ElasticSearch高阶操作

1. 准备工作

默认数据库有下面这张表

CREATETABLE`t_hotel`(`id`int(11)NOTNULLAUTO_INCREMENTCOMMENT'主键ID',`name`varchar(255)CHARACTERSET utf8 COLLATE utf8_general_ci NULLDEFAULTNULLCOMMENT'酒店名称',`address`varchar(255)CHARACTERSET utf8 COLLATE utf8_general_ci NULLDEFAULTNULLCOMMENT'酒店地址',`brand`varchar(255)CHARACTERSET utf8 COLLATE utf8_general_ci NULLDEFAULTNULLCOMMENT'品牌',`type`varchar(255)CHARACTERSET utf8 COLLATE utf8_general_ci NULLDEFAULTNULLCOMMENT'类型',`price`int(11)NULLDEFAULTNULLCOMMENT'酒店价格',`specs`varchar(255)CHARACTERSET utf8 COLLATE utf8_general_ci NULLDEFAULTNULLCOMMENT'规格',`salesVolume`int(11)NULLDEFAULTNULLCOMMENT'销量',`synopsis`varchar(255)CHARACTERSET utf8 COLLATE utf8_general_ci NULLDEFAULTNULLCOMMENT'酒店简介',`area`varchar(255)CHARACTERSET utf8 COLLATE utf8_general_ci NULLDEFAULTNULLCOMMENT'区',`imageUrl`varchar(255)CHARACTERSET utf8 COLLATE utf8_general_ci NULLDEFAULTNULLCOMMENT'图片路径',`createTime`dateNULLDEFAULTNULLCOMMENT'创建时间',`isAd`tinyint(1)NULLDEFAULT0COMMENT'是否广告',PRIMARYKEY(`id`)USINGBTREE)ENGINE=InnoDBAUTO_INCREMENT=293659CHARACTERSET= utf8 COLLATE= utf8_general_ci COMMENT='酒店信息' ROW_FORMAT = Dynamic;

表中有N条数据类似于下面这种

INSERTINTO`t_hotel`VALUES(1,'北京市东城区七天酒店','广西壮族自治区北京县东丽郑州路N座 818276','七天','酒店',847,'五星级',47,'度假天堂','北京市','https://www.hilton.com.cn/file/images/20160923/20160923102144437IHi7uQu_thum_mid.jpg','2015-10-26',0);

我们通过kibana创建索引结构

PUT hotel {"settings":{"number_of_shards":1,"number_of_replicas":0},"mappings":{"properties":{"name":{"type":"text"},"address":{"type":"text"},"brand":{"type":"keyword"},"type":{"type":"keyword"},"price":{"type":"integer"},"specs":{"type":"keyword"},"salesVolume":{"type":"integer"},"area":{"type":"text"},"imageUrl":{"type":"text"},"synopsis":{"type":"text"},"createTime":{"type":"date","format":"yyyy-MM-dd"},"isAd":{"type":"integer"}}}}

然后通过自定义的接口把mysql里的数据导入到ES中去

2. 基础查询

1. 查询所有酒店

GET hotel/_search
{"query":{"match_all":{}}}

2. 分页查询酒店列表

GET hotel/_search
{"query":{"match_all":{}},"from":0,"size":5}

3. 分页查询酒店列表
wildcard:会对查询条件进行分词。还可以使用通配符 ?(任意单个字符) 和 * (0个或多个字符)

GET hotel/_search
{"query":{"wildcard":{"brand":{"value":"美*"}}}}

4. 分页查询酒店列表
展示出"万豪"品牌下的所有酒店信息
term:不会对查询条件进行分词

GET hotel/_search
{"query":{"term":{"brand":"万豪"}}}

可以看到没有匹配到任何结果，因为term是拿整个词“万豪”进行匹配，而ES默认保存数据是做单字分词，将“万豪”划分为了“万”和“豪”，所以匹配不到结果。

3. bool查询

1. should查询: 只要其中一个为true则成立。
在这里插入图片描述
2. must查询: 必须所有条件都成立。

3. must_not查询:必须所有条件都不成立。

4. filter过滤查询: 查询品牌为万豪下的酒店

4. 聚合查询操作

统计品牌为万豪的最贵酒店价格，max、min、sum等等。
在这里插入图片描述

5. 分词查询操作

查询出了很多万豪相关的酒店，现在以北京市东城区万豪酒店查询name域，可以发现无法查询到结果。
在这里插入图片描述
在创建索引时，对于name域，数据类型是 text 。当添加文档时，对于该域的值会进行分词，形成若干 term(词条)存储在倒排索引中。

根据倒排索引结构，当查询条件在词条中存在，则会查询到数据。如果词条中没有，则查询不到数
据。
那么对于北京市东城区万豪酒店的分词结果是什么呢?
在这里插入图片描述
此时可以发现，每个字形成了一个词，所以并没有找到相匹配的词，导致无法查询到结果

在ES中内置了很多分词器
• Standard Analyzer - 默认分词器，按英文空格切分
• Simple Analyzer - 按照非字母切分(符号被过滤)
• Stop Analyzer - 小写处理，停用词过滤(the,a,is)
• Whitespace Analyzer - 按照空格切分，不转小写
• Keyword Analyzer - 不分词，直接将输入当作输出
• Patter Analyzer - 正则表达式，默认\W+(非字符分割)
而我们想要的是，分词器能够智能的将中文按照词义分成若干个有效的词。此时就需要额外安装中文分词器。对于中文分词器的类型也有很多，其中首选的是:IK分词器。

6. IK分词器

1、首先下载IK分词器

2、执行安装
采用本地文件安装方式，进入ES安装目录，执行插件安装命令:

[elsearch@localhost plugins]$../bin/elasticsearch-plugin install
file:///usr/local/elasticsearch-7.10.2/elasticsearch-analysis-ik-7.10.2.zip

安装成功后，会给出对应提示:
在这里插入图片描述
3、重启ElasticSearch服务

4、IK分词器最佳运用
analyzer指定的是构建索引的分词，search_analyzer指定的是搜索关键字的分词。
实践运用的时候，构建索引的时候采用max_word，将分词最大化; 查询的时候则使用 smartword智能化分词，这样能够最大程度的匹配出结果。
例如在创建索引的时候指定分词器
在这里插入图片描述