ES数据库入门(elasticsearch上手指南)-2021.3.26[通俗易懂]

ES数据库入门(elasticsearch上手指南)-2021.3.26[通俗易懂]ES数据库文章目录ES数据库一、入门1.索引2.搜索-检索文档(id匹配)-轻量搜索(Query-string搜索)-使用查询表达式搜索-更复杂的搜索(添加过滤)-全文搜索-短语搜索-高亮搜索-分析(聚合功能aggregation)一、入门1.索引索引:名词时,类似于传统数据库中的数据库概念;​ 动词类似于插入这一概念。eg:对于员工目录,我们将做如下操作:每个员工索引一个文档,文档包含该员工的所有信息。每个文档都将是employee类型。该类型位于索引

大家好,又见面了,我是你们的朋友全栈君。

ES数据

一、入门

1.索引

索引:名词时,类似于传统数据库中的数据库概念;

​ 动词类似于插入这一概念。

eg:

对于员工目录,我们将做如下操作:

  • 每个员工索引一个文档,文档包含该员工的所有信息。
  • 每个文档都将是 employee 类型
  • 该类型位于 索引 megacorp 内。
  • 该索引保存在我们的 Elasticsearch 集群中。

操作如下:

PUT /megacorp/employee/1     -- 这里包含了索引名称、类型名词、特定雇员id
{
    "first_name" : "John",
    "last_name" :  "Smith",
    "age" :        25,
    "about" :      "I love to go rock climbing",
    "interests": [ "sports", "music" ]
}    -- 这里为具体内容

注意,路径 /megacorp/employee/1 包含了三部分的信息:

  • megacorp

    索引名称

  • employee

    类型名称

  • 1

    特定雇员的ID

请求体 —— JSON 文档 —— 包含了这位员工的所有详细信息,他的名字叫 John Smith ,今年 25 岁,喜欢攀岩。

2.搜索
– 检索文档(id匹配)

执行 一个 HTTP GET 请求并指定文档的地址——索引库、类型和ID。 使用这三个信息可以返回原始的 JSON 文档

GET /megacorp/employee/1

​ 返回结果包含了文档的一些元数据,以及 _source 属性,内容是 John Smith 雇员的原始 JSON 文档:

{
  "_index" :   "megacorp",
  "_type" :    "employee",
  "_id" :      "1",
  "_version" : 1,
  "found" :    true,
  "_source" :  {             
      "first_name" :  "John",
      "last_name" :   "Smith",
      "age" :         25,
      "about" :       "I love to go rock climbing",
      "interests":  [ "sports", "music" ]
  }
}

_source里面是原json文档

将 HTTP 命令由 PUT 改为 GET 可以用来检索文档,同样的,可以使用 DELETE 命令来删除文档,以及使用 HEAD 指令来检查文档是否存在。如果想更新已存在的文档,只需再次 PUT

– 轻量搜索(Query-string 搜索)

a.查询所有雇员信息(返回结果包括了所有三个文档,放在数组 hits 中。一个搜索默认返回十条结果。)

GET /megacorp/employee/_search

[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-kHlpYDpg-1616748970350)(C:\Users\EDZ\AppData\Roaming\Typora\typora-user-images\image-20210323113245618.png)]

b.带初步的筛选

GET /megacorp/employee/_search?q=last_name:Smith

仍然在请求路径中使用 _search 端点,并将查询本身赋值给参数 q= 。返回结果给出了所有的 Smith:

在这里插入图片描述

– 使用查询表达式搜索

领域特定语言 (DSL), 使用 JSON 构造了一个请求。我们可以像这样重写之前的查询所有名为 Smith 的搜索 :

GET /megacorp/employee/_search
{
    "query" : {
        "match" : {
            "last_name" : "Smith"
        }
    }
}

请求使用 JSON 构造,并使用了一个 match 查询(属于查询类型之一,后面将继续介绍)。

– 更复杂的搜索(添加过滤)

同样搜索姓氏为 Smith 的员工,但这次我们只需要年龄大于 30 的。查询需要稍作调整,使用过滤器 filter ,它支持高效地执行一个结构化查询。

GET /megacorp/employee/_search
{
    "query" : {
        "bool": {
            "must": {
                "match" : {
                    "last_name" : "smith" 
                }
            },
            "filter": {
                "range" : {
                    "age" : { "gt" : 30 } 
                }
            }
        }
    }
}

a. 这部分与我们之前使用的 match 查询 一样。

b. 这部分是一个 range 过滤器 , 它能找到年龄大于 30 的文档,其中 gt 表示_大于_(great than)。

现在结果只返回了一名员工,叫 Jane Smith,32 岁。

– 全文搜索

全文搜索,搜索下所有喜欢攀岩(rock climbing)的员工

GET /megacorp/employee/_search
{
    "query" : {
        "match" : {
            "about" : "rock climbing"
        }
    }
}

使用match 查询在about 属性上搜索 “rock climbing” 。

在这里插入图片描述

这是一个很好的案例,阐明了 Elasticsearch 如何 全文属性上搜索并返回相关性最强的结果。Elasticsearch中的 相关性 概念非常重要,也是完全区别于传统关系型数据库的一个概念,数据库中的一条记录要么匹配要么不匹配。

– 短语搜索

想要精确匹配一系列单词或者_短语_ ,以短语 “rock climbing” 的形式进行匹配。

GET /megacorp/employee/_search
{
    "query" : {
        "match_phrase" : {
            "about" : "rock climbing"
        }
    }
}

毫无悬念,返回结果仅有 John Smith 的文档。

– 高亮搜索

在每个搜索结果中 高亮 部分文本片段,以便让用户知道为何该文档符合查询条件。在 Elasticsearch 中检索出高亮片段也很容易。

再次执行前面的查询,并增加一个新的 highlight 参数:

GET /megacorp/employee/_search
{
    "query" : {
        "match_phrase" : {
            "about" : "rock climbing"
        }
    },
    "highlight": {
        "fields" : {
            "about" : {}
        }
    }
}

当执行该查询时,返回结果与之前一样,与此同时结果中还多了一个叫做 highlight 的部分。这个部分包含了 about 属性匹配的文本片段,并以 HTML 标签 <em></em> 封装:

在这里插入图片描述

– 分析(聚合功能aggregation)

聚合与 SQL 中的 GROUP BY 类似但更强大。

挖掘出员工中最受欢迎的兴趣爱好:

GET /megacorp/employee/_search
{
  "aggs": {
    "all_interests": {
      "terms": { "field": "interests" }
    }
  }
}

返回

在这里插入图片描述

两位员工对音乐感兴趣,一位对林业感兴趣,一位对运动感兴趣。

叫 Smith 的员工中最受欢迎的兴趣爱好,可以直接构造一个组合查询:

GET /megacorp/employee/_search
{
  "query": {
    "match": {
      "last_name": "smith"
    }
  },
  "aggs": {
    "all_interests": {
      "terms": {
        "field": "interests"
      }
    }
  }
}

在这里插入图片描述

聚合还支持分级汇总 。比如,查询特定兴趣爱好员工的平均年龄:

GET /megacorp/employee/_search
{
    "aggs" : {
        "all_interests" : {
            "terms" : { "field" : "interests" },
            "aggs" : {
                "avg_age" : {
                    "avg" : { "field" : "age" }
                }
            }
        }
    }
}

在这里插入图片描述

参考:
参考文档1

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/135189.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • 数学开区间和闭区间的区别_数学封闭区间什么意思

    数学开区间和闭区间的区别_数学封闭区间什么意思       开区间用(a,b)来表示,闭区间用[a,b]来表示。闭区间包括了两个端点a和b,而开区间不包含两个端点a和b。      下面这个游戏是我以前的老师告诉我的。游戏的规则是:两个人分别在开区间(a,b)内取一个数,两个人取的数不许相同,谁取的数大,那么谁赢。这个游戏显然是谁先取谁输!具体一点,假设是在(0,1)这个区间来玩这个游戏。第一个人取的是0.9另一个只要取0.91就可以

  • ArcGIS 9.3 下载(包含ArcGIS Desktop、ArcGIS Engine、ArcGIS Server、ArcSDE、workstation)

    ArcGIS 9.3 下载(包含ArcGIS Desktop、ArcGIS Engine、ArcGIS Server、ArcSDE、workstation)ArcGIS9.3下载(包含ArcGISDesktop、ArcGISEngine、ArcGISServer、ArcSDE、workstation)

  • eplan 2.7.3 win10激活码【最新永久激活】

    (eplan 2.7.3 win10激活码)JetBrains旗下有多款编译器工具(如:IntelliJ、WebStorm、PyCharm等)在各编程领域几乎都占据了垄断地位。建立在开源IntelliJ平台之上,过去15年以来,JetBrains一直在不断发展和完善这个平台。这个平台可以针对您的开发工作流进行微调并且能够提供…

  • js获取当前日期与时间_js获取只有年月日的日期

    js获取当前日期与时间_js获取只有年月日的日期vardate=newDate();date.getYear();//获取当前年份(2位)date.getFullYear();//获取完整的年份(4位)date.getMonth();//获取当前月份(0-11,0代表1月)date.getDate();//获取当前日(1-31)date.getDay();//获取当前星期X(0-6,0代表星期天)date.getTime();//获取当前时间(从1970.1.1开始的毫秒数)date.getH

  • 汇编语言中各种移位指令的区别与联系

    汇编语言中各种移位指令的区别与联系本文转载自:https://blog.csdn.net/richerg85/article/details/27558005SHL、SHR、SAL、SAR:移位指令;SHL(ShiftLeft):   逻辑左移;SHR(ShiftRight):   逻辑右移;SAL(ShiftArithmeticLeft):算术左移;SAR(Shift…

  • 大数据Lambda架构详解

    大数据Lambda架构详解Lambda架构是NathanMarz提出的一个实时大数据处理框架。NathanMarz是著名的实时大数据处理框架Storm的作者,Lambda架构就是其根据多年分布式大数据系统的经验总结提炼而成。NathanMarz在BigData:Principlesandbestpracticesofscalablereal-timedatasystems一书中提到了很多实时大数据系统的关键特性,包括容错性,健壮性,低延迟,可扩展,通用性,方便查询等,Lambda就是其根据这些特性设计的一

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号