elasticsearch kibana的安装部署与简单使用（二）

介绍一下elasticsearch和kibana的简单使用

es其实我理解为一个数据库，一个数据库无非就是增删改查，

Delete  PUT GET POST 这些接口关键字完美对应

比如，我想查一张表showstart_index

GET /showstart_index/_search

这张表中有几个文档

GET /showstart_index/_count

查看这表的mapping

GET showstart_index/_mapping

删除一张表

DELETE showstart_index

向表中添加一行

POST /showstart_index/_doc
{
　　"message":"i am test"
}

以上都是类比mysql的话语

如果一个空的表，可以直接向其中添加数据，es会自动生成改表的mapping，但是自动生成的mapping一般都不是我们想要的

所以在插入之前，应先给表设置mapping，mapping可以理解为mysql中的字段

PUT showstart_index
{
　　"mappings": {
　　　　"properties": {
　　　　　　"actor": {                   //actor为一个字段
　　　　　　　　"type": "text",    //text为文本且需要分词，keyword是不需要分词
　　　　　　　　"analyzer": "ik_max_word",   //ik_max_word是一个分词方式
　　　　　　　　"search_analyzer": "ik_smart"  //查找的分词方式
　　　　　　},
　　　　　　"front_image_path": {
　　　　　　　　"type": "text",
　　　　　　　　"index": false     //不成为查找的条件
　　　　　　},
　　　　　　"place": {
　　　　　　　　"type": "keyword"
　　　　　　},
　　　　　　"price": {
　　　　　　　　"type": "long"   //长整型
　　　　　　},
　　　　　　"readtime": {
　　　　　　　　"type": "date",
　　　　　　　　"format": "yyyy/MM/dd HH:mm:ss||yyyy-MM-dd||yyyy/M/d HH:mm:ss"   //将字符串按格式转为date类型
　　　　　　},
　　　　　　"showname": {
　　　　　　　　"type": "text",
　　　　　　　　"analyzer": "ik_max_word",
　　　　　　　　"search_analyzer": "ik_smart"
　　　　　　},
　　　　　　"startime": {
　　　　　　　　"type": "date",
　　　　　　　　"format": "yyyy/MM/dd HH:mm:ss||yyyy-MM-dd||yyyy/M/d HH:mm:ss"
　　　　　　},
　　　　　　"type": {
　　　　　　　　"type": "keyword"
　　　　　　},
　　　　　　"url": {
　　　　　　　　"type": "text",
　　　　　　　　"index": false
　　　　　　}
　　　　}
　　}
}

es最大的优点在于他的查询分词，比如

POST _analyze
{　　
　　"analyzer": "standard",    //使用standard分词器
　　"text": ["hello word!!"]
}

将hello word!!这个document做个分词看看结果

得到了hello和word两个词

我们来试试中文分词器ik

GET _analyze?pretty
{
　　"analyzer": "ik_smart",
　　"text": "中国驻洛杉矶领事馆遭亚裔男子枪击 嫌犯已自首"
}

还有一些聚合函数