ElasticSearch 基本的查询命令+集成 SpringBoot

「爱情、让人受尽委屈。」 2023-02-11 06:00 95阅读 0赞

关于 ElasticSearch 的安装配置请查阅这篇文章：[https://blog.csdn.net/weixin\_43941364/article/details/105680161][https_blog.csdn.net_weixin_43941364_article_details_105680161]

## 一、分词器的使用 ##

IK 分词器的使用

最少拆分`ik_smart`：

GET _analyze
    { 
      "analyzer": "ik_smart",
      "text": "中国是一个伟大的国家"
    }

结果是：

{ 
      "tokens" : [
        { 
          "token" : "中",
          "start_offset" : 0,
          "end_offset" : 1,
          "type" : "CN_CHAR",
          "position" : 0
        },
        { 
          "token" : "国是",
          "start_offset" : 1,
          "end_offset" : 3,
          "type" : "CN_WORD",
          "position" : 1
        },
        { 
          "token" : "一个",
          "start_offset" : 3,
          "end_offset" : 5,
          "type" : "CN_WORD",
          "position" : 2
        },
        { 
          "token" : "伟大",
          "start_offset" : 5,
          "end_offset" : 7,
          "type" : "CN_WORD",
          "position" : 3
        },
        { 
          "token" : "的",
          "start_offset" : 7,
          "end_offset" : 8,
          "type" : "CN_CHAR",
          "position" : 4
        },
        { 
          "token" : "国家",
          "start_offset" : 8,
          "end_offset" : 10,
          "type" : "CN_WORD",
          "position" : 5
        }
      ]
    }

最细粒度拆分`ik_max_word`：

GET _analyze
    { 
      "analyzer": "ik_max_word",
      "text": "中国共产党"
    }

查询结果：

{ 
      "tokens" : [
        { 
          "token" : "中国共产党",
          "start_offset" : 0,
          "end_offset" : 5,
          "type" : "CN_WORD",
          "position" : 0
        },
        { 
          "token" : "中国",
          "start_offset" : 0,
          "end_offset" : 2,
          "type" : "CN_WORD",
          "position" : 1
        },
        { 
          "token" : "国共",
          "start_offset" : 1,
          "end_offset" : 3,
          "type" : "CN_WORD",
          "position" : 2
        },
        { 
          "token" : "共产党",
          "start_offset" : 2,
          "end_offset" : 5,
          "type" : "CN_WORD",
          "position" : 3
        },
        { 
          "token" : "共产",
          "start_offset" : 2,
          "end_offset" : 4,
          "type" : "CN_WORD",
          "position" : 4
        },
        { 
          "token" : "党",
          "start_offset" : 4,
          "end_offset" : 5,
          "type" : "CN_CHAR",
          "position" : 5
        }
      ]
    }

那么这些分词的依据是什么呢？

我们可以点开 ik 分词器的 `config` 目录查看一下字典：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70][]  
其中这些 `dic` 就是我们的字典。

在这里可以自定义自己的词典：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 1][]  
要注意的是每次修改完配置项之后都要重启服务。

## 二、增删改查 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 2][]  
在 ElasticSearch 中 `索引`相当于 数据库，`type` 相当于表， `document` 相当于一行记录，`Field` 相当于属性名。

### 1、创建与查询 ###

PUT /test1/type1/1
    { 
      "name": "硕子鸽",
      "age": 18
    }

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 3][]  
执行成功，即可查看：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 4][]  
我们再来了解一下数据类型，这里参考官方文档 [https://www.elastic.co/guide/en/elasticsearch/reference/7.7/mapping-types.html][https_www.elastic.co_guide_en_elasticsearch_reference_7.7_mapping-types.html]  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 5][]  
指定字段的类型，我们只创建一个数据库索引，为他指定字段的名称和类型，即创建规则：

PUT /test2
    { 
      "mappings": { 
        "properties": { 
          "name": { 
            "type": "text"
          },
          "age": { 
            "type": "long"
          },
          "birthday": { 
            "type": "date"
          }
        }
      }
    }

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 6][]  
创建成功看一下：  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 7][]  
查询命令使用 `GET`  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 8][]  
如果我们不指定字段类型呢？

在版本 7.6 及其以上版本，我们使用索引名 + \_doc 创建一条记录，`/test3/_doc/1`，如果不指定则默认就是 `_doc` 。

也就是说 Elasticsearch 会自动识别我们的字段，然后设置合适的字段类型。

注意：`keyword` 为不可分割类型。

我们可以使用命令：`GET _cat/indices?v` 查看默认配置信息。

### 2、修改数据 ###

直接使用添加数据的方法，他会覆盖原来的数据，然后在原来的版本号上 `+1`.

这个方法有个弊端，就是如果你漏掉了一个数据，那么这个数据就没了，要想修改一个数据，必须把原来的都带上很麻烦，我们来看一下新的方法。

使用 POST 命令：

POST /test3/_doc/1/_upodate
    { 
    	"doc": { 
    		"name": "硕子弟"
    	}
    }

### 3、删除数据 ###

删除索引：

DELETE test1

通过 DELETE 命令，根据你的命令判断，如果后面还有下一级，则会只删除下一级的数据。

## 三、关于文档的基本操作 ##

#### 通过 head 实现 ####

使用 `PUT` 请求，输入`demo/user/1`，插入一条数据：

{ 
      "name": "张三",
      "age": 30,
      "desc": "这是一号同学的描述",
      "tags": [
        "标签1",
        "标签2",
        "标签3"
      ]
    }

然后插入第二条数据 `demo/user/2` ：

{ 
      "name": "李四",
      "age": 29,
      "desc": "这是二号同学的描述",
      "tags": [
        "标签1",
        "标签2",
        "标签3"
      ]
    }

第三条 `demo/user/3`：

{ 
      "name": "王五",
      "age": 28,
      "desc": "这是三号同学的描述",
      "tags": [
        "标签1",
        "标签2",
        "标签3"
      ]
    }

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 9][]  
如果要查询的话，发送 GET 请求，就是简单的条件查询：

demo/user/1

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 10][]  
这是最简单的根据 ID 查询，那稍微复杂一点的查询呢？

demo/user/_search?q=name:张三

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 11][]  
如果使用这个：

demo/user/_search?q=desc:同学

他会把所有的描述信息带有同学的记录都查询出来，这个时候就体现出来搜索了。  
![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 12][]  
可以看到上面的返回数据中有一个 `score` 字段，这个字段的含义就是权重的意思。

我们也可以使用下面的这个查询：

demo/user/_search GET
    
    { 
      "query": { 
        "match": { 
          "name": "李四"
        }
      }
    }

也会得到相同的结果。

#### 通过 Kibana 实现 ####

我们使用 Kibana 来操作一下：

首先创建数据：

PUT /test2/_doc/1
    { 
      "name": "张三",
      "age": 18,
      "desc": "像一个菜鸡",
      "tags": [
          "憨批", "菜鸡", "蒟蒻"
        ]
    }
    
    
    PUT /test2/_doc/2
    { 
      "name": "李四",
      "age": 19,
      "desc": "像2个菜鸡",
      "tags": [
          "憨批1", "菜鸡1", "蒟蒻1"
        ]
    }
    
    PUT /test2/_doc/3
    { 
      "name": "王五",
      "age": 20,
      "desc": "像3个菜鸡",
      "tags": [
          "憨批2", "菜鸡2", "蒟蒻2"
        ]
    }

然后**修改数据**：

POST /test2/_doc/1/_update
    { 
      "doc": { 
        "desc": "菜鸡可不是我"
      }
    }
    
    POST /test2/_doc/3/_update
    { 
      "doc": { 
        "desc": "我是猪"
      }
    }

然后查询数据：

GET test2/_search?q=name:张三;
    GET test2/_search?q=desc:猪;
    
    get test2/_search
    { 
      "query": { 
        "match": { 
          "name": "张三"
        }
      }
    }

返回结果为：

{ 
      "took" : 0,
      "timed_out" : false,
      "_shards" : { 
        "total" : 1,
        "successful" : 1,
        "skipped" : 0,
        "failed" : 0
      },
      "hits" : { 
        "total" : { 
          "value" : 1,
          "relation" : "eq"
        },
        "max_score" : 2.0996442,
        "hits" : [
          { 
            "_index" : "test2",
            "_type" : "_doc",
            "_id" : "1",
            "_score" : 2.0996442,
            "_source" : { 
              "name" : "张三",
              "age" : 18,
              "desc" : "菜鸡可不是我",
              "tags" : [
                "憨批",
                "菜鸡",
                "蒟蒻"
              ]
            }
          }
        ]
      }
    }

*  `hits`：索引和文档信息，查询出来的是具体的文档；
 *  `_score`：通过分数来判断最佳匹配；

#### 复杂查询 ####

**只想要指定的字段：**

GET test2/_search
    { 
      "query": { 
        "match": { 
          "name": "张三"
        }
      },
      "_source": ["name", "desc"]
    }

只查出 name 和 sesc；

"hits" : [
          { 
            "_index" : "test2",
            "_type" : "_doc",
            "_id" : "1",
            "_score" : 1.6533571,
            "_source" : { 
              "name" : "张三",
              "desc" : "菜鸡可不是我"
            }
          }
    ]

**排序**

使用 `sort`：

GET test2/_search
    { 
      "query": { 
        "match": { 
          "desc": "菜鸡"
        }
      },
      "sort": [
        { 
          "age": { 
            "order": "asc"
          }
        }
      ]
    }

**分页**

*  `from`：从第几个数据开始；
 *  `size`：每页的个数；

GET test2/_search
    { 
      "query": { 
        "match": { 
          "desc": "菜鸡"
        }
      },
      "sort": [
        { 
          "age": { 
            "order": "asc"
          }
        }
      ],
      "from": 0, 
      "size": 2
    }

**返回布尔值**

GET test2/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "match": { 
                "name": "张三"
              }
            },
            { 
              "match": { 
                "age": "18"
              }
            }
          ]
        }
      }
    }

*  `must`：所有的条件都要符合；
 *  `shoulder`：两个条件满足其一就行。
 *  `must_not`：结果取反；

**过滤器**

GET test2/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "match": { 
                "name": "张三"
              }
            }
          ],
          "filter": { 
            "range": { 
              "age": { 
                "gte": 10,
                "lte": 20
              }
            }
          }
        }
      }
    }

*  `filter`：过滤选项；
 *  `gte`：大于等于；
 *  `lte`：小于等于；
 *  `gt`：大于；
 *  `lt`：小于。

**匹配多个条件**

直接使用空格隔开：

GET test2/_search
    { 
      "query": { 
        "match": { 
          "tags": "菜鸡 憨批"
        }
      }
    }

**精确查询**

*  `term`：直接查询精确的；
 *  `match`：会使用分词器，先分析文档，然后在通过分析文档进行查询；

**两个类型**

*  `text`：会被分词器解析；
 *  `keyword`：不会被分词器解析；

严格的查询年龄是 18 岁的人：

GET test2/_search
    { 
      "query": { 
        "term": { 
          "age": 18
        }
      }
    }

**高亮查询**

GET test2/_search
    { 
      "query": { 
        "match": { 
          "name": "张三"
        }
      },
      "highlight": { 
        "fields": { 
          "name": { }
        }
      }
    }

查询结果：

"hits" : [
      { 
        "_index" : "test2",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.6533571,
        "_source" : { 
          "name" : "张三",
          "age" : 18,
          "desc" : "菜鸡可不是我",
          "tags" : [
            "憨批",
            "菜鸡",
            "蒟蒻"
          ]
        },
        "highlight" : { 
          "name" : [
            "<em>张</em><em>三</em>"
          ]
        }
      }
    ]

[https_blog.csdn.net_weixin_43941364_article_details_105680161]: https://blog.csdn.net/weixin_43941364/article/details/105680161
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/2020052208395145.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/2020052208484953.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200522085338973.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200522091634533.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200522091707927.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[https_www.elastic.co_guide_en_elasticsearch_reference_7.7_mapping-types.html]: https://www.elastic.co/guide/en/elasticsearch/reference/7.7/mapping-types.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200522092204296.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200522092747650.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20200522092823947.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20200522093229240.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 9]: https://img-blog.csdnimg.cn/20200522134214349.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 10]: https://img-blog.csdnimg.cn/20200522134254480.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 11]: https://img-blog.csdnimg.cn/20200522135934162.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA_size_16_color_FFFFFF_t_70 12]: https://img-blog.csdnimg.cn/20200522140025437.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk0MTM2NA==,size_16,color_FFFFFF,t_70