谷粒商城高级篇 (二) --------- ElasticSearch 检索

小灰灰 2024-04-05 05:22 85阅读 0赞

#### 目录 ####

*  一、初步检索
 *   *  1. \_cat
     *  2. 索引一个文档 (保存)
     *  3. 查询文档
     *  4. 更新文档
     *  5. 删除文档&索引
     *  6. bulk 批量 API
     *  7. 样本测试数据
 *  二、进阶检索
 *   *  1. SearchAPI
     *  2、Query DSL
     *  3、Mapping
     *   *  创建映射

--------------------

## 一、初步检索 ##

### 1. \_cat ###

`GET /_cat/nodes`：查看所有节点

![在这里插入图片描述][eb5bf340974246a5bf685f41919f483e.png]

`GET /_cat/health`：查看 es 健康状况  
![在这里插入图片描述][7eddd95d8bd34cd79f546bc6a75ec841.png]

`GET /_cat/master`：查看主节点

![在这里插入图片描述][df1ea0291283487cb4a75ac32c410cca.png]

`GET /_cat/indices`：查看所有索引 就相当于 MySQL 中的 show databases;

![在这里插入图片描述][833ebcfc11a441329670f8697101205d.png]

### 2. 索引一个文档 (保存) ###

保存一个数据，保存在哪个索引的哪个类型下，指定用哪个唯一标识 `PUT customer/external/1` ；在 customer 索引下的 external 类型下保存1 号数据为

PUT customer/external/1
    {
        
    	"name": "John Doe"
    }

PUT 和 POST 都可以索引一个文档。。

POST 用于新增：

> 如果不指定 id，会自动生成 id。指定 id 就会修改这个数据，并新增版本号PUT 可以新增可以修改。

PUT

> 必须指定 id：由于 PUT 需要指定 id，我们一般都用来做修改操作，不指定 id 会报错。

![在这里插入图片描述][712d49c5ebb543f8b372f4623036c1f5.png]

### 3. 查询文档 ###

`GET customer/external/1`

结果：

{
         
    	"_index": "customer", //在哪个索引
    	"_type": "external", //在哪个类型	
    	"_id": "1", //记录 id
    	"_version": 2, //版本号
    	"_seq_no": 1, //并发控制字段，每次更新就会+1，用来做乐观锁
    	"_primary_term": 1, //同上，主分片重新分配，如重启，就会变化
    	"found": true, "_source": {
         //真正的内容
    	"name": "John Doe"
    }

\}  
更新携带 `?if_seq_no=0&if_primary_term=1`

![在这里插入图片描述][e0d1c7b6cf084aaea83a69adbf555007.png]

### 4. 更新文档 ###

POST customer/external/1/_update
    {
        
    	"doc":{
         
    		"name": "John Doew"
    	}
    }

或者

POST customer/external/1
    {
         
    	"name": "John Doe2"
    }

或者

PUT customer/external/1
    {
         
    	"name": "John Doe"
    }

不同：POST 操作会对比源文档数据，如果相同不会有什么操作，文档 version 不增加 PUT 操作总会将数据重新保存并增加 version 版本；

带\_update 对比元数据如果一样就不进行任何操作。

看场景：  
对于大并发更新，不带 update；  
对于大并发查询偶尔更新，带 update；对比更新，重新计算分配规则。

更新同时增加属性

POST customer/external/1/_update
    {
         
    	"doc": {
         
    		"name": "Jane Doe", 
    		"age": 20 
    	}
    }

PUT 和 POST 不带\_update 也可以

PUT customer/external/1
    {
         
    	"name": "John Doe"
    }

![在这里插入图片描述][0d89581640cc4f9a8a88f2480907a35e.png]

### 5. 删除文档&索引 ###

DELETE customer/external/1
    DELETE customer

![在这里插入图片描述][629400c1c20c4833a329641903829429.png]

### 6. bulk 批量 API ###

POST customer/external/_bulk
    {
        "index":{
        "_id":"1"}}
    {
        "name": "John Doe" }
    {
        "index":{
        "_id":"2"}}
    {
        "name": "Jane Doe" }

语法格式：
    {
         action: {
         metadata }}\n
    {
         request body }\n
    {
         action: {
         metadata }}\n
    {
         request body }\n

复杂实例：
    POST /_bulk
    {
         "delete": {
         "_index": "website", "_type": "blog", "_id": "123" }}
    {
         "create": {
         "_index": "website", "_type": "blog", "_id": "123" }}
    {
         "title": "My first blog post" }
    {
         "index": {
         "_index": "website", "_type": "blog" }}
    {
         "title": "My second blog post" }
    {
         "update": {
         "_index": "website", "_type": "blog", "_id": "123"} }
    {
         "doc" : {
        "title" : "My updated blog post"} }

bulk API 以此按顺序执行所有的 action（动作）。如果一个单个的动作因任何原因而失败，它将继续处理它后面剩余的动作。当 bulk API 返回时，它将提供每个动作的状态 (与发送的顺序相同)，所以您可以检查是否一个指定的动作是不是失败了。

![在这里插入图片描述][3d665036b6df4a2983b15ce52bd0e042.png]

### 7. 样本测试数据 ###

我准备了一份顾客银行账户信息的虚构的 JSON 文档样本。每个文档都有下列的schema (模式)：

{
         
       "account_number": 0, 
       "balance": 16623, 
       "firstname": "Bradshaw", 
       "lastname": "Mckenzie", 
       "age": 29, 
       "gender": "F", 
       "address": "244 Columbus Place", 
       "employer": "Euron", 
       "email": "bradshawmckenzie@euron.com", 
       "city": "Hobucken", 
       "state": "CO"
    }

测试数据链接：  
[https://raw.githubusercontent.com/elastic/elasticsearch/7.4/docs/src/test/resources/accounts.json][https_raw.githubusercontent.com_elastic_elasticsearch_7.4_docs_src_test_resources_accounts.json]  
导入测试数据

POST bank/account/_bulk
    测试数据

![在这里插入图片描述][f618ffcecde44c2996b5d9153fb33345.png]

## 二、进阶检索 ##

ElasticSearch 、Kibana开机自启动：  
![在这里插入图片描述][f501763b90c94ff783ea785408f61ac7.png]

### 1. SearchAPI ###

ES 支持两种基本方式检索 :

*  一个是通过使用 REST request URI 发送搜索参数 (uri+检索参数)
 *  另一个是通过使用 REST request body 来发送它们 (uri+请求体)

**A、检索信息**

一切检索从\_search 开始

`GET bank/_search` 检索 bank 下所有信息，包括type 和docs  
`GET bank/_search?q=*&sort=account_number:asc` 请求参数方式检索响应结果解释：

took - Elasticsearch - 执行搜索的时间 (毫秒)
    
    time_out - 告诉我们搜索是否超时
    
    _shards - 告诉我们多少个分片被搜索了，以及统计了成功/失败的搜索分片
    
    hits - 搜索结果
    
    hits.total - 搜索结果
    
    hits.hits\ - 实际的搜索结果数组 (默认为前 10 的文档)
    
    sort - 结果的排序 key (键，没有则按 score 排序）
    
    score 和 max_score –相关性得分和最高得分 (全文检索用)

![在这里插入图片描述][314b513d49c441df9d7eb37e412ac099.png]

**B、uri+请求体进行检索**

`GET bank/_search`

{
         
    	"query": 
    	{
        
    		 "match_all": {
        }
    	},
    
    	"sort": 
    	[
    		{
          
    			"account_number": 
    			{
         
    				"order": "desc"
    			}
    		}
    	]
    }

HTTP 客户端工具(POSTMAN)，get 请求不能携带请求体，我们变为 post 也是一样的。我们 POST 一个 JSON 风格的查询请求体到 \_search API。

需要了解，一旦搜索的结果被返回，Elasticsearch 就完成了这次请求，并且不会维护任何服务端的资源或者结果的 cursor(游标)。

![在这里插入图片描述][bc0cbcef535846528c525f34ae490368.png]

### 2、Query DSL ###

**A、基本语法格式**

Elasticsearch 提供了一个可以执行查询的 Json 风格的 DSL (domain-specific language 领域特定语言)。这个被称为 Query DSL。该查询语言非常全面，并且刚开始的时候感觉有点复杂，真正学好它的方法是从一些基础的示例开始的。

一个查询语句的典型结构

{
        
    	QUERY_NAME: 
    	{
        
    		ARGUMENT: VALUE, ARGUMENT: VALUE,... 
    	}
    }

如果是针对某个字段，那么它的结构如下：

{
        
    	QUERY_NAME: 
    	{
        
    		FIELD_NAME: 
    		{
        
    			ARGUMENT: VALUE, ARGUMENT: VALUE,... 
    		}
    	}
    }

GET bank/\_search

{
         
    	"query": 
    	{
         
    		"match_all": {
        }
    	},
    	"from": 0, 
    	"size": 5, 
    	"sort": 
    	[
    		{
         
    			"account_number": 
    			{
         
    				"order": "desc"
    			}
    		}
    	]
    }

query 定义如何查询，match\_all 查询类型 \[代表查询所有的所有\]，es 中可以在 query 中组合非常多的查询类型完成复杂查询。除了 query 参数之外，我们也可以传递其它的参数以改变查询结果。如sort，size，from+size 限定，完成分页功能。sort 排序，多字段排序，会在前序字段相等时后续字段内部排序，否则以前序为准

**B、返回部分字段**

GET bank/_search
    {
         
    	"query": {
        
    		"match_all": {
        }
    	},
    	"from": 0, 
    	"size": 5, 
    	"_source": ["age","balance"]
    }

**C、match \[匹配查询\]**

基本类型（非字符串），精确匹配

GET bank/_search
    {
         
    	"query": 
    	{
         
    		"match": 
    		{
         
    			"account_number": "20"
    		}
    	}
    }

match 返回 account\_number=20 的

字符串，全文检索

GET bank/_search
    {
         
    	"query": 
    	{
         
    		"match": 
    		{
         
    			"address": "mill"
    		}
    	}
    }

最终查询出 address 中包含 mill 单词的所有记录  
match 当搜索字符串类型的时候，会进行全文检索，并且每条记录有相关性得分。

字符串，多个单词 (分词+全文检索)

GET bank/_search
    {
         
    	"query": 
    	{
         
    		"match": 
    		{
         
    			"address": "mill road"
    		}
    	}
    }

**D、match\_phrase \[短语匹配\]**

将需要匹配的值当成一个整体单词（不分词）进行检索

GET bank/_search
    {
         
    	"query": 
    	{
         
    		"match_phrase": 
    		{
         
    			"address": "mill road"
    		}
    	}
    }

查出 address 中包含 mill road 的所有记录，并给出相关性得分

**E、multi\_match \[多字段匹配\]**

GET bank/_search
    {
         
    	"query": 
    	{
         
    		"multi_match": 
    		{
         
    			"query": "mill", 
    			"fields": ["state","address"]
    		}
    	}
    }

state 或者 address 包含 mill

**F、bool \[复合查询\]**

bool 用来做复合查询：

复合语句可以合并 任何 其它查询语句，包括复合语句，了解这一点是很重要的。这就意味着，复合语句之间可以互相嵌套，可以表达非常复杂的逻辑。

must：必须达到 must 列举的所有条件

GET bank/_search
    {
         
    	"query": 
    	{
         
    		"bool": 
    		{
         
    			"must": 
    			[
    				{
         "match": {
         "address": "mill" } },
    				{
         "match": {
         "gender": "M" } }
    			]
    		}
    	}
    }

should：应该达到 should 列举的条件，如果达到会增加相关文档的评分，并不会改变查询的结果。如果 query 中只有 should 且只有一种匹配规则，那么should 的条件就会被作为默认匹配条件而去改变查询结果

GET bank/_search
    {
         
    	"query": 
    	{
         
    		"bool": 
    		{
         
    			"must": 
    			[
    				{
         
    					"match": {
         "address": "mill" } 
    				}, 
    				{
         
    					"match": {
         "gender": "M" } 
    				}
    			],
    			"should": 
    			[
    				{
        
    					"match": {
         "address": "lane" }
    				}
    			]
    	 	}
    	}
    }

must\_not 必须不是指定的情况

GET bank/_search
    {
         
    	"query": {
         
    		"bool": 
    		{
         
    			"must": 
    			[
    				{
         
    					"match": {
         "address": "mill" } 
    				}, 
    				{
         
    					"match": {
         "gender": "M" } 
    				}
    			],
    			"should": 
    			[
    				{
        
    					"match": {
         "address": "lane" }
    				}
    			],
    			"must_not": 
    			[
    				{
        
    					"match": {
         "email": "baluba.com" }
    				}
    			]
    		}
    	}
    }

address 包含 mill，并且 gender 是 M，如果 address 里面有 lane 最好不过，但是email 必须不包含baluba.com

![在这里插入图片描述][a4a3f21028ad42bb8e1ba5e0056f5c25.png]  
**G、filter \[结果过滤\]**

并不是所有的查询都需要产生分数，特别是那些仅用于 “filtering” (过滤)的文档。为了不计算分数 Elasticsearch 会自动检查场景并且优化查询的执行。

GET bank/_search
    {
         
    	"query": 
    	{
         
    		"bool": 
    		{
         
    			"must": 
    			[
    				{
        
    					"match": {
         "address": "mill"}
    				}
    			],
    			"filter": 
    			{
         
    				"range": 
    				{
         
    					"balance": 
    					{
         
    						"gte": 10000, "lte": 20000
    					}
    				}
    			}
    		}
    	}
    }

**H、term**

和 match 一样。匹配某个属性的值。全文检索字段用 match，其他非text 字段匹配用term。

![在这里插入图片描述][e11b57d78ee844f3830b7cefe0740f43.png]

GET bank/_search
    {
         
    	"query": 
    	{
         
    		"bool": 
    		{
         
    			"must": 
    			[
    				{
        
    					"term": 
    					{
         
    						"age": 
    						{
         
    							"value": "28"
    						}
    					},
    				} 
    			 	{
        
    					"match": 
    					{
         
    						"address": "990 Mill Road"
    					}
    				}
    			]
    		}
    	}
    }

**I、aggregations (执行聚合)**

聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于SQL GROUPBY 和 SQL 聚合函数。在 Elasticsearch 中，您有执行搜索返回 hits（命中结果），并且同时返回聚合结果，把一个响应中的所有 hits（命中结果）分隔开的能力。这是非常强大且有效的，您可以执行查询和多个聚合，并且在一次使用中得到各自的（任何一个的）返回结果，使用一次简洁和简化的 API 来避免网络往返。

搜索 address 中包含 mill 的所有人的年龄分布以及平均年龄，但不显示这些人的详情。

GET bank/_search
    {
         
    	"query": 
    	{
         
    		"match": 
    		{
         
    			"address": "mill"
    		}
    	},
    	"aggs": 
    	{
         
    		"group_by_state": 
    		{
         
    			"terms": 
    			{
         
    				"field": "age"
    			}
    		},
    		"avg_age": 
    		{
         
    			"avg": 
    			{
        
    				"field": "age"
    			}
    		}
    	},
    	"size": 0
    }

size：0 不显示搜索数据  
aggs：执行聚合。

聚合语法如下

"aggs": 
    {
         
    	"aggs_name 这次聚合的名字，方便展示在结果集中": 
    	{
         
    		"AGG_TYPE 聚合的类型（avg,term,terms）": {
        }
    	}
    },

复杂：
    按照年龄聚合，并且请求这些年龄段的这些人的平均薪资
    GET bank/account/_search
    {
         
    	"query": 
    	{
         
    		"match_all": {
        }
    	},
    	"aggs": 
    	{
         
    		"age_avg": 
    		{
         
    			"terms": 
    			{
         
    				"field": "age", "size": 1000
    			},
    			"aggs": 
    			{
         
    				"banlances_avg": 
    				{
         
    					"avg": 
    					{
         
    						"field": "balance"
    					}
    				}
    			}
    		}
    	},
    	"size": 1000
    }

复杂：查出所有年龄分布，并且这些年龄段中 M 的平均薪资和 F 的平均薪资以及这个年龄段的总体平均薪资
    GET bank/account/_search
    {
         
    	"query": 
    	{
         
    		"match_all": {
        }
    	},
    	"aggs": 
    	{
         
    		"age_agg": 
    		{
         
    			"terms": 
    			{
         
    				"field": "age", "size": 100
    			},
    			"aggs": 
    			{
         
    				"gender_agg": 
    				{
         
    					"terms": 
    					{
         
    						"field": "gender.keyword", 
    						"size": 100
    					},
    					"aggs": 
    					{
         
    						"balance_avg": 
    						{
         
    							"avg": 
    							{
         
    								"field": "balance"
    							}
    						}
    					}
    				},
    				"balance_avg":
    				{
         
    					"avg": 
    					{
         
    						"field": "balance"
    					}
    				}
    			}
    		}
    	},
    	"size": 1000
    }

### 3、Mapping ###

**A、字段类型**

![在这里插入图片描述][06e7f6a0b8674e44bdd9e5fa52061bff.png]

![在这里插入图片描述][c4cf5a2d5c82462c82a75d33f83fdbea.png]

![在这里插入图片描述][13529bff37a54aeab1b0ffd74bfbe31c.png]

B、映射

Mapping 是用来定义一个文档 (document)，以及它所包含的属性 (field) 是如何存储和索引的。比如，使用 mapping 来定义：

*  哪些字符串属性应该被看做全文本属性 (full text fields)。
 *  哪些属性包含数字，日期或者地理位置。
 *  文档中的所有属性是否都能被索引 (\_all 配置)。
 *  日期的格式。
 *  自定义映射规则来执行动态添加属性。

查看 mapping 信息：

GET bank/_mapping

修改 mapping 信息

https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping.html

自动猜测的映射类型

![在这里插入图片描述][f472e38989e64ea8abdae31188976d81.png]  
**C、新版本改变**  
*Es7 及以上移除了 type 的概念*。

关系型数据库中两个数据表示是独立的，即使他们里面有相同名称的列也不影响使用，但 ES 中不是这样的。elasticsearch 是基于 Lucene 开发的搜索引擎，而ES 中不同type下名称相同的 filed 最终在 Lucene 中的处理方式是一样的。

两个不同 type 下的两个 user\_name，在 ES 同一个索引下其实被认为是同一个filed，你必须在两个不同的 type 中定义相同的 filed 映射。否则，不同type 中的相同字段名称就会在处理中出现冲突的情况，导致 Lucene 处理效率下降。

去掉 type 就是为了提高 ES 处理数据的效率。

Elasticsearch 7.x

*  URL 中的 type 参数为可选。比如，索引一个文档不再要求提供文档类型。Elasticsearch 8.x
 *  不再支持 URL 中的 type 参数。

解决：

> 将索引从多类型迁移到单类型，每种类型文档一个独立索引  
> 将已存在的索引下的类型数据，全部迁移到指定位置即可。详见数据迁移

#### 创建映射 ####

A、创建索引并指定映射

PUT /my-index
    {
         
    
    	"mappings": 
    	{
         
    		"properties": 
    		{
        
    			"age": {
         "type": "integer" }, 
    			"email": {
         "type": "keyword" }, 
    			"name": {
         "type": "text" }
    		}
    	}
    }

B、添加新的字段映射

PUT /my-index/_mapping
    {
         
    	"properties": 
    	{
         
    		"employee-id": {
         "type": "keyword", "index": false}
    	}
    }

C、更新映射  
对于已经存在的映射字段，我们不能更新。更新必须创建新的索引进行数据迁移

D、数据迁移

先创建出 new\_twitter 的正确映射。然后使用如下方式进行数据迁移POST \_reindex \[固定写法\]

{
         
    	"source": {
         "index": "twitter"},
    	"dest": {
         "index": "new_twitter"}
    }

将旧索引的 type 下的数据进行迁移

POST _reindex
    {
         
    	"source": 
    	{
        
    		"index": "twitter", 
    		"type": "tweet"
    	},
    	"dest": 
    	{
         
    		"index": "tweets"
    	}
    }

[eb5bf340974246a5bf685f41919f483e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/fe3cbe5f0c614206a197edc41da9cc38.png
[7eddd95d8bd34cd79f546bc6a75ec841.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/cbf36ac5dbd641f69bf9f57468add8a1.png
[df1ea0291283487cb4a75ac32c410cca.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/99a03855608d4ad3a77a66c60972629e.png
[833ebcfc11a441329670f8697101205d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/0fce8961ba1d4c348815d8c071f91d27.png
[712d49c5ebb543f8b372f4623036c1f5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/21e92508d1474ae29b805ef28c69d0ab.png
[e0d1c7b6cf084aaea83a69adbf555007.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/fa9cb1d706154bea891fdbd12dde6289.png
[0d89581640cc4f9a8a88f2480907a35e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/5106f9b9ae1742daafcef174b3916e9f.png
[629400c1c20c4833a329641903829429.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/e12ef85e796f42509550524498c4fd6c.png
[3d665036b6df4a2983b15ce52bd0e042.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/55e4e435a26f4bd998e54d6cfe3ec4c4.png
[https_raw.githubusercontent.com_elastic_elasticsearch_7.4_docs_src_test_resources_accounts.json]: https://raw.githubusercontent.com/elastic/elasticsearch/7.4/docs/src/test/resources/accounts.json
[f618ffcecde44c2996b5d9153fb33345.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/c8902d6af8d148c29da5ca0ea95a93f3.png
[f501763b90c94ff783ea785408f61ac7.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/0b94a36ec923413197b952eafaa55e1c.png
[314b513d49c441df9d7eb37e412ac099.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/7ae13e5a4f154c5e9510b1e368fc43fc.png
[bc0cbcef535846528c525f34ae490368.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/5a52bdae05484e2985f234ef285e9ff3.png
[a4a3f21028ad42bb8e1ba5e0056f5c25.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/6ff6f39a0b914ab58d91605694eeb9b3.png
[e11b57d78ee844f3830b7cefe0740f43.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/6d530e3dc2034e0b99d5476b8a80c1b5.png
[06e7f6a0b8674e44bdd9e5fa52061bff.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/239225e421a748eb8ebab296ff58c665.png
[c4cf5a2d5c82462c82a75d33f83fdbea.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/8728ac574f484d3fb27c0b32b9548cc6.png
[13529bff37a54aeab1b0ffd74bfbe31c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/83ed21106f2d4201bba1f254f39d1fd6.png
[f472e38989e64ea8abdae31188976d81.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/04/f9526022081a44719fbc462296e707be.png