ES作为一个索引及搜索服务，对外提供丰富的REST接口，测试的话就用head 插件进行测试,从而快速的熟悉ES的使用方法及流程

---

概念及安装

 

 

1.创建索引库 

ES的索引库是一个逻辑概念，它包括了分词列表及文档列表，同一个索引库中存储了相同类型的文档。它就相当于MySQL中的表，或相当于Mongodb中的集合。

 

索引

索引（名词）：ES是基于Lucene构建的一个搜索服务，它要从索引库搜索符合条件索引数据。

索引（动词）：索引库刚创建起来是空的，将数据添加到索引库的过程称为索引。

 

es 创建索引库 

1.使用head 插件.没有安装的可以参考  概念及安装

使用浏览器访问 head

 

number_of_shards：设置分片的数量，在集群中通常设置多个分片，表示一个索引库将拆分成多片分别存储不同的结点，提高了ES的处理能力和高可用性，入门程序使用单机环境，这里设置为1。

number_of_replicas：设置副本的数量，设置副本是为了提高ES的高可靠性，单机环境设置为0. 

添加索引

 

查看索引库

 

 

 

 2.使用httpclient 工具

我选择的是使用postman,挺好用的一款软件(主要是ui设计的比较体面),

 

es 提供的restful 接口为

put http://localhost:9200/索引库名称 

 

 

如果要设置分片数,和副本数的需要  可以设置请求体 

 

 

3.创建映射

什么是映射?

在索引中每个文档都包括了一个或多个field，创建映射就是向索引库中创建field的过程

 

注意：6.0之前的版本有type（类型）概念，type相当于关系数据库的表，ES官方将在ES9.0版本中彻底删除type。

 

emmm,索引库 到底算是数据库还是表??

如果索引库相当于数据库的话  一个索引库可以存不同类型的文档

如果相当于表就表示一个索引库只能存储相同类型的文档，ES官方建议 在一个索引库中只存储相同类型的文档

 

添加映射

es 提供的 restful 接口为

post http://localhost:9200/索引库名称/类型名称/_mapping

我们创建三个映射字段  分别为 name ,desc,price

 

 

由于ES6.0版本还没有将type彻底删除，所以暂时把type起一个没有特殊意义的名字。

doc是类型名，可以自定义，在ES6.0中要弱化类型的概念，给它起一个没有具体业务意义的名称。

 

我们使用head 插件来看创建的映射 ,

 

4.创建文档

es添加文档对外提供的restful 接口为

put 或Post http://localhost:9200/xc_course/doc/id值             （如果不指定id值ES会自动生成ID）

 

使用head 查看 

 

 

5. 搜索文档  

id 查询

restful 接口

get http://localhost:9200/索引名/type/id

 

 

2.查询所有记录

 

根据字段查询数据

 

 

took：本次操作花费的时间，单位为毫秒。

timed_out：请求是否超时_

shards：说明本次操作共搜索了哪些分片

hits：搜索命中的记录

hits.total ： 符合条件的文档总数

hits.hits ：匹配度较高的前N个文档

hits.max_score：文档匹配得分，这里为最高分

_score：每个文档都有一个匹配度得分，按照降序排列。

_source：显示了文档的原始内容。

 

IK分词器

 

在添加文档时会进行分词，索引中存放的就是一个一个的词（term），当你去搜索时就是拿关键字去匹配词，最终找到词关联的文档。

 

测试当前索引库使用的分词器：

post 发送：localhost:9200/_analy

 

 

会发现分词的效果将 “测试” 这个词拆分成两个单字“测”和“试”，这是因为当前索引库使用的分词器对中文就是单字分词

 

安装ik 分词器 

使用IK分词器可以实现对中文分词的效果。是一款很火的分词器

（Github地址：https://github.com/medcl/elasticsearch-analysis-ik）

解压，并将解压的文件拷贝到ES安装目录的plugins下的ik目录下

 

重启es  ,测试分词器

 

 

分词器模式 :

ik_max_word: 大颗粒度分词,会将文本做最细粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、华人、人民共和国、人民、共和国、大会堂、大会、会堂等词语。

ik_smart:会做最粗粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为中华人民共和国、人民大会堂。

 

使用粗颗粒度 会使搜索到的数据更有准确性,但是细颗粒度能让搜索数据更多

 

自定义词库

 

如果要让分词器支持一些专有词语，可以自定义词库。iK分词器自带一个main.dic的文件，此文件为词库文件。

 

 

在myword.dic 中添加分词,每个分词占一行 

保存的时候设置  编码格式为 UTF-8无bom格式编码

 

 

重启es,测试分词器

 

 

 映射

下面是es 的数据类型

 

 

 

字符串包括text和keyword两种类型：

1.text

上边索引和收索时都是使用粗颗粒度分解,如果需要单独设置收索时的使用的分词器  ,可以单独设置 search_analyzer属性

下边使用的是细颗粒度索引入库,粗颗粒度收索,增加搜索精确性

 

 

 

2.keyword

上边介绍的text文本字段在映射时要设置分词器，keyword字段为关键字字段，通常搜索keyword是按照整体搜索，所以创建keyword字段的索引时是不进行分词的，比如：邮政编码、手机号码、身份证等。keyword字段通常用于过虑、排序、聚合等。

 

 

因为name 是keyword 类型,所以查询的时候需要精确查询

 

3.日期类型 data

日期类型不用设置分词器。通常日期类型的字段用于排序。

1. format 

       通过format设置日期格式

下边的设置允许date字段存储年月日时分秒、年月日 俩种格式。