Elasticsearch超详学习

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

Elasticsearch学习

1.什幺是ElasticSearch
二、Elasticsearch核心概念
三、Elasticsearch 安装
四、ElasticSearch的客户端操作
1.使用elasticsearch-head
2.使用Postman工具进行Restful接口访问
2.1ElasticSearch的接口语法：
2.8查询文档-根据id查询
2.9查询文档-querystring查询
2.10查询文档-term查询

七、使用Java编程操作ElasticSearch
八、Spring Data ElasticSearch

一、ElasticSearch简介

1.什幺是ElasticSearch

Elaticsearch，简称为es

E：EalsticSearch 搜索和分析的功能

L：Logstach 搜集数据的功能，类似于flume（使用方法几乎跟flume一模一样），是日志收集系统

K：Kibana 数据可视化（分析），可以用图表的方式来去展示，文不如表，表不如图，是数据可视化平台

es是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。es也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

2.es的优点

具有分布式的功能

数据高可用，集群高可用

API简单

多语言支持

支持PB级别的数据

完成搜索的功能和分析功能

基于Lucene，隐藏了Lucene的复杂性，提供简单的API

二、Elasticsearch核心概念

1.索引 index

一个索引就是一个拥有几分相似特征的文档的集合。比如说，你可以有一个客户数据的索引，还有一个订单数据的索引。在一个集群中，可以定义任意多的索引。我们在使用Mysql或者Oracle的时候，为了区分数据，我们会建立不同的数据库，库下面还有表的。es功能就像一个关系型数据库，在这个数据库我们可以往里面添加数据，查询数据。

2.类型 type

在一个索引中，你可以定义一种或多种类型。一个类型是你的索引的一个逻辑上的分类/分区，其语义完全由你来定。好比数据库里面的一张表。相当于表结构的描述，描述每个字段的类型

3.字段Field

相当于是数据表的字段，对文档数据根据不同属性进行的分类标识

4.映射 mapping

mapping是处理数据的方式和规则方面做一些限制，如某个字段的数据类型、默认值、分析器、是否被索引等等，这些都是映射里面可以设置的，其它就是处理es里面数据的一些使用规则设置也叫做映射，按着最优规则处理数据对性能提高很大，因此才需要建立映射，并且需要思考如何建立映射才能对性能更好。

5.文档 document

一个文档是一个可被索引的基础信息单元。文档就是最终的数据了，可以认为一个文档就是一条记录。是es里面最小的数据单元，就好比数据库表里面的一条数据

6.集群 cluster

一个集群就是由一个或多个节点组织在一起，它们共同持有整个的数据，并一起提供索引和搜索功能。一个集群由一个唯一的名字标识，这个名字默认就是“elasticsearch”。这个名字是重要的，因为一个节点只能通过指定某个集群的名字，来加入这个集群

7.节点 node

一个节点是集群中的一个服务器，作为集群的一部分，它存储数据，参与集群的索引和搜索功能。在一个集群里，只要你想，可以拥有任意多个节点。而且，如果当前你的网络中没有运行任何Elasticsearch节点，这时启动一个节点，会默认创建并加入一个叫做“elasticsearch”的集群。

8.分片 shards

一台服务器，无法存储大量的数据，es把一个index里面的数据，分为多个shard，分布式的存储在各个服务器上面。

作用：水平分割/扩展你的内容容量。

在分片（潜在地，位于多个节点上）之上进行分布式的、并行的操作，进而提高性能/吞吐量。

9.复制 replicas

在一个网络/云的环境里，失败随时都可能发生，在某个分片/节点不知怎幺的就处于离线状态，或者由于任何原因消失了，这种情况下，有一个故障转移机制是非常有用并且是强烈推荐的。为此目的，es允许你创建分片的一份或多份拷贝，这些拷贝叫做复制分片，或者直接叫复制。

作用：在分片/节点失败的情况下，提供了高可用性。

扩展搜索量/吞吐量

默认情况下，es中的每个索引被分片5个主分片和1个复制，这意味着，如果你的集群中至少有两个节点，你的索引将会有5个主分片和另外5个复制分片（1个完全拷贝），这样的话每个索引总共就有10个分片。

10.理解

我们可以对应数据库来理解：

比如：书包含有书的类型、作者、价格

在数据库中表示如下：

在es中表示如下：
首先建立一个名叫books 的索引，然后创建一个名叫 book 的类型，类型是通过 Mapping 来定义每个字段的类型
类型、作者都是 Keyword 类型，价格是Integer 类型，最后就是把数据组织成 Json 格式存放进去了。

三、Elasticsearch 安装

1.这里使用docker镜像下载

docker pull elasticsearch:5.6.8

如图：

2.安装es容器

docker run -di --name=es -p 9200:9200 -p 9300:9300 elasticsearch:5.6.8

如图：

9200端口为Web管理平台端口
9300为服务默认端口
浏览器输入地址访问： http://虚拟机IP地址:9200/

4.开启远程连接

上面完成安装后，es并不能正常使用，elasticsearch从5版本以后默认不开启远程连接，程序直接连接会报错误

我们需要修改es配置开启远程连接：

#1.进入容器
docker exec -it es /bin/bash
#2.进入config目录
cd config
#3.vi命令无法识别，因为docker容器里面没有该命令，我们可以安装该编辑器。
apt-get update
apt-get install vim

如图：

#4.等待安装好了后，修改elasticsearch.yml配置
vi elasticsearch.yml
#添加下面一行代码：
cluster.name: my-elasticsearch

如图：

#5.重启docker
docker restart es

5.出现问题

1.重启后发现重启启动失败了，因为elasticsearch在启动的时候会进行一些检查，比如最多打开的文件的个数以及虚拟内存区域数量等等，如果你放开了此配置，意味着需要打开更多的文件以及虚拟内存，所以我们还需要系统调优：

#6.修改limits.conf  
vi/etc/security/limits.conf
#7.添加下面两行代码：
* soft nofile 65536
* hard nofile 65536

nofile是单个进程允许打开的最大文件个数

soft nofile 是软限制 hard nofile是硬限制

如图：

2.修改vi /etc/sysctl.conf

#8.修改sysctl.conf 
vi /etc/sysctl.conf
#9.添加下面一行代码
#限制一个进程可以拥有的VMA(虚拟内存区域)的数量 
vm.max_map_count=655360

如图：

#10.执行下面命令 修改内核参数马上生效
sysctl -p
#11.重启
reboot

6.跨域配置

#12修改配置文件：elasticsearch.yml增加三句命令
http.cors.enabled: true  #允许elasticsearch跨域访问，默认是false
http.cors.allow-origin: "*"  #表示跨域访问允许的域名地址
network.host: 192.168.220.100  #这里写自己的虚拟机地址
#13.重启docker
docker restart es
#如果想让容器开启重启，可以执行下面命令
docker update --restart=always 容器名称或者容器id

如图：

四、ElasticSearch的客户端操作

1.使用elasticsearch-head

ElasticSearch不同于Solr自带图形化界面，我们可以通过安装ElasticSearch的head插件，完成图形化界面的效果，完成索引数据的查看。

1.这里采用本地安装方式进行head插件的安装:下载head插件

2.将elasticsearch-head-master压缩包解压到任意目录，要和elasticsearch的安装目录区别开

3.下载nodejs

4. 将grunt安装为全局命令，Grunt是基于Node.js的项目构建工具

#在elasticsearch-head-master存放位置下输入cmd打开控制台
#输入如下执行命令：
1.cnpm install -g grunt-cli

如图：

#2.再输入指令
npm install

#3.将head插件启动
grunt server

测试：打开浏览器，输入 http://localhost:9100

此时连接 http://虚拟机IP地址:9200可以看到健康值说明成功了

2.使用Postman工具进行Restful接口访问

2.1ElasticSearch的接口语法：

curl -X<VERB> '<PROTOCOL>://<HOST>:<PORT>/<PATH>?<QUERY_STRING>' -d '<BODY>

参数	解释
VERB	适当的 HTTP 方法或谓词 : GET 、 POST 、 PUT 、 HEAD 或者 DELETE
PROTOCOL	http 或者 https
HOST	Elasticsearch 集群中任意节点的主机名，或者用 localhost 代表本地机器上的节点
PORT	运行 Elasticsearch HTTP 服务的端口号，默认是 9200
PATH	API 的终端路径
QUERY_STRING	任意可选的查询字符串参数
BODY	一个 JSON 格式的请求体

2.2创建索引index

#请求url：
PUT      192.168.23.129:9200/aaa
#请求体：
{
    "mappings": {
        "article": {
            "properties": {
                "id": {
                    "type": "long",
                    "store": true,
                    "index":"not_analyzed"
                    },
                "title": {
                    "type": "text",
                    "store": true,
                    "index":"analyzed",
                    "analyzer":"standard"
                    },
                "content": {
                    "type": "text",
                    "store": true,
                    "index":"analyzed",
                    "analyzer":"standard"
                    }
                }
            }
        }
}

如图：

响应结果：

elasticsearch-head查看：

如图用head图形化界面工具里的新建索引：

elasticsearch-head查看：

2.3设置映射mapping

设置Mapping

刚刚只是单纯的创建了bbb索引，并没有设置mapping信息，下面给bbb设置mapping信息。当然也可以创建索引的同时创建mapping信息（后面使用过）

#请求url：
POST        http://192.168.23.129:9200/bbb/hello/_mappin
#请求体：
{
    "hello": {
            "properties": {
                "id": {
                    "type": "long",
                    "store": true
                    },
                "title": {
                    "type": "text",
                    "store": true,
                    "index":true,
                    "analyzer":"standard"
                    },
                "content": {
                    "type": "text",
                    "store": true,
                    "index":true,
                    "analyzer":"standard"
                    }
                }
            }
}

如图：

响应结果：

elasticsearch-head查看：

2.4删除索引index

删除索引aaa

#请求url：
DELETE         192.168.23.129:9200/aaa

如图：

elasticsearch-head查看，aaa已被删除：

2.5创建文档document

#请求url：
POST        192.168.23.129:9200/bbb/hello/1
#请求体：
{
    "id":1,
    "title":"aaa",
    "content":"bbb"
}

如图：

elasticsearch-head查看：

2.6修改文档document

#请求url：
POST        192.168.23.129:9200/bbb/hello/1
#请求体：
{
    "id":1,
    "title":"ccc",
    "content":"ddd"
}

如图：

elasticsearch-head查看：

2.7删除文档document

#请求url：
DELETE       192.168.23.129:9200/bbb/hello/1

如图：

elasticsearch-head查看：

2.8查询文档-根据id查询

这里新建一个document用来查询

#新建一个document
POST        192.168.23.129:9200/bbb/hello/1
{
    "id":1,
    "title":"床前明月光aaa",
    "content":"疑是地上霜bbb"
}
#查询文档-根据id查询
GET         192.168.23.129:9200/bbb/hello/1

如图：

elasticsearch-head查看：

2.9查询文档-querystring查询

#请求url：
POST        192.168.23.129:9200/bbb/hello/_search
{
    "query": {
        "query_string": {
        "default_field": "title",
        "query": "床前明月光"
        }
    }
}

如图：

#请求url：
POST        192.168.23.129:9200/bbb/hello/_search
{
    "query": {
        "query_string": {
        "default_field": "title",
        "query": "夜光"
        }
    }
}

以上根据“床前明月光”和“夜光”都可以查到title，显然“夜光”查到的并不符合我们的需求，而且查到的也很不合理，这是因为分词器的原因，用querystring查询会进行分词，此时用的是Standard分词。

2.10查询文档-term查询

#请求url：
POST        192.168.23.129:9200/bbb/hello/_search
{
    "query": {
        "term": {
            "title": "前"
        }
    }
}

如图：

#请求url：
POST        192.168.23.129:9200/bbb/hello/_search
{
    "query": {
        "term": {
            "title": "床前"
        }
    }
}

如图：

以上根据“前”可以查到title，而“床前”查不到title，这是因为用term查询不会进行分词。

五、IK分词器

简介：

IK Analyzer 是一个开源的，基于 java 语言开发的轻量级的中文分词工具包。从 2006年 12 月推出 1.0 版开始， IKAnalyzer 已经推出了 4 个大版本。最初，它是以开源项目Luence 为应用主体的，结合词典分词和文法分析算法的中文分词组件。从 3.0 版本开始，IK 发展为面向 Java 的公用分词组件，独立 Lucene 项目，同时提供了对 Lucene 的默认优化实现。在 2012 版本中，IK 实现了简单的分词歧义排除算法，标志着 IK 分词器从单纯的词典分词向模拟语义分词衍化。

分词：即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词，比如前面的Standard分词会把“床前明月光”分成“床”，“前”，“明“，”月”，“光”这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。

IK提供了两个分词算法：ik_smart和ik_max_word，其中ik_smart为最少切分，ik_max_word为最细粒度划分

1.安装ik分词器

IK分词器下载地址

#解压
unzip elasticsearch-analysis-ik-5.6.8.zip
#改名为ik
mv elasticsearch ik
#将ik目录拷贝到docker容器的plugins目录下
docker cp ./ik es:/usr/share/elasticsearch/plugins

如图：

IK分词器测试

此时测试ik_smart

访问：http://192.168.211.132:9200/_analyze analyzer=ik_smart&pretty=true&text=我爱祖国

结果如下：

此时测试ik_max_word

访问：http://192.168.211.132:9200/_analyze analyzer=ik_max_word&pretty=true&text=我爱祖国

2.使用ik分词器

#请求url：
POST        192.168.23.129:9200/bbb/hello/_search
{
    "query": {
        "term": {
            "title": "月"
        }
    }
}

“床前明月光”分成“床”，“前”，“明“，”月”，“光”，所以“月”查得到，“月光”查不到

接下来咱们使用ik分词器

先创建一个使用ik分词器的新的索引ccc

PUT        192.168.23.129:9200/ccc
{
    "mappings": {
        "article": {
            "properties": {
                "id": {
                    "type": "long",
                    "store": true,
                    "index":"not_analyzed"
                },
                "title": {
                    "type": "text",
                    "store": true,
                    "index":"analyzed",
                    "analyzer":"ik_max_word"
                },
                "content": {
                    "type": "text",
                    "store": true,
                    "index":"analyzed",
                    "analyzer":"ik_max_word"
                }
            }
        }
    }
}
}

响应结果：

再创建document

#请求url：
POST        192.168.23.129:9200/ccc/article/1
#请求体：
{
    "id":1,
    "title":"床前明月光aaa",
    "content":"疑是地上霜bbb"
}

如图：

#请求url：
POST        192.168.23.129:9200/ccc/article/_search
{
    "query": {
        "term": {
            "title": "月光"
        }
    }
}

可以查到了

#请求url：
POST        192.168.23.129:9200/ccc/article/_search
{
    "query": {
        "query_string": {
        "default_field": "title",
        "query": "夜光"
        }
    }
}

之前使用Standard分词器可以根据“夜光”查到，此时结果查不到了

六、Kibana使用

介绍

Kibana 是一款开源的数据分析和可视化平台，它是 Elastic Stack 成员之一，设计用于和 Elasticsearch协作。您可以使用 Kibana 对 Elasticsearch 索引中的数据进行搜索、查看、交互操作。您可以很方便的利用图表、表格及地图对数据进行多元化的分析和呈现。
Kibana 可以使大数据通俗易懂。它很简单，基于浏览器的界面便于您快速创建和分享动态数据仪表板来追踪 Elasticsearch 的实时数据变化。
搭建 Kibana 非常简单。您可以分分钟完成 Kibana 的安装并开始探索 Elasticsearch 的索引数据 — 没有代码、不需要额外的基础设施。

1.Kibana下载安装

这里使用虚拟机的docker镜像下载

指令如下：

#镜像下载
docker pull docker.io/kibana:5.6.8
#安装kibana容器
docker run -it -d -e ELASTICSEARCH_URL=http://192.168.23.129:9200 --name kibana
-p 5601:5601 kibana:5.6.8

安装后访问：http://192.168.23.129:5601 如下：

如图所示安装成功：

如图便是我们之前的数据了：

2.DSL语句使用

#查看所有索引
GET /_cat/indices?v
#删除某个索引
DELETE /skuinfo
#新增索引
PUT /user
#创建映射
PUT /user/userinfo/_mapping
{
"properties": {
"name":{
"type": "text",
"analyzer": "ik_smart",
"search_analyzer": "ik_smart",
"store": false
},
"city":{
"type": "text",
"analyzer": "ik_smart",
"search_analyzer": "ik_smart",
"store": false
},
"age":{
"type": "long",
"store": false
},
"description":{
"type": "text",
"analyzer": "ik_smart",
"search_analyzer": "ik_smart",
"store": false
}
}
}
#新增文档数据 id=1
PUT /user/userinfo/1
{
"name":"a",
"age":22,
"city":"beijing",
"description":"i love you"
}
#更新数据,id=1
PUT /user/userinfo/4
{
"name":"b",
"description":"you love me"
}
#根据ID查询
GET /user/userinfo/1
#恢复文档数据 id=1
PUT /user/userinfo/1
{
"name":"a",
"age":22,
"city":"beijing",
"description":"i love you"
}
#使用POST更新某个域的数据
POST /user/userinfo/1/_update
{
"doc":{
"name":"b",
"description":"you love me"
}
}
#根据ID查询
GET /user/userinfo/1
#删除数据
DELETE user/userinfo/1
#查询所有
GET /user/_search
#根据ID查询
GET /user/userinfo/1
#搜索排序
GET /user/_search
{
"query":{
"match_all": {}
},
"sort":{
"age":{
"order":"desc"
}
}
}
#分页实现
GET /user/_search
{
"query":{
"match_all": {}
},
"sort":{
"age":{
"order":"desc"
}
},
"from": 0,
"size": 2
}
#查询-term
GET _search
{
"query":{
"term":{
"city":"武汉"
}
}
}
#查询-terms 允许多个Term
GET _search
{
"query":{
"terms":{
"city":
[
"武汉",
"广州"
]
}
}
}
#match查询
GET _search
{
"query": {
"match": {
"description": "武汉"
}
}
}
#过滤-range 范围过滤
#gt表示> gte表示=>
#lt表示< lte表示<=
GET _search
{
"query":{
"range": {
"age": {
"gte": 30,
"lte": 57
}
}
}
}
#过滤搜索 exists：是指包含某个域的数据检索
GET _search
{
"query": {
"exists":{
"field":"address"
}
}
}
#过滤搜索 bool
#must : 多个查询条件的完全匹配,相当于 and。
#must_not : 多个查询条件的相反匹配，相当于 not。
#should : 至少有一个查询条件匹配, 相当于 or。
GET _search
{
"query": {
"bool": {
"must": [
{
"term": {
"city": {
"value": "深圳"
}
}
},
{
"range":{
"age":{
"gte":20,
"lte":99
}
}
}
]
}
}
}
#查询所有 match_all
GET _search
{
"query": {
"match_all": {}
}
}
#字符串匹配
GET _search
{
"query": {
"match": {
"description": "武汉"
}
}
}
#前缀匹配 prefix
GET _search
{
"query": {
"prefix": {
"name": {
"value": "赵"
}
}
}
}
#多个域匹配搜索
GET _search
{
"query": {
"multi_match": {
"query": "深圳",
"fields": [
"city",
"description"
]
}
}
}
#过滤-range 范围过滤
#gt表示> gte表示=>
#lt表示< lte表示<=
GET _search
{
"query": {
"bool": {
"must": [
{"match": {
"city": "深圳武汉"
}}
],
"filter": {
"range": {
"age": {
"gte": 20,
"lte": 60
}
}
}
}
}
}

七、使用Java编程操作ElasticSearch

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <groupId>com.lxs</groupId>
    <artifactId>es-demo</artifactId>
    <version>1.0-SNAPSHOT</version>
    <dependencies>
        <dependency>
            <groupId>org.elasticsearch</groupId>
            <artifactId>elasticsearch</artifactId>
            <version>5.6.8</version>
        </dependency>
        <dependency>
            <groupId>org.elasticsearch.client</groupId>
            <artifactId>transport</artifactId>
            <version>5.6.8</version>
        </dependency>
        <dependency>
            <groupId>org.apache.logging.log4j</groupId>
            <artifactId>log4j-to-slf4j</artifactId>
            <version>2.9.1</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-api</artifactId>
            <version>1.7.24</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-simple</artifactId>
            <version>1.7.21</version>
        </dependency>
        <dependency>
            <groupId>log4j</groupId>
            <artifactId>log4j</artifactId>
            <version>1.2.12</version>
        </dependency>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
        </dependency>
        <dependency>
            <groupId>com.fasterxml.jackson.core</groupId>
            <artifactId>jackson-core</artifactId>
            <version>2.8.1</version>
        </dependency>
        <dependency>
            <groupId>com.fasterxml.jackson.core</groupId>
            <artifactId>jackson-databind</artifactId>
            <version>2.8.1</version>
        </dependency>
        <dependency>
            <groupId>com.fasterxml.jackson.core</groupId>
            <artifactId>jackson-annotations</artifactId>
            <version>2.8.1</version>
        </dependency>
    </dependencies>
</project>

1.创建索引index

//创建索引
public void test1() throws Exception{
 
// 创建Client连接对象
TransportClient client;
        //创建一个client对象
        Settings settings = Settings.builder().put("cluster.name", "my-elasticsearch").build();
        //2:客户端
        client = new PreBuiltTransportClient(settings);
        client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.23.129"), 9300));
//创建名称为ddd的索引
client.admin().indices().prepareCreate("ddd").get();
//释放资源
client.close();
}

2.创建映射mapping

public void test2() throws Exception{
 
// 创建Client连接对象
TransportClient client;
        //创建一个client对象
        Settings settings = Settings.builder().put("cluster.name", "my-elasticsearch").build();
        //2:客户端
        client = new PreBuiltTransportClient(settings);
        client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.23.129"), 9300));
XContentBuilder builder = XContentFactory.jsonBuilder()
                .startObject()
                .startObject("article")
                .startObject("properties")
                .startObject("id")
                .field("type", "integer").field("store", "yes")
                .endObject()
                .startObject("title")
                .field("type", "string").field("store", "yes").field("analyzer", "ik_smart")
                .endObject()
                .startObject("content")
                .field("type", "string").field("store", "yes").field("analyzer", "ik_smart")
                .endObject()
                .endObject()
                .endObject()
                .endObject();
        //3使用api创建索引
        client.admin().indices().preparePutMapping("ddd").setType("article").setSource(builder).get();
        //4：关闭client
        client.close();

3.建立文档document

// 创建Client连接对象
TransportClient client;
        //创建一个client对象
        Settings settings = Settings.builder().put("cluster.name", "my-elasticsearch").build();
        //2:客户端
        client = new PreBuiltTransportClient(settings);
        client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.23.129"), 9300));
        //创建一个文档对象
        XContentBuilder builder = XContentFactory.jsonBuilder()
                .startObject()
                .field("id",2l)
                .field("title","床前明月光")
                .field("content", "疑是地上霜")
                .endObject();
        //把文档对象添加到索引库
        client.prepareIndex()
                //设置索引名称
                .setIndex("ddd")
                //设置type
                .setType("article")
                //设置文档的id，如果不设置的话自动的生成一个id
                .setId("1")
                //设置文档信息
                .setSource(builder)
                //执行操作
                .get();
        //关闭客户端
        client.close();

4.查询文档操作

4.1使用termQuery查询

public void testQueryByQueryString() throws Exception {
 
 //1:配置
       TransportClient client;
        //创建一个client对象
        Settings settings = Settings.builder().put("cluster.name", "my-elasticsearch").build();
        //2:客户端
        client = new PreBuiltTransportClient(settings);
        client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.23.129"), 9300));
         //构件queryBuilder
        QueryBuilder queryBuilder = QueryBuilders.queryStringQuery("床").defaultField("title");
        //执行查询得到
        search(queryBuilder);
        }

4.2使用QueryString

public void testQueryByQueryString() throws Exception {
 
 //1:配置
       TransportClient client;
        //创建一个client对象
        Settings settings = Settings.builder().put("cluster.name", "my-elasticsearch").build();
        //2:客户端
        client = new PreBuiltTransportClient(settings);
        client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.23.129"), 9300));
 //构件queryBuilder
        QueryBuilder queryBuilder = QueryBuilders.matchQuery("title", "床前明月光");
        //执行查询得到
        search(queryBuilder);
        }

4.3使用MatchQuery

public void testQueryByMathQuery() throws Exception {
 
 //1:配置
        TransportClient client;
        //创建一个client对象
        Settings settings = Settings.builder().put("cluster.name", "my-elasticsearch").build();
        //2:客户端
        client = new PreBuiltTransportClient(settings);
        client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.23.129"), 9300));
        //构件queryBuilder
        QueryBuilder queryBuilder = QueryBuilders.matchQuery("title", "床前明月光");
        //执行查询得到
        search(queryBuilder);
    }

4.4使用Id查询

public void testSearchById() throws Exception {
 
 TransportClient client;
        //创建一个client对象
        Settings settings = Settings.builder().put("cluster.name", "my-elasticsearch").build();
        //2:客户端
        client = new PreBuiltTransportClient(settings);
        client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.23.129"), 9300));
        //创建一个查询对象
        QueryBuilder queryBuilder = QueryBuilders.idsQuery().addIds("1");
        search(queryBuilder);
    }

4.5查询MathAll

public void testSearchByMathAll() throws Exception {
 
        TransportClient client;
        //创建一个client对象
        Settings settings = Settings.builder().put("cluster.name", "my-elasticsearch").build();
        //2:客户端
        client = new PreBuiltTransportClient(settings);
        client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.23.129"), 9300));
        //创建一个查询对象
        QueryBuilder queryBuilder = QueryBuilders.matchAllQuery();
        //执行查询得到
        SearchResponse searchResponse = client.prepareSearch("ddd")
                .setTypes("article")
                .setQuery(queryBuilder)
                .setFrom(0)
                .setSize(5)
                .get();
        //处理结果
        SearchHits searchHits = searchResponse.getHits();
        System.out.println("总行数:" + searchHits.getTotalHits());
        Iterator<SearchHit> it = searchHits.iterator();
        while (it.hasNext()) {
 
            SearchHit searchHit = it.next();
            //source->document的json输出
            System.out.println(searchHit.getSourceAsString());
            System.out.println("---文档属性-----");
            Map<String, Object> document = searchHit.getSource();
            System.out.println(document.get("id"));
            System.out.println(document.get("title"));
            System.out.println(document.get("content"));
        }
    }

4.6高亮显示代码实现

public void testSearchByHighlight() throws Exception {
 
        TransportClient client;
        //创建一个client对象
        Settings settings = Settings.builder().put("cluster.name", "my-elasticsearch").build();
        //2:客户端
        client = new PreBuiltTransportClient(settings);
        client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("192.168.23.129"), 9300));
        //创建一个查询对象
        QueryBuilder queryBuilder = QueryBuilders.multiMatchQuery("床", "title", "content");
        HighlightBuilder highlightBuilder = new HighlightBuilder();
        highlightBuilder.field("title");
        highlightBuilder.field("content");
        highlightBuilder.preTags("<em>");
        highlightBuilder.postTags("</em>");
        //执行查询得到
        SearchResponse searchResponse = client.prepareSearch("index_hello")
                .setTypes("article")
                .setQuery(queryBuilder)
                .highlighter(highlightBuilder)
                .get();
        //处理结果
        SearchHits searchHits = searchResponse.getHits();
        System.out.println("总行数:" + searchHits.getTotalHits());
        Iterator<SearchHit> it = searchHits.iterator();
        while (it.hasNext()) {
 
            SearchHit searchHit = it.next();
            //source->document的json输出
            System.out.println("-----文档内容-------");
            System.out.println(searchHit.getSourceAsString());
            System.out.println("----高亮结果-----");
            Map<String, HighlightField> highlightFields = searchHit.getHighlightFields();
            for (Map.Entry<String, HighlightField> entry : highlightFields.entrySet()) {
 
                System.out.println(entry.getKey() + ":\t" + Arrays.toString(entry.getValue().getFragments()));
            }
        }
    }

八、Spring Data ElasticSearch

1.介绍：

Spring Data的官网
.
Spring Data是一个用于简化数据库访问，并支持云服务的开源框架。其主要目标是使得对数据的访问变得方便快捷，并支持map-reduce框架和云计算数据服务。 Spring Data可以极大的简化JPA的写法，可以在几乎不用写实现的情况下，实现对数据的访问和操作。除了CRUD外，还包括如分页、排序等一些常用的功能。

pox.xml

<dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
    </dependencies>

配置启动器

@SpringBootApplication
public class Application {
 
    public static void main(String[] args) {
 
        SpringApplication.run(EsDemo2Application.class, args);
    }
}

配置application.yml

spring:
  data:
    elasticsearch:
      cluster-name: my-elasticsearch
      cluster-nodes: 192.168.23.129:9300

编写实体类

@Document(indexName = "fff", type = "article")
public class Article {
 
    @Id
    @Field(type = FieldType.Long, store = true)
    private Long id;
    @Field(type = FieldType.Text, store = true, analyzer = "ik_smart")
    private String title;
    @Field(type = FieldType.Text, store = true, analyzer = "ik_smart")
    private String content;
    public Long getId() {
 
        return id;
    }
    public void setId(Long id) {
 
        this.id = id;
    }
    public String getTitle() {
 
        return title;
    }
    public void setTitle(String title) {
 
        this.title = title;
    }
    public String getContent() {
 
        return content;
    }
    public void setContent(String content) {
 
        this.content = content;
    }
    @Override
    public String toString() {
 
        return "Article{" +
                "id=" + id +
                ", title='" + title + '\'' +
                ", content='" + content + '\'' +
                '}';
    }
}

编写dao

public interface ArticleDao extends ElasticsearchRepository<Article, Long> {
 
}

测试

@Autowired
    private ArticleDao dao;
     @Autowired
    private ElasticsearchTemplate template;
    @Test
    public void createIndex() {
 
//        template.createIndex(Article.class);
        //配置mapping
        template.putMapping(Article.class);
    }
    @Test
    public void deleteDocumentById() throws Exception {
 
        dao.deleteById(1l);
        //全部删除
        articleRepository.deleteAll();
    }
    @Test
    public void findAll() {
 
        dao.findAll().forEach(System.out :: println);
    }
    @Test
    public void findById() {
 
        System.out.println(dao.findById(1l));
    }

聚合查询

编写实体类

@Document(indexName = "eeee", type = "eee")
public class Eee {
 
    @Id
    @Field(type = FieldType.Long, store = true)
    private Long id;
    @Field(type = FieldType.Text, store = true, analyzer = "ik_smart")
    private String title;
    @Field(type = FieldType.Text, store = true, analyzer = "ik_smart", fielddata = true)
    private String content;
    @Field(type = FieldType.Text, store = true, analyzer = "ik_smart", fielddata = true)
    private String color;
    @Field(type = FieldType.Double, store = true)
    private Double num;
    public Eee(Long id, String title,  String content, String color, Double num) {
 
        this.id = id;
        this.title= title;
        this.content= content;
        this.color = color;
        this.num= num;
    }
    public Eee() {
 
    }
    public Long getId() {
 
        return id;
    }
    public void setId(Long id) {
 
        this.id = id;
    }
    public String getTitle() {
 
        return title;
    }
    public void setTitle(String title) {
 
        this.title= title;
    }
    public String getContent() {
 
        return brand;
    }
    public void setContent(String content) {
 
        this.content= content;
    }
    public String getColor() {
 
        return color;
    }
    public void setColor(String color) {
 
        this.color = color;
    }
    public Double getNum() {
 
        return num;
    }
    public void setNum(Double num) {
 
        this.num= num;
    }
}

编写dao

public interface EeeDao extends ElasticsearchRepository<Eee, Long> {
 
}

测试

@Autowired
    private EeeDao eeeDao;
@Test
    public void testQueryByAggs() {
 
        NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder().withQuery(QueryBuilders.matchAllQuery());
        queryBuilder.withSourceFilter(new FetchSourceFilter(new String[] {
 }, new String[] {
 "content"}));
        //添加聚合
        queryBuilder.addAggregation(AggregationBuilders.terms("group_by_color").field("color"));
        //执行结果，转换成聚合page
        AggregatedPage<Eee> aggPage = (AggregatedPage<Eee>) eeeDao.search(queryBuilder.build());
        //从聚合结果中获得bucket的名字对应的聚合
        StringTerms agg = (StringTerms) aggPage.getAggregation("group_by_color");
        List<StringTerms.Bucket> buckets = agg.getBuckets();
        buckets.forEach(b -> {
 
            String color = b.getKeyAsString();
            Long docCount = b.getDocCount();
            System.out.println("color = " + color + " 总数" + docCount);
        });
    }
    @Test
    public void testQueryBySubAggs() {
 
        NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder().withQuery(QueryBuilders.matchAllQuery());
        queryBuilder.withSourceFilter(new FetchSourceFilter(new String[] {
 }, new String[] {
 "content"}));
        //添加聚合
        queryBuilder.addAggregation(AggregationBuilders.terms("group_by_color").field("color")
                .subAggregation(AggregationBuilders.avg("avg_num").field("num")));
        //执行结果，转换成聚合page
        AggregatedPage<Car> aggPage = (AggregatedPage<Car>) eeeDao.search(queryBuilder.build());
        //从聚合结果中获得bucket的名字对应的聚合
        StringTerms agg = (StringTerms) aggPage.getAggregation("group_by_color");
        List<StringTerms.Bucket> buckets = agg.getBuckets();
        buckets.forEach(b -> {
 
            String color = b.getKeyAsString();
            Long docCount = b.getDocCount();
            //取得内部聚合
            InternalAvg avg = (InternalAvg) b.getAggregations().asMap().get("avg_num");
            System.out.println("color = " + color + " 总数" + docCount + " 平均价格：" + avg.getValue());
        });
    }

Elasticsearch学习

一、ElasticSearch简介

1.什幺是ElasticSearch

2.es的优点

二、Elasticsearch核心概念

1.索引 index

2.类型 type

3.字段Field

4.映射 mapping

5.文档 document

6.集群 cluster

7.节点 node

8.分片 shards

9.复制 replicas

10.理解

三、Elasticsearch 安装

1.这里使用docker镜像下载

2.安装es容器

4.开启远程连接

5.出现问题

6.跨域配置

四、ElasticSearch的客户端操作

1.使用elasticsearch-head

2.使用Postman工具进行Restful接口访问

2.1ElasticSearch的接口语法：

2.2创建索引index

2.3设置映射mapping

2.4删除索引index

2.5创建文档document

2.6修改文档document

2.7删除文档document

2.8查询文档-根据id查询

2.9查询文档-querystring查询

2.10查询文档-term查询

五、IK分词器

1.安装ik分词器

2.使用ik分词器

六、Kibana使用

1.Kibana下载安装

2.DSL语句使用

七、使用Java编程操作ElasticSearch

1.创建索引index

2.创建映射mapping

3.建立文档document

4.查询文档操作

4.1使用termQuery查询

4.2使用QueryString

4.3使用MatchQuery

4.4使用Id查询

4.5查询MathAll

4.6高亮显示代码实现

八、Spring Data ElasticSearch

聚合查询

Be First to Comment

发表回复 取消回复

发表回复取消回复