "sex":0
        },
        {
            "id":"actor_002",
            "name":"陈建斌",
            "sex":1
        },
        {
            "id":"actor_003",
            "name":"蔡少芬",
            "sex":0
        },
        {
            "id":"actor_004",
            "name":"蒋欣",
            "sex":0
        },
        {
            "id":"actor_005",
            "name":"蓝盈盈",
            "sex":0
        }
    ]
}

修改文档，修改文档的时候，需要指定文档的id，并且在url后面加上_update表示更新，其中的"doc" 表示修改文档的内容，不加上会报错

POST /film/_doc/001/_update
{ 
  "doc":{
    "id":"001",
    "tag":["后宫","古装","清朝","爱情","宫斗","玄幻"],
    "actors":[
        {
            "id":"actor_002",
            "name":"陈建斌",
            "sex":1
        },
        {
            "id":"actor_006",
            "name":"蓝盈盈",
            "sex":0
        }
    ]
  }
}

删除文档

DELETE /film/_doc/001

文档查询

对于查询，如果需要了解内部是如何解析的，可以在查询里加上"profile": "true"。

最简单的，根据文档Id查询

GET /film/_doc/001 #001表示文档的id

查看es分词器的结果

GET _analyze
{
  "analyzer": "ik_max_word", #分词器
  "text": "我是中国人"
}

term查询: 完全匹配，不会将指定的查询关键字进行分词，直接去分词库中匹配，找到相应的文档内容，类似于mysql里的“=”。

GET /film/_search
{
  "query": {
    "term": {
      "name.keyword": {  #这里需要指定对name的keyword查询
        "value": "甄嬛传"
      }
    }
  }
}

terms查询, 查询机制更term一样，类似于mysql里的in(?,?)

GET /film/_search
{
  "profile": "true", 
  "query": {
    "terms": {
      "name": ["甄", "画"]
    }
  }
}

match_all查询：查询全部内容，不指定任何查询条件，可以通过from, size 做分页查询

GET /film/_search
{
  "from": 0, 
  "size": 2, 
  "query": {
    "match_all": {}
  }
}

match查询：match查询属于高级查询，会根据你查询的字段的类型不一致，采用不同的查询方式。
如果查询的是日期或者数值的字段，他会自动将你的字符串查询内容转换成日期或者数值对待；
如果查询的内容是一个不能被分词的字段(keyword).match查询不会对你的指定查询关键字进行分词；
如果查询的内容是一个可以分词的字段(text)，match会将你指定的查询内容根据一定的方式去分词，然后去分词库中匹配指定的内容。总而言之：match查询，实际底层就是多个term查询，将多个term查询的结果汇集到一起返回给你。

GET /film/_search
{
  "profile": "true", 
  "query": {
    "match": {
      "name": "甄"
    }
  }
}

match_phrase查询：首先解析查询字符串来产生一个词条列表(这里会分词)。然后会搜索所有的词条，只保留包含了所有搜索词条的文档，并且词条的位置要邻接可以通过slop来指定词之间相隔多远还能匹配，如果超过这个值，文档将匹配不上

GET /film/_search
{
  "profile": "true", 
  "query": {
    "match_phrase": {
      "desc": {
        "query": "国泰民安 祥和",
        "slop": 8
      }
    }
  }
}

multi_match查询：多字段进行匹配，只要有一个字段满足搜索条件，就能查询出来，对于多字段匹配的问题，涉及到评分，可以通过type来指定评分标准，有三种类型，分别是： best_fields：完全匹配的文档占比高，可以通过tie_breaker指定评分的系数；most_fields：表示越多字段匹配的文档评分越； cross_fields：表示词条的分词词汇是分配到不同字段中评分高。

GET /film/_search
{
  "profile": "true", 
  "query": {
    "multi_match": {
     "query": "传",
     "fields": ["name", "desc", "tag"]
    }
  }
}

GET /film/_search
{
  "profile": "true", 
  "query": {
    "multi_match": {
     "query": "民国",
     "fields": ["name", "desc", "tag"], 
     "type": "best_fields",
     "tie_breaker": 0.5
    }
  }
}

bool联合查询: 其中 must: 表示文档必须完全匹配， must_not：表示文档必须不能匹配，should表示下面的条件只要有一个满足，就能查出来，类型sql的or

GET /film/_search
{
  "profile": "true", 
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "tag.keyword": {
              "value": "爱情"
            }
          }
        }
      ],
      "must_not": [
        {"term": {
          "tag.keyword": {
            "value": "土匪"
          }
        }}
      ]
    }
  }
}

范围查询：类似于sql里的between and

GET /sms-logs-index/_search
{
  "profile": "true", 
  "query": {
    "range": {
      "fee": {
        "gte": 50,
        "lte": 500
      }
    }
  }
}

GET /sms-logs-index/_search
{
  "profile": "true", 
  "query": {
    "range": {
      "createDate": {
        "gte": "2020-09-16",
        "lte": "2020-09-21"
      }
    }
  }
}

对于nested类型的查询，需要指定path

GET /film/_search
{
    "query": {
        "bool": {
            "must": [
              {
                    "nested": {
                        "path": "actors", #这里需要指定查询的path
                        "query": {
                            "bool": {
                                "must": [{
                                    "term": {
                                        "actors.name": "周迅"
                                    }
                                }]
                            }
                        }
                    }
                },
        {
          "term":{"tag":"民国"}
        }
            ]
        }
    }
}

通过sort对数据做排序

GET /sms-logs-index/_search
{
  "profile": "true", 
  "from": 0, 
  "size": 2, 
  "query": {
    "range": {
      "fee": {
        "gte": 50,
        "lte": 500
      }
    }
  },
  "sort": [
    {
      "fee": {
        "order": "desc"
      }
    }
  ]
}

分页

通过from + size 浅分页，这种分页方式默认值能查询10000条数据
scroll 方式获取深分页的数据, 查询的时候URL上需要有scroll参数表示这个scroll存在的时间，比如5m表示存在5分钟。之后的请求的接口不再使用索引名了，而是 _search/scroll，GET和POST方法都可以使用，需要重新设置scroll存在的时间。 在查询的时候，不能加上"profile": "true", 不然后面的查询会报错：The collector can only be set once 问题的链接在这里：https://github.com/elastic/elasticsearch/issues/27376。scroll 方式获取数据会生成历史快照，对于数据的变更不会反映到快照上。

GET /sms-logs-index/_search?scroll=5m
{
  "from": 0, 
  "size": 2, 
  "query": {
    "range": {
      "fee": {
        "gte": 50,
        "lte": 500
      }
    }
  }
}

GET /_search/scroll
{
   "scroll": "5m",
  "scroll_id": "FGluY2x1ZGVfY29udGV4dF91dWlkDnF1ZXJ5VGhlbkZldGNoBRRwVTRQUm5ZQllORnB0eHdqcVRpMgAAAAAAAAB-FlAxRDB2cU96UzdhbWRQSXAyWWZnZUEUcGs0UFJuWUJZTkZwdHh3anFUaTIAAAAAAAAAfxZQMUQwdnFPelM3YW1kUElwMllmZ2VBFHAwNFBSbllCWU5GcHR4d2pxVGkyAAAAAAAAAIAWUDFEMHZxT3pTN2FtZFBJcDJZZmdlQRRxRTRQUm5ZQllORnB0eHdqcVRpMgAAAAAAAACBFlAxRDB2cU96UzdhbWRQSXAyWWZnZUEUcVU0UFJuWUJZTkZwdHh3anFUaTMAAAAAAAAAghZQMUQwdnFPelM3YW1kUElwMllmZ2VB"
}

search_after 深分页；分页的方式是根据上一页的最后一条数据来确定下一页的位置，在查询的时候需要有sort，并且排序的字段组合能有唯一性不然中间查询的时候会有数据丢失， from一定是从零开始。

GET /sms-logs-index/_search
{
  "profile": "true", 
  "from": 0, 
  "size": 2, 
  "query": {
    "range": {
      "fee": {
        "gte": 50,
        "lte": 500
      }
    }
  },
  "sort": [
    {
      "fee": {
        "order": "desc"
      },
      "longCode":{
        "order": "desc"
      }
    }
  ]
}


GET /sms-logs-index/_search
{
  "profile": "true", 
  "from": 0, 
  "size": 2, 
  "query": {
    "range": {
      "fee": {
        "gte": 50,
        "lte": 500
      }
    }
  },
  "search_after":[200, 87454120],
  "sort": [
    {
      "fee": {
        "order": "desc"
      },
      "longCode":{
        "order": "desc"
      }
    }
  ]
}

聚合查询

聚合查询一般用于对数据做统计，比如每个城市双11消费了多少，用户使用系统的平均时间是多少。聚合查询分下面几类

指标聚合

对文档的特定字段（field）或脚本值（generated using scripts），计算最大值(max)，最小值(min)，平均值(avg), 求和(sum)。

GET /sms-logs-index/_search
{
  "profile": "true", 
  "aggs": {
    "fee_max": { #聚合的名字
      "max": { #聚合的类型
        "field": "fee"
      }
    },
    "fee_min":{
      "min": {
        "field": "fee"
      }
    },
    "fee_sum":{
      "sum": {
        "field": "fee"
      }
    }
    ,
    "fee_avg":{
      "avg": {
        "field": "fee"
      }
    }
  }
}

distinct 聚合(cardinality)，统计某个字段有多少种值

GET /sms-logs-index/_search
{
  "profile": "true", 
  "aggs": {
    "fee_count": {
      "cardinality": {
        "field": "fee"
      }
    }
  }
}

统计聚合(stats)，统计的值包含 sum, avg , min, max , count

GET /sms-logs-index/_search
{
  "profile": "true", 
  "aggs": {
    "fee_stat": {
      "stats": {
        "field": "fee"
      }
    }
  }
}

百分比统计

GET /sms-logs-index/_search
{
  "profile": "true", 
  "size": 1, 
  "aggs": {
    "fee_percents": {
      "percentiles": {
        "field": "fee",
        "percents": [ #需要统计的百分比
          1,
          10,
          25,
          50,
          75,
          95,
          99
        ]
      }
    }
  }
}

百分比排名聚合，用于统计类似于：小费在 200一下的占的百分比是多少。

GET /sms-logs-index/_search
{
  "profile": "true", 
  "size": 1, 
  "aggs": {
    "fee_percents": {
      "percentile_ranks": {
        "field": "fee",
        "values": [200, 2000]
      }
    }
  }
}

桶聚合

对文档进行分组的操作（与sql中的group by类似），把满足相关特性的文档分到一个桶里，即桶分，输出结果往往是一个个包含多个文档的桶（一个桶就是一个group）。

Terms Aggregation 词聚合

GET /sms-logs-index/_search
{
  "profile": "true", 
  "size": 0, 
  "query": {
    "term": {
      "province": {
        "value": "杭州"
      }
    }
  }, 
  "aggs": {
    "province_terms": {
      "terms": {
        "field": "province",
        "size": 10,
        "min_doc_count": 4 #只返回文档个数不小于该值的 buckets
      }
    }
  }
}

rang 范围聚合

GET /sms-logs-index/_search
{
  "profile": "true", 
  "size": 0, 
  "query": {
    "term": {
      "province": {
        "value": "杭州"
      }
    }
  }, 
  "aggs": {
    "fee_range": {
      "range": {
        "field": "fee",
        "ranges": [
          {
            "from": 0,
            "to": 100
          },
          {
            "from": 100,
            "to": 2000
          }
        ]
      }
    }
  }
}

date_range 时间范围查询

GET /sms-logs-index/_search
{
  "size": 0, 
  "aggs": {
    "createDate_range": {
      "date_range": {
        "field": "createDate",
        "ranges": [
          {
            "from": "2020-09-16",
            "to": "2020-09-20"
          },
          {
            "from": "2020-09-21",
            "to": "2020-09-23"
          }
          
        ]
      }
    }
  }
}

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

如有侵权请联系 cloudcommunity@tencent.com 删除

Elasticsearch Service