es的语法操作命令

小徐敲java

2024-04-20 帮助1人

查询

#查询所有索引和详情信息
#此方法查询的显示更加详细的索引信息显示
GET /_cat/indices?v
GET /_cat/indices

#查询某个索引
GET person

#查询全部索引的状态数据
GET /_cat/indices?v

#查询
GET http://ip:端口/索引名称  # 查询单个索引信息
GET http://ip:端口/索引名称1,索引名称2...  # 查询多个索引信息
GET http://ip:端口/_all  # 查询所有索引信息

#查询索引user映射
GET user/_mapping

#查询user索引文档，指定id
GET /user/_doc/1

#查询user索引所有文档
GET /user/_search

添加

#添加
PUT http://ip:端口/索引名称

#添加索引
PUT user

#创建索引并添加映射（推荐）
PUT /person1
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text"
      },
      "age": {
        "type": "integer"
      }
    }
  }
}

#添加字段（属性）
PUT /person1/_mapping
{
  "properties": {
    "name": {
      "type": "text"
    },
    "age": {
      "type": "integer"
    },
    "createTime": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
      }
  }
}
##如果需要用时间范围查询，必须要设置"type": "date"和"format"
#请注意，在设置日期映射时，建议使用Elasticsearch支持的日期格式，并根据需要选择正确的日期格式。此外，如果您已经创建了索引并且需要更新日期映射，可以使用Update Mapping API来更新。

#添加文档，指定id
POST /person/_doc/1
{
  "name":"张三",
  "age":18,
  "address":"北京"
}

#添加文档，不指定id
POST /person1/_doc/
{
  "name":"张三",
  "age":18,
  "address":"北京"
}

#字段"tel"不可以进行查询，不然会报错只因创建映射时"tel"的"index"为false
{
    "user": {
        "mappings": {
            "properties": {
                "name": {
                    "type": "text"
                },
                "sex": {
                    "type": "keyword"
                },
                "tel": {
                    "type": "keyword",
                    "index": false
                }
            }
        }
    }
}



#实现模糊检索，类似于SQL中的like条件，这个需求我们使用wildcard类型字段来实现. 
对同一个字段即可实现模糊检索，也能实现分词检索（我们原来使用text类型字段 ik分词器实现），这两种检索应用于同一字段
定义字段 name：【使用示例，就是在已经固定的mapping映射上加属性，因为已经添加的属性不能修改，只能添加】
"name": {
	"type": "text",
	"fields": {
  		"wildcard": {
  		"type": "wildcard"
  		},
  		"ik": {
  		"type": "text",
  		"analyzer": "ik_max_word"
  		}
	}
}
#然后进行检索如下，可以同时对 name.wildcard 和 name.ik 字段进行检索
{
	"query": {
		"multi_match": {
		"query": "查询关键词",
		"fields": ["name.wildcard", "name.ik"]
		}
	}
}

修改

#局部更新
POST /user/_update/4
{
  "doc": {
    "email":"88886"
  }
}

#全量更新，存在就更新，不存在就创建
POST /user/_doc/4
{
   "name" : "王九",
   "sex" : "男性",
   "tel" : "99"
}

删除

#删除索引
DELETE /索引名称
#例如删除索引dev
DELETE /dev

#删除指定id文档
DELETE /person/_doc/1

#删除某个文档中的属性
POST user/_doc/1/_update
{
    "script" : "ctx._source.remove('new_field')"
}

# 按照查询条件进行删除
POST user/_delete_by_query
{
  "query":{
    "match_phrase":{
      "catagoryId": "1643191714195750913"
    }
  }
}

高级ur路径查询

#查询name端包含王或者九的
GET /user/_search?q=name:王九

#URL带参数形式查询，这很容易让不善者心怀恶意，或者参数值出现中文会出现乱码情况。为了避免这些情况，我们可用使用带JSON请求体请求进行查询

高级查询term

#term是代表完全匹配，也就是精确查询，搜索前不会再对搜索词进行分词拆解
GET user/_search
{
  "query": {
    "term": {
      "FIELD": {
        "value": "VALUE"
      }
    }
  }
}


#terms里的[ ] 多个是或者的关系，只要满足其中一个词就可以
GET user/_search
{
  "query": {
    "terms": {
      "FIELD": [
        "VALUE1",
        "VALUE2"
      ]
    }
  }
}

#terms里的[ ] 多个是或者的关系，只要满足其中一个词就可以。想要通知满足两个词的话，就得使用bool的must来做
GET user/_search
{
  "query": {
    "bool": {
      "must": [
        {"term": {
          "FIELD": {
            "value": "VALUE"
          }
        }},
        {
          "term": {
            "FIELD": {
              "value": "VALUE"
            }
          }
        }
      ]
    }
  }
}

高级查询match

#查找所有文档内容
GET user/_search
{
	"query":{
		"match_all":{}
	}
}


# 查询全部文档指定字段
GET user/_search
{
	"query":{
		"match_all":{}
	},
	"_source":["FIELD"]
}





#match进行搜索的时候，会先进行分词拆分，拆完后，再来匹配
GET user/_search
{
  "query": {
    "match": {
      "FIELD": "TEXT"
    }
  }
}

#match_phrase 称为短语搜索，要求所有的分词必须同时出现在文档中，同时位置必须紧邻一致
GET user/_search
{
"query": {
  "match_phrase": {
    "FIELD": "PHRASE"
  }
}


# 上面的 MatchQuery 有一个短板，假如用户输入了某关键字，我们在查找的时候并不知道他输入的是 name 还是 description，这时我们用什么都不合适，而 MultiQuery 的出现解决了这个问题，他可以通过 fields 属性来设置多个域联合查找
GET user/_search
{
    "query": {
        "multi_match": {
            "query": "Spring开发",
            "minimum_should_match": "70%",
            "fields": ["name", "description"]
        }
    }
}
}


# 在多域联合查询的时候，可以通过 boost 来设置某个域在计算得分时候的比重，比重越高的域当他符合条件时计算的得分越高，相应的该记录也更靠前。通过在 fields 中给相应的字段用 ^权重倍数来实现
GET user/_search
{
    "query": {
        "multi_match": {
            "query": "Spring开发",
            "minimum_should_match": "70%",
            "fields": ["name^10", "description"]
        }
    }
}
}

多条件查询，must相当于数据库的&&，should相当于数据库的||

#must相当于数据库的&&
GET user/_search
{
	"query":{
		"bool":{
			"must":[{
				"match":{
					"name":"小王"
				}
			},{
				"match":{
					"age":18
				}
			}]
		}
	}
}


#should相当于数据库的||
GET user/_search
{
	"query":{
		"bool":{
			"should":[{
				"match":{
					"name":"小王"
				}
			},{
				"match":{
					"age":18
				}
			}]
		}
	}
}

如果我们既要对一些字段进行分词查询，同时要对另一些字段进行精确查询，就需要使用布尔查询来实现了。布尔查询对应于Lucene的BooleanQuery查询，实现将多个查询组合起来，有三个可选的参数：must：文档必须匹配must所包括的查询条件，相当于 “AND”should：文档应该匹配should所包括的查询条件其中的一个或多个，相当于 "OR"must_not：文档不能匹配must_not所包括的该查询条件，相当于“NOT”

GET user/_search
{
    "query": {
        "bool": { // 布尔查询
            "must": [ // 查询条件 must 表示数组中的查询方式所规定的条件都必须满足
                {
                    "multi_match": {
                        "query": "王小妹",
                        "minimum_should_match": "50%",
                        "fields": [
                            "name^10",
                            "title"
                        ]
                    }
                },
                {
                    "term": {
                        "address": "广州"
                    }
                }
            ]
        }
    }
}

分页查询

GET user/_search
{
	"query":{
		"match_all":{}
	},
	"from":0,
	"size":2
}

查询排序，支持对 keyword、date、float 等类型添加排序，text类型的字段不允许排序，text因为会分词，所以排序不了

{
	"query":{
		"match_all":{}
	},
	"sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

范围查询

GET user/_search
{
	"query":{
		"bool":{
			"should":[{
				"match":{
					"name":"小王"
				}
			},{
				"match":{
					"age":18
				}
			}],
			"filter": [
			  {"range": {
			    "age": {
			      "gte": 10,
			      "lte": 20
			    }
			  }}
			]
		}
	}
}

全文检索

{
	"query":{
		"match":{
			"name" : "王妹"
		}
	}
}

高亮查询，高亮展示的数据，本身就是文档中的一个field，单独将field以highlight的形式返回给你。

ES提供了一个highlight属性，和query同级别的

GET user/_search
{
  "query": {
    "match_phrase": {
      "name": "张三"
    }
  },
  "highlight": {
    "fields": {
      "name": {}
    },
    "pre_tags": "<font color='red'>",
    "post_tags": "</font>",
    "fragment_size": 10
  }
    }
}


#全文高亮检索
GET person1/_search
{
  "query": {
    "multi_match": {
      "query": "广州",
      "fields": []
    }
  },
  "highlight": {
    "fields": {
      "*": {}
    }
  }
}

fragment_size ：指定高亮数据展示多少个字符回来；
pre_tag：指定前缀标签，如 < font color=“red”>
post_tags：指定后缀标签，如 < /font>
field：指定那个字段为高亮字段

定义过滤器查询，是在原本查询结果的基础上对数据进行筛选，因此省略了重新计算的分的步骤，效率更高。并且方便缓存。推荐尽量使用过虑器去实现查询或者过虑器和查询共同使用，过滤器在布尔查询中使用，过滤查询和检索查询能做一样的效果。区别在于过滤查询不评分，结果能缓存，检索查询要评分，结果不缓存。一般是不会直接使用过滤查询，都是在检索了一定数据的基础上再使用，下边是在搜索结果的基础上进行过滤

GET user/_search
{
    "query": {
        "bool": {
            "must": [
                {
                    "multi_match": {
                        "query": "王小妹",
                        "minimum_should_match": "50%",
                        "fields": [
                            "name^10",
                            "title"
                        ]
                    }
                }
            ],
            "filter": [
                {
                    // 过滤条件：studymodel 必须是 201001
                    "match": {"address": "广州"}
                },
                {
                    // 过滤条件：年龄 >=10 <=100
                    "range": {"age": {"gte": 10,"lte": 100}}
                }
            ]
        }
    }
}

分组查询

GET user/_search
{
  "aggs": {
    "gg_gl": {
      "terms": {
        "field": "age"
      }
    }
  },
  "size": 0
}

高级映射嵌套**【字段type设置为keyword就不会被分词】

#嵌套节点下面新增字段
PUT /user/_mapping

{
    "properties": {
        "school": {
            "type": "keyword",
            "norms": false,
            "doc_values": false
        },
        "teacher": {
            "type": "nested",
            "properties": {
                "rightStatus": {
                    "type": "keyword",
                    "norms": false,
                    "doc_values": false
                },
                "rightCurrTime": {
                    "type": "keyword",
                    "norms": false,
                    "doc_values": false
                }
            }
        }
    }
}

#关闭、打开索引（关闭索引是为了释放内存，将数据持久化到硬盘，不可读写已经关闭的索引）

POST http://ip:端口/索引名称/_close  

POST http://ip:端口/索引名称/_open ```

IK分词器有两种分词模式：ik_max_word和ik_smart模式

linux系统安装分词器，首先docker安装es

进入到es

docker exec -it elasticsearch /bin/bash

执行安装ik分词器（注意安装的分词器需要与es版本一直，不一致更改一下ik分词器的版本号）

./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.0/elasticsearch-analysis-ik-7.12.0.zip

安装成功后，可以再宿主机es挂卷的plugin下看到ik文件，然后必定要重启es容器

docker restart elasticsearch

在kibana上操作，查看分词器结果**【注意如是是英文字母大写，使用默认分词器分词后都会变成小写】

GET /_analyze
{
  "analyzer": "ik_smart",
  "text": "东哥是前端大佬"
}


#结果
{
  "tokens" : [
    {
      "token" : "东",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "哥",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "是",
      "start_offset" : 2,
      "end_offset" : 3,
      "type" : "CN_CHAR",
      "position" : 2
    },
    {
      "token" : "前端",
      "start_offset" : 3,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 3
    },
    {
      "token" : "大佬",
      "start_offset" : 5,
      "end_offset" : 7,
      "type" : "CN_WORD",
      "position" : 4
    }
  ]
}

ES数据类型

聚合：相当于mysql 中的sum（求和）
text：会分词，不支持聚合
keyword：不会分词，将全部内容作为一个词条，支持聚合
integer：数值类型
boolean：布尔
binary：二进制
integer_range, float_range, long_range, double_range, date_range ：范围类型
date：日期
[ ] Nested: nested (for arrays of JSON objects 数组类型的JSON对象)：数组
{ } Object: object(for single JSON objects 单个JSON对象)：对象

GET：用来获取资源
POST：用来新建资源（也可以用于更新资源）
PUT：用来更新资源
DELETE：用来删除资源

ES 5.x中一个index可以有多种type。

ES 6.x中一个index只能有一种type。

ES 7.x以后，将逐步移除type这个概念，现在的操作已经不再使用，默认_doc
#查看索引下的字段映射，es版本为7的可使用一下命令，在mapping?后加上format=json&include_type_name=true
GET /user/_doc/_mapping?format=json&include_type_name=true

这篇好文章是转载于：学新通技术网

es的语法操作命令

查询

添加

修改

删除

高级ur路径查询

高级查询term

高级查询match

多条件查询，must相当于数据库的&&，should相当于数据库的||

分页查询

查询排序，支持对 keyword、date、float 等类型添加排序，text类型的字段不允许排序，text因为会分词，所以排序不了

范围查询

全文检索

高亮查询，高亮展示的数据，本身就是文档中的一个field，单独将field以highlight的形式返回给你。

分组查询

高级映射嵌套**【字段type设置为keyword就不会被分词】

#关闭、打开索引（关闭索引是为了释放内存，将数据持久化到硬盘，不可读写已经关闭的索引）

IK分词器有两种分词模式：ik_max_word和ik_smart模式

linux系统安装分词器，首先docker安装es

进入到es

执行安装ik分词器（注意安装的分词器需要与es版本一直，不一致更改一下ik分词器的版本号）

安装成功后，可以再宿主机es挂卷的plugin下看到ik文件，然后必定要重启es容器

在kibana上操作，查看分词器结果**【注意如是是英文字母大写，使用默认分词器分词后都会变成小写】

ES数据类型

photoshop保存的图片太大微信发不了怎么办

《学习通》视频自动暂停处理方法

Android 11 保存文件到外部存储，并分享文件

word里面弄一个表格后上面的标题会跑到下面怎么办

photoshop扩展功能面板显示灰色怎么办

微信公众号没有声音提示怎么办

excel下划线不显示怎么办

excel打印预览压线压字怎么办

怎样阻止微信小程序自动打开

TikTok加速器哪个好免费的TK加速器推荐