文章目录
Elasticsearch 中的一些概念
elasticsearch中有很多独有的概念，与mysql中略有差别，但也有相似之处。
我们要先学习Elasticsearch 区别于mysql中的知识才能去进行操作：
文档和字段
elasticsearch是面向**文档（Document）**存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中：
例如下面的例子，左侧的每一条数据存储到elasticsearch，都是一个文档
而Json文档中往往包含很多的字段（Field），类似于数据库中的列。
例如上图中每一个文档的字段，”id“、”title“都是数据库中的列
索引和映射
索引（Index），就是相同类型的文档的集合。
也就是索引里面的每个文档的字段都是相同类型的
例如下面的例子：
- 所有用户文档，就可以组织在一起，称为用户的索引；
- 所有商品的文档，可以组织在一起，称为商品的索引；
- 所有订单的文档，可以组织在一起，称为订单的索引；
因此，我们可以把索引当做是数据库中的表。
数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。
因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。
mysql与elasticsearch的联系
我们统一的把mysql与elasticsearch的概念做一下对比：
| MySQL | Elasticsearch | 说明 |
|---|---|---|
| Table | Index | 索引(index)，就是文档的集合，类似数据库的表(table) |
| Row | Document | 文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式 |
| Column | Field | 字段（Field），就是JSON文档中的字段，类似数据库中的列（Column） |
| Schema | Mapping | Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema） |
| SQL | DSL | DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD |
那么两者这不是很相像吗？我们学了MySQL为什么还要学Elasticsearch？
虽然两者在很多地方相似，但是两者各自有自己的擅长支出：
-
Mysql：擅长事务类型操作，可以确保数据的安全和一致性
-
Elasticsearch：擅长海量数据的搜索、分析、计算
因此在企业中，往往是两者结合使用：
- 对安全性要求较高的写操作，使用mysql实现
- 对查询性能要求较高的搜索需求，使用elasticsearch实现
- 两者再基于某种方式，实现数据的同步，保证一致性
例如下面实现Mysql与Elasticsearch结合使用的流程图：
应用前端向后端发送数据的CRUD请求，当进行事务类型操作的时，服务器与MySQL服务器进行数据持久化交互，保证数据操作的安全性，统一后端数据；当进行数据搜索与分析操作时，单纯的MySQL服务已经不能支撑完备的海量数据分析的操作，此时服务器往往是与Elasticsearch服务进行数据搜索、分析交互，得到最后数据计算的结果。
索引库操作
Elasticsearch 索引库就类似数据库表，mapping映射就类似表的结构。
我们要向es中存储数据，必须先创建“库”和“表”。
类似于mysql的创建库和表，如下图所示为MySQL的库表
1.mapping映射属性
mapping是对索引库中文档的约束，常见的mapping属性包括：
- type：字段数据类型，常见的简单类型有：
- 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）
- 数值：long、integer、short、byte、double、float、
- 布尔：boolean
- 日期：date
- 对象：object
- index：是否创建索引，默认为true
- analyzer：使用哪种分词器
- properties：该字段的子字段
例如下面的json文档：
{
"age": 21,
"weight": 52.1,
"isMarried": false,
"info": "精灵世界Java大师",
"email": "[email protected]",
"score": [99.1, 99.5, 98.9],
"name": {
"firstName": "开",
"lastName": "杨"
}
}
对应的每个字段映射（mapping）：
- age：类型为 integer；参与搜索，因此需要index为true；无需分词器
- weight：类型为float；参与搜索，因此需要index为true；无需分词器
- isMarried：类型为boolean；参与搜索，因此需要index为true；无需分词器
- info：类型为字符串，需要分词，因此是text；参与搜索，因此需要index为true；分词器可以用ik_smart
- email：类型为字符串，但是不需要分词，因此是keyword；不参与搜索，因此需要index为false；无需分词器
- score：虽然是数组，但是我们只看元素的类型，类型为float；参与搜索，因此需要index为true；无需分词器
- name：类型为object，需要定义多个子属性
- name.firstName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
- name.lastName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
2.索引库的CRUD
这里我们统一使用Kibana编写DSL的方式来演示。
2.1.创建索引库和映射
基本语法：
- 请求方式：PUT
- 请求路径：/索引库名，可以自定义
- 请求参数：mapping映射
格式：
PUT /索引库名称
{
"mappings": {
"properties": {
"字段名":{
"type": "text",
"analyzer": "ik_smart"
},
"字段名2":{
"type": "keyword",
"index": "false"
},
"字段名3":{
"properties": {
"子字段": {
"type": "keyword"
}
}
},
// ...略
}
}
}
例如
PUT /yyl
{
"mappings":{
}
}
示例：
PUT /yyl
{
"mappings": {
"properties": {
"info":{
"type": "text",
"analyzer": "ik_smart"
},
"email":{
"type": "keyword",
"index": false
},
"name":{
"properties": {
"firstName": {
"type": "keyword"
}
}
},
// 略...
}
}
}
运行，可以看到添加成功了
2.2.查询索引库
基本语法：
-
请求方式：GET
-
请求路径：/索引库名
-
请求参数：无
格式：
GET /索引库名
示例：
GET /yyl
2.3.修改索引库
倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。
因此索引库一旦创建，无法修改mapping。
虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响。
语法说明：
PUT /索引库名/_mapping
{
"properties": {
"新字段名":{
"type": "integer"
}
}
}
示例：
PUT /yyl/_mapping
{
"properties":{
"age":{
"type": "integer"
}
}
}
2.4.删除索引库
语法：
-
请求方式：DELETE
-
请求路径：/索引库名
-
请求参数：无
格式：
DELETE /索引库名
在kibana中测试：
再查就查不到了：
文档操作
1.新增文档
语法：
POST /索引库名/_doc/文档id
{
"字段1": "值1",
"字段2": "值2",
"字段3": {
"子属性1": "值3",
"子属性2": "值4"
},
// ...
}
示例：
POST /yyl/_doc/1
{
"info": "精灵世界Java大师",
"email": "[email protected]",
"name": {
"firstName": "开",
"lastName": "杨"
}
}
响应：
2.查询文档
根据rest风格，新增是post，查询应该是get，不过查询一般都需要条件，这里我们把文档id带上。
语法：
GET /{
索引库名称}/_doc/{
id}
通过kibana查看数据：
GET /yyl/_doc/1
查看结果：
在_source字段中存储这我们插入的文档信息
3.删除文档
删除使用DELETE请求，同样，需要根据id进行删除：
语法：
DELETE /{
索引库名}/_doc/id值
示例：
# 根据id删除数据
DELETE /yyl/_doc/1
结果：
4.修改文档
修改有两种方式：
| 修改方式 | 说明 |
|---|---|
| 全量修改 | 直接覆盖原来的文档 |
| 增量修改 | 修改文档中的部分字段 |
4.1.全量修改
全量修改是覆盖原来的文档，其本质是：
- 根据指定的id删除文档
- 新增一个相同id的文档
注意：如果根据id删除时，id不存在，第二步的新增也会执行，也就从修改变成了新增操作了。
语法：
PUT /{
索引库名}/_doc/文档id
{
"字段1": "值1",
"字段2": "值2",
// ... 略
}
示例：
PUT /yyl/_doc/1
{
"info": "精灵世界C++大师",
"email": "[email protected]",
"name": {
"firstName": "开",
"lastName": "杨"
}
}
再get下，可以看到已经修改：
4.2.增量修改
增量修改是只修改指定id匹配的文档中的部分字段。
语法：
POST /{
索引库名}/_update/文档id
{
"doc": {
"字段名": "新的值",
}
}
示例：
POST /yyl/_update/1
{
"doc": {
"email": "[email protected]"
}
}
再get下，可以看到已经修改：
