Elasticsearch使用系列-ES简介和环境搭建

Elasticsearch使用系列-ES增删查改基本操作+ik分词

一、安装可视化工具Kibana

ES是一个NoSql数据库应用。和其他数据库一样，我们为了方便操作查看它，需要安装一个可视化工具 Kibana。

官网：https://www.elastic.co/cn/downloads/kibana

 和前面安装ES一样，选中对应的环境下载，这里选择windows环境，注意安装的版本一定要和ES的版本一致，不然可能会启动不起来。

解压后进到config目录下修改kibana.yml配置文件

 修改完配置，进入bin目录，双击 kibana.bat 文件启动。

启动后，打开kibana地址：http://localhost:5601/ ，出现下面界面就是安装成功了。

点自己浏览进入下面

 点开发工具进入操作ES的界面，我们ES就在下面界面操作。

二、ES数据结构和数据类型

1.ES数据结构

这里以Mysql作对比，ES7.0以前的结构是Index,Type,Document，ES7.0以后废弃了Type，现在ES和Mysql的结构对比如下

2.ES数据类型

• 字符串：text，keyword  （重点类型）
• 数值：long，integer，short，byte，double，float，half float，scaled float
• 日期类型：date
• 布尔类型：boolean
• 二进制类型：binary
• 等等。。。

这里的数据类型标红的是ES的重点类型，其它的和平时开发的类型一样，没什么特别。

三、ES的增删查改基本操作

1.创建索引，相当于数据库创建表

PUT  index

PUT user
{
      "mappings" : {
      "properties" : {
        "age" : {
          "type" : "integer"
        },
      
        "name" : {
          "type" : "text"
        },
         "name2" : {
          "type" : "keyword"
        },
           "name3" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 256
            }
          }
        },
        "hobby" : {
          "type" : "text"
        }
      }
    }
}

View Code

这里说一下kibana执行的原理，kibana执行的是http请求，前面的PUT为请求方式，还有POST,GET等，后面的user是索引名称，因为kibana配置了es的信息，

所以会自动带上es的地址和端口，实际的请求为 PUT http://192.168.101.13:9200/user

查看索引字段信息

GET index

 2.创建文档，相当于数据库插入数据记录

POST index/_doc/id （index:索引名称，_doc：固定，id:指定记录id,不填会自动生成一个唯一id）

 4.查询

 4.1查询全部

GET index/_search

 4.2按条件查询

GET user/_search
{
 "query": {
   "term": {
     "FIELD": {
       "value": "VALUE"
     }
   }
 }
}

5.更新

对应sql语句:update user set age=19 where id=1

_doc，doc，_update：固定写法

6.删除

6.1删除文档（相当于删除一条数据）

对应sql语句: delete from user where id=1

DELETE user/_doc/1

6.2删除索引（相当于删除表）

对应sql语句：drop table user

DELETE user

四、全文索引和ik分词

1.全文索引

创建索引的时候我上面故意创建了name(text)，name1(keyword),name2(text+keyword)，然后数据类型也说了text，keyword是ES的重点类型，这里演示他们的区别。

• keyword类型：查询时条件只能全匹配
• text类型：全文索引查询，查询时会先分词，然后用分词去匹配查询
• keyword+text类型，一个字段两种类型，可以全匹配，也可以全文索引查询

keyword查询例子，name2(keyword）的查询：

keyword的查询用term，或terms(配置多个值)

因为是全匹配，条件”张三“查到数据，条件”张“时查不到数据。 

text查询例子，name(text)的查询

text的查询用match 

 因为是全文索引分词匹配，所以条件“张三”和条件“张”的，都把匹配到的数据都查询出来了。

keyword+text查询例子，name3(text+keyword)的查询。

当只想查全匹配时，用term查询

当想用全文索引查询时，用match

2.ik分词

1.什么是分词？

我搜的是爱祖国，为什么，“爱钓鱼，爱唱歌"的都被搜出来了呢？

因为ES默认内置了一个分词器standard，看下这个分词器的分词结果

 可以看到“爱祖国”的分词结果为“爱，祖，国”，被拆分成了单个字，只要一个字匹配到就查出来，这样的结果很多不是我们想要的。我们需要一款根据常用词语的分词器，这样查到的结果会更准确，

这里就用到了ik分词，ik分词也是企业开发用的最多的。

 2.ik分词器插件安装

官网下载：https://github.com/medcl/elasticsearch-analysis-ik/releases

下载的版本要和es一致。

 把文件下载后，解压复制到es部署文件的plugins文件夹下，并把文件夹的名称改为ik，必须要叫ik。windows，linux，docker(docker为挂载文件夹的方式把文件映射进去)一样,

然后重启es即可生效。

 再看一下用ik分词器的分词结果。

 可以看到，已经是按常用词语分词了。

3.自定义词组

上面“爱祖国”，被分成“爱祖国，祖国”，假如我想“爱组”也是一个词，现在这个词没被收怎么办？

打开刚才的ik文件夹下的config目录

 里面的.dic结尾的都是分词，打开其中一个看一下。

 所以我们要自定义词语，可以新建一个myword.dic

里面写上想要的分词

然后在IKAnalyzer.cfg.xml文件加上刚才的文件名

 重启es，再看一下分词结果。

 4.ik分词怎么在索引中使用

创建索引的时候，text类型如果没指定使用分词器，就会默认内置的分词器，所以使用ik分词器时，创建索引时需要指定。

PUT user2
{
      "mappings" : {
      "properties" : {
        "age" : {
          "type" : "integer"
        },
      
        "name" : {
          "type" : "text"
         
        },
         "name2" : {
          "type" : "keyword"
        },
           "name3" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
            "type" : "keyword",
            "ignore_above" : 256
            }
          },
          "analyzer": "ik_max_word",
          "search_analyzer": "ik_max_word"
        },
        "hobby" : {
          "type" : "text",
          "analyzer": "ik_max_word",
         "search_analyzer" : "ik_max_word"
        }
      }
    }
}

View Code

 把user的数据复制到user2。

 再次查询“爱祖国”，得到一条想要的数据，没有多余数据。证明ik分词在索引中生效了。