ElasticSearch（四）：关于es的一些基础知识讲解

上一篇博客更新完之后，我发现一个问题：在我创建索引的时候依旧无法准确的理解每个字段的意义，所以就有了这个。

1. 关于索引

1.1 关于索引的一些基础知识

在创建标准化索引的时候，我们传入的请求体如下：

{
    "settings":{
        "number_of_shards":5,
        "number_of_replicas":1
    },
    "mappings":{
        "novel":{
            "properties":{
                "id":{
                    "type":"integer"
                },
                "book_name":{
                    "type":"text"
                },
                "author":{
                    "type":"keyword"
                },
                "brief_introduction":{
                    "type":"text"
                },
                "publish_date":{
                    "type":"date",
                    "format":"yyyy-MM-dd HH:mm:ss || yyyy-MM-dd"
                },
                "word_count":{
                    "type":"integer"
                }
            }
        }
    }
}

首先，ElasticSearch的对象模型如下：

• 索引（Index）：相当于数据库，用于定义文档类型的存储；在同一个索引中，同一个字段只能定义一个数据类型；
• 文档类型（Type）：相当于关系表，用于描述文档中的各个字段的定义；不同的文档类型，能够存储不同的字段，服务于不同的查询请求；
• 文档（Document）：相当于关系表的数据行，存储数据的载体，包含一个或多个存有数据的字段；
  • 字段（Field）：文档的一个Key/Value对；
  • 词（Term）：表示文本中的一个单词；
  • 标记（Token）：表示在字段中出现的词，由该词的文本、偏移量（开始和结束）以及类型组成；

所以，上面的请求体我们就可以这样标记：

详细的解释下：

type：目前在6.0的时候，有keyword和text，区别为：

　　keyword：数据类型用来建立电子邮箱地址、姓名、邮政编码和标签等数据类型，不需要进行分词。可以被用来检索过滤、排序和聚合。keyword 类型字段只能用本身来进行检索。

　　text：Text 数据类型被用来索引长文本，这些文本会被分析，在建立索引前会将这些文本进行分词，转化为词的组合，建立索引。比如你配置了IK分词器，那么就会进行分词，搜索的时候会搜索分词来匹配这个text文档。但是：text 数据类型不能用来排序和聚合

1.2 关于索引的自动创建禁止与否

在上篇博客中，我们提到，当我们插入数据的时候，如果有超出我们结构化的数据的时候，索引会自动更新数据，但是很多时候会出现，不是同一个人操作的时候，插入的数据各式各样的，最后导致索引无法使用！如何解决？

dynamic属性有三个值：

　　true：默认，可以自动创建索引，插入数据字段不符合的话就创建新的索引。

　　false：不自动创建索引，当插入数据不符合默认属性的时候，忽略新插入的不符合的字段的值。

　　strict：精确的，不允许插入不符合默认属性的值，如果不符合，直接报错。

我们可以在创建索引的时候，指定索引是绝对的，精确的，就可以避免因为写错而更新了新的字段，如下图：当然我们也可以设置当插入字段和我们预先定义的映射不符的话，忽略这些新插入的字段，但是这样的话后期查找问题可能会比较麻烦。

这样的话，当你插入不符合标准化索引的时候，就会提示错误而导致无法插入，当然这样也有麻烦的地方，如果插入数据出错，可能会导致数据丢失，所以如果在项目中你需要这样做的话，最好可以将失败的数据写入日志文件或者直接写入数据库，这样就可以避免数据的丢失了，也可以重新拿到失败的数据进行重新索引。

1.3 关于文档类型的属性

文档属性定义了文档类型的共用属性，适用于文档的所有字段。当然也可以指定字段属性，只适用于某个特定的字段。

• dynamic_date_formats属性：该属性定义可以识别的日期格式列表；如果文档中有多个字段都是时间格式，可以通用的进行设置。
• dynamic属性：默认为true，允许动态地向文档类型中加入新的字段。可选值为：true，false，strict。上面已经介绍过了（详见1.2.）。

1.4 关于文档字段的属性值

1.4.1 字段的数据类型

字段的数据类型由字段的属性type指定，ElasticSearch支持的基础数据类型主要有：

• 字符串类型：keyword和text。（在5.0之后更改，原来为string）。详细的介绍见1.1。
• 数值类型：字节（byte）、2字节（short）、4字节（integer）、8字节（long）、float、double；
• 布尔类型：boolean，值是true或false；
• 时间/日期类型：date，用于存储日期和时间；
• 二进制类型：binary；
• IP地址类型：ip，以字符串形式存储IPv4地址；
• 特殊数据类型：token_count，用于存储索引的字数信息

1.4.2 字段的公共属性：

• index：该属性控制字段是否编入索引被搜索，该属性共有三个有效值：analyzed、no和not_analyzed：store：指定是否将字段的原始值写入索引，默认值是no，字段值被分析，能够被搜索，但是，字段值不会存储，这意味着，该字段能够被查询，但是不会存储字段的原始值。
  • analyzed：（默认属性）表示该字段被分析，编入索引，产生的token能被搜索到；
  • not_analyzed：表示该字段不会被分析，使用原始值编入索引，在索引中作为单个词；
  • no：不编入索引，无法搜索该字段；
  • 其中analyzed是分析，分解的意思，默认值是analyzed，表示将该字段编入索引，以供搜索。
• boost：字段级别的助推，默认值是1，定义了字段在文档中的重要性/权重；
• include_in_all：该属性指定当前字段是否包括在_all字段中，默认值是ture，所有的字段都会包含_all字段中；如果index=no，那么属性include_in_all无效，这意味着当前字段无法包含在_all字段中。
• copy_to：该属性指定一个字段名称，ElasticSearch引擎将当前字段的值复制到该属性指定的字段中；
• doc_values：文档值是存储在硬盘上的索引时（indexing time）数据结构，对于not_analyzed字段，默认值是true，analyzed string字段不支持文档值;
• fielddata：字段数据是存储在内存中的查询时（querying time）数据结构，只支持analyzed string字段；
• null_value：该属性指定一个值，当字段的值为NULL时，该字段使用null_value代替NULL值；在ElasticSearch中，NULL 值不能被索引和搜索，当一个字段设置为NULL值，ElasticSearch引擎认为该字段没有任何值，使用该属性为NULL字段设置一个指定的值，使该字段能够被索引和搜索。

1.4.3 字符串类型常用的其他属性

• analyzer：该属性定义用于建立索引和搜索的分析器名称，默认值是全局定义的分析器名称，该属性可以引用在配置结点（settings）中自定义的分析器；
• search_analyzer：该属性定义的分析器，用于处理发送到特定字段的查询字符串；
• ignore_above：该属性指定一个整数值，当字符串字段（analyzed string field）的字节数量大于该数值之后，超过长度的部分字符数据将不能被analyzer处理，不能被编入索引；对于 not analyzed string字段，超过长度的部分字符将被忽略，不会被编入索引。默认值是0，禁用该属性；
• position_increment_gap：该属性指定在相同词的位置上增加的gap，默认值是100；
• index_options：索引选项控制添加到倒排索引（Inverted Index）的信息，这些信息用于搜索（Search）和高亮显示：
  • docs：只索引文档编号(Doc Number)
  • freqs：索引文档编号和词频率（term frequency）
  • positions：索引文档编号，词频率和词位置（序号）
  • offsets：索引文档编号，词频率，词偏移量（开始和结束位置）和词位置（序号）
  • 默认情况下，被分析的字符串（analyzed string）字段使用positions，其他字段使用docs;

　　分析器（analyzer）把analyzed string 字段的值，转换成标记流（Token stream），例如，字符串"The quick Brown Foxes"，可能被分解成的标记（Token）是：quick,brown,fox。这些词（term）是该字段的索引值，这使用对索引文本的查找更有效率。字段的属性 analyzer 用于指定在index-time和search-time时，ElasticSearch引擎分解字段值的分析器名称。

2. 关于请求方法

在使用ElasticSearch的时候，我们会牵扯到很多的请求方法，比如GET,POST,PUT,DELETE等等，这些方法使用的都是Restful的调用风格，我们来简单介绍下这些方法

• GET 请求：获取服务器中的对象
  • 相当于SQL的Select命令
  • GET /book 获取所有的book信息
• POST 请求：在服务器上更新对象
  • 相当于SQL的update命令
  • POST /book/1 更新id为1的book的信息
• PUT 请求：在服务器上创建对象
  • 相当于SQL的create命令
  • PUT /book/id 创建一个id为xx的书
• DELETE 请求：删除服务器中的对象HEAD 请求：仅仅用于获取对象的基础信息
  • 相当于sql中的delete命令
  • DELETE /book/1 删除id为1的书

写在最后

（部分摘自博客：http://www.cnblogs.com/ljhdo/，作者：悦光阴）