elasticsearch初步使用学习

通过使用elasticsearch，我们可以加快搜索时间（直接使用SQL的模糊查询搜索耗时会比较久，而且elasticsearch的响应耗时与数据量关系不大）

es主要用于存储，计算，搜索数据

依次部署elasticsearch，kibana

docker run -d \
  --name es \
  -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
  -e "discovery.type=single-node" \
  -v es-data:/usr/share/elasticsearch/data \
  -v es-plugins:/usr/share/elasticsearch/plugins \
  --privileged \
  --network hm-net \
  -p 9200:9200 \
  -p 9300:9300 \
  elasticsearch:7.12.1

docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=hm-net \
-p 5601:5601  \
kibana:7.12.1

参数说明9200为访问端口，9300为集群端口

• 第一个环境表示es的最大最小内存，不能低于512
• 第二个环境表示当前是单节点模式

倒排索引：

　　文档document：每一条数据就是一个文档

　　词条term：文档按语义分成的词语

　　索引index：相同类的文档集中在一起

对文档内容分词，对词条建立索引，并记录词条所在文档的id

查询的时候根据词条查询文档id，再根据文档id查询文档

mySQL　　es

table　　    index

row　　　  document

column　　field

schema　　mapping   mapping是索引中文档的约束

SQL　　　DSL　　DSL是es提供的json风格请求语句，实现CRUD

IK分词器:

smart智能切分，粗粒度

max_word最细切分，细粒度

POST /_analyze
{
  "analyzer": "ik_max_word",//  "ik_smart"
  "text": "天津市长江大桥"
}

如何拓展IK分词器的词典

修改IKAnalyzer.cfg.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典 *** 添加扩展词典-->
        <entry key="ext_dict">ext.dic</entry>
</properties>

在config中新建一个ext.dic

市长
江大桥

mapping映射属性：

　　type：字段数据类型，

　　　　常见数据类型：

• 字符串text（这个是可以分词的）keyword（这个是精确值，不可进行分词）
• 数值：long，double，integer，float，byte，short
• 布尔boolean
• 日期date
• 对象object

　　index：是否创建索引，默认是true

　　analyzer：使用那种分词器（一般只有text需要指定这个）

　　properties：（该字段的子字段，一般是给object用的）

索引库操作：对应SQL中的table操作

# 创建索引库样例
PUT /heima
{
  "mappings": {
    "properties": {
      "info":{
        "type": "text",
        "analyzer": "ik_smart"
      },
     
      "email":{
        "type": "keyword",
        "index": false
      },
      "name":{
        "type": "object",
        "properties": {
          "firstName":{
            "type":"keyword"
          },
          "lastName":{
            "type":"keyword"
          }
        }
      }
    }
  }
}
# 查询样例
GET /heima

# 删除样例
DELETE /heima

# 修改样例
PUT /heima/_mapping
{
  "properties":{
     "age":{
        "type": "byte"
      }
  }
}

文档操作：对应SQL中对column的操作

# 文档操作：新增
POST /heima/_doc/1
{
  "info": "黑马程序员Java讲师",
  "email": "zy@itcast.cn",
  "name": {
    "firstName": "云",
    "lastName": "赵"
  }
}

# 文档操作：查询
GET /heima/_doc/1

# 文档操作：删除
DELETE /heima/_doc/1

# 文档操作：修改 1.全量修改（先删除旧文档，再新增新文档）
PUT /heima/_doc/1
{
  "info": "黑马程序员Java讲师",
  "email": "zy@itcast.cn",
  "name": {
    "firstName": "子龙",
    "lastName": "赵"
  }
}

# 文档操作：修改 2.局部修改
POST /heima/_update/1
{
  "doc": {
    "info": "黑马程序员的Java讲师"
  }
}

批处理文档：注意这里不能格式化，必须写在一行上，不然就会报错而且操作失败

# 文档批处理 新增
POST /_bulk
{"index":{"_index":"heima","_id":"3"}}
{"info":"黑马程序员C++讲师","email":"ww@itcast.cn","name":{"firstName":"五","lastName":"王"}}
{"index":{"_index":"heima","_id":"4"}}
{"info":"黑马程序员前端讲师","email":"zhangsan@itcast.cn","name":{"firstName":"三","lastName":"张"}}

# 文档批处理 删除
POST /_bulk
{"delete":{"_index":"heima","_id":"3"}}
{"delete":{"_index":"heima","_id":"4"}}

# 文档批处理 更新
POST /_bulk
{"update":{"_index":"heima","_id":"3"}}
{"doc":{"info":"黑马程序员C艹讲师"}}
{"update":{"_index":"heima","_id":"4"}}
{"doc":{"info":"黑马程序员非后端讲师"}}