es 的介绍和基本用法
ElasticSearch
转载请注明出处。
引言
1.在海量数据中执行搜索功能时,如果使用MySQL, 效率太低。
2.如果关键字输入的不准确,一样可以搜索到想要的数据。
3.将搜索关键字,以红色的字体展示。
介绍:
es是一个使用java语言并且基于Lucene编写的搜索引擎框架,提供了分布式的全文搜索功能,提供了一个统一的基于restful风格的web接口。
- haystack:全文检索的框架,支持whoosh、solr、Xapian、Elasticsearc四种全文检索引擎,点击查看官方网站。
- whoosh:纯Python编写的全文搜索引擎,虽然性能比不上sphinx、xapian、Elasticsearc等,但是无二进制包,程序不会莫名其妙的崩溃,对于小型的站点,whoosh已经足够使用,点击查看whoosh文档。
- jieba:一款免费的中文分词包,如果觉得不好用可以使用一些收费产品。
分布式:突出横向扩展能力。
全文检索:将一段词语进行分词,并且将分出的单个词语统一的放到一个分词库中,在搜索时,根据关键字去分词库中检索,找到匹配内容。(倒排索引)
端口:9200
倒排索引
1.将存放的数据,以一定的方式进行分词,并且将分词的数据存放到一个单独的分词库中
2.当用户去查询数据时,会将用户的查询关键字进行分词
3.然后去分词库中匹配内容,最终得到数据的id标识
4.根据id标识去存放数据的位置拉取到指定的数据
不会直接去存放数据的数据库检索而是先去分词库去检索,再返回数据库的数据
1.es服务中可以创建多个索引。
2.es服务每一个索引默认有5个分片。
3.每一个分片都会存在至少一个备份分片。
4.从分片默认是不会帮助检索数据,当es检索压力特别大时,备份分片才会帮助检索数据。
5.备份的分片必须放在不同的服务器中。
分片可以提高检索效率,分片1会备份分片2中的数据,防止分片2挂掉
kibana
kibana端口:5601
查看索引的文档信息
1.配置索引,点击进行下一步
2.点击Discover,进行查看
##启动es和kibana
cd /Users/yutang/docker_es
docker-compose up
1.索引基本操作
1.1 创建一个索引
#创建一个person索引
PUT /person
{
"settings": {
"number_of_shards": 5, //分片数
"number_of_replicas": 1 //备份数
}
}
1.2 查看索引信息
#查看索引
GET /person
1.3 删除索引
#删除索引
DELETE /person
1.4 ES中Field可以指定的类型
官网地址核心数据类型地址:https://www.elastic.co/guide/en/elasticsearch/reference/6.5/mapping-types.html
字符串String:
text:一般用于全文检索。将当前的field进行分词
keyword: 当前的Field不可被分词
数值类型Numeric:
long,
integer,
short,
byte,
double,
float,
half_float,
scaled_float
时间类型Data:
date,可以指定具体的格式
布尔类型Boolean:
boolean
二进制类型Binary:
binary
范围类型Range:
integer_range, float_range, long_range, double_range, date_range
经纬度类型:
geo_point:用来存储经纬度
ip类型:
ip:可以存储ipv4或者ipv6
1.5 创建索引并指定数据结构
以创建小说为例子
PUT /book
{
"settings": {
//备份数
"number_of_replicas": 1,
//分片数
"number_of_shards": 5
},
//指定具体的数据结构
"mappings": {
//指定类型 Type
"novel": {
//文件存储的Field属性名
"properties": {
"name": {
"type": "text",
//指定分词器的名称
"analyzer": "ik_max_word",
//指定当前的Field可以作为查询的条件,默认是true
"index": true
},
"authoor": {
"type": "keyword"
},
// 字数
"count": {
"type": "long"
},
"onSale": {
"type": "date",
"format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
},
"descr": {
"type": "text"
}
}
}
}
}
1.6 文档的操作
文档在ES服务中的唯一标志,_index, _type, _id 三个内容为组合,来锁定一个文档,操作抑或是修改
PUT要指定id,不然会失败;POST则不用
1.6.1 新建文档
- 自动生成id
POST /book/novel
{
"name": "西游记",
"authoor": "刘明",
"onSale": "2020-12-11",
"count": 100000,
"descr": "哈哈哈哈哈哈"
}
- 手动指定ID(更推荐)
PUT /book/novel/1
{
"name": "三国演义",
"authoor": "小明",
"onSale": "2020-12-11",
"count": 100000,
"descr": "哈哈哈哈哈哈"
}
1.6.2 修改文档
-
覆盖式修改
# 直接覆盖id为1的数据 PUT /book/novel/1 { "name": "三国演义", "authoor": "小明", "onsale": "2020-12-11" }
-
doc修改方式(更推荐)
POST /book/novel/1/_update { "doc": { "name": "*家丁" } } #先锁定文档,_update 修改需要的字段即可
1.6.3 删除文档
-
删库
DELETE /book/novel/1
1.6.4 查询结果过滤
_source 过滤显示指定字段
POST /book/novel/_search
{
"query": {
"match_all": {}
},
"_source": ["name", "authoor"]
}
1.6.5 排序
sort 按照指定顺序返回,此时的_score是nul
POST /book/novel/_search
{
"query": {
"match_all": {}
},
"sort": [
{
"count": {
"order": "desc" //降序
}
}
]
}
2.ElasticSearch练习
-
索引 : sms-logs-index
-
类型:sms-logs-type
字段名称 | 备注 |
---|---|
createDate | 创建时间String |
sendDate | 发送时间 date |
longCode | 发送长号码 如 16092389287811 string |
Mobile | 如 13000000000 |
corpName | 发送公司名称,需要分词检索 |
smsContent | 下发短信内容,需要分词检索 |
State | 短信下发状态 0 成功 1 失败 integer |
Operatorid | 运营商编号1移动2联通3电信 integer |
Province | 省份 |
ipAddr | 下发服务器IP地址 |
replyTotal | 短信状态报告返回时长 integer |
Fee | 扣费 integer |
-
数据导入部分
PUT /sms_logs_index/sms_logs_type/1 { "corpName": "途虎养车", "createDate": "2020-1-22", "fee": 3, "ipAddr": "10.123.98.0", "longCode": 106900000009, "mobile": "1738989222222", "operatorid": 1, "province": "河北", "relyTotal": 10, "sendDate": "2020-2-22", "smsContent": "【途虎养车】亲爱的灯先生,您的爱车已经购买", "state": 0 }
3. ES的各种查询
4.1 term&terms查询
4.1.1 term查询
term的查询是代表完全匹配,搜索之前不会对你搜索的关键字进行分词,对你的关键字去文档分词库中去匹配内容。
#term匹配查询 查询身份是北京的数据
POST /sms_logs_index/sms_logs_type/_search
{
// limit from,size返回5条数据
"from": 0,
"size": 5,
"query": {
"term": { // term查询
"province": {
"value": "河北"
}
}
}
}
##完成的匹配,不会对term中所匹配的值进行分词查询
4.1.2terms查询
terms是针对一个字段包含多个值得运用
类似where province = 河北 or province = xxx or province = xxxx
#terms 匹配查询省份是河北或者河南的数据
POST /sms_logs_index/sms_logs_type/_search
{
"from": 0,
"size": 5,
"query": {
"terms": {
"province": [
"河北",
"河南",
"武汉"
]
}
}
}
4.2 match查询
match查询属于高层查询,它会根据你查询字段类型不一样,采用不同的查询方式
match查询,实际底层就是多个term查询,将多个term查询的结果进行了封装
-
查询的如果是日期或者是数值的话,它会基于你的字符串查询内容转换为日期或者是数值对待
-
如果查询的内容是一个不可被分的内容(keyword),match查询不会对你的查询的关键字进行分词
-
如果查询的内容是一个可被分的内容(text),match则会将你指定的查询内容按照一定的方式去分词,去分词库中匹配指定的内容
4.2.1 match_all查询
查询全部内容,不指定任何查询条件,但只展示10条
POST /sms_logs_index/sms_logs_type/_search
{
"query": {
"match_all": {}
}
}
4.2.2 match查询 根据某个Field
指定一个Field作为筛选条件
POST /sms_logs_index/sms_logs_type/_search
{
"query": {
"match": {
// 收货安装 会进行分词查询
"smsContent": "收货安装"
}
}
}
4.2.3 布尔match查询
基于一个Filed匹配的内容,采用and或者or的方式进行连接
# 布尔match查询
POST /sms_logs_index/sms_logs_type/_search
{
"query": {
"match": {
"smsContext": {
// 查询smsContext既包含 中国 又包括 健康
"query": "中国 健康",
"operator": "and" #or
}
}
}
}
4.2.4 multi_match查询
match针对一个field做检索,multi_match针对多个field进行检索,多个key对应一个text
# 查询 "province","smsContext" 包含 北京 的数据
POST /sms_logs_index/sms_logs_type/_search
{
"query": {
"multi_match": {
"query": "河北", // 指定text
"fields": ["province","smsContext"] //指定field
}
}
}
4.3 ES 的其他查询
4.3.1 ID 查询
# id查询
GET /sms_logs_index/sms_logs_type/1
GET /索引名/type类型/id
4.3.2 ids查询
根据多个id进行查询,类似MySql中的where Id in (id1,id2,id3….)
POST /sms_logs_index/sms_logs_type/_search
{
"query": {
"ids": {
"values": [1,2,3] #id值
}
}
}
4.3.3 prefix查询
前缀查询,可以通过一个关键字去指定一个Field的前缀,从而查询到指定的文档
POST /sms_logs_index/sms_logs_type/_search
{
"query": {
"prefix": {
"corpName": {
"value": "河"
}
}
}
}
#与 match查询的不同在于,prefix类似mysql中的模糊查询。而match的查询类似于严格匹配查询
# 针对不可分割词keyword
4.3.4 fuzzy查询
fuzzy查询:模糊查询,我们可以输入一个字符的大概,ES就可以根据输入的内容大概去匹配一下结果,eg.你可以存在一些错别字
#fuzzy查询
#fuzzy查询
POST /sms_logs_index/sms_logs_type/_search
{
"query": {
"fuzzy": {
"corpName": {
"value": "盒马生鲜",
"prefix_length": 2 # 指定前几个字符要严格匹配
}
}
}
}
#不稳定,查询字段差太多也可能查不到
4.3.5 wildcard查询
通配查询,与mysql中的like查询是一样的,可以在查询时,在字符串中指定通配符*和占位符?
#wildcard查询
POST /sms_logs_index/sms_logs_type/_search
{
"query": {
"wildcard": {
"corpName": {
"value": "*车" # 可以使用*和?指定通配符和占位符
}
}
}
}
# ?代表一个占位符
# ??代表两个占位符
4.3.6 range查询
范围查询,只针对数值类型,对某一个Field进行大于或者小于的范围指定
POST /sms_logs_index/sms_logs_type/_search
{
"query": {
"range": {
"fee": {
"gte": 0,
"lte": 3
}
}
}
}
#查询范围:[gte,lte]
#查询范围:(gt,lt)
4.3.7 regexp查询
正则查询,通过你编写的正则表达式去匹配内容
PS: **prefix,fuzzy,wildcar和regexp查询效率相对比较低,**在对效率要求比较高时,避免去使用
POST /sms_logs_index/sms_logs_type/_search
{
"query": {
"regexp": {
"mobile": "180[0-9]{8}" //匹配的正则规则
}
}
}
4.4 深分页Scroll
ES对from+size这种分页形式是有限制,from和size两者之和不能超过1w,超过之后效率非常慢
原理:
from+size
ES查询数据的方式:
1 先将用户指定的关键词进行分词处理
2 将词汇去分词库中进行检索,得到多个文档的id
3 去各个分片中拉去指定的数据 耗时
4 根据数据的得分进行排序 耗时
5 根据from的值,将查询到的数据舍弃一部分
6 返回查询结果
Scroll+size
在ES中查询方式:
1 先将用户指定的关键词进行分词处理
2 将词汇去分词库中进行检索,得到多个文档的id
3 将文档的id存放在一个ES的上下文中,ES内存
4 根据你指定给的size的个数去ES中检索指定个数的数据,拿完数据的文档id,会从上下文中移除
5 如果需要下一页的数据,直接去ES的上下文中(内存中),找后续内容
6 循环进行4.5操作
-
不会直接拉取数据,是存储对应数据的id,需要数据时在根据id去拿;而from则是直接获取数据
-
缺点,Scroll是从内存中去拿去数据的,不适合做实时的查询,拿到的数据不是最新的
# 执行scroll查询,返回第一页数据,并且将文档id信息存放在ES的上下文中,1m是保存id一分钟,指定生存时间
POST /sms_logs_index/sms_logs_type/_search?scroll=1m
{
"query": {
"match_all": {}
},
"size": 2,
// 默认是按照id排序
"sort": [
{
"fee": {
"order": "desc"
}
}
]
}
# 查询下一页的数据
POST /_search/scroll
{
"scroll_id": "DnF1ZXJ5VGhlbkZldGNoAwAAAAAAACSPFnJjV1pHbENVVGZHMmlQbHVZX1JGdmcAAAAAAAAkkBZyY1daR2xDVVRmRzJpUGx1WV9SRnZnAAAAAAAAJJEWcmNXWkdsQ1VUZkcyaVBsdVlfUkZ2Zw==",
"scoll" :"1m" // scorll信息的生存时间
}
# 删除scroll在ES中上下文的数据
DELETE /_search/scroll/scroll_id
4.5 delete-by-query
根据term,match等查询方式去删除大量的文档
如果你需要删除的内容,是index下的大部分数据,不建议使用,建议逆向操作,创建新的索引,添加需要保留的数据内容
POST /sms_logs_index/sms_logs_type/_delete_by_query
{
// 正常的查询语句
"query": {
"range": {
"relyTotal": {
"gte": 2,
"lte": 3
}
}
}
}
## 中间跟你的查询条件,查到什么,删什么
4.6 复合查询
4.6.1 bool查询
复合过滤器,可以将多个查询条件以一定的逻辑组合在一起,and or
-
must:所有的条件,用must组合在一起,表示AND
-
must_not:将must_not中的条件,全部不能匹配,表示not的意思,不能匹配该查询条件
-
should:所有条件,用should组合在一起,表示or的意思,文档必须匹配一个或者多个查询条件
-
filter:过滤器,文档必须匹配该过滤条件,跟must子句的唯一区别是,filter不影响查询的score
#查询省份为 河北 或者 河南 的
#并且公司名不是 河马生鲜 的
#并且smsContent中包含 中国 平安 两个字
POST /sms_logs_index/sms_logs_type/_search
{
"query": {
"bool": {
// 或者
"should": [
{
"term": {
"province": {
"value": "河北"
}
}
},
{
"term": {
"province": {
"value": "河南"
}
}
}
],
// 非not
"must_not": [
{
"term": {
"corpName": {
"value": "河马生鲜"
}
}
}
],
// 必须包含
"must": [
{
"match": {
"smsContext": "中国"
}
},
{
"match": {
"smsContext": "平安"
}
}
]
}
}
}
4.6.2 boosting 查询
boosting 查询可以帮助我们去影响查询后的score
-
positive:只有匹配上positive 查询的内容,才会被放到返回的结果集中
-
negative:如果匹配上了positive 也匹配上了negative, 就可以降低这样的文档score
-
negative_boost:指定score系数,必须小于1,减小分数 0.5
关于查询时,分数时如何计算的:
-
搜索的关键字再文档中出现的频次越高,分数越高
-
指定的文档内容越短,分数越高。
-
我们再搜索时,指定的关键字也会被分词,这个被分词的内容,被分词库匹配的个数越多,分数就越高。
#boosting 查询
POST /sms-logs-index/sms-logs-type/_search
{
"query": {
"boosting": {
"positive": {
"match": {
"smsContent": "战士"
}
},
"negative": {
"match": {
"smsContent": "团队"
}
},
"negative_boost": 0.2
}
}
}
4.7 filter 查询
query 查询:根据你的查询条件,去计算文档的匹配度得到一个分数,并根据分数排序,不会做缓存的。用于获取匹配度最高大的数据
filter 查询:根据查询条件去查询文档,不去计算分数,也就不用排序,而且filter会对经常被过滤的数据进行缓存。不需要关注匹配的数据,追求效率
#filter 查询
POST /sms-logs-index/sms-logs-type/_search
{
"query": {
"bool": {
"filter": [
{
"term": {
"corpName": "海尔智家公司"
}
},
{
"range":{
"fee":{
"lte":50
}
}
}
]
}
}
}
4.8 高亮查询
高亮查询就是用户输入的关键字,以一定特殊样式展示给用户,让用户知道为什么这个结果被检索出来
高亮展示的数据,本身就是文档中的一个field,单独将field以highlight的形式返回给用户
ES提供了一个highlight 属性,他和query 同级别。
-
frament_size:指定高亮数据展示多少个字符回来
-
pre_tags:指定前缀标签
-
post_tags:指定后缀标签
-
fields:指定哪个字段以高亮显示,可以指定多个
#highlight 高亮查询
POST /sms-logs-index/sms-logs-type/_search
{
"query": {
"match": {
"smsContent": "团队"
}
},
"highlight": {
"fields": {
"smsContent":{}
},
"pre_tags":"<font color='red'>",
"post_tags":"</font>",
"fragment_size":10
}
}
# 返回时会新增highlight
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hzvmLtSs-1604200945451)(/Users/yutang/Library/Application Support/typora-user-images/image-20201004125436720.png)]
4.9 聚合查询
ES的聚合查询和mysql 的聚合查询类似,ES的聚合查询相比mysql 要强大得多。ES提供的统计数据的方式多种多样。
#ES 聚合查询的RSTFul 语法
POST /index/type/_search
{
"aggs":{
"(名字)agg":{ // 自己取名字
"agg_type":{
"属性":"值"
}
}
}
}
4.9.1 去重计数聚合查询
去重计数,cardinality 先将返回的文档中的一个指定的field进行去重,统计一共有多少条
# 去重计数 查询 province
POST /sms-logs-index/sms-logs-type/_search
{
"aggs": {
"provinceAgg": {
"cardinality": {
"field": "province"
}
}
}
}
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oOhlE6qR-1604200945452)(/Users/yutang/Library/Application Support/typora-user-images/image-20201004134750613.png)]
4.9.2 范围统计
统计一定范围内出现的文档个数,比如,针对某一个field 的值再0100,100200,200~300 之间文档出现的个数分别是多少
范围统计可以针对普通的数值,针对时间类型,针对ip类型都可以响应。
-
数值 range
-
时间 date_range
-
ip ip_range
#针对数值方式的范围统计 from 带等于效果 ,to 不带等于效果
POST /sms-logs-index/sms-logs-type/_search
{
"aggs": {
"agg": {
"range": {
"field": "fee",
"ranges": [
// 最小到30
{
"to": 30
},
// 30<= <60
{
"from": 30,
"to": 60
},
// 60<=
{
"from": 60
}
]
}
}
}
}
#时间方式统计 2000以前 和 2000以后的
POST /sms-logs-index/sms-logs-type/_search
{
"aggs": {
"agg": {
"date_range": {
"field": "sendDate",
"format": "yyyy", // 年
"ranges": [
{
"to": "2000"
},{
"from": "2000"
}
]
}
}
}
}
#ip 方式 范围统计
POST /sms-logs-index/sms-logs-type/_search
{
"aggs": {
"agg": {
"ip_range"
上一篇: 分析 eTS-II 的起源和演变。TS
下一篇: 安卓国际化的多语言对照表
推荐阅读
-
JS、数组]平面数组的基本用法
-
TensorFlow 的基本概念和使用场景
-
Golang 并发编程入门:Goroutine 简介和基本用法
-
Java HashMap 的数据结构和基本原理及其在 Jdk8、Jdk11 和 Jdk17 中的一些变化,以及一些常见问题。
-
[C++] 红黑树的实现:原则和基本分析 - 红黑树概念
-
Spring Boot 异步任务、任务调度和异步请求线程池的用法和原理
-
探索 CI/CD:持续集成和持续部署的基本概念
-
容器化技术:Docker 的基本概念和用法 - V. 摘要
-
MySQL实验室8:查询数据(1)--select语句的基本用法
-
I2C 工具的安装和使用(详细介绍,教您熟练使用)