数据格式

Elasticsearch 是面向文档型数据库，一条数据在这里就是一个文档。为了方便大家理解，我们将 Elasticsearch 里存储文档数据和关系型数据库 MySQL 存储数据的概念进行一个类比ES 里的 Index 可以看做一个库，而 Types 相当于表，Documents 则相当于表的行。

这里 Types 的概念已经被逐渐弱化，Elasticsearch 6.X 中，一个 index 下已经只能包含一个type，Elasticsearch 7.X 中, Type 的概念已经被删除了。

用 JSON 作为文档序列化的格式，比如一条用户信息：

{"name" : "John","sex" : "Male","age" : 25,"birthDate": "1990/05/01","about" : "I love to go rock climbing","interests": [ "sports", "music" ]
}

因为访问Elasticsearch 服务器是REST请求，所以我们直接使用 Postman 访问。

Postman 下载地址：https://www.getpostman.com/apps 

HTTP 操作

一、索引操作

1. 创建索引-PUT，创建索引就等同于创建数据库，如果重复添加索引，会返回错误信息

请求：http://127.0.0.1:9200/shopping

{"acknowledged"【响应结果】: true, # true 操作成功"shards_acknowledged"【分片结果】: true, # 分片操作成功"index"【索引名称】: "shopping"
}
# 注意：创建索引库的分片数默认 1 片，在 7.0.0 之前的 Elasticsearch 版本中，默认 5 片

2. 查看全部索引-GET

请求 ：http://127.0.0.1:9200/_cat/indices?v

 3. 查看单个索引-GET

请求 ：http://127.0.0.1:9200/shopping

查看索引向 ES 服务器发送的请求路径和创建索引是一致的。但是 HTTP 方法不一致。

{"shopping"【索引名】: { "aliases"【别名】: {},"mappings"【映射】: {},"settings"【设置】: {"index"【设置 - 索引】: {"creation_date"【设置 - 索引 - 创建时间】: "1614265373911","number_of_shards"【设置 - 索引 - 主分片数量】: "1","number_of_replicas"【设置 - 索引 - 副分片数量】: "1","uuid"【设置 - 索引 - 唯一标识】: "eI5wemRERTumxGCc1bAk2A","version"【设置 - 索引 - 版本】: {"created": "7080099"},"provided_name"【设置 - 索引 - 名称】: "shopping"}}}
}

4. 删除索引-DELETE

请求 ：http://127.0.0.1:9200/shopping

 二、文档操作

1. 创建文档-POST

索引已经创建好了，接下来我们来创建文档，并添加数据。这里的文档可以类比为关系型数据库中的表数据，添加的数据格式为 JSON 格式

请求：http://127.0.0.1:9200/shopping/_doc

{"_index"【索引】: "shopping","_type"【类型-文档】: "_doc","_id"【唯一标识】: "Xhsa2ncBlvF_7lxyCE9G", #可以类比为 MySQL 中的主键，随机生成"_version"【版本】: 1,"result"【结果】: "created", #这里的 create 表示创建成功"_shards"【分片】: {"total"【分片 - 总数】: 2,"successful"【分片 - 成功】: 1,"failed"【分片 - 失败】: 0},"_seq_no": 0,"_primary_term": 1
}

上面的数据创建后，由于没有指定数据唯一性标识（ID），默认情况下，ES 服务器会随机生成一个。

如果想要自定义唯一性标识，需要在创建时指定：http://127.0.0.1:9200/shopping/_doc/1

此处需要注意：如果增加数据时明确数据主键，那么请求方式也可以为 PUT

2. 查看文档-GET

查看文档时，需要指明文档的唯一性标识，类似于 MySQL 中数据的主键查询 

http://127.0.0.1:9200/shopping/_doc/Xhsa2ncBlvF_7lxyCE9G  

{"_index"【索引】: "shopping","_type"【文档类型】: "_doc","_id": "1","_version": 2,"_seq_no": 2,"_primary_term": 2,"found"【查询结果】: true, # true 表示查找到，false 表示未查找到"_source"【文档源信息】: {"title": "华为手机","category": "华为","images": "http://www.gulixueyuan.com/hw.jpg","price": 4999.00}
}

 查询所有数据: http://127.0.0.1:9200/shopping/_search 发送GET请求

3. 修改文档-POST

• 全局修改
• 局部修改

全局修改和新增文档一样，输入相同的 URL 地址请求，如果请求体变化，会将原有的数据内容覆盖，局部修改则修改字段对应的值。

http://127.0.0.1:9200/shopping/_doc/Xhsa2ncBlvF_7lxyCE9G全局修改：http://127.0.0.1:9200/shopping/_doc/Xhsa2ncBlvF_7lxyCE9G 

{"title":"华为手机","category":"华为","images":"http://www.gulixueyuan.com/hw.jpg","price":4999.00
}

局部修改：

{"doc":{"title":"华为手机"}
}

 4. 删除文档-DELETE

http://127.0.0.1:9200/shopping/_doc/Xhsa2ncBlvF_7lxyCE9G

{"_index": "shopping","_type": "_doc","_id": "1","_version"【版本】: 4, #对数据的操作，都会更新版本"result"【结果】: "deleted", # deleted 表示数据被标记为删除"_shards": {"total": 2,"successful": 1,"failed": 0},"_seq_no": 4,"_primary_term": 2
}

5. 条件删除文档-POST

先创建俩个文档

{"title":"小米手机","category":"小米","images":"http://www.gulixueyuan.com/xm.jpg","price":3999.00
}
{"title":"华为手机","category":"华为","images":"http://www.gulixueyuan.com/hw.jpg","price":4000.00
}

删除价格为 4000.00 的文档：

{"query":{"match":{"price":4000.00}}
}

{"took"【耗时】: 1175,"timed_out"【是否超时】: false,"total"【总数】: 1,"deleted"【删除数量】: 1,"batches": 1,"version_conflicts": 0,"noops": 0,"retries": {"bulk": 0,"search": 0},"throttled_millis": 0,"requests_per_second": -1.0,"throttled_until_millis": 0,"failures": []
}

映射基本操作

原理

有了索引库，等于有了数据库中的 database。

接下来就需要建索引库(index)中的映射了，类似于数据库(database)中的表结构(table)。创建数据库表需要设置字段名称，类型，长度，约束等；索引库也一样，需要知道这个类型下有哪些字段，每个字段有哪些约束信息，这就叫做映射(mapping)。

1. 创建映射-PUT

首先创建 stuednt 索引：

http://127.0.0.1:9200/student

 ES 服务器发 PUT 请求：http://127.0.0.1:9200/student/_mapping

请求体内容为：

{"properties": {"name":{"type": "text","index": true},"sex":{"type": "keyword","index": true},"age":{"type": "keyword","index": false}}
}

映射数据说明：

• 字段名：任意填写，下面指定许多属性，例如：title、subtitle、images、price

• type：类型，Elasticsearch 中支持的数据类型非常丰富，说几个关键的：

  • String 类型，又分两种：
    • text：可分词，支持模糊查询，支持准确查询，不支持聚合查询
    • keyword：不可分词，数据会作为完整字段进行匹配，支持模糊查询，支持准确查询，支持聚合查询。
  • Numerical：数值类型，分两类
    • 基本数据类型：long、integer、short、byte、double、float、half_float
    • 浮点数的高精度类型：scaled_float
  • Date：日期类型
  • Array：数组类型
  • Object：对象

• index：是否索引，默认为 true，也就是说你不进行任何配置，所有字段都会被索引。

  • true：字段会被索引，则可以用来进行搜索
  • false：字段不会被索引，不能用来搜索

• store：是否将数据进行独立存储，默认为 false

  原始的文本会存储在 _source 里面，默认情况下其他提取出来的字段都不是独立存储 的，是从 _source 里面提取出来的。当然你也可以独立的存储某个字段，只要设置 "store": true 即可，获取独立存储的字段要比从 _source 中解析快得多，但是也会占用 更多的空间，所以要根据实际业务需求来设置。

• analyzer：分词器，这里的 ik_max_word 即使用 ik 分词器

2. 查看映射-GET

http://127.0.0.1:9200/student/_mapping

3. 索引映射关联-PUT

创建新的索引 student1，与之前的 student 进行映射关联

http://127.0.0.1:9200/student1

请求体内容：（填写要映射的索引映射内容）

{"settings": {},"mappings": {"properties": {"name":{"type": "text","index": true},"sex":{"type": "text","index": false},"age":{"type": "long","index": false}}}
}