Elasticsearch (ES)+Kibana简单使用

  • Post author:
  • Post category:其他




前言

es是一个强大的搜索引擎,目前知名公司内部都在使用!

因为Elasticsearch 是一个基于 Apache Lucene™ 的开源搜索引擎。无论在开源还是专有领域,Lucene 可以被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。

首先我们要知道,es虽然强大,但是不方便操作,所以我们需要借助于kibana工具来进行开发!



kibana

本篇不讲kibana和es的安装,后面会专门写安装过程。这里先知道kibana工具是提供了一个可视化的界面。

我们的es需要以基于 HTTP 协议,以 JSON 为数据交互格式的 RESTful API来进行交互!

Kibana 可以看出是一个操作 ElasticSeach 的客户端.

由于Kibana是用nodejs写的一个web项目。所以进程查询使用ps来进行查询区别es用jps查询!


什么是RESTful



一张图演示什么是restful

在这里插入图片描述



ES



ElasticSearch 交互方式

  • 基于 HTTP 协议,以 JSON 为数据交互格式的 RESTful API GET POST PUT DELETE HEAD



es与其他数据存储产品比较

在这里插入图片描述



关于es几个重要概念

概念 解释
cluster 整个elasticsearch 默认就是集群状态,整个集群是一份完整、互备的数据。
node 集群中的一个节点,一般只一个进程就是一个node
shard 分片,即使是一个节点中的数据也会通过 hash 算法,分成多个片存放,默认是 5 片。(7.0 默认是 1 片)
index 相当于EDBMS 的 database, 对于用户来说是一个逻辑数据库,虽然物理上会被分多个 shard 存放,也可能存放在多个 node 中。
type 类似于 rdbms 的 table,但是与其说像 table,其实更像面向对象中的 class , 同一Json 的格式的数据集合。((6.x只允许建一个,7.0被废弃,造成index实际相当于table级))
document 类似于 rdbms 的 row、面向对象里的object
field 相当于字段、属性



小总结

  • cluster 整个elasticsearch 默认就是集群状态
  • 一个节点一个node
  • 一个index可以类比成一个database!一个ndoe可以拥有多个index!
  • 一个index(6.x)对应唯一的type,类比table!(5.x之前是对应多个type,7.x以后 type被舍弃!)
  • shard为其切片!在6.x默认是5片。7.x默认是1片
  • document类比row
  • field类比 column
  • 注意:ES是自带索引,且为倒排索引!



可参考内容


学习文档



Kibana上操作数据



插入数据

在这里插入图片描述

当没有在type后面跟上id的话,那么会自动生成一个uuid。id是不能重复的,这里的id要区别于_source中自己定义的id!


注意

:此id为

document

的id!

在这里插入图片描述



覆盖

在这里插入图片描述

没有在put里面声明_update

,这里将自定义内容修改

在这里插入图片描述



修改

在这里插入图片描述
修改指定位置时,必须使用post请求!这里区别于HTTP里的PUT(create,update)请求!!

在这里插入图片描述



删除

在这里插入图片描述



查询

GET movie_index/_search
{
  "query": {
    "term": {
      "id": {
        "value": "2"
      }
    }
  }
}


GET movie_index/_search
{
  "query": {
    "bool": {
      "should": [
        {"term": {
          "actorList.name": {
            "value": "zhang"
          }
        }},{
          "term": {
            "name": {
              "value": "red"
            }
          }
        }
      ]
    }
  }
}

GET movie_index/_search
{
 "query": {
   "bool": {
     "must_not": [
       {"term": {
         "name": {
           "value": "red"
         }
       }}
     ]
   }
 } 
}

GET movie_index/_search
{
  "query": {
    "range": {
      "doubanScore": {
        "gt": 8
      
      }
    }
  }
}


GET movie_index/_search
{
  "query": {
    "bool": {
      "filter": {
        "range": {
          "doubanScore": {
            "gte": 5,
            "lte": 8
          }
        }
      }
    }
  }
}



GET movie_index/_search
{
 "from": 2
 , "size": 1
}




GET movie_index/_search
{
  "aggs": {
    "a": {
      "sum": {
        "field": "doubanScore"
      }
    }
  }
}


GET movie_index/_search
{
  "aggs": {
    " ": {
      "terms": {
        "field": "actorList.id",
        "size": 10
      }
    }
  }
}



GET  movie_index/_search
{
  "aggs": {
    "a": {
      "value_count": {
        "field": "doubanScore"
      }
    }
  }
}

GET movie_index/_search
{
  "aggs": {
    "b": {
      "terms": {
        "field": "actorList.name",
        "size": 10
      }
      , "aggs": {
        "sum": {
          "sum": {
            "field": "doubanScore"
          }
        }
      }
    }
  }
}


PUT movie_index/_mapping/movie
{
  "properties": {
    "actorList.name": { 
      "type":     "text",
      "fielddata": true
    }
  }
}



GET movie_index/_search
{
  "aggs": {
    "group": {
      "terms": {
        "field": "actorList.id",
        "size": 10
     
      }
      , "aggs": {
        "maxScore": {
          "max": {
            "field": "doubanScore"
          
          }
        }
      , 
        "minscore": {
          "min": {
            "field": "doubanScore"
          }
        }
      }
    }
  }
}

GET movie_index/_search
{
  "aggs": {
    "group": {
      "terms": {
        "field": "actorList.id",
        "size": 1
        , "order": {
          "_term": "desc"
        }
      }
      
    }
  }
}


GET zhengkw/_analyze
{
  "analyzer": "ik_smart"
  , "text": "第一节课"
}


GET zhengkw/_analyze
{
  "analyzer": "ik_max_word"
  , "text": "第一节课"
}



关于Mapping

之前说 type 可以理解为table,那每个字段的数据类型是如何定义的呢?

  • 默认情况下, 是由插入的第一条数据的类型来自动推断来设定的!
  • 可以通过 Mapping 来设置和查看每个字段的数据类型.

在这里插入图片描述

简单类型中除了text会进行分词,分词后建立索引,其他简单类型则

不会分词

!但是也会建立索引!

也支持一些JSON对象,还有地图类型的信息,比如地理位置的坐标,或者地理位置的图形!


关于使用



手动建立索引

PUT /movie_chn
{
  "mappings": {
    "movie":{
      "properties": {
        "id":{
          "type": "long"
        },
        "name":{
          "type": "text"
          , "analyzer": "ik_smart"
        },
        "doubanScore":{
          "type": "double"
        },
        "actorList":{
          "properties": {
            "id":{
              "type":"long"
            },
            "name":{
              "type":"keyword"
            }
          }
        }
      }
    }
  }
}

建立的时候 type指定为movie document指定 id,name等 ,声明用properties将doc括起来。properties后面的v并不是json数组!而是一个json字符串!指定text的name的时候也

声明分词器



插入数据

PUT /movie_chn/movie/1
{ "id":1,
  "name":"红海行动",
  "doubanScore":8.5,
  "actorList":[  
    {"id":1,"name":"张译"},
    {"id":2,"name":"海清"},
    {"id":3,"name":"张涵予"}
   ]
}
PUT /movie_chn/movie/2
{
  "id":2,
  "name":"湄公河行动",
  "doubanScore":8.0,
  "actorList":[  
    {"id":3,"name":"张涵予"}
  ]
}

PUT /movie_chn/movie/3
{
  "id":3,
  "name":"红海事件",
  "doubanScore":5.0,
  "actorList":[  
    {"id":4,"name":"张晨"}
  ]
}



查询

GET /movie_chn/movie/_search
{
  "query": {
    "match": {
      "name": "红海"
    }
  }
}

GET /movie_chn/movie/_search
{
  "query": {
    "term": {
      "actorList.name": "张"
    }
  }
}



注意事项(不断更新ing)

1.创建index的时候可以包含空格!但是不能包含

大写字母

!只能小写字母!



版权声明:本文为qq_37714755原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。