1 docker安装ElasticSearch

# 下载镜像
docker pull elasticsearch:5.6.8
# 创建并启动容器
docker run -di --name=docker_elasticsearch -p 9200:9200 -p 9300:9300 elasticsearch:5.6.8

因云服务器内存太小,无法启动docker上的elastic,此处将不再进行下去

2 windows安装ElasticSearch

• 解压安装包如下

  
  
  elasticSearch-windows.png

• config目录下有elasticsearch.yml配置文件,可在里面修改配置,其基本配置如下

# 集群名称
cluster.name: my-application
# 当前节点名称
node.name: node-1
# 数据存放路径，默认是在ES安装目录下的data
#path.data: /path/to/data
# 日志存放路径，默认是在ES安装目录下的logs
#path.logs: /path/to/logs
# 绑定地址 默认是本机 localhost ,如果需要允许其他机器访问，可以设置为本机IP或者 0.0.0.0
#network.host: 192.168.0.1
# ES的HTTP连接地址,默认9200
#http.port: 9200

• 修改完成后,可双击bin目录下的elasticsearch.bat启动
• 访问本机:9200看到以下页面即启动成功
  
  elasticSerach首次启动后访问.png

3 安装ik分词器

• elasticSearch/plugin文件夹下创建ik文件夹
• 解压elasticsearch-analysis-ik-6.2.4.zip
• 将解压包下elasticsearch内所有文件复制到elasticSearch/plugin/ik下
• 重启elasticsearch

4 安装kibana

• 解压安装包

  
  
  kibana.png
• 修改配置文件config/kibana.yml

# Web界面访问地址
#server.port: 5601
# 配置ES地址
#elasticsearch.url: "http://localhost:9200"

• 双击bin/kibana.bat启动
• 访问http://127.0.0.1:5601/
  
  kibana首页.png
• kibana测试
  在kibana左侧做到Dev Tools，输入请求命令,效果如下

POST _analyze
{
  "analyzer": "ik_max_word",
  "text": "我是中国人"
}

kibana测试.png

5 操作索引库

5.1 elastic概念

elasticSearch对比mysql

索引库（indices）---------------------------------Database 数据库
类型（type）----------------------------------Table 数据表
文档（Document）---------------------------------Row 行
字段（Field）--------------------------------Columns 列
映射配置（mappings）-------------------------------每个列的约束（类型、长度）

详细说明：

5.2 操作索引库

• 创建索引库,可指定参数,也可不指定,7之前默认5个分片

# 创建
PUT itheima1
{
  "settings": {
    "number_of_shards": 5
  }
}

创建索引库-1.png

• 查看索引库

GET 索引库名 
GET itheima1

• 删除索引库

DELETE 索引库名
DELETE itheima1

5.3 操作类型及映射

• 创建映射关系
  语法

PUT 索引库名/_mapping/类型名称 
{
  "properties": {
    "字段名": {
      "type": "类型",
      "index": true,
      "store": true,
      "analyzer": "分词器"
    }
  }
}

类型名称：就是前面将的type的概念，类似于数据库中的表 字段名：任意填写，
在ES5.X版本中一个索引库中可以添加多个类型，相当于一个数据库添加多个表
在ES6.X版本中就不能通过REST请求在一个索引库中添加多个类型，但是从ES5.X升级到ES6.X的多个类型依旧可用
但是在ES7版本后，一个索引库只能有一个类型，为了兼容ES7，这里的类型最好设置为_doc

下面指定许多属性，例如：

• type：类型，可以是text、long、short、date、integer、object等
• index：是否索引，默认为true
• store：是否存储，默认为false
• analyzer：分词器，这里的 ik_max_word 即使用ik分词器

eg:

PUT itheima/_mapping/_doc
{
  "properties": {
    "title":{
      "type": "text",
      "analyzer": "ik_max_word"
    },
    "images":{
      "type": "keyword",
      "index": false
    },
    "price":{
      "type": "float"
    }
  }
}

• 查看映射关系

# 查看索引库中所有映射关系
GET /索引库名/_mapping
# 查看索引库中指定映射关系
GET /索引库名/_mapping/映射名

5.4 创建索引库和类型

put 索引库名
{
  "settings": {
    "索引库属性名": "索引库属性值"
  },
  "mappings": {
    "类型名": {
      "properties": {
        "字段名": {
          "映射属性名": "映射属性值"
        }
      }
    }
  }
}

5.5 操作文档

• 新增文档:向索引库中类型下新增数据,类比数据库下的一行数据

POST /索引库名/类型名
{
  "key": "value"
}

• 查看文档

GET 索引库/类型/文档编码

根据编码查询文档.png

• 新增文档并指定id

POST /索引库名/类型名/自己指定id
{
  "key": "value"
}

• 更新文档(若原类型中有该id的文档则更新,没有则新增),默认为全量更新(原来3个属性都有值,更新时只传两个属性,那么第三个属性会被置空)

PUT 索引库名/类型名/_id
{
    "key":"value"
}

• 删除文档

DELETE 索引库名/类型名/_id

5.6 查询

5.6.1 基本查询

• 语法

GET 索引库名/类型名/_search
{
  "query": {
    "查询类型": {
      "查询条件": "查询条件值"
    }
  }
}

这里query代表一个查询对象
查询类型:match_all,math,term,range等
查询条件:根据查询类型不同有较大的差异

5.6.1.1 查询所有match_all

• 语法

GET 索引库名/_search
{
  "query": {
    "match_all": {}
  }
}

• EG

GET itheima/_search
{
  "query": {
    "match_all": {}
  }
}

• 查询结果

{
  "took": 3,  # 查询花费时间,单位ms
  "timed_out": false, 是否超时
  "_shards": {  分片信息
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {  搜索结果总览对象
    "total": 4, 搜索到的总条数
    "max_score": 1, 所有结果中文档得分的最高分
    "hits": [ 搜索结果文档对象数组,每个元素是一条搜索到的文档信息
      {
        "_index": "itheima", 索引库
        "_type": "_doc", 文档类型
        "_id": "FdfauXMB7B8ED9LAPGn6", 文档id
        "_score": 1, 文档得分
        "_source": { 文档源数据
          "title": "小米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 2699
        }
      },
      {
        "_index": "itheima",
        "_type": "_doc",
        "_id": "1",
        "_score": 1,
        "_source": {
          "title": "华为手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 4799
        }
      },
      {
        "_index": "itheima",
        "_type": "_doc",
        "_id": "OANswXMBIeDNWb4_bSfG",
        "_score": 1,
        "_source": {
          "title": "小米电视4A",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 3899
        }
      },
      {
        "_index": "itheima",
        "_type": "_doc",
        "_id": "3",
        "_score": 1,
        "_source": {
          "title": "超大米手机",
          "images": "http://image.leyou.com/12479122.jpg",
          "price": 3299,
          "stock": 200,
          "saleable": true,
          "subTitle": "哈哈"
        }
      }
    ]
  }
}

5.6.1.2 匹配查询match

• 语法

GET 索引库名/_search
{
  "query":{
    "match": {
      "条件": "条件值"
    }
  }
}

• EG

GET itheima/_search
{
  "query":{
    "match": {
      "title": "小米"
    }
  }
}

场景:查询分词的属性
默认情况下,会对用户输入的条件值进行分词然后使用or连接来查询.如用户输入""小米手机",会查询出"小米"、"手机"、"小米手机"的数据.
如需精确查找可以指定使用and连接,如下

• 条件值精确查找(类似不对用户输入分词)

# match指定指定对输入分词指定对输入分词使用连接
GET itheima/_search
{
  "query":{
    "match": {
      "title":
      {"query": "小米手机",
        "operator": "and"
      }
    }
  }
}

5.6.1.3 词条匹配term

• 语法

GET 索引库名/_search
{
  "query":{
    "term": {
      "条件": "条件值"
    }
  }
}

-EG

GET itheima/_doc/_search
{
  "query":{
    "term": {
      "price": 2699
    }
  }
}

适用条件:查询被用于精确值 匹配，这些精确值可能是数字、时间、布尔或者那些未分词的字符串 ,一般是在keyword上进行查询
需注意如果term查询的条件字段为string类型的,若这个字段做了分词,可能会查询不到如下

# 因为title为text类型,且进行了分词,形成的索引有"小米","电视","小米电视",但是没有"小米电视4A",无法进行精确匹配.所以对于分词的字段建议使用match
GET itheima/_search
{
  "query": {
    "term": {
      "title": "小米电视4A"
    }
  }  
}

5.6.1.4 bool组合

• 语法

must:多个查询条件完全匹配,相当于and
must_not:多个查询条件,必须完全不匹配,相当于not
should:多个查询条件做并集,相当于or

• EG

GET itheima/_search
{
  "query": {
    "bool": {
      "must": {
        "match": {
          "title": "小米"
        }
      },
      "must_not": {
        "match": {
          "title": "电视"
        }
      }
    }
  }
}

GET itheima/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "title": "小米"
          }
        },
        {
          "match": {
            "title": "手机"
          }
        }
      ]
    }
  }
}

5.6.1.5 范围查询 range

range 查询找出那些落在指定区间内的数字或者时间

• 语法
  range 可以使用一下参数:

• EG

#  1000<price<3000
GET itheima/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 1000,
        "lte": 3000
      }
    }
  }
}

5.6.1.6 模糊查询 fuzzy

• 场景,但只允许偏差值为2

  
  
  elasticSearch_fuzzy.png
• 语法

GET itheima/_search
{
  "query": {
    "fuzzy": {
      "title": "电视3"
    }
  }
}

elasticSearch_fuzzy_result.png

5.6.2 结果过滤

默认情况下，elasticsearch在搜索的结果中，会把文档中保存在 _source 的所有字段都返回。
如果我们只想获取其中的部分字段，我们可以添加 _source 的过滤

5.6.2.1 直接指定字段

-EG

GET itheima/_search
{
  "_source": [
    "title",
    "price"
  ],
  "query": {
    "match": {
      "title": "小米"
    }
  }
}

5.6.2.2 指定include和exclude

• EG

# include
GET itheima/_search
{
  "_source": {
    "includes": ["title","images"]
  },
  "query": {
    "match": {
      "title": "小米"
    }
  }
}
# exclude
GET itheima/_search
{
  "_source": {
    "excludes": "images"
  },
  "query": {
    "match": {
      "title": "小米"
    }
  }
}

5.6.3 filter过滤

注意过滤的字段不能分词,只能是keyword或数值类型

• eg:只能放在bool里,其他的查询都会对查询的结果评分造成影响,而filter不会

GET itheima/_search
{
  "query": {
    "bool": {
      "filter": {
        "range": {
          "price": {
            "gte": 1000,
            "lte": 5000
          }
        }
      }
    }
  }
}

5.6.4 排序

5.6.4.1 单字段排序

• EG

GET itheima/_search
{
  "query": {
    "match": {
      "title": "小米"
    }
  },
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    }
  ]
}

5.6.4.2 多字段排序

GET itheima/_search
{
  "query": {
    "match": {
      "title": "手机"
    }
  },
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    },{
      "_score":{
        "order": "desc"
      }
    }
  ]
}

5.6.5 分页

-EG

GET itheima/_search
{
  "query": {
    "match": {
      "title": "手机"
    }
  },
  "sort": [
    {
      "price": {
        "order": "asc"
      }
    }
  ],
  "from": 2, 开始位置(并非开始页)
  "size": 2 每页大小
}

5.6.6 高亮

• 高亮原理:搜索结果中关键字加上约定好的标签

GET itheima/_search
{
  "query": {
    "match": {
      "title": "手机"
    }
  },
  "highlight": {
    "pre_tags": "<em>",
    "post_tags": "</em>",
    "fields": {
      "title": {}
    }
  }
}

elasticSearch-highlight.png

5.7 聚合aggregations

聚合可以让我们极其方便的实现对数据的统计、分析。例如：

• 什么品牌的手机最受欢迎？
• 这些手机的平均价格、最高价格、最低价格？
• 这些手机每月的销售情况如何？

实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现近实时搜索效果。

5.7.1 聚合的基本概念

桶（bucket） 类似于 group by

桶的作用，是按照某种方式对数据进行分组，每一组数据在ES中称为一个 桶 ，
例如我们根据国籍对人划分，可以得到 中国桶 、 英国桶 ， 日本桶
或者我们按照年龄段对人进行划分：0_10,1020,20_30,3040等。
Elasticsearch中提供的划分桶的方式有很多：

• Date Histogram Aggregation：根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组
• Histogram Aggregation：根据数值阶梯分组，与日期类似，需要知道分组的间隔（interval）
• Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组
• Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组

综上所述，我们发现bucket aggregations 只负责对数据进行分组，并不进行计算，因此往往bucket中
往往会嵌套另一种聚合：metrics aggregations即度量

度量（metrics） 相当于聚合的结果

分组完成以后，我们一般会对组中的数据进行聚合运算，例如求平均值、最大、最小、求和等，这些在
ES中称为 度量
比较常用的一些度量聚合方式：

• Avg Aggregation：求平均值
• Max Aggregation：求最大值
• Min Aggregation：求最小值
• Percentiles Aggregation：求百分比
• Stats Aggregation：同时返回avg、max、min、sum、count等
• Sum Aggregation：求和
• Top hits Aggregation：求前几
• Value Count Aggregation：求总数

5.7.2 测试

添加测试数据

PUT car
{
  "mappings": {
    "orders": {
      "properties": {
        "color": {
          "type": "keyword"
        },
        "make": {
          "type": "keyword"
        }
      }
    }
  }
}

POST car/orders/_bulk
{"index":{}}
{"price":10000,"color":"红","make":"本田","sold":"2014-10-28"}
{"index":{}}
{"price":20000,"color":"红","make":"本田","sold":"2014-11-05"}
{"index":{}}
{"price":30000,"color":"绿","make":"福特","sold":"2014-05-18"}
{"index":{}}
{"price":15000,"color":"蓝","make":"丰田","sold":"2014-07-02"}
{"index":{}}
{"price":12000,"color":"绿","make":"丰田","sold":"2014-08-19"}
{"index":{}}
{"price":20000,"color":"红","make":"本田","sold":"2014-11-05"}
{"index":{}}
{"price":80000,"color":"红","make":"宝马","sold":"2014-01-01"}
{"index":{}}
{"price":25000,"color":"蓝","make":"福特","sold":"2014-02-12"}

5.7.2.1 聚合为桶

• 按照颜色聚合为bucket

GET car/_search
{
  "size": 0, //设置为0,不显示原文档,只显示聚合结果
  "aggs": {
    "popular_colors": {
      "terms": {
        "field": "color"
      }
    }
  }
}

查询参数说明:
size： 查询条数，这里设置为0，因为我们不关心搜索到的数据，只关心聚合结果，提高效率
aggs：声明这是一个聚合查询，是aggregations的缩写
popular_colors：给这次聚合起一个名字，可任意指定。
terms：聚合的类型，这里选择terms，是根据词条内容（这里是颜色）划分
field：划分桶时依赖的字段

elasticSearch-aggegation-result.png

5.7.2.2 度量

前面的例子告诉我们每个桶里面的文档数量,这很有用。 但通常,我们的应用需要提供更复杂的文档度量。 例如,每种颜色汽车的平均价格是多少？因此,我们需要告诉Elasticsearch使用哪个字段 ,使用何种度量方式 进行运算,这些信息要嵌套在 桶内,度量的运算会基于桶内的文档进行 .

GET car/_search
{
  "size": 0,
  "aggs": {
    "popular_colors": {
      "terms": {
        "field": "color"
      },
      "aggs": {
        "avg_price": {
          "avg": {
            "field": "price"
          }
        }
      }
    }
  }
}

参数说明:
aggs：我们在上一个aggs(popular_colors)内添加新的aggs。可见度量也是一个聚合
avg_price：聚合的名称
avg：度量的类型，这里是求平均值
field：度量运算的字段