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.
最近紧急承接了一个以ES为基础的项目，核心功能是数据检索，然而我发现项目的性能有大问题亟待优化。因此ES学习任务的优先级被提到了最高，而容器化和事务专题的整理任务往后顺延。正好赶上中秋节，有机会巩固一下基础顺便对之前学习的内容进行阶段性总结。
本文作为三方件专题的第一篇，介绍ES的基础内容，包括：ES的基本概念、Http接口以及Java相关API等；分布式相关的概念和ES性能调优等放在ES高级篇中介绍。
本文的核心目的是支撑后续开发中的快速查询，也可以帮助读者快速入门ES。
1.1 索引
索引类似Mysql的schema，是一个分组的概念，不同的索引库相互隔离；也可以理解成是文档数据的集合。ES对外提供的能力都以HTTP接口形式呈现，而这些接口基本都需要指定索引。在ES节点或集群中可以有任意数量的索引，需要保证索引名全局唯一。
1.2 类型
ES废弃了其他不必要的类型(6.X版本后)，目前只有_doc文档类型一种。
1.3 文档
文档以JSON格式存在于索引库中(类似于数据库记录)，是ES与外界交互的最小颗粒，入库和查询时都以文档为单位。在百度或google上搜索关键字得到的返回结果就是文档列表。
1.4 mapping
1.4.1 mapping介绍
为所属ES库指定字段类型，可以自己定义(显示映射
)，也可以让ES自动生成(动态映射
)；后续入库文档对应的字段类型必须与此保持一致，否则会入库失败并抛出异常。
可在新建索引时同时设置mapping，不设置mapping默认为空：
#创建索引库-同时指定mapping映射
PUT http://localhost:9200/sheng
{
"mappings":{
"properties":{
"name":{
"type":"text",
"index":true,
"analyzer":"ik_max_word"
},
"age":{
"type":"integer",
"index":true
},
"email":{
"type":"keyword",
"index":true
}
}
}
}
查询sheng索引库的映射:
GET http://localhost:9200/sheng/_mapping
#得到结果：
{
"sheng": {
"mappings": {
"properties": {
"age": {
"type": "integer"
},
"email": {
"type": "keyword"
},
"name": {
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}
}
其中：
type为字段指定类型，如keyword和text表示字符串类型，在字段类型汇中进行介绍；
analyzer用于指定入库分析器类型，包括ik_max_word和ik_smart等，后续在分析器中介绍；
index表示是否作为索引，false表示不作为索引，即不进行倒排索引，因此无法作为关键字搜索；
需要注意：mapping中的字段类型只能新增不能修改或删除；
1.4.2 mapping常用的字段类型
1.字符串类型：
ES取消了string类型(5.x版本以后)，由text和keyword取代：
(1) text支持分词—全文检索，不支持聚合、排序操作；
(2) keyword不进行分词—直接检索，支持聚合、排序操作。
2.整数和浮点类型：
常见有integer, long, short, byte, double, float(与java无区别兩略); 注意也可以传入类似”1″等字符串型整数；
3.布尔类型：
boolean(与java无区别兩略)
4.日期类型：
类型为date，支持以下格式：
[1]2015-01-01
,2015/01/01 12:10:30
[2] long类型的毫秒数
[3] integer的秒数
建议同时使用format指定时间格式(指定后-必须完全匹配), 如：
#POST http://localhost:9200/sheng/_mapping
{
"properties":{
"testdayf":{
"type":"date",
"format": "yyyy-MM-dd HH:mm:ss",
"index":true
}
}
}
入库时，文档的testdayf字段必须为 2022-12-12 12:12:12形式，即使2022-12-12也会报错;
5.二进制类型
binary类型接受base64编码的字符串和二进制数据，默认不可搜索
。
使用被指定为binay类型的字段进行搜索时，抛出如下异常：
{
"type": "query_shard_exception",
"reason": "Binary fields do not support searching",
"index_uuid": "coAY6GXuRfm7V4Dca5fKpQ",
"index": "sheng"
}
返回时，随文档一起放回：
GET http://localhost:9200/sheng/_doc/21
{
"_index": "sheng",
"_type": "_doc",
"_id": "21",
"_version": 1,
"_seq_no": 3,
"_primary_term": 1,
"found": true,
"_source": {
"name": "sy21",
"age": 21,
"binatytest": "1MOyoQIABAAAAAAAAAAAAAAABAAEABkzMau+fbwAACABF..."
}
}
6.复合类型：
数组: 默认任何字段都可以包括多个值，不过数组中所有值必须具有相同的数据类型
在索引库中新增以下映射：
{
"properties": {
"name": {
"type": "text",
"index": true
},
"addr": {
"type": "text",
"index": true
}
}
}
新建文档：
POST http://localhost:9200/sheng/_doc/1
{
"name":"sy1",
"addr":["beijing","nanjing","shanghai"]
}
查询文档：
{
"_index": "sheng",//...
"_source": {
"name": "sy1",
"addr": [
"beijing",
"nanjing",
"shanghai"
]
}
}
对象: JSON格式数据
在索引库中新增以下映射：
{
"properties": {
"name": {
"type": "text"
},
"addr1": {
"properties": {
"addr21": {
"type": "text"
},
"addr22": {
"properties": {
"addr31": {
"type": "text"
},
"addr32": {
"type": "text"
}
}
}
}
}
}
}
新建文档：
{
"name": "sy1",
"addr1": {
"addr21": "21",
"addr22": {
"addr31": "31",
"addr32": "32"
}
}
}
查询文档：
{
"_index": "sheng", //...
"_source": {
"name": "sy1",
"addr1": {
"addr21": "21",
"addr22": {
"addr31": "31",
"addr32": "32"
}
}
}
}
嵌套: Map格式数据
在索引库中新增以下映射：
{
"properties": {
"name": {
"type": "nested"
}
}
}
新增文档：
{
"name":{
"name1":"1",
"name2":"2"
}
}
查询文档：
{
"_index": "sheng",//...
"_source": {
"name": {
"name1": "1",
"name2": "2"
}
}
}
1.6 分词器
分析器由字符过滤器s、 一个分词器、词元过滤器s组成。其中核心是分词器，因此很多资料上对二者没有严格的区分；过滤器主要用于剥离HTML元素、字符替换，以及去除停词(如：a, is,the)等。本文不深究分析器内部组成原理，因此后文对分析器和分词器概念不再做区分，一律使用分词器表示。
需要注意的是：text字符类型支持分词而keyword不支持，因此分析器的概念是针对text类型的字符串，对其他类型字段分词没有意义；因此后文提及文档入库以及检索时的分词概念均针对text类型, 不再单独强调。
分词器在文档入库以及检索时发挥作用，可手动指定或使用默认分词器：
文档入库时，分词器的优先级顺序排序如下：
1.字段指定的analyzer(文档中指定或者mapping中指定);
2.settings中配置的默认分词器;
3.使用默认的standard分词器;
检索文档时，分词器的优先级顺序排序如下：
1.搜索时指定的search_analyzer；
2.mapping中对应字段的search_analyzer分词器类型;
3.settings中配置的默认分词器;
4.使用默认的standard分词器;
在ES中，可配置ES自带的或第三方提供的或自定义的分词器。如默认的standard分析器为ES自带，中文相关的ik_smart和ik_max_word插件来自第三方(安装教程见附录2)，以下简单介绍一下这三类分词器的使用：
standard：
基于unicode文本分割算法进行分词：
POST http://localhost:9200/_analyze
{
"analyzer":"standard",
"text":"I had a dream, when I was young."
}
按照空格和特殊字符进行分割后，还会将所有单词转为小写：
{
"tokens": [
{
"token": "i",
"start_offset": 0,
"end_offset": 1,
"type": "word",
"position": 0
},
{
"token": "had",
"start_offset": 2,
"end_offset": 5,
"type": "word",
"position": 1
},
{
"token": "a",
"start_offset": 6,
"end_offset": 7,
"type": "word",
"position": 2
},
{
"token": "dream",
"start_offset": 8,
"end_offset": 13,
"type": "word",
"position": 3
},
{
"token": "when",
"start_offset": 15,
"end_offset": 19,
"type": "word",
"position": 4
},
{
"token": "i",
"start_offset": 20,
"end_offset": 21,
"type": "word",
"position": 5
},
{
"token": "was",
"start_offset": 22,
"end_offset": 25,
"type": "word",
"position": 6
},
{
"token": "young",
"start_offset": 26,
"end_offset": 31,
"type": "word",
"position": 7
}
]
}
ik_smart和ik_max_word
使用ik_smart分词器：
POST http://localhost:9200/_analyze
{
"analyzer":"ik_smart",
"text":"我年轻时有个梦想"
}
得到以下分词结果：
{
"tokens": [
{
"token": "我",
"start_offset": 0,
"end_offset": 1,
"type": "CN_CHAR",
"position": 0
},
{
"token": "年轻",
"start_offset": 1,
"end_offset": 3,
"type": "CN_WORD",
"position": 1
},
{
"token": "时有",
"start_offset": 3,
"end_offset": 5,
"type": "CN_WORD",
"position": 2
},
{
"token": "个",
"start_offset": 5,
"end_offset": 6,
"type": "CN_CHAR",
"position": 3
},
{
"token": "梦想",
"start_offset": 6,
"end_offset": 8,
"type": "CN_WORD",
"position": 4
}
]
}
使用ik_max_word分词器：
{
"tokens": [
{
"token": "我",
"start_offset": 0,
"end_offset": 1,
"type": "CN_CHAR",
"position": 0
},
{
"token": "年轻时",
"start_offset": 1,
"end_offset": 4,
"type": "CN_WORD",
"position": 1
},
{
"token": "年轻",
"start_offset": 1,
"end_offset": 3,
"type": "CN_WORD",
"position": 2
},
{
"token": "时有",
"start_offset": 3,
"end_offset": 5,
"type": "CN_WORD",
"position": 3
},
{
"token": "个",
"start_offset": 5,
"end_offset": 6,
"type": "CN_CHAR",
"position": 4
},
{
"token": "梦想",
"start_offset": 6,
"end_offset": 8,
"type": "CN_WORD",
"position": 5
}
]
}
发现ik_max_word尽可能地进行拆词和组词，而ik_smart基本按照语义进行拆词。
2.ES和kibana安装流程
2.1 ES安装流程
在MAC上基于brew安装ES流程比较简单:
#1.安装ES brew install elastic/tap/elasticsearch-full #2.启动ES brew services start elastic/tap/elasticsearch-full
验证安装是否成功：
注意ES的版本号，安装kibana和ik插件时需要保持版本一致；
2.2 kibana安装流程
kibana可以作为的可视化工具，安装时需要注意保持kibana与es的版本一致性；
下载后进行解压缩安装：
[1] 修改./config/kibana.yml配置文件
server.host: "0.0.0.0" elasticsearch.hosts: ["http://localhost:9200"] i18n.locale: "zh-CN"
[2] 使用非root用户执行kibana
# 注意：给用户添加访问和执行kibana的权限 su seong sh kibana
安装完kibana后，在5601端口侦听：
如上图所示，该ES实例中只有sheng一个索引库，且该索引库只有一个分片。
另外，开发工具页面提供了与ES交互的接口：
3.HTTP接口介绍
ES对外提供Restful风格的Http接口，部分与Restful风格有出入：如创建索引时使用PUT而非POST.
3.1 索引相关
索引接口格式为：http://localhost:9200/${index_name}
, 支持 [DELETE, PUT, GET, HEAD]方法，即索引支持新增、按名称删除和查询，不支持修改。
3.1.1 创建索引
PUT http://localhost:9200/sheng
#得到
{
"acknowledged": true,
"shards_acknowledged": true,
"index": "seong"
}
如果索引已存在，会抛出异常：resource_already_exists_exception.
3.1.2 删除索引
DELETE http://localhost:9200/sheng
#得到
{
"acknowledged": true
}
被删除的索引不存在时，抛出异常：index_not_found_exception.
3.1.3 查询索引
PUT http://localhost:9200/sheng
#得到
{
"acknowledged": true,
"shards_acknowledged": true,
"index": "seong"
}
不存在时，抛出异常：index_not_found_exception.
3.2 mapping相关
映射的接口格式为http://localhost:9200/sheng/_mapping
, 支持 [POST, PUT, GET]方法，即映射支持新增、修改和查询，不支持删除;
需要注意兩映射中字段类型一旦创建，不可修改和删除，因此PUT方法只能新增字段类型。
{
"properties": {
"name1": {
"type": "text",
"index": true
},
"name2": {
"type": "long",
"index": true
}
}
}
该接口可同时添加多个字段的类型，操作为事务型，一个失败-所有添加操作都会失败；
注意：mapping的字段类型只能添加不能修改和删除；当新增的字段与原字段相同时-忽略，冲突时-抛出异常；
3.3 settings相关
3.3.1 查询指定索引的settings配置
仅支持PUT和GET方法，支持查询和局部修改；
GET http://localhost:9200/seong1/_settings
#得到
{
"seong1": {
"settings": {
"index": {
"creation_date": "1662348474856", // 时间戳
"number_of_shards": "1", // 分片数
"number_of_replicas": "0", // 副本数
"uuid": "Plq_afNyQtuCLSixd9-1vA", // 唯一Id
"version": {
"created": "7090399" // ES版本号
},
"provided_name": "seong1" // 所属索引
}
}
}
}
3.3.3 修改指定索引的settings配置
settings中的配置分为静态配置和动态配置，其中静态配置(如 number_of_shards)不可修改；
PUT http://localhost:9200/seong1/_settings
{
"settings": {
"number_of_replicas": "2"
}
}
3.4 文档操作相关
文档支持新增、修改、删除、查询以及批量查询和关键字检索等；
3.4.1 文档新增
#POST http://localhost:9200/sheng/_doc/{
id}
{
"name":"zhangsan",
"age":18,
"email":"[email protected]"
}
创建时，可以指定文档的id，建议与文档内容保持相关性；如文档为身份信息，可以用身份证ID作为文档的id;
如果文档存在，则覆盖原来的文档；
3.4.2 文档更新
更新效果同新增，完全覆盖；没有-新增，有-覆盖；对应PUT方法；
3.4.3 按文档ID删除文档
#DELETE http://localhost:9200/sheng/_doc/{
id}
3.4.4 按文档ID查询文档
GET http://localhost:9200/sheng/_doc/{
id}
#得到
{
"_index": "test1",
"_type": "_doc",
"_id": "3",
"_version": 2,
"_seq_no": 20,
"_primary_term": 1,
"found": true,
"_source": {
"id": 2,
"name": "test2"
}
}
3.4.5 按文档ID批量查询文档
GET http://localhost:9200/test1/_mget
#得到
{
"docs":[
{
"_id":"4"
},
{
"_id":"5"
}
]
}
3.5 检索功能
文档检索使用http://localhost:9200/test1/_search
, 为GET类型方法，存在不同的检索方式，区别在于消息体；
{
"query":{
#ES多种类型的检索条件
match:{
} // 1.直接匹配
wildcard:{
} //2.可解析通配符，模糊查询
fuzzy:{
} //3.模糊、纠错查询
bool:{
}//4.布尔查询，重点
},
"from": 0, #from从0开始表示第一项，size表示一次查询的数量，基于此可以实现分页查询。
"size": 6
}
常用的查询有以上四种类型，且query中不能同时支持多种类型的查询条件。
3.5.1 match
#GET http://localhost:9200/test1/_search
{
"query":{
"match":{
"name":"test2"
}
}
}
query.match中的字段表示需要精确匹配的项，案例表示在test1索引库中搜索所有name为test2的文档；
3.5.2 wildcard
#GET http://localhost:9200/test1/_search
{
"query":{
"wildcard":{
"name":"*test*"
}
}
}
query.wildcard中的字段表示进行模糊匹配，案例表示在test1索引库中搜索所有name包含test的文档；
3.5.3 fuzzy
#GET http://localhost:9200/test1/_search
{
"query":{
"wildcard":{
"name":"*test*"
}
}
}
query.fuzzy中与wildcard类似，但是有纠错能力，如test2, 也可以搜索test;
3.5.4 bool
bool功能较为强大，内部可以包含must和must_not以及should:
{
"query":{
"bool":{
"must":[], #表示必须
"must_not":[], #表示必须不
"should":[] #表示至少满足一个
}
}
}
每个must，must_not，should为数组类型，内部可以包含多个条件项；
另外，must/must_not/should可以同时出现，根据组合的不同-发挥的效果也不同：
(1) 单独出现：
must:[] 表示内部条件项必须全部满足;
must_not:[] 表示内部条件向必须全部不满足——要幺不存在，要幺存在-值不满足；
must_not:[] 表示内部条件至少有一个满足;
(2) must与must_not组合
must内所有条件项满足，must_not所有条件项不满足;
(3) must与should组合
must内所有条件项满足，should不用于过滤而仅用于打分，满足should的分数被提高;
(4) must_not与should组合
此时should至少满足一个，然后与must_not取并集；
(5) must与must_not与should组合
must与must_not组合过滤，此时should不用于过滤而用于打分
如下所示是一个布尔查询，结合了must，must_not和should：
#GET http://localhost:9200/sheng/_search
{
"query":{
"bool":{
"must":[
{
"match":{
"name":"xx"
}
}
],
"must_not":[
{
"match":{
"age":22
}
}
],
"should":[
{
"match":{
"email":"[email protected]"
}
}
]
}
}
}
上述案例表示：查询所有name为”xx”且age不为22(文档不存在该字段或文档age字段值不为22)，并提高满足email为”[email protected]”的文档的得分。
需要注意的是bool除了可以存在于query内部，也可以作为查询条件嵌入到must中(详见附录: 附录中总结了一些常见条件逻辑关于Bool查询的实现，方便以后查询).
注意点：
[1] must可被filter替换，二者均表示必须满足条件；区别在于filter不进行打分且存在缓存，因此效率高于must;
[2] match可被term替换，区别在于term精确匹配， match模糊匹配。
除此之外，还有很多查询条件如terms等，本文不再介绍。
3.6 高亮显示
在检索文档时，可在query平行位置添加hightlight对象，提示ES返回高亮信息；
{
"query": {
"bool": {
"must":[
// {"term":{"A":"x"}},
{
"term":{
"B":"x"}}
]
}
},
"highlight": {
"require_field_match": "false",
"fields": {
"A": {
},
"B": {
},
"C": {
}
}
}
}
默认require_field_match为true, 表示仅会高亮用于搜索的字段；即此时仅会高亮B字段中的x值；
当require_field_match设置为false时，fields中的字段值均会高亮; 即此时会高亮A或B或C字段中x值.
3.7 遍历全部数据
ES提供了分页查询的能力，如下所示：
# http://localhost:9200/sheng/_search
{
"query": {
"match": {
"name": "sy"
}
},
"from": 0,
"size": 50
}
但是出现深查询或者特殊场景全量查询时，分页查询就无能为力了。一方面是因为ES默认最多查询1W条数据(可配置)，另一方面是深查询效率较低，分页的实现机制：查询前n条数据，并从中截取所需的分页返回。
此时可借助scroll进行滚动查询：
返回值有有一个_scroll_id字段，再次查询时可借助该字段标记的位置继续往下查询：
此时查询的结果为空，即上一次查询已查完了所有文档；递归遍历ES索引库时，也可以根据返回的hits数组长度是否为0作为结束条件。
4. Java相关API
Java基于ES提供的restful型HTTP接口进行了一层封装；
4.1 建立与关闭链接对象
Java与ES的操作被封装成RestHighLevelClient对象，可以通过调用RestHighLevelClient类提供的方法，间接调用ES提供的restful型的HTTP接口。
// 通过es服务器的ip和端口进行连接，port默认一般为9200
public RestHighLevelClient getClient() {
return new RestHighLevelClient(RestClient.builder(new HttpHost(host, port, "http")));
}
关闭client对象：
public void closeClient(RestHighLevelClient client) {
if (client != null) {
try {
client.close();
} catch (Exception e) {
logger.warn("close client failed", e);
}
}
}
4.2 新增文档
如果ID为2的文档存在—进行覆盖，不存在—新增；
IndexRequest indexRequest = new IndexRequest();
Map<String, Object> map = new HashMap();
map.put("name", "testSy002");
map.put("description", "hello sy!");
indexRequest.index("seong").id(2).source(map);
client.index(indexRequest, RequestOptions.DEFAULT);
4.3 修改文档
4.3.1 修改指定文档的字段
// 必要操作，更新前如果不存在-会抛出ElasticsearchStatusException异常
GetResponse getResponse =
client.get(new GetRequest().index("seong").id(id), RequestOptions.DEFAULT);
if (!getResponse.isExists()) {
return;// 更新之前进行查询，如果文档不存在不进行更新
}
// 以map形式构建更新的文档，如果id文档有name字段-进行覆盖，没有-新增
Map<String, Object> map = new HashMap<>(1);
map.put("name", "testSy");
// 执行更新操作
UpdateRequest updateRequest = new UpdateRequest().index("seong1").id(id).doc(map);
client.update(updateRequest, RequestOptions.DEFAULT);
4.3.2 删除指定文档的字段
UpdateRequest支持脚本语言，通过Script对象进行包装;
// 删除指定的字段
Script script = new Script("ctx._source.remove(\"" + field + "\")")
UpdateRequest updateRequest = new UpdateRequest.index("seong").id("1").script(script));
=> 可用于 删除所有文档的指定字段：查询文档集合-bulkrequest-bulk();
此时，仅删除文档中的该字段，但是mapping中数据不会变化;
4.4 删除文档
4.4.1 根据文档id删除文档
// 根据ID删除文档对应DeleteRequest对象
DeleteRequest request = new DeleteRequest().index("seong").id(id);
DeleteResponse response = client.delete(request, RequestOptions.DEFAULT);
4.5 批量操作
批量操作对应于BulkRequest
和BulkResponse
对象；
BulkRequest对象中可以添加任意数量的操作，从而进行批次处理；
BulkRequest request = new BulkRequest();
request.add(new DeleteRequest().index("seong").id(1);
request.add(new DeleteRequest().index("seong").id(2);
request.add(new DeleteRequest().index("seong").id(3);
request.add(new DeleteRequest().index("seong").id(4);
request.add(new DeleteRequest().index("seong").id(5);
...
BulkResponse response = client.bulk(request, RequestOptions.DEFAULT);
case：批量删除ES索引库中的所有文档
while (true) {
BulkRequest request = new BulkRequest();
SearchResponse response = client.search(new SearchRequest().indices("seong")
.source(new SearchSourceBuilder().size(10000)), RequestOptions.DEFAULT);
if (response.getHits().getHits().length > 0) {
for (SearchHit hit : response.getHits().getHits()) {
request.add(new DeleteRequest().index("seong").id(hit.getId()));
}
client.bulk(request, RequestOptions.DEFAULT);
} else {
break;
}
}
4.6 查询操作
4.6.1 根据文档id进行查询
// 根据id查询操作对应GetRequest和GetResponse对象
GetRequest request = new GetRequest().index("seong").id(id);
GetResponse response = client.get(request, RequestOptions.DEFAULT)
4.6.2 根据字段-精确匹配查询
// 查询操作对应SearchRequest对象
SearchRequest request = new SearchRequest();
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder()
.query(QueryBuilders.termQuery(field, fieldValue)) //hit.field=fieldValue精确匹配
.from(0).size(10000) //分页查询从1到1万
request.indices("seong") //指定需要查询的索引库
.source(sourceBuilder);// 设置查询条件
// 可以从response的hits属性中可以得到查询结果
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
SearchHits hits = response.getHits();
4.6.3 根据关键字匹配
// 构建BoolQuery
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery()
//should表示可以
.should(QueryBuilders.wildcardQuery("id", "*1*")) *表示匹配全部
.should(QueryBuilders.matchQuery("name", "sy"))
.must(QueryBuilders.matchQuery("age", 11)
// query中加入查询的过滤条件，也可以加上from(0).size(10000)分页进行查询
SearchSourceBuilder source = new SearchSourceBuilder().query(boolQuery);
// 查询模板
SearchRequest request = new SearchRequest().indices("seong").source(source);
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
BoolQuery实现原理：
{
"query":{
"bool":{
"must":[
{
"match":{
"age":"11"}
}
],
"should":[
{
"match":{
"id":"*1*"}
},
{
"match":{
"name":"sy"}
},
]
}
}
}
4.7 Mapping操作
mapping用于为索引库中文档的字段指定类型，不指定时-ES自动推测; 添加mapping时，可以通过Map也可以通过XContentBuilder，但是传入Map对象时，也会转成XContentBuilder对象，且mapping中层次比较多，因此推荐直接使用XContentBuilder.
// 构建XContentBuilder对象
XContentBuilder builder = XContentFactory.jsonBuilder()
.startObject()
.startObject("properties")
.startObject(tagType.getType())
.field("type", "text")
.field("analyzer", "ik_smart")
.field("search_analyzer", "ik_smart")
.startObject("fields")
.startObject("raw")
.field("type", "keyword")
.endObject()
.endObject()
.endObject()
.endObject()
.endObject();
// 向"seong"索引库添加mapping信息
PutMappingRequest mappingRequest = new PutMappingRequest("seong").source(builder);
client.indices().putMapping(mappingRequest, RequestOptions.DEFAULT);
上述XContentBuilder对于的json对象可以表示为：
{
"properties": {
"type": "text",
"analyzer": "ik_smart",
"search_analyzer": "ik_smart",
"fields":{
"raw":{
"type": "keyword"}
}
}
}
附录1：bool搜索与条件逻辑
使用A、B、C、D表示文档的4种属性; 用A表示文档的属性为a，B表示文档的属性为b;
条件1：A and B
{
"query":{
"bool":{
"must":[
{
"match":{
"A":"a"}
},
{
"match":{
"A":"a"}
}
]
}
}
}
条件2：A or B
{
"query":{
"bool":{
"should":[
{
"match":{
"A":"a"}
},
{
"match":{
"A":"a"}
}
]
}
}
}
条件3：A or !B
{
"query": {
"bool": {
"should": [
{
"bool": {
"should": [
{
"match":{
"A":"a"}
}
]
}
},
{
"bool": {
"must_not": [
{
"match":{
"B":"b"}
}
]
}
}
]
}
}
}
条件4：A and (B or c)
{
"query": {
"bool": {
"must": [
{
"bool": {
"must": [
{
"match":{
"A":"a"}
}
]
}
},
{
"bool": {
"should": [
{
"match":{
"B":"b"}
},
{
"match":{
"C":"c"}
}
]
}
}
]
}
}
}
条件5：(A or B) && (C or D)
{
"query": {
"bool": {
"should": [
{
"bool": {
"must": [
{
"match":{
"A":"a"}
},
{
"match":{
"B":"b"}
}
]
}
},
{
"bool": {
"must": [
{
"match":{
"C":"c"}
},
{
"match":{
"D":"d"}
}
]
}
}
]
}
}
}
附录2：ik分词器安装教程
步骤1: 下载ik插件压缩包，注意版本号需要与ES版本还保持一致，否则重启ES可能会失败ik插件下载地址
步骤2: 在./plugins目录下新增ik文件夹；
步骤3: 将压缩文件解压缩到./plugins/ik目录下；
步骤4: 重启ES.
倒排原理：放在ES下篇中
Be First to Comment