ElasticSearch 交互使用
Curl 命令
# 建立索引
[root@dbtest01 ~]# curl -XPUT 'http://10.0.0.121:9200/test'
# 插入数据
[root@dbtest01 ~]# curl -XPUT 'localhost:9200/student/user/1?pretty' -H 'Content-Type: application/json' -d '{"name": "wqh","gender":"male","age":"18","about":"I will carry you","interests":["cs","it"]}'
ES-Head 插件
谷歌浏览器安装 ES-Head 插件，点击下载
将解压后的文件夹拖入谷歌浏览器扩展程序界面即可
部署 Kibana
安装 Kibana
# 上传代码包
[root@dbtest01 ~]# rz kibana-6.6.0-x86_64.rpm
# 安装
[root@dbtest01 ~]# rpm -ivh kibana-6.6.0-x86_64.rpm
配置 Kibana
[root@dbtest01 ~]# vim /etc/kibana/kibana.yml
[root@dbtest01 ~]# grep "^[a-Z]" /etc/kibana/kibana.yml
# 进程的端口
server.port: 5601
# 监听地址
server.host: "10.0.0.121"
# 指定 ES 地址
elasticsearch.hosts: ["http://127.0.0.1:9200"]
# Kibana 也会创建索引
kibana.index: ".kibana"
启动 Kibana
# 启动 Kibana
[root@dbtest01 ~]# systemctl start kibana.service
# 验证
[root@dbtest01 ~]# netstat -lntp
tcp 0 0 10.0.0.121:5601 0.0.0.0:* LISTEN 88636/node
浏览器访问页面
# 访问 http://10.0.0.121:5601 ， Kibana 启动速度较慢
ElasticSearch 数据操作
创建索引
# 语法：
PUT /<index>
# 示例：
PUT /laowang
PUT xiaowang
创建数据
ES 存储数据三个必要构成条件，每一条数据必须有以下的数据结构，
| 构成条件 | 说明 |
|---|---|
| _index | 索引（数据存储的地方） |
| _type | 类型（数据对应的类） |
| _id | 数据唯一标识符 |
# 语法
PUT /<index>/_doc/<_id>
POST /<index>/_doc/
PUT /<index>/_create/<_id>
POST /<index>/_create/<_id>
index：索引名称，如果索引不存在，会自动创建
_doc：类型
<_id>：唯一识别符，创建一个数据时，可以自定义ID，也可以让他自动生成
指定 ID 插入数据（PUT）
PUT /student/user/3
{
"name": "zzz",
"gender": "male",
"age": "23",
"about": "abcdefg",
"interests": [
"sturdy",
"dddddd"
]
}
# 一般不用此方式插入数据
# —— 需要修改 ID 值
# —— 当指定 ID 时，插入数据时会查询数据对比 ID 值，若 ID 相同，则会覆盖更新原来的数据
随机 ID 插入数据（POST）
# ES 会随机生成一个较长字符串作为此条数据的唯一 ID 标识
POST /student/user/
{
"name":"xiaoliu",
"gender":"female"
}
添加指定字段
# 推荐使用方法
POST /student/user/
{
"id":"1",
"name":"xiaoliu",
"gender":"female"
}
查询数据
简单查询
# 查看所有索引信息
GET /_all
GET _all
# 查看所有索引的数据
GET /_all/_search
# 查看指定索引信息
GET /student
# 查看指定索引的数据
GET /student/_search
# 查看指定数据
GET /student/user/1
条件查询（Term，Match）
①. — term 代表完全匹配，也就是精确查询，搜索前不会再对搜索词进行分词，例如，我们要搜索标题（title）为 "北京烤鸭" 的所有文档：
# 方法一：
GET /news/_search
{
"query": {
"term": {
"title": {
"value": "北京烤鸭"
}
}
}
}
# 可以省略 value 行，与 Key 合并到一行
GET /news/_search
{
"query": {
"term": { <-------- 使用 term 匹配，适用于精确查找
"title":"北京烤鸭" <------- 简写，并为一行
}
}
}
②. — match 代表模糊匹配，先对搜索词进行分词，例如，我们要搜索标题（title）为 "北京烤鸭" 的文档时，会先将 "北京烤鸭" 分词为 "北京" 和 "烤鸭"，符合两者其一的，都会取到结果：
# 方法二：
GET /news/_search
{
"query": {
"match": { <-------- 使用 match 匹配，适用于模糊查找
"title": "北京烤鸭"
}
}
}
多条件查询（Bool）
Bool 查询现在包括四种子句：must，filter，should，must_not
①. — must 查询：查询条件必须全部满足，类似 SELECT 语句中 的 AND：
# 查询条件必须全部满足
GET /student/_search
{
"query": {
"bool": {
"must": [
{
"term": {
"age": {
"value": "23"
}
}
},
{
"term": {
"name": {
"value": "wqh"
}
}
}
]
}
}
}
②. — filter 查询：查询条件必须全部满足，类似 SELECT 语句中的 AND，与 must 不同的是，不会计算相关性分数：
# 跟 must 一样，在数据量很大时，比 must 查询快一点，因为不用计算相关分
GET /student/_search
{
"query": {
"bool": {
"filter": [
{
"term": {
"age": {
"value": "23"
}
}
},
{
"term": {
"name": {
"value": "wqh"
}
}
}
]
}
}
}
③. — should 查询：查询条件满足其一即可，类似 SELECT 语句中的 OR，会计算相关性分数：
# 多条件查询时，查询条件只要有一个满足就可以
GET /student/_search
{
"query": {
"bool": {
"should": [
{
"term": {
"age": {
"value": "23"
}
}
},
{
"term": {
"name": {
"value": "wqh"
}
}
}
]
}
}
}
④. — must_not 查询：查询条件必须不满足，类似 SELECT 语句中的 NOT，会计算相关性分数 ：
# must_not 中的条件，必须全部不满足
GET /student/_search
{
"query": {
"bool": {
"must_not": [
{
"term": {
"age": {
"value": "23"
}
}
},
{
"term": {
"name": {
"value": "wqh"
}
}
}
]
}
}
}
⑤. — must + should 查询：
# 查询年龄是 23岁 或者年龄是 18岁 并且名字是 wqh 的数据
GET /student/_search
{
"query": {
"bool": {
"should": [
{
"term": {
"age": {
"value": "23"
}
}
},
{
"bool": {
"must": [
{
"term": {
"age": {
"value": "18"
}
}
},
{
"term": {
"name": {
"value": "xiaozi"
}
}
}
]
}
}
]
}
}
}
⑥. — 范围查询：
GET /student/_search
{
"query": {
"bool": {
"must": [
{
"range": {
"age": {
"gte": 20,
"lte": 25
}
}
}
]
}
}
}
修改数据
# 修改数据时指定 ID 修改
PUT /student/user/1
{
"name":"雾山火行",
"gender":"male",
"age":"18"
}
# 注意，修改数据时，除了要修改的值，其他字段的值也要带上，否则原有的其他字段会丢失
PUT /student/user/2
{
"name":"wqh",
"gender":"male",
"age":"19"
}
删除数据
# 删除指定 ID 数据
DELETE /student/user/4
# 删除索引（别瞎删，可以用 ES-head 关闭索引）
DELETE /student
Query Context（不带 Filter） 与 Filter Context
①. — Query Context 即指所有不使用 Bool 查询中的 Filter（过滤器）的上下文查询
②. — Filter Context 指 Bool 查询中，使用 Filter（过滤器）的上下文查询
查询在 Query 查询上下文和 Filter 过滤器上下文中，执行的操作是不一样的：
①. — 查询上下文：是在使用 query 进行查询时的执行环境，比如使用 search 的时候。
在查询上下文中，查询会回答这个问题——“这个文档是否匹配，它的相关度高么？”
ES中索引的数据都会存储一个 _score 分值，分值越高就代表越匹配。即使 lucene 使用倒排索引，对于某个搜索的分值计算还是需要一定的时间消耗 。
②. — 过滤器上下文：在使用 filter 参数时候的执行环境，比如在 bool 查询中使用 Must_not 或者 filter
在过滤器上下文中，查询会回答这个问题——“这个文档是否匹配？”
它不会去计算任何分值，也不会关心返回的排序问题，因此效率会高一点。
另外，经常使用过滤器，ES会自动的缓存过滤器的内容，这对于查询来说，会提高很多性能。
总而言之：
①. — 查询上下文：查询操作不仅仅会进行查询，还会计算分值，用于确定相关度；
②. — 过滤器上下文：查询操作仅判断是否满足查询条件，不会计算得分，查询的结果可以被缓存，所以速度快
所以，根据实际的需求是否需要获取得分，考虑性能因素，选择不同的查询子句；如果不需要获得查询词条的相关性分数，尽量使用 Filter 。
参考：
