Elasticsearch使用系列-ES簡介和環境搭建
Elasticsearch使用系列-ES增刪查改基本操作+ik分詞
一、安裝可視化工具Kibana
ES是一個NoSql資料庫應用，和其他資料庫一樣，我們為了方便操作查看它，需要安裝一個可視化工具 Kibana，
官網：https://www.elastic.co/cn/downloads/kibana
和前面安裝ES一樣，選中對應的環境下載，這里選擇windows環境，注意安裝的版本一定要和ES的版本一致，不然可能會啟動不起來，
解壓后進到config目錄下修改kibana.yml組態檔
修改完配置，進入bin目錄，雙擊 kibana.bat 檔案啟動，
啟動后，打開kibana地址：http://localhost:5601/ ，出現下面界面就是安裝成功了，
點自己瀏覽進入下面
點開發工具進入操作ES的界面，我們ES就在下面界面操作，
二、ES資料結構和資料型別
1.ES資料結構
這里以Mysql作對比，ES7.0以前的結構是Index,Type,Document，ES7.0以后廢棄了Type，現在ES和Mysql的結構對比如下
| MySql | Elasitcsearch |
| database(資料庫) | Elasitcsearch(實體) |
| table(表) | index(索引) |
| row(行) | document(檔案) |
| column(列) | field(欄位) |
2.ES資料型別
- 字串：text，keyword （重點型別）
- 數值：long，integer，short，byte，double，float，half float，scaled float
- 日期型別：date
- 布爾型別：boolean
- 二進制型別：binary
- 等等，，，
這里的資料型別標紅的是ES的重點型別，其它的和平時開發的型別一樣，沒什么特別，
三、ES的增刪查改基本操作
| 請求方式 | url地址 | 描述 |
| PUT | http://localhost:9200/索引名稱 | 創建索引 |
| POST | http://local | |
1.創建索引，相當于資料庫創建表
PUT index
PUT user { "mappings" : { "properties" : { "age" : { "type" : "integer" }, "name" : { "type" : "text" }, "name2" : { "type" : "keyword" }, "name3" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } } }, "hobby" : { "type" : "text" } } } }View Code
這里說一下kibana執行的原理，kibana執行的是http請求，前面的PUT為請求方式，還有POST,GET等，后面的user是索引名稱，因為kibana配置了es的資訊，
所以會自動帶上es的地址和埠，實際的請求為 PUT http://192.168.101.13:9200/user
查看索引欄位資訊
GET index
2.創建檔案，相當于資料庫插入資料記錄
POST index/_doc/id （index:索引名稱，_doc：固定，id:指定記錄id,不填會自動生成一個唯一id）
4.查詢
4.1查詢全部
GET index/_search
4.2按條件查詢
GET user/_search { "query": { "term": { "FIELD": { "value": "VALUE" } } } }
5.更新
對應sql陳述句:update user set age=19 where id=1
_doc，doc，_update：固定寫法
6.洗掉
6.1洗掉檔案（相當于洗掉一條資料）
對應sql陳述句: delete from user where id=1
DELETE user/_doc/1
6.2洗掉索引（相當于洗掉表）
對應sql陳述句：drop table user
DELETE user
四、全文索引和ik分詞
1.全文索引
創建索引的時候我上面故意創建了name(text)，name1(keyword),name2(text+keyword)，然后資料型別也說了text，keyword是ES的重點型別，這里演示他們的區別，
- keyword型別：查詢時條件只能全匹配
- text型別：全文索引查詢，查詢時會先分詞，然后用分詞去匹配查詢
- keyword+text型別，一個欄位兩種型別，可以全匹配，也可以全文索引查詢
keyword查詢例子，name2(keyword）的查詢：
keyword的查詢用term，或terms(配置多個值)
因為是全匹配，條件”張三“查到資料，條件”張“時查不到資料，
text查詢例子，name(text)的查詢
text的查詢用match
因為是全文索引分詞匹配，所以條件“張三”和條件“張”的，都把匹配到的資料都查詢出來了，
keyword+text查詢例子，name3(text+keyword)的查詢，
當只想查全匹配時，用term查詢
當想用全文索引查詢時，用match
2.ik分詞
1.什么是分詞？
我搜的是愛祖國，為什么，“愛釣魚，愛唱歌"的都被搜出來了呢？
因為ES默認內置了一個分詞器standard，看下這個分詞器的分詞結果
可以看到“愛祖國”的分詞結果為“愛，祖，國”，被拆分成了單個字，只要一個字匹配到就查出來，這樣的結果很多不是我們想要的，我們需要一款根據常用詞語的分詞器，這樣查到的結果會更準確，
這里就用到了ik分詞，ik分詞也是企業開發用的最多的，
2.ik分詞器插件安裝
官網下載：https://github.com/medcl/elasticsearch-analysis-ik/releases
下載的版本要和es一致，
把檔案下載后，解壓復制到es部署檔案的plugins檔案夾下，并把檔案夾的名稱改為ik，必須要叫ik，windows，linux，docker(docker為掛載檔案夾的方式把檔案映射進去)一樣,
然后重啟es即可生效，
再看一下用ik分詞器的分詞結果，
可以看到，已經是按常用詞語分詞了，
3.自定義詞組
上面“愛祖國”，被分成“愛祖國，祖國”，假如我想“愛組”也是一個詞，現在這個詞沒被收怎么辦？
打開剛才的ik檔案夾下的config目錄
里面的.dic結尾的都是分詞，打開其中一個看一下，
所以我們要自定義詞語，可以新建一個myword.dic
里面寫上想要的分詞
然后在IKAnalyzer.cfg.xml檔案加上剛才的檔案名
重啟es，再看一下分詞結果，
4.ik分詞怎么在索引中使用
創建索引的時候，text型別如果沒指定使用分詞器，就會默認內置的分詞器，所以使用ik分詞器時，創建索引時需要指定，
PUT user2 { "mappings" : { "properties" : { "age" : { "type" : "integer" }, "name" : { "type" : "text" }, "name2" : { "type" : "keyword" }, "name3" : { "type" : "text", "fields" : { "keyword" : { "type" : "keyword", "ignore_above" : 256 } }, "analyzer": "ik_max_word", "search_analyzer": "ik_max_word" }, "hobby" : { "type" : "text", "analyzer": "ik_max_word", "search_analyzer" : "ik_max_word" } } } }View Code
把user的資料復制到user2，
再次查詢“愛祖國”，得到一條想要的資料，沒有多余資料，證明ik分詞在索引中生效了，
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/421261.html
標籤：.NET Core