0
0

ElasticSearch-学习笔记02【ElasticSearch索引库维护】

  • Java后端-学习路线-笔记汇总表【黑马程序员】
  1. ElasticSearch-学习笔记01【ElasticSearch基本介绍】【day01】
  2. ElasticSearch-学习笔记02【ElasticSearch索引库维护】
  3. ElasticSearch-学习笔记03【ElasticSearch集群】
  4. ElasticSearch-学习笔记04【Java客户端操作索引库】【day02】
  5. ElasticSearch-学习笔记05【SpringDataElasticSearch】

06-postman工具的安装

01、新建索引

新建索引

分片数：分成5份；副本数：每1片都有一个备份。

在对es进行管理的时候一般都使用http方式发送一些json数据来进行控制。

在复合查询处发送json数据，但是直接用网页编写json数据较为麻烦，使用postman工具编写json数据较为方便。

02、postman工具介绍

postman是一个英语单词，名词，作名词时意为“邮递员；邮差”。

Postman是一个接口测试工具,在做接口测试的时候,Postman相当于一个客户端,它可以模拟用户发起的各类HTTP请求,将请求数据发送至服务端,获取对应的响应结果, 从而验证响应中的结果数据是否和预期值相匹配;并确保开发人员能够及时处理接口中的bug,进而保证产品上线之后的稳定性和安全性。 它主要是用来模拟各种HTTP请求的(如:get/post/delete/put..等等),Postman与浏览器的区别在于有的浏览器不能输出Json格式,而Postman更直观接口返回的结果。

postman：发送http请求，接收服务端响应的工具。es支持restful形式的接口。

07-使用postman创建索引

01、创建索引

Postman官网：Postman

增删改查：get、post、put、delete。

  1. 查询数据：GET
  2. 修改数据：POST
  3. 增加数据：PUT
  4. 删除数据：DELETE

发送json数据-http请求-创建索引库。Body：请求数据，选择raw(原生)。

02、设置映射mappings

{
    "mappings": {
        "article": {//type名称，相当于表，type可以有多个。
            "properties": {//属性，字段
                "id": {
                    "type": "long",
                    "store": true,
                    "index": "not_analyzed"//默认不索引
                },
                "title": {
                    "type": "text",
                    "store": true,
                    "index": "analyzed",
                    "analyzer": "standard"//标准分词器
                },
                "content": {
                    "type": "text",//文本类型
                    "store": true,//存储
                    "index": "analyzed",//要索引
                    "analyzer": "standard"//标准分词器
                }
            }
        }
    }
}

08-使用postman设置mapping映射

01、创建索引后设置Mapping

http://127.0.0.1:9200/blog/hello/_mappings

  1. blog：索引名称
  2. hello：type名称
  3. _mappings：设置mappings
{
    "hello": {//type名称，相当于表，type可以有多个。
        "properties": {//属性，字段
            "id": {
                "type": "long",
                "store": true,
                "index": "not_analyzed"//默认不索引
            },
            "title": {
                "type": "text",
                "store": true,
                "index": "analyzed",
                "analyzer": "standard"//标准分词器
            },
            "content": {
                "type": "text",//文本类型
                "store": true,//存储
                "index": "analyzed",//要索引
                "analyzer": "standard"//标准分词器
            }
        }
    }
}

先创建索引库，后设置mappings也是可以的。

02、删除索引库

删除索引库：

09-删除索引库

01、使用postman删除索引库

02、复合查询-PUT

03、复合查询-POST

{
    "hello": {
        "properties": {
            "id": {
                "type": "long",
                "store": true,
                "index": "not_analyzed"
            },
            "title": {
                "type": "text",
                "store": true,
                "index": "analyzed",
                "analyzer": "standard"
            },
            "content": {
                "type": "text",
                "store": true,
                "index": "analyzed",
                "analyzer": "standard"
            }
        }
    }
}

{"hello":{"properties":{"id":{"type":"long","store":true,"index":"not_analyzed"},"title":{"type":"text","store":true,"index":"analyzed","analyzer":"standard"},"content":{"type":"text","store":true,"index":"analyzed","analyzer":"standard"}}}}

04、复合查询-DELETE

10-向索引库中添加文档

01、ES与关系型数据库的通俗比较

（6）基于 Elasticsearch 的实践——建立一个员工目录_furuiyang_的博客-CSDN博客_人力体系文件如何建目录

es 集群可以包含多个索引（indices）(数据库），每一个索引可以包含多个类型（types）（表），每一个类型包含多个文档（documents）（行），然后每个文档包含多个字段（Fields）（列）。 

ES与关系型数据库的通俗比较

关系型数据库Relational DBDatabases（数据库）Tables（数据表）Rows（行）Columns（字段）ESElasticsearchIndices（索引库）Types（表）Documents（记录） Fields（字段）

02、创建文档

请求url：POST localhost:9200/blog/hello/1

  1. blog：index（索引库）
  2. hello：type（表）
  3. 1：文档id
请求体：
{
    "id": 1,
    "title": "新添加的文档",
    "content": "新添加的文档的内容。"
}

请求成功后返回的数据：
{
    "_index": "blog",
    "_type": "hello",
    "_id": "1", //文档真正的id
    "_version": 1,
    "result": "created",
    "_shards": {
        "total": 2,
        "successful": 1, //成功
        "failed": 0
    },
    "created": true
}

03、不指定id添加文档

不指定id的话，es会自动生成id，类似于uuid，保证id唯一不重复。一般情况下，保证id字段和真正的主键一致。

11-使用head向索引库中添加文档

{
    "id": 2,
    "title": "共命运促发展",
    "content": "同心筑梦，命运与共。"
}

12-删除文档操作

13-修改文档操作

{
    "id": 1,
    "title": "新添加的文档1",
    "content": "新添加的文档的内容。"
}
{
    "id": 123,
    "title": "修改后的文档1",
    "content": "修改之后的文档内容。"
}

14-根据id查询文档

三种查询方式：

  1. 根据id查询
  2. 根据关键词查询
  3. 根据字符串查询

01、创建数据

{
    "id": 2,
    "title": "修改后的文档2",
    "content": "修改之后的文档内容2。"
}
{
    "id": 3,
    "title": "修改后的文档3",
    "content": "修改之后的文档内容3。"
}
{
    "id": 4,
    "title": "修改后的文档4",
    "content": "修改之后的文档内容4。"
}
{
    "id": 5,
    "title": "修改后的文档5",
    "content": "修改之后的文档内容5。"
}
{
    "id": 6,
    "title": "修改后的文档6",
    "content": "修改之后的文档内容6。"
}

02、根据id查询数据

15-根据关键词进行查询

{
    "query": {
        "term": {
            "title": "修"
        }
    }
}

16-queryString查询

{//查询文档-queryString查询
    "query": {
        "query_string": {//使用字符串查询
            "default_field": "title",//指定默认搜索域
            "query": "文档内容"//指定查询条件
        }
    }
}

查询成功案例（分词之后再进行查询）：

查询失败案例：

17-使用head插件查询索引库

查询方式（条件之间的逻辑运算）：

  1. must：必须满足；
  2. must_not：必须不满足（在查询到结果的基础上进行取反过滤）；
  3. should：应该满足；
  4. match_all：查询全部，不指定条件，类似于“select *”；
  5. id、term：关键词、query_string：待分析查询；
  6. range：范围查询；
  7. fuzzy：模糊查询；
  8. widcard：通配符查询。

18-在ES中查看分析器的分词效果

01、中文分词测试

http://127.0.0.1:9200/_analyze?analyzer=standard&pretty=true&text=我是程序员

02、英文分词测试

http://127.0.0.1:9200/_analyze?analyzer=standard&text=variously spelled wildcard or wild-card, also known as at-large berth

分词结果：

{

"tokens": [

    {

        "token": "variously",

        "start_offset": 0,

        "end_offset": 9,

        "type": "<ALPHANUM>",

        "position": 0

    },

    {

        "token": "spelled",

        "start_offset": 10,

        "end_offset": 17,

        "type": "<ALPHANUM>",

        "position": 1

    },

    {

        "token": "wildcard",

        "start_offset": 18,

        "end_offset": 26,

        "type": "<ALPHANUM>",

        "position": 2

    },

    {

        "token": "or",

        "start_offset": 27,

        "end_offset": 29,

        "type": "<ALPHANUM>",

        "position": 3

    },

    {

        "token": "wild",

        "start_offset": 30,

        "end_offset": 34,

        "type": "<ALPHANUM>",

        "position": 4

    },

    {

        "token": "card",

        "start_offset": 35,

        "end_offset": 39,

        "type": "<ALPHANUM>",

        "position": 5

    },

    {

        "token": "also",

        "start_offset": 41,

        "end_offset": 45,

        "type": "<ALPHANUM>",

        "position": 6

    },

    {

        "token": "known",

        "start_offset": 46,

        "end_offset": 51,

        "type": "<ALPHANUM>",

        "position": 7

    },

    {

        "token": "as",

        "start_offset": 52,

        "end_offset": 54,

        "type": "<ALPHANUM>",

        "position": 8

    },

    {

        "token": "at",

        "start_offset": 55,

        "end_offset": 57,

        "type": "<ALPHANUM>",

        "position": 9

    },

    {

        "token": "large",

        "start_offset": 58,

        "end_offset": 63,

        "type": "<ALPHANUM>",

        "position": 10

    },

    {

        "token": "berth",

        "start_offset": 64,

        "end_offset": 69,

        "type": "<ALPHANUM>",

        "position": 11

    }

]

}

03、IK分词器

IKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始，IKAnalyzer已经推出了3个大版本。最初，它是以开源项目Lucene为应用主体的，结合词典分词和文法分析算法的中文分词组件。新版本的IKAnalyzer3.0则发展为面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。

标签： 大数据 elasticsearch postman
本文转载自: https://blog.csdn.net/weixin_44949135/article/details/128908536
版权归原作者 upward337 所有， 如有侵权，请联系我们删除。
登录后发布评论

“ElasticSearch-学习笔记02【ElasticSearch索引库维护】”的评论:

还没有评论
关于作者
...
overfit同步小助手
文章同步
相关阅读

Docker完整卸载的两种方法详细教程例子解析

spark-libFM 项目常见问题解决方案

基于大数据 Python NBA球员数据分析系统(源码+LW+部署讲解+数据库+ppt)

软件测试笔记｜web自动化测试｜Web 自动化测试中，XPath 定位的方法有哪些？如何编写 XPath？

Spring Boot 日志打印配置详解

MySQL中日期和时间戳的转换：字符到DATE和TIMESTAMP的相互转换

VLAN高级+以太网安全

文章导航