ElasticSearch-EW帮帮网

本次使用的es是6.5版本的

ElasticSearch介绍

ES是一个使用Java语言并且基于!ucene编写的搜索引擎框架，他提供了分布式的全文搜索功能，提供了一个统一的基于RESTFUl风格的WEB接口，官方客户端也对多种语言都提供了相应的API。
Lucene:Lucene本身就是一个搜索引擎的底层。
分布式:ES主要是为了突出他的横向扩展能力。
全文检索:将一段词语进行分词，并且将分出的单个词语统一的放到一个分词库中，在搜索时，根据关键字去分词库中检索，找到匹配的内容。（倒排索引）
RESTFUL风格的WEB接口:操作ES很简单，只需要发送一个HTTP请求，并且根据请求方式的不同，携带参数的不同，执行相应的功能。

ES和Solr

Solr在查询死数据时，速度相对ES更快一些。但是数据如果是实时改变的，solr的查询速度会降低很多。ES的查询的效率基本没有变化。
Solr搭建基于需要依赖zeokeeper来帮助管理。ES本身就支持集群的搭建，不需要第三方的介入。
最开始Solr的社区可以说是非常火爆，针对国内的文档并不是很多。在ES出现之后，ES的社区火爆程度直线上升，ES的文档非常健全。
ES对现在云计算和大数据支持的特别好。

倒排索引

将存放的数据，以一定的方式进行分词，并且将分词的内容存放到一个单独的分词库中当用户去查询数据时，会将用户的查询关键字进行分词，然后去分词库中匹配内容，最终得到数据的id标识。根据id标识去存放数据的位置拉取到指定的数据。
在这里插入图片描述

安装

ElasticSearch和kibana

docker compose ymal文件
在这里插入图片描述

ik分词器

进入es环境中的bin目录安装
在这里插入图片描述
然后重启es

验证
在这里插入图片描述

基本操作

es vs 关系型数据库

在这里插入图片描述

索引

ES的服务中，可以创建多个索引。
每一个索引引默认披分成5片存储。
每一个分片都会存在至少一个备份分片。备份分片默认不会帮助检索数据，当ES检索压力特别大的时候，备份分片才会帮助检索数据。
备份的分片必须放在不同的服务器中。

TYPE

ES5.x版本中，一个Index下可以创建多个TyPE，ES6.x版本一个Index下可以创建一个Type.ES6.x版本中，ES7.x版本中，一个Index下没有Type.

document

相当于关系数据库中的记录

filed

相当于关系数据库中的列

es中restful的语法api

在这里插入图片描述

索引操作

建立索引

在这里插入图片描述

查看索引

kibana页面操作
在这里插入图片描述
或者

删除索引

kibana页面操作
在这里插入图片描述
或者接口

类型

在这里插入图片描述

创建索引并指定数据类型

在这里插入图片描述

文档操作

文档在ES服务中的唯一标识，_index，_type，_id 三个内容为组合，锁定一个文档，操作时添加还是修改

添加文档

在这里插入图片描述

更新文档

在这里插入图片描述

删除文档

在这里插入图片描述

ElasticSearch各种查询

term和terms查询

term查询

term的查询是代表完全匹配，搜索之前不会对你搜索的关键字进行分词，对你的关键字去文档分词库中去匹配内容。
在这里插入图片描述

terms查询

在这里插入图片描述

match查询

match查询属于高层查询，他会根据你查询的字段类型不一样，采用不同的查询方式。
查询的是日期或者是数值的话，他会将你基于的字符串查询内容转换为日期或者数值对待。。如果查询的内容是一个不能被分词的内容(keyword)，match查询不会对你指定的查询关键字进行分词。
如果查询的内容时一个可以被分词的内容(text)，match会将你指定的査询内容根据一定的方式去分词，去分词库中匹配指定的内容。
match查询，实际底层就是多个term查询，将多个term查询的结果给你封装到了一起

match_all

在这里插入图片描述

match查询

在这里插入图片描述

bool match查询

在这里插入图片描述

multi_match

在这里插入图片描述

其他查询

id查询

在这里插入图片描述

ids查询

在这里插入图片描述

prefix查询

在这里插入图片描述

fuzzy查询

在这里插入图片描述

wildcard查询

在这里插入图片描述

range查询

在这里插入图片描述

regexp查询

在这里插入图片描述

深分页scroll

现将用户指定的关键进行分词。

ES对from+size是有限制的，from和size二者之和不能超过1W原理:

from+size在ES查询数据的方式:
第一步现将用户指定的关键进行分词。
第二步将词汇去分词库中进行检索，得到多个文档的id。
第三步去各个分片中去拉取指定的数据。耗时较长。
第四步将数据根据score进行排序。耗时较长。
第五步根据from的值，将查询到的数据舍弃一部分。
第六步返回结果。
ScrolI+size在ES查询数据的方式（不适合实时数据）:
第一步现将用户指定的关键进行分词。
第二步将词汇去分词库中进行检索，得到多个文档的id。
第三步将文档的id存放在一个ES的上下文中。
第四步根据你指定的size去ES中检索指定的数据，拿完数据的文档id，会从上下文中移除。
第五步如果需要下一页数据，直接去ES的上下文中，找后续内容。
第六步循环第四步和第五步