Elasticsearch7.4.2学习文档(来自谷粒商城项目)

绝地灬酷狼 2022-12-31 01:18 126阅读 0赞

### 文章目录 ###

*   *  一、基本介绍
     *   *  1、索引、类型、文档
         *  2、倒排索引
         *  3、访问地址
     *  二、常用操作
     *   *  1、查询节点以及集群相关信息
         *   *  （1）查看所有es节点
             *  （2）查看健康状况
             *  （3）查看主节点
             *  （4）查看所有索引
         *  2、索引信息查询
         *   *  （1）查询索引详细信息
             *  （2）查询索引数据总量
         *  3、索引（保存）文档
         *   *  （1）使用Put请求方式保存文档
             *  （2）使用Post请求方式保存文档
         *  4、更新文档
         *   *  （1）使用Put请求方式更新文档（全量更新）
             *  （2）使用Post请求方式更新文档(全量更新，不带\_update)
             *  （3）使用Post请求方式更新文档(部分字段值更新，其他字段值不变，带\_update)
             *  （4）更新中的乐观锁操作
         *  5、根据文档id查询文档
         *  6、删除文档
         *  7、删除索引
         *  8、批量操作
         *   *  （1）使用简单的insert保存批量操作
             *  （2）使用index保存、create保存、update更新、delete删除等批量操作
             *  （3）批量添加测试数据
     *  三、Query DSL(DSL即领域特定语言)
     *   *  1、什么是Query DSL
         *   *  （1）uri+请求体(请求值即Query DSL)
             *  （2）uri+请求参数
         *  2、基础语法格式
         *   *  （1）一个查询语句的典型结构
             *  （2）针对文档中字段的操作
             *  （3）query的使用
             *   *  ①、查询全部
                 *  ②、非字符串值进行精确查询
                 *  ③、字符串值进行精确查询
                 *  ④、字符串值进行全文检索(也可以叫做分词匹配)
                 *  ⑤、字符串值进行短语匹配(即不对字符串进行分词，把字符串当做整体进行匹配)
                 *  ⑥、多字段匹配
                 *  ⑦、复合查询
             *  （4）sort的使用
             *  （5）from和size的使用
             *  （6）\_source的使用
             *  （7）高亮的使用
     *  四、Aggregations聚合分析
     *   *  1、聚合简单用法
         *  2、子聚合简单使用
         *  3、多重子聚合的使用
     *  五、Mapping映射
     *   *  1、查看索引中的映射信息
         *  2、创建字段映射
         *  3、Nested禁止扁平化处理
         *  4、添加字段映射
         *  5、更新字段映射
         *  6、数据迁移
         *   *  （1）es7将type类型变为可选、es8完全去掉type类型的解释：
             *  （2）具体实现
     *  六、ik分词器使用
     *   *  1、默认分词器
         *  2、ik\_smart分词器
         *  3、ik\_max\_word分词器
         *  4、创建ik分词器的自定义远程仓库
     *  七、例子

## 一、基本介绍 ##

### 1、索引、类型、文档 ###

es和mysql类似，es中的索引、类型、文档分别对应mysql中的库、表、数据，不过es中的文档中的数据是以json格式来写的，一行就是一串json格式的字符串，json中的属性可以认为是mysql中的列名，json的值可以认为就是mysql中的属性

### 2、倒排索引 ###

我们把数据存在es之后，es会将数据进行分析，然后将数据进行分词，例如红海行动分成了红海、行动，而探索红海行动被分成了探索、红海、行动，然后红海特别行动被分成了红海、特别、行动等等，之后把这些词放在表左边，包含这些词的记录放在词的右边，当我们检索某个词的时候会根据相关性得分得出数据的展示顺序，如下图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70]  
根据上图来看，如果我们检索“红海特工行动”，这些词语可以分为红海、特工、行动三个词，可以看到这三个词中只有特工没有被匹配到，然后我们看匹配到的词，其中1号数据、2号数据、3号数据、5号数据有2个词匹配上了，而4号数据只有一个匹配上了，我们分别来计算这些数据的相关性得分，如下：

<table> 
 <thead> 
  <tr> 
   <th>数据</th> 
   <th>相关性得分</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>1号数据</td> 
   <td>2/2</td> 
  </tr> 
  <tr> 
   <td>2号数据</td> 
   <td>2/3</td> 
  </tr> 
  <tr> 
   <td>3号数据</td> 
   <td>2/3</td> 
  </tr> 
  <tr> 
   <td>4号数据</td> 
   <td>1/2</td> 
  </tr> 
  <tr> 
   <td>5号数据</td> 
   <td>2/4</td> 
  </tr> 
 </tbody> 
</table>

上面的相关性得分(文档得分)是将数据中的匹配词出现的次数当做分子，而数据会划分的总词数当做分母，得出的相关性得分越大显示检索的时候越靠前

以上为了介绍倒排索引对分词说的比较简单，其实并没有这么简单，例如红海特别行动不仅仅只被分成`红海、特别、行动`，还有可能被分成`特别行动`等等，但是上面已经把分词的含义说清楚了，不过实际分词的时候更加细致而已，毕竟分词数目不好确定

### 3、访问地址 ###

elasticsearch：[http://192.168.56.10:9200][http_192.168.56.10_9200]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 1]

kibana：[http://192.168.56.10:5601][http_192.168.56.10_5601]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 2]

## 二、常用操作 ##

### 1、查询节点以及集群相关信息 ###

#### （1）查看所有es节点 ####

http://192.168.56.10:9200/_cat/nodes

结果：

`127.0.0.1 62 93 5 0.35 0.29 0.38 dilm * 8e383449ab38`

解释：

其中`*`代表当前节点是主节点，`8e383449ab38`是节点的name，我们可以通过访问`http://192.168.56.10:9200`看到该name

#### （2）查看健康状况 ####

http://192.168.56.10:9200/_cat/health

结果：

`1609038775 03:12:55 elasticsearch green 1 1 3 3 0 0 0 0 - 100.0%`

解释：

green表示当前集群是非常监控的，后面的数字等是集群分片信息

#### （3）查看主节点 ####

http://192.168.56.10:9200/_cat/master

结果：

`manSbe-MSkyNN5WMByvsgQ 127.0.0.1 127.0.0.1 8e383449ab38`

解释：

`8e383449ab38`是主节点的name，可以通过访问`http://192.168.56.10:9200`看到

#### （4）查看所有索引 ####

http://192.168.56.10:9200/_cat/indices

结果：

green open .kibana_task_manager_1   uaBoceJ2RcOePTGlYFqfjA 1 0 2 0 12.5kb 12.5kb
    green open .apm-agent-configuration FH7Ig-YZQBmihJE8HLLkWw 1 0 0 0   283b   283b
    green open .kibana_1                oqIZOOuCRhKYadlo_1821Q 1 0 6 0   29kb   29kb

解释：

可以存储一些配置等等，相当于mysql数据库中执行`show databases`

### 2、索引信息查询 ###

#### （1）查询索引详细信息 ####

请求方式：

`GET`

请求路径：

http://192.168.56.10:9200/索引名称

#### （2）查询索引数据总量 ####

请求方式：

`GET`

请求路径：

http://192.168.56.10:9200/索引名称/_count

### 3、索引（保存）文档 ###

#### （1）使用Put请求方式保存文档 ####

请求方式：

`PUT`

请求路径：

http://192.168.56.10:9200/customer/external/1

请求体：

{ 
    	"name": "John Doe"
    }

结果：

{ 
        "_index": "customer",
        "_type": "external",
        "_id": "1",
        "_version": 1,
        "result": "created",
        "_shards": { 
            "total": 2,
            "successful": 1,
            "failed": 0
        },
        "_seq_no": 0,
        "_primary_term": 1
    }

解释：

其中customer是索引名称，external是类型名称，1是唯一标识id(即文档)，保存的数据是json格式的，返回的结果中带\_的数据都被称为元数据，注意put请求必须携带id(/customer/external/后面的就是id)，否则请求无法发送，如果索引—》类型下面没有对应id，`第一次执行`该请求将会保存一个文档，可以看到返回值中的result是created；  
以后在执行相同请求，将会执行更新操作，我们在更新操作中会具体说明

#### （2）使用Post请求方式保存文档 ####

请求方式：

`POST`

请求路径：

// 方式1：不带id(/customer/external/后面的就是id)
    http://192.168.56.10:9200/customer/external
    // 方式2：带id(/customer/external/后面的就是id)
    http://192.168.56.10:9200/customer/external/2

请求体：

{ 
    	"name": "John Doe"
    }

结果（不带id执行）：

{ 
        "_index": "customer",
        "_type": "external",
        "_id": "eKJLpHYBFLB86FefIxDx",
        "_version": 1,
        "result": "created",
        "_shards": { 
            "total": 2,
            "successful": 1,
            "failed": 0
        },
        "_seq_no": 11,
        "_primary_term": 1
    }

解释：

1、不携带唯一标识id(/customer/external/后面的就是id)，将自动生成唯一id，执行结果中的result为created，即保存操作，即使我们执行同一个请求，那每一次都是created保存操作

2、携带唯一标识id(/customer/external/后面的就是id)，如果索引—》类型下面没有对应id(/customer/external/后面的就是id)，`第一次执行`该请求将会保存一个文档，可以看到返回值中的result是created；  
以后在执行相同请求，将会执行更新操作，我们在更新操作中会具体说明

### 4、更新文档 ###

#### （1）使用Put请求方式更新文档（全量更新） ####

请求方式：

`PUT`

请求路径：

http://192.168.56.10:9200/customer/external/1

请求体：

{ 
    	"name": "John Doe"
    }

结果：

{ 
        "_index": "customer",
        "_type": "external",
        "_id": "1",
        "_version": 2,
        "result": "updated",
        "_shards": { 
            "total": 2,
            "successful": 1,
            "failed": 0
        },
        "_seq_no": 2,
        "_primary_term": 1
    }

解释：

该请求之前已经执行过一次了，可以看上面的`“2、索引（保存）文档---》（1）使用Put请求方式保存文档”`，第二次同样的请求就是更新操作了，可以看到返回值中的result就是updated

#### （2）使用Post请求方式更新文档(全量更新，不带\_update) ####

请求方式：

`POST`

请求路径：

// 带id(/customer/external/后面的就是id)
    http://192.168.56.10:9200/customer/external/1

请求体：

{ 
    	"name": "John Doe"
    }

结果：

{ 
        "_index": "customer",
        "_type": "external",
        "_id": "1",
        "_version": 3,
        "result": "updated",
        "_shards": { 
            "total": 2,
            "successful": 1,
            "failed": 0
        },
        "_seq_no": 3,
        "_primary_term": 1
    }

解释：

该请求之前已经执行过一次了，可以看上面的`“2、索引（保存）文档---》（2）使用Post请求方式保存文档”`，第二次同样的请求就是更新操作了，可以看到返回值中的result就是updated

#### （3）使用Post请求方式更新文档(部分字段值更新，其他字段值不变，带\_update) ####

请求方式：

`POST`

请求路径：

// 方式1：
    // 带id(/customer/external/后面的就是id)
    http://192.168.56.10:9200/customer/external/1/_update
    // 方式2（ES7.X.X版本）：
    http://192.168.56.10:9200/customer/_update/1

请求体：

{ 
        "doc": { 
            "name": "John Doe"
        }
    }

结果：

{ 
        "_index": "customer",
        "_type": "external",
        "_id": "1",
        "_version": 4,
        "result": "noop",
        "_shards": { 
            "total": 0,
            "successful": 0,
            "failed": 0
        },
        "_seq_no": 4,
        "_primary_term": 1
    }

解释：

`http://192.168.56.10:9200/customer/external/1`请求之前已经执行过至少一次了，第二次相同索引—》类型—》唯一标识id(即文档)在执行就是更新操作了，可以看到返回值中的result就是updated或者noop，但是本次的更新和以往的不一样，上面我们也提到了两种更新操作，以上两种更新操作不会判断值是否真的改变了，他们会直接进行更新，然后更改\_version、\_seq\_no、\_shards对应的值，而本次带上\_update会判断值是否真的改变了，如果真的改变了，它当然会更改\_version、\_seq\_no、\_shards对应的值，并且返回值中的result是updated；如果更新的值还是原来的值，那\_version、\_seq\_no、\_shards对应的值不会改变，另外返回值中的result是noop，使用\_updated的特点就是可以判断值是否真的改变了，然后决定是进行更新操作还是不进行更新操作，但是需要注意的有两点：

1）、使用Post请求，请求后面不仅有唯一标识id(/customer/external/后面的就是id)，还有\_update，这是特定写法不能改变  
2）、数据需要放在"doc": \{\}中，不能直接放在\{\}中

#### （4）更新中的乐观锁操作 ####

更新的时候可以看到这两个字段\_seq\_no（并发控制字段，每次更新都会加1，用来做乐观锁） 和\_primary\_term（主分片重新分配，就会变化，例如重启） ，更新的时候可以加上，假设有两个请求(索引—》类型后面已经有对应id)同时发送，以Put请求方式更新数据为例，当然也可以使用另外两种更新方式，依然使用id=1，请求数据还是\{“name”: “John Doe”\}，请求地址如下：

http://192.168.56.10:9200/customer/external/1?if_seq_no=13&if_primary_term=1

其中if\_seq\_no和\_seq\_no对应比较，if\_primary\_term和\_primary\_term对应比较，只要我们更新之前上述两对值对应，那就可以执行更新，如果有任何一对值不对应，那就无法完成更新，具体执行结果如下：

{ 
        "error": { 
            "root_cause": [
                { 
                    "type": "version_conflict_engine_exception",
                    "reason": "[1]: version conflict, required seqNo [13], primary term [1]. current document has seqNo [14] and primary term [1]",
                    "index_uuid": "ANbuGAD0TYC9_oNMvIskmA",
                    "shard": "0",
                    "index": "customer"
                }
            ],
            "type": "version_conflict_engine_exception",
            "reason": "[1]: version conflict, required seqNo [13], primary term [1]. current document has seqNo [14] and primary term [1]",
            "index_uuid": "ANbuGAD0TYC9_oNMvIskmA",
            "shard": "0",
            "index": "customer"
        },
        "status": 409
    }

### 5、根据文档id查询文档 ###

请求方式：

`GET`

请求路径：

http://192.168.56.10:9200/customer/external/1

结果：

{ 
        "_index": "customer",
        "_type": "external",
        "_id": "1",
        "_version": 4,
        "_seq_no": 4,
        "_primary_term": 1,
        "found": true,
        "_source": { 
            "name": "John Doe"
        }
    }

解释：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 3]

### 6、删除文档 ###

**方式1：**

请求方式：

`DELTE`

请求方式：

http://192.168.56.10:9200/customer/external/1

结果：

{ 
        "_index": "customer",
        "_type": "external",
        "_id": "1",
        "_version": 15,
        "result": "deleted",
        "_shards": { 
            "total": 2,
            "successful": 1,
            "failed": 0
        },
        "_seq_no": 20,
        "_primary_term": 1
    }

解释：

可以看到返回值中的result是deleted，代表删除成功了，我们需要指定索引—》类型—》唯一标识id(即文档)，例如/customer/external/1中的customer是索引、external是类型、唯一索引id是1

**方式2：**

根据条件删除，地址：[https://www.elastic.co/guide/en/elasticsearch/reference/6.0/docs-delete-by-query.html][https_www.elastic.co_guide_en_elasticsearch_reference_6.0_docs-delete-by-query.html]

### 7、删除索引 ###

请求方式：

`DELTE`

请求方式：

http://192.168.56.10:9200/customer

结果：

{ 
        "acknowledged": true
    }

### 8、批量操作 ###

注意：以上操作均在PostMan中进行，但是批量操作无法在PostMan中进行，因此在Kibana中进行，以下的操作均在Kibana中进行

#### （1）使用简单的insert保存批量操作 ####

请求：

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

结果：

{ 
      "took" : 159,
      "errors" : false,
      "items" : [
        { 
          "index" : { 
            "_index" : "customer",
            "_type" : "external",
            "_id" : "1",
            "_version" : 1,
            "result" : "created",
            "_shards" : { 
              "total" : 2,
              "successful" : 1,
              "failed" : 0
            },
            "_seq_no" : 0,
            "_primary_term" : 1,
            "status" : 201
          }
        },
        { 
          "index" : { 
            "_index" : "customer",
            "_type" : "external",
            "_id" : "2",
            "_version" : 1,
            "result" : "created",
            "_shards" : { 
              "total" : 2,
              "successful" : 1,
              "failed" : 0
            },
            "_seq_no" : 1,
            "_primary_term" : 1,
            "status" : 201
          }
        }
      ]
    }

解释：

先上图，后说话  
![在这里插入图片描述][20201227225855696.png]  
请求方式就是POST，请求路径代表customer是索引，而external是类型，后面的\_bulk代表本次执行批量操作，主要是请求体很独特，它的语法格式是这样的：

{ action:{ metadata名称: metadata值, ……}}
    { 请求体}

其中action有index保存、create保存、update更新、delete删除等，元数据就是我们之前看到的那些带\_的元数据，在`4、查询文档`中可以看一下带\_的那些元数据含义，本次指定的是\_id，也就是唯一标识id，即我们常说的文档，至于请求体中写的东西还是我们在保存或者更新操作中使用的数据

#### （2）使用index保存、create保存、update更新、delete删除等批量操作 ####

请求：

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

结果：

{ 
      "took" : 18,
      "errors" : true,
      "items" : [
        { 
          "index" : { 
            "_index" : "website",
            "_type" : "blog",
            "_id" : "faLYpHYBFLB86FefzxCh",
            "_version" : 1,
            "result" : "created",
            "_shards" : { 
              "total" : 2,
              "successful" : 1,
              "failed" : 0
            },
            "_seq_no" : 4,
            "_primary_term" : 1,
            "status" : 201
          }
        },
        { 
          "index" : { 
            "_index" : "website",
            "_type" : "blog",
            "_id" : "123",
            "_version" : 1,
            "result" : "created",
            "_shards" : { 
              "total" : 2,
              "successful" : 1,
              "failed" : 0
            },
            "_seq_no" : 5,
            "_primary_term" : 1,
            "status" : 201
          }
        },
        { 
          "create" : { 
            "_index" : "website",
            "_type" : "blog",
            "_id" : "123",
            "status" : 409,
            "error" : { 
              "type" : "version_conflict_engine_exception",
              "reason" : "[123]: version conflict, document already exists (current version [1])",
              "index_uuid" : "Je9tgYdORkCHICn2yGJYWA",
              "shard" : "0",
              "index" : "website"
            }
          }
        },
        { 
          "update" : { 
            "_index" : "website",
            "_type" : "blog",
            "_id" : "123",
            "_version" : 2,
            "result" : "updated",
            "_shards" : { 
              "total" : 2,
              "successful" : 1,
              "failed" : 0
            },
            "_seq_no" : 6,
            "_primary_term" : 1,
            "status" : 200
          }
        },
        { 
          "delete" : { 
            "_index" : "website",
            "_type" : "blog",
            "_id" : "123",
            "_version" : 3,
            "result" : "deleted",
            "_shards" : { 
              "total" : 2,
              "successful" : 1,
              "failed" : 0
            },
            "_seq_no" : 7,
            "_primary_term" : 1,
            "status" : 200
          }
        }
      ]
    }

解释：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 4]

#### （3）批量添加测试数据 ####

请求体获取地址：[点击我][Link 1]

请求：

POST bank/accout/_bulk
    请求体放在这里

具体执行：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 5]

## 三、Query DSL(DSL即领域特定语言) ##

### 1、什么是Query DSL ###

#### （1）uri+请求体(请求值即Query DSL) ####

请求：

GET bank/_search
    { 
      "query": { 
        "match_all": { }
      },
      "sort": [
        { 
          "account_number": { 
            "order": "asc"
          }
        }
      ]
    }

解释：

bank/\_search中的\_search是固定的，代表查询操作，“match\_all”: \{\}代表查询条件，如果查询全部，那\{\}中可以不写条件，sort中写的内容代表根据account\_number字段按照asc升序排序，然后解释一下结果  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 6]  
DSL定义：Elasticsearch提供了一个可以执行查询的Json风格的DSL（domain-specific language，即领域特定语言），这就被称为Query DSL。例如我们上面所说的请求体就是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示例开始的。

#### （2）uri+请求参数 ####

除了这种使用uri+请求体的方式，还有另外一种检索方式，这种检索方式把参数放在uri的后面，我们举出一个例子实现和上面使用Query DSL方式相同的效果，例如如下：

GET /bank/_search?q=*&sort=account_number:asc

其中q=\*代表查询所有，sort后面的内容代表按照account\_number字段进行asc顺序排序，结果和上面的查询结果是一样的，这里就不在展示了，我们最常使用的还是Query DSL

### 2、基础语法格式 ###

#### （1）一个查询语句的典型结构 ####

{ 
    	QUERY_NAME:{ 
    		ARGUMENT:VALUE,
    		ARGUMENT:VALUE,
    		……
    	}
    }

该结构中的QUERY\_NAME表示是query等等，ARGUMENT就是es中使用的属性，比如match\_all或者match等等，然后vlaue值中还可以有其他内容，比如es中的字段等等，我们后面也会提到的，例如：

{ 
      "query": { "match_all": { }}
    }

虽然没有用到ARGUMENT:VALUE，但是是可以使用的

#### （2）针对文档中字段的操作 ####

结构如下：

{ 
    	QUERY_NAME:{ 
    		FIELD_NAME:[
    			{ 
    				ARGUMENT:VALUE,
    				ARGUMENT:VALUE,
    				……
    			},
    			……
    		]
    	}
    }

该结构中的QUERY\_NAME表示是size等等，FIELD\_NAME就是文档中的属性，ARGUMENT就是es中使用的属性，比如下面例子中使用的order

例如：

{ 
      ……
      "sort": [
        { 
          "account_number": { 
            "order": "asc"
          }
        }
      ]
    }

#### （3）query的使用 ####

##### ①、查询全部 #####

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

解释：

match\_all用于查询所有数据，但是只会返回10条，这是默认值

##### ②、非字符串值进行精确查询 #####

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

解释：

account\_number是字段名称，这种精确匹配和mysql中使用的where是一致的，term就是会把字段的值当做当做一个整体进行去寻找，不经过倒排索引，毕竟它不需要分词，非字符串值进行精确查询建议使用term，虽然match也可以完成同样的功能，但是match主要用于全文检索，所以非字符串进行精确查询建议使用term

##### ③、字符串值进行精确查询 #####

GET bank/_search
    { 
      "query": { 
        "match": { 
          "address.keyword": "282 Kings Place"
        }
      }
    }

解释：

每一个字段名称后面都可以跟上一个.keyword，只要加上了.keyword，那就说明要把后面的值当做一个整体去检索，并且不会经过倒排索引，虽然也可以使用term来完成，并且可以不用添加.keyword，但是term常常用于非字符串值进行精确查询，所以建议使用.keyword完成字符串值精确查询，这和match\_phrase短语匹配还是不一样的，match\_phrase短语匹配虽然不分词，并且把短语当做一个整体，但它还是需要经过倒排索引，即使address值只有部分和需要匹配的短语一样，那也是可以的，每一个字符串字段(type类型为text)都有key

##### ④、字符串值进行全文检索(也可以叫做分词匹配) #####

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

结果：

{ 
      "took" : 1,
      "timed_out" : false,
      "_shards" : { 
        "total" : 1,
        "successful" : 1,
        "skipped" : 0,
        "failed" : 0
      },
      "hits" : { 
        "total" : { 
          "value" : 19,
          "relation" : "eq"
        },
        "max_score" : 9.507477,
        "hits" : [
          { 
            "_index" : "bank",
            "_type" : "account",
            "_id" : "136",
            "_score" : 9.507477,
            "_source" : { 
              "account_number" : 136,
              "balance" : 45801,
              "firstname" : "Winnie",
              "lastname" : "Holland",
              "age" : 38,
              "gender" : "M",
              "address" : "198 Mill Lane",
              "employer" : "Neteria",
              "email" : "winnieholland@neteria.com",
              "city" : "Urie",
              "state" : "IL"
            }
          },
          ……
    }

解释：

total中的value是19代表一共匹配到了19条记录，最大的得分max\_score是9.507477，说明匹配的记录中最高的得分就是9.507477，越高得分的记录查询的时候越靠前，我们查到的第一条数据就是的\_score就是9.507477，查询的时候会将字符串`mill lane`进行分词，可以分为`mill`和`lane`，那么只要address中包含`mill`或者`lane`的数据都会被查询出来，并且不区分大小写，而我们往es中存储数据的时候es也会将数据进行分词，然后维护一个倒排索引，然后根据数据中address包含的`mill`和`lane`的数量和数据自身address被分词的总数目进行除法操作，得出最终的相关性得分，既然需要匹配的字符串和原来传入的字符串都需要分词，然后按照倒排索引计算相关性得分，如果我们匹配的字符串不在倒排索引中，相关性得分\_score是0，那是搜不到数据的，例如把address变成mil，虽然整体能匹配上那些带mill的address字符串，但是我们不是根据address字符串整体来的，而是根据倒排索引中的分词来分析的，所以address变成mil是搜索不到数据的，毕竟倒排索引中就没有为mil的词

##### ⑤、字符串值进行短语匹配(即不对字符串进行分词，把字符串当做整体进行匹配) #####

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

结果：

{ 
      "took" : 8,
      "timed_out" : false,
      "_shards" : { 
        "total" : 1,
        "successful" : 1,
        "skipped" : 0,
        "failed" : 0
      },
      "hits" : { 
        "total" : { 
          "value" : 1,
          "relation" : "eq"
        },
        "max_score" : 9.507477,
        "hits" : [
          { 
            "_index" : "bank",
            "_type" : "account",
            "_id" : "136",
            "_score" : 9.507477,
            "_source" : { 
              "account_number" : 136,
              "balance" : 45801,
              "firstname" : "Winnie",
              "lastname" : "Holland",
              "age" : 38,
              "gender" : "M",
              "address" : "198 Mill Lane",
              "employer" : "Neteria",
              "email" : "winnieholland@neteria.com",
              "city" : "Urie",
              "state" : "IL"
            }
          }
        ]
      }
    }

解释：

使用match\_pharase不对字符串`mill lane`进行分词，直接把这个字符串`mill lane`当做整词在倒排索引中寻找和它一致的词，只有我们之前存入es中时address值分词的的时候可以分成字符串`mill lane`那些数据会被检索到，检索的时候不区分大小写

##### ⑥、多字段匹配 #####

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

解释：

首先将query中的字符串`mill movico`进行分词处理，只要`address`或者`city`字段值中任何一个包含`mill`或者`movico`都是会被检索到的，这当然需要和倒排索引密切相关，另外检索的时候也是不区分大小写的

##### ⑦、复合查询 #####

GET bank/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "match": { 
                "gender": "M"
              }
            },
            { 
              "match": { 
                "address": "mill"
              }
            }
          ],
          "must_not": [
            { 
              "match": { 
                "age": "28"
              }
            }
          ],
          "should": [
            { 
              "match": { 
                "lastname": "Hines"
              }
            }
          ],
          "filter": { 
            "range": { 
              "age": { 
                "gte": 10,
                "lte": 40
              }
            }
          }
        }
      }
    }

解释：

bool里面有四种形式，分别是must、must\_not、should、filter，他们分别代表必须满足全部条件、不能满足任何一个条件、必须满足条件之一、数据过滤

其中must、should都会贡献相关性得分，filter不会贡献相关性得分，而must\_not被当成一个过滤器，和filter功能一致，所以也不会贡献相关性得分

可以看出我们上面需要寻找gender包含M，address包含mill，年龄不能是28岁，lastname中最好包含Hines，即使不包含也没有关系，不过不包含的话相关性得分\_score低一点，但也是可以查询出来的，should里面的条件不是全部满足，但必须满足其中的条件之一，相当于或者操作，最后然后通过filter过滤掉年龄大于等于10岁并且小于等于40岁的数据

#### （4）sort的使用 ####

请求：

GET bank/_search
    { 
      "query": { 
        "match_all": { }
      },
      "sort": [
        { 
          "account_number": { 
            "order": "asc"
          }
        }
      ]
    }

解释：

按照account\_number字段进行升序排列，这和mysql中的`order by 字段名称 排序规则`是一样的，以上写法最符合标准，但是也可以简写，比如将

"account_number": { 
    	"order": "asc"
    }

简写成：

"account_number": "asc"

多字段排序：

GET bank/_search
    { 
      "query": { 
        "match_all": { }
      },
      "sort": [
        { 
          "account_number": { 
            "order": "asc"
          }
        },
        { 
          "age": { 
            "order": "desc"
          }
        }
      ]
    }

#### （5）from和size的使用 ####

请求：

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

解释：

结果就不在说了，query中设置的查询全部数据，from代表从0开始，数据默认确实从0开始排列，size代表取出5条数据，这个和mysql中的`limit start, size`是一样的

#### （6）\_source的使用 ####

结果中只包含单个字段：

{ 
    	"query": { 
    		"match_all": { }
    	},
    	"_source": "title"
    }

结果中包含多个指定字段：

{ 
    	"query": { 
    		"match_all": { }
    	},
    	"_source": ["title", "price"]
    }

解释：

\_source和mysql中的`select 字段名称……`是类似的

#### （7）高亮的使用 ####

默认使用`em`标签包裹：

{ 
    	"query": { 
    		"match": { 
    			"title": "小米"
    		}
    	},
    	"highlight": { 
    	    "fields": { 
    	      "title": { }
    	    }
    	}
    }

可以使用`pre_tags`和`post_tags`来指定前后的包裹标签：

{ 
    	"query": { 
    		"match": { 
    			"title": "小米"
    		}
    	},
    	"highlight": { 
    	    "pre_tags": "<b color='red'>",
    	    "post_tags": "</b>",
    	    "fields": { 
    	      "title": { }
    	    }
    	}
    }

## 四、Aggregations聚合分析 ##

### 1、聚合简单用法 ###

GET bank/_search
    { 
      "query": { 
        "match": { 
          "address": "mill"
        }
      },
      "aggs": { 
        "balanceCount": { 
          "terms": { 
            "field": "balance",
            "size": 10
          }
        },
        "blanceSum": { 
          "sum": { 
            "field": "balance"
          }
        },
        "balanceAvg":{ 
          "avg": { 
            "field": "balance"
          }
        },
        "balanceMin":{ 
          "min": { 
            "field": "balance"
          }
        },
        "balanceMax":{ 
          "max": { 
            "field": "balance"
          }
        }
      },
      "size": 0
    }

结果：

{ 
      "took" : 34,
      "timed_out" : false,
      "_shards" : { 
        "total" : 1,
        "successful" : 1,
        "skipped" : 0,
        "failed" : 0
      },
      "hits" : { 
        "total" : { 
          "value" : 4,
          "relation" : "eq"
        },
        "max_score" : null,
        "hits" : [ ]
      },
      "aggregations" : { 
        "balanceMax" : { 
          "value" : 45801.0
        },
        "blanceSum" : { 
          "value" : 100832.0
        },
        "balanceMin" : { 
          "value" : 9812.0
        },
        "balanceCount" : { 
          "doc_count_error_upper_bound" : 0,
          "sum_other_doc_count" : 0,
          "buckets" : [
            { 
              "key" : 9812,
              "doc_count" : 1
            },
            { 
              "key" : 19648,
              "doc_count" : 1
            },
            { 
              "key" : 25571,
              "doc_count" : 1
            },
            { 
              "key" : 45801,
              "doc_count" : 1
            }
          ]
        },
        "balanceAvg" : { 
          "value" : 25208.0
        }
      }
    }

解释：

首先查询了address中包含mill的数据，然后根据这些数据进行聚合操作，几种操作如下：  
aggs：代表聚合操作，balanceCount、blanceSum、balanceAvg、balanceMin、balanceMax代表聚合操作的名称  
terms：代表分组，在terms里面field指定需要分组的字段名称，size表示最多展示10个分组结果，当然这个可以随意调节  
sum：代表计算总额，在sum里面field指定需要计算总额的字段名称  
avg：代表计算平均值，在avg里面field指定需要计算平均值的字段名称  
min：代表计算最小值，在min里面field指定需要计算最小值的字段名称  
max：代表计算最小值，在max里面field指定需要计算最大值的字段名称

最后的size:0代表只看聚合数据，不看其他检索出来的数据

### 2、子聚合简单使用 ###

问题：

按照年龄聚合，并且求出处于该年龄段的员工平均薪资

请求：

GET bank/_search
    { 
      "query": { 
        "match_all": { }
      },
      "aggs": { 
        "ageCount": { 
          "terms": { 
            "field": "age",
            "size": 100
          },
          "aggs": { 
            "balanceAvg": { 
              "avg": { 
                "field": "balance"
              }
            }
          }
        }
      },
      "size": 0
    }

结果：

第一个aggs里面先进行了age的年龄统计，最多展示100个统计数据，这些统计数据每个都是一组数据的集合，如果我们需要对这些数据集合再次进行统计，那就需要使用子聚合，子聚合放在父聚合名称下面，具体我们ageCount中的aggs子聚合，子聚合的名称是balanceAvg，里面用于计算这一组数据中balance的平均值

### 3、多重子聚合的使用 ###

问题：

按照年龄聚合，并分别查找这些年龄段中性别为M或者F的平均薪资以及这个年龄段的总体平均薪资

请求：

GET bank/_search
    { 
      "query": { 
        "match_all": { }
      },
      "aggs": { 
        "ageCount": { 
          "terms": { 
            "field": "age",
            "size": 100
          },
          "aggs": { 
            "genderCount": { 
              "terms": { 
                "field": "gender.keyword",
                "size": 100
              },
              "aggs": { 
                "balanceAvg": { 
                  "avg": { 
                    "field": "balance"
                  }
                }
              }
            },
            "balanceAvg": { 
              "avg": { 
                "field": "balance"
              }
            }
          }
        }
      },
      "size": 0
    }

结果：

………………
      "aggregations" : { 
        "ageCount" : { 
          "doc_count_error_upper_bound" : 0,
          "sum_other_doc_count" : 463,
          "buckets" : [
            { 
              "key" : 31,
              "doc_count" : 61,
              "genderCount" : { 
                "doc_count_error_upper_bound" : 0,
                "sum_other_doc_count" : 0,
                "buckets" : [
                  { 
                    "key" : "M",
                    "doc_count" : 35,
                    "balanceAvg" : { 
                      "value" : 29565.628571428573
                    }
                  },
                  { 
                    "key" : "F",
                    "doc_count" : 26,
                    "balanceAvg" : { 
                      "value" : 26626.576923076922
                    }
                  }
                ]
              },
              "balanceAvg" : { 
                "value" : 28312.918032786885
              }
            },
            ………………

解释：

由于篇幅原因，我们只给出一个统计值，这代表年龄是31岁的员工有60人，这些员工的平均工资是28312.918032786885元，其中性别为M的有35人，平均薪资是29565.628571428573元，然后性别为F的有26人，平均薪资是26626.576923076922元

## 五、Mapping映射 ##

### 1、查看索引中的映射信息 ###

请求：

GET bank/_mapping

结果：

{ 
      "bank" : { 
        "mappings" : { 
          "properties" : { 
            "account_number" : { 
              "type" : "long"
            },
            "address" : { 
              "type" : "text",
              "fields" : { 
                "keyword" : { 
                  "type" : "keyword",
                  "ignore_above" : 256
                }
              }
            },
            "age" : { 
              "type" : "long"
            },
            "balance" : { 
              "type" : "long"
            },
            ………………

解释：

bank是索引名称，\_mapping是固定值，如果不指定字段的类型映射，es会自动猜测字段类型，然后设置字段类型，一般情况下非字符串类型都被设置为long类型，字符串类型都被设置为text类型

### 2、创建字段映射 ###

请求：

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

结果：

{ 
      "acknowledged" : true,
      "shards_acknowledged" : true,
      "index" : "my_index"
    }

解释：

在往索引中插入数据之前，我们可以先定义索引中的字段名称对应的字段类型，字段类型多种多样，具体可以看：[https://blog.csdn.net/hello\_world123456789/article/details/95341515][https_blog.csdn.net_hello_world123456789_article_details_95341515]，另外email类型为keyword代表该字段会被精确匹配，不通过倒排索引匹配，而是通过直接和字段值进行比较完成精准匹配

字符串型数据的type可以是`text`或者keyword类型，其中`text`类型会被分词，而`keyword`类型不会被分词，对于一个字段，除`type`之外，还可以设置`index`属性，默认是`true`，也可以设置成`false`，那就是不能放在查询条件中检索，例如：`"email":{"type":"keyword", "index": false}`

### 3、Nested禁止扁平化处理 ###

代码：

PUT product
    { 
      "mappings": { 
        "properties": { 
          ……………………
          "catalogName": { 
            "type": "keyword",
            "index": false,
            "doc_values": false
          },
          "attrs": { 
            "type": "nested",
            "properties": { 
              "attrId": { 
                "type": "long"
              },
              "attrName": { 
                "type": "keyword",
                "index": false,
                "doc_values": false
              },
              "attrValue": { 
                "type": "keyword"
              }
            }
          }
        }
      }
    }

解释：

因为attrs里面还有属性，所以attrs是一个复杂属性，如果不添加`"type": "nested"`([“type”: "nested"怎么用][type_ _nested])，那么es将会对复杂属性进行扁平化处理，也就是将所有的attrId的值放在一个数组中，那我们进行查询数组中的单个值将会把数组中所有的值包含的attrs查询出来，这就不是我们想要的效果，所以我们需要需要添加`"type": "nested"`来禁止复杂属性的扁平化处理，对于添加`"type": "nested"`的复杂属性查询就需要特别的做法，具体操作可以看：[Example query][]，虽然里面的例子是直接在query下面使用的nested，但是我们也可以在filter或者must等等下面使用nested

### 4、添加字段映射 ###

请求：

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

结果：

{ 
      "acknowledged" : true
    }

解释：

由于我们之前已经添加过age、email、name字段的类型，所以不能在使用创建映射的方式来添加映射了，而是需要使用本次的方式来添加映射，本次添加的employee-id字段的type是keyword，代表不经过倒排索引精准匹配，index是false代表该字段不能参与query检索，不过默认index是true，也就是默认参与query检索

### 5、更新字段映射 ###

字段映射创建之后，无法更新已创建的字段映射，只能重新创建索引，然后添加想要的字段映射，通过数据迁移来实现和更新字段映射相同的效果

### 6、数据迁移 ###

#### （1）es7将type类型变为可选、es8完全去掉type类型的解释： ####

> 从es7开始，url中的type参数变为可选，比如索引一个文档不在要求提供文档类型type，数据可以直接存储在index索引下面，这是因为在关系数据库(比如mysql)中两个数据库是独立的，即使他们里面有相同名称的列也不会影响使用，但是ES中不是这样的，elasticsearch是基于Lucene开发的搜索引擎，ES中不同type下名称相同的filed字段最终在Lucene中的处理方式是一样的，如果同一个index中的不同type中的同名字段具有不同的映射(包括字段类型等)，那就会出现冲突情况，最终导入Lucene处理效率下降，而我们总不能让同一个index下面的所有type中的文档中的同名字段属性使用同一种类型吧，所以我们要去掉type，以后文档直接就存储在index索引下面，简单来说去掉type就是为了提高ES处理数据的效率

#### （2）具体实现 ####

操作：

> 将bank索引下面的account类型的所有文档都迁移到新的newbank下面

创建新索引的映射：

PUT /newbank
    { 
      "mappings": { 
        "properties": { 
          "account_number": { 
            "type": "long"
          },
          "address": { 
            "type": "text"
          },
          "age": { 
            "type": "integer"
          },
          "balance": { 
            "type": "long"
          },
          "city": { 
            "type": "keyword"
          },
          "email": { 
            "type": "text",
            "fields": { 
              "keyword": { 
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "employer": { 
            "type": "keyword"
          },
          "firstname": { 
            "type": "text",
            "fields": { 
              "keyword": { 
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "gender": { 
            "type": "keyword"
          },
          "lastname": { 
            "type": "text",
            "fields": { 
              "keyword": { 
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "state": { 
            "type": "keyword"
          }
        }
      }
    }

es6中的数据迁移到es7：

POST _reindex
    { 
      "source": { 
        "index": "bank",
        "type": "account"
      },
      "dest": { 
        "index": "newbank"
      }
    }

在source中index后面的bank是老index索引名称，type后面的account是老索引下面的type类型名称，这是es6的写法，毕竟还有真实的type类型，然后es7中只需要把创建好的新index名称写在那里就可以了，因为我们当前使用的是es7.4.2版本，所以选择不使用type

es7中的数据迁移到es7：

POST _reindex
    { 
      "source": { 
        "index": "老index索引名称"
      },
      "dest": { 
        "index": "新index索引名称"
      }
    }

总结：

无论是es6中的数据迁移到es7还是es7中的数据迁移到es7，都需要先创建映射，并且注意映射中的字段名称和老的index索引中的字段名称一致，可以通过`GET bank/_mapping`来查看字段信息，其中bank是索引名称，按照上面说过的形式来完成数据迁移，es6->es7需要多写一个type，可以通过`GET bank/_search`来查看type名称等，如果迁移完成可以通过`GET newbank/_search`查看index和type，可以看到`"_type" : "_doc"`，虽然还有一个type，但是这并不是真的type，只是一个象征意义

## 六、ik分词器使用 ##

### 1、默认分词器 ###

POST _analyze
    { 
      
      "analyzer": "standard",
      "text": "我是中国人"
    }

解释：

只能识别英文，不能识别中文，中文会被一个一个拆开

### 2、ik\_smart分词器 ###

POST _analyze
    { 
      
      "analyzer": "ik_smart",
      "text": "我是中国人"
    }

结果：

### 3、ik\_max\_word分词器 ###

POST _analyze
    { 
      
      "analyzer": "ik_max_word",
      "text": "我是中国人"
    }

结果：

{ 
      "tokens" : [
        { 
          "token" : "我",
          "start_offset" : 0,
          "end_offset" : 1,
          "type" : "CN_CHAR",
          "position" : 0
        },
        { 
          "token" : "是",
          "start_offset" : 1,
          "end_offset" : 2,
          "type" : "CN_CHAR",
          "position" : 1
        },
        { 
          "token" : "中国人",
          "start_offset" : 2,
          "end_offset" : 5,
          "type" : "CN_WORD",
          "position" : 2
        },
        { 
          "token" : "中国",
          "start_offset" : 2,
          "end_offset" : 4,
          "type" : "CN_WORD",
          "position" : 3
        },
        { 
          "token" : "国人",
          "start_offset" : 3,
          "end_offset" : 5,
          "type" : "CN_WORD",
          "position" : 4
        }
      ]
    }

解释：

以后创建索引之前需要先创建ik分词器，毕竟我们需要指定ik分词器，不能在使用默认分词器了，它们对中文的支持度实在太低了

### 4、创建ik分词器的自定义远程仓库 ###

请看`virtualbox和vagrant.docx`

## 七、例子 ##

GET _search
    { 
      "query": { 
        "match_all": { }
      }
    }
    
    POST /customer/external/_bulk
    { "index":{ "_id":"1"}}
    { "name":"John Doe"}
    { "index":{ "_id":"2"}}
    { "name":"John Doe"}
    
    GET /bank/_search?q=*&sort=account_number:asc
    
    GET bank/_search
    { 
      "query": { 
        "match_all": { }
      },
      "_source": "balance"
    }
    
    GET bank/_search
    { 
      "query": { 
        "match_all": { }
      },
      "_source": "balance"
    }
    
    
    GET bank/_search
    { 
      "query": { 
        "match": { 
          "address": "mil"
        }
      }
    }
    
    GET bank/_search
    { 
      "query": { 
        "match": { 
          "address": "mill lane"
        }
      }
    }
    
    GET bank/_search
    { 
      "query": { 
        "multi_match": { 
          "query": "mill movico",
          "fields": ["address","city"]
        }
      }
    }
    
    GET bank/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "match": { 
                "gender": "M"
              }
            },
            { 
              "match": { 
                "address": "mill"
              }
            }
          ],
          "must_not": [
            { 
              "match": { 
                "age": "28"
              }
            }
          ],
          "should": [
            { 
              "match": { 
                "lastname": "Hines"
              }
            }
          ],
          "filter": { 
            "range": { 
              "age": { 
                "gte": 10,
                "lte": 40
              }
            }
          }
        }
      }
    }
    
    GET bank/_search
    { 
      "query": { 
        "match": { 
          "balance": 16
        }
      }
    }
    
    GET bank/_search
    { 
      "query": { 
        "term": { 
          "address.keyword": "282 Kings Place"
        }
      }
    }
    
    # 简单聚合用法
    GET bank/_search
    { 
      "query": { 
        "match": { 
          "address": "mill"
        }
      },
      "aggs": { 
        "balanceCount": { 
          "terms": { 
            "field": "balance",
            "size": 10
          }
        },
        "balanceSum": { 
          "sum": { 
            "field": "balance"
          }
        },
        "balanceAvg":{ 
          "avg": { 
            "field": "balance"
          }
        },
        "balanceMin":{ 
          "min": { 
            "field": "balance"
          }
        },
        "balanceMax":{ 
          "max": { 
            "field": "balance"
          }
        }
      }
    }
    
    # 子聚合(按照年龄聚合，并且求出处于该年龄段的员工平均薪资)
    GET bank/_search
    { 
      "query": { 
        "match_all": { }
      },
      "aggs": { 
        "ageCount": { 
          "terms": { 
            "field": "age",
            "size": 20
          },
          "aggs": { 
            "balanceAvg": { 
              "avg": { 
                "field": "balance"
              }
            }
          }
        },
        "balanceAvg": { 
          "avg": { 
            "field": "balance"
          }
        }
      },
      "size": 0
    }
    
    # 按照年龄聚合，并分别查找这些年龄段中性别为M或者F的平均薪资以及这个年龄段的总体平均薪资
    GET bank/_search
    { 
      "query": { 
        "match_all": { }
      },
      "aggs": { 
        "ageCount": { 
          "terms": { 
            "field": "age",
            "size": 10
          },
          "aggs": { 
            "genderCount": { 
              "terms": { 
                "field": "gender.keyword",
                "size": 100
              },
              "aggs": { 
                "balanceAvg": { 
                  "avg": { 
                    "field": "balance"
                  }
                }
              }
            },
            "balanceAvg": { 
              "avg": { 
                "field": "balance"
              }
            }
          }
        }
      },
      "size": 0
    }
    
    GET bank/_mapping
    
    PUT /my_index
    { 
      "mappings": { 
        "properties": { 
          "age":{ "type": "integer"},
          "email":{ "type":"keyword"},
          "name":{ "type": "text"}
        }
      }
    }
    
    PUT /my_index/_mapping
    { 
      "properties": { 
        "employee-id": { 
          "type": "keyword",
          "index": "false"
        }
      }
    }
    
    GET bank/_mapping
    
    GET bank/_search
    
    PUT /newbank
    { 
      "mappings": { 
        "properties": { 
          "account_number": { 
            "type": "long"
          },
          "address": { 
            "type": "text"
          },
          "age": { 
            "type": "integer"
          },
          "balance": { 
            "type": "long"
          },
          "city": { 
            "type": "keyword"
          },
          "email": { 
            "type": "text",
            "fields": { 
              "keyword": { 
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "employer": { 
            "type": "keyword"
          },
          "firstname": { 
            "type": "text",
            "fields": { 
              "keyword": { 
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "gender": { 
            "type": "keyword"
          },
          "lastname": { 
            "type": "text",
            "fields": { 
              "keyword": { 
                "type": "keyword",
                "ignore_above": 256
              }
            }
          },
          "state": { 
            "type": "keyword"
          }
        }
      }
    }
    
    POST _reindex
    { 
      "source": { 
        "index": "bank",
        "type": "account"
      },
      "dest": { 
        "index": "newbank"
      }
    }
    
    GET newbank/_mapping
    
    GET newbank/_search
    
    POST _analyze
    { 
      
      "analyzer": "standard",
      "text": "我是中国人"
    }
    
    POST _analyze
    { 
      
      "analyzer": "ik_smart",
      "text": "乔碧萝殿下"
    }
    
    POST _analyze
    { 
      
      "analyzer": "ik_max_word",
      "text": "尚硅谷电商项目"
    }
    
    GET product/_search
    
    POST _reindex
    { 
      "source": { 
        "index": "product"
      },
      "dest": { 
        "index": "gulimall_product"
      }
    }
    
    GET gulimall_product/_search
    
    
    
    PUT gulimall_product
    { 
      "mappings": { 
        "properties": { 
          "skuId": { 
            "type": "long"
          },
          "spuId": { 
            "type": "keyword"
          },
          "skuTitle": { 
            "type": "text",
            "analyzer": "ik_smart"
          },
          "skuPrice": { 
            "type": "double"
          },
          "skuImg": { 
            "type": "keyword"
          },
          "saleCount": { 
            "type": "long"
          },
          "hasStock": { 
            "type": "boolean"
          },
          "hotScore": { 
            "type": "long"
          },
          "brandId": { 
            "type": "long"
          },
          "catalogId": { 
            "type": "long"
          },
          "brandName": { 
            "type": "keyword"
          },
          "brandImg": { 
            "type": "keyword"
          },
          "catalogName": { 
            "type": "keyword"
          },
          "attrs": { 
            "type": "nested",
            "properties": { 
              "attrId": { 
                "type": "long"
              },
              "attrName": { 
                "type": "keyword"
              },
              "attrValue": { 
                "type": "keyword"
              }
            }
          }
        }
      }
    }
    
    
    GET gulimall_product/_search
    { 
      "query": { 
        "bool": { 
          "must": [
            { 
              "match": { 
                "skuTitle": "华为"
              }
            }
          ],
          "filter": [
            { 
              "term": { 
                "catalogId": 225
              }
            },
            { 
              "terms": { 
                "brandId": [
                  1,
                  2
                ]
              }
            },
            { 
              "nested": { 
                "path": "attrs",
                "query": { 
                  "bool": { 
                    "must": [
                      { 
                        "term": { 
                          "attrs.attrId": { 
                            "value": 1
                          }
                        }
                      },
                      { 
                        "term": { 
                          "attrs.attrValue": { 
                            "value": "ELS-AN10"
                          }
                        }
                      }
                    ]
                  }
                }
              }
            },
            { 
              "term": { 
                "hasStock": true
              }
            },
            { 
              "range": { 
                "skuPrice": { 
                  "gte": 0,
                  "lte": 10000
                }
              }
            }
          ]
        }
      },
      "sort": [
        { 
          "skuPrice": { 
            "order": "desc"
          }
        }
      ],
      "from": 0,
      "size": 1,
      "highlight": { 
        "pre_tags": "<b color='red'>",
        "post_tags": "</b>",
        "fields": { 
          "skuTitle": { }
        }
      },
      "aggs": { 
        "brand_agg": { 
          "terms": { 
            "field": "brandId",
            "size": 32
          },
          "aggs": { 
            "brand_name_agg": { 
              "terms": { 
                "field": "brandName",
                "size": 32
              }
            },
            "brand_img_agg": { 
              "terms": { 
                "field": "brandImg",
                "size": 32
              }
            }
          }
        },
        "catalog_agg": { 
          "terms": { 
            "field": "catalogId",
            "size": 14
          },
          "aggs": { 
            "catalog_name_agg": { 
              "terms": { 
                "field": "catalogName",
                "size": 14
              }
            }
          }
        },
        "attr_agg": { 
          "nested": { 
            "path": "attrs"
          },
          "aggs": { 
            "attr_id_agg": { 
              "terms": { 
                "field": "attrs.attrId",
                "size": 10
              },
              "aggs": { 
                "attr_name_agg": { 
                  "terms": { 
                    "field": "attrs.attrName",
                    "size": 10
                  }
                },
                "attr_value_agg": { 
                  "terms": { 
                    "field": "attrs.attrValue",
                    "size": 10
                  }
                }
              }
            }
          }
        }
      }
    }
    
    GET /gulimall_product/_mapping
    
    GET /gulimall_product/_search
    
    GET gulimall_product/_search
    { 
      "query": { 
        "match": { 
          "brandId": "1"
        }
      },
      "aggs": { 
        "brand_agg": { 
          "terms": { 
            "field": "brandId",
            "size": 32
          },
          "aggs": { 
            "brand_name_agg": { 
              "terms": { 
                "field": "brandName",
                "size": 32
              }
            },
            "brand_img_agg": { 
              "terms": { 
                "field": "brandImg",
                "size": 32
              }
            }
          }
        },
        "catalog_agg": { 
          "terms": { 
            "field": "catalogId",
            "size": 14
          },
          "aggs": { 
            "catalog_name_agg": { 
              "terms": { 
                "field": "catalogName",
                "size": 14
              }
            }
          }
        },
        "attr_agg": { 
          "nested": { 
            "path": "attrs"
          },
          "aggs": { 
            "attr_id_agg": { 
              "terms": { 
                "field": "attrs.attrId",
                "size": 10
              },
              "aggs": { 
                "attr_name_agg": { 
                  "terms": { 
                    "field": "attrs.attrName",
                    "size": 10
                  }
                },
                "attr_value_agg": { 
                  "terms": { 
                    "field": "attrs.attrValue",
                    "size": 10
                  }
                }
              }
            }
          }
        }
      },
      "size": 0
    }
    
    GET /gulimall_product/_search
    { 
    	"from": 0,
    	"size": 2,
    	"query": { 
    		"bool": { 
    			"must": [{ 
    				"match": { 
    					"skuTitle": { 
    						"query": "华为",
    						"operator": "OR",
    						"prefix_length": 0,
    						"max_expansions": 50,
    						"fuzzy_transpositions": true,
    						"lenient": false,
    						"zero_terms_query": "NONE",
    						"auto_generate_synonyms_phrase_query": true,
    						"boost": 1.0
    					}
    				}
    			}],
    			"filter": [{ 
    				"term": { 
    					"catalogId": { 
    						"value": 225,
    						"boost": 1.0
    					}
    				}
    			}, { 
    				"terms": { 
    					"brandId": [1, 2],
    					"boost": 1.0
    				}
    			}, { 
    				"nested": { 
    					"query": { 
    						"bool": { 
    							"must": [{ 
    								"term": { 
    									"attrs.attrId": { 
    										"value": "1",
    										"boost": 1.0
    									}
    								}
    							}, { 
    								"terms": { 
    									"attrs.attrValue": ["ELS-AN10", "123"],
    									"boost": 1.0
    								}
    							}],
    							"adjust_pure_negative": true,
    							"boost": 1.0
    						}
    					},
    					"path": "attrs",
    					"ignore_unmapped": false,
    					"score_mode": "none",
    					"boost": 1.0
    				}
    			}, { 
    				"nested": { 
    					"query": { 
    						"bool": { 
    							"must": [{ 
    								"term": { 
    									"attrs.attrId": { 
    										"value": "4",
    										"boost": 1.0
    									}
    								}
    							}, { 
    								"terms": { 
    									"attrs.attrValue": ["华为 HUAWEI P40 Pro+"],
    									"boost": 1.0
    								}
    							}],
    							"adjust_pure_negative": true,
    							"boost": 1.0
    						}
    					},
    					"path": "attrs",
    					"ignore_unmapped": false,
    					"score_mode": "none",
    					"boost": 1.0
    				}
    			}, { 
    				"term": { 
    					"hasStock": { 
    						"value": true,
    						"boost": 1.0
    					}
    				}
    			}, { 
    				"range": { 
    					"skuPrice": { 
    						"from": null,
    						"to": "8000",
    						"include_lower": true,
    						"include_upper": true,
    						"boost": 1.0
    					}
    				}
    			}],
    			"adjust_pure_negative": true,
    			"boost": 1.0
    		}
    	},
    	"sort": [{ 
    		"skuPrice": { 
    			"order": "desc"
    		}
    	}],
    	"aggregations": { 
    		"brand_agg": { 
    			"terms": { 
    				"field": "brandId",
    				"size": 32,
    				"min_doc_count": 1,
    				"shard_min_doc_count": 0,
    				"show_term_doc_count_error": false,
    				"order": [{ 
    					"_count": "desc"
    				}, { 
    					"_key": "asc"
    				}]
    			},
    			"aggregations": { 
    				"brand_name_agg": { 
    					"terms": { 
    						"field": "brandName",
    						"size": 32,
    						"min_doc_count": 1,
    						"shard_min_doc_count": 0,
    						"show_term_doc_count_error": false,
    						"order": [{ 
    							"_count": "desc"
    						}, { 
    							"_key": "asc"
    						}]
    					}
    				},
    				"brand_img_agg": { 
    					"terms": { 
    						"field": "brandImg",
    						"size": 32,
    						"min_doc_count": 1,
    						"shard_min_doc_count": 0,
    						"show_term_doc_count_error": false,
    						"order": [{ 
    							"_count": "desc"
    						}, { 
    							"_key": "asc"
    						}]
    					}
    				}
    			}
    		},
    		"catalog_agg": { 
    			"terms": { 
    				"field": "catalogId",
    				"size": 14,
    				"min_doc_count": 1,
    				"shard_min_doc_count": 0,
    				"show_term_doc_count_error": false,
    				"order": [{ 
    					"_count": "desc"
    				}, { 
    					"_key": "asc"
    				}]
    			},
    			"aggregations": { 
    				"catalog_name_agg": { 
    					"terms": { 
    						"field": "catalogName",
    						"size": 14,
    						"min_doc_count": 1,
    						"shard_min_doc_count": 0,
    						"show_term_doc_count_error": false,
    						"order": [{ 
    							"_count": "desc"
    						}, { 
    							"_key": "asc"
    						}]
    					}
    				}
    			}
    		},
    		"attr_agg": { 
    			"nested": { 
    				"path": "attrs"
    			},
    			"aggregations": { 
    				"attr_id_agg": { 
    					"terms": { 
    						"field": "attrs.attrId",
    						"size": 10,
    						"min_doc_count": 1,
    						"shard_min_doc_count": 0,
    						"show_term_doc_count_error": false,
    						"order": [{ 
    							"_count": "desc"
    						}, { 
    							"_key": "asc"
    						}]
    					},
    					"aggregations": { 
    						"attr_name_agg": { 
    							"terms": { 
    								"field": "attrs.attrName",
    								"size": 10,
    								"min_doc_count": 1,
    								"shard_min_doc_count": 0,
    								"show_term_doc_count_error": false,
    								"order": [{ 
    									"_count": "desc"
    								}, { 
    									"_key": "asc"
    								}]
    							}
    						},
    						"attr_value_agg": { 
    							"terms": { 
    								"field": "attrs.attrValue",
    								"size": 10,
    								"min_doc_count": 1,
    								"shard_min_doc_count": 0,
    								"show_term_doc_count_error": false,
    								"order": [{ 
    									"_count": "desc"
    								}, { 
    									"_key": "asc"
    								}]
    							}
    						}
    					}
    				}
    			}
    		}
    	},
    	"highlight": { 
    		"pre_tags": ["<b color='red'>"],
    		"post_tags": ["</b>"],
    		"fields": { 
    			"skuTitle": { }
    		}
    	}
    }

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70]: /images/20221120/36f9ff941b8e47d8ad952b0552a5e56c.png
[http_192.168.56.10_9200]: http://192.168.56.10:9200
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20201229005957130.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz,size_16,color_FFFFFF,t_70
[http_192.168.56.10_5601]: http://192.168.56.10:5601
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/2020122901010044.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20201227211045441.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz,size_16,color_FFFFFF,t_70
[https_www.elastic.co_guide_en_elasticsearch_reference_6.0_docs-delete-by-query.html]: https://www.elastic.co/guide/en/elasticsearch/reference/6.0/docs-delete-by-query.html
[20201227225855696.png]: https://img-blog.csdnimg.cn/20201227225855696.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20201227234527379.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz,size_16,color_FFFFFF,t_70
[Link 1]: https://github.com/elastic/elasticsearch/edit/master/docs/src/test/resources/accounts.json
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20201227235211765.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/2020122810160199.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNDQ5OTYz,size_16,color_FFFFFF,t_70
[https_blog.csdn.net_hello_world123456789_article_details_95341515]: https://blog.csdn.net/hello_world123456789/article/details/95341515
[type_ _nested]: https://www.elastic.co/guide/en/elasticsearch/reference/7.4/query-dsl-nested-query.html#nested-query-index-setup
[Example query]: https://www.elastic.co/guide/en/elasticsearch/reference/7.4/query-dsl-nested-query.html#nested-query-ex-query