elasticsearch使用原理

与Lucene和solr中的概念类似。
另外，在SolrCloud中，有一些集群相关的概念，在Elasticsearch也有类似的：

• 索引集（Indices，index的复数）：逻辑上的完整索引
• 分片（shard）：数据拆分后的各个部分
• 副本（replica）：每个分片的复制

要注意的是：Elasticsearch本身就是分布式的，因此即便你只有一个节点，Elasticsearch默认也会对你的数据进行分片和副本操作，当你向集群添加新数据时，数据也会在新加入的节点中进行平衡。

一、创建索引
Elasticsearch采用Rest风格API，因此其API就是一次http请求，你可以用任何工具发起http请求
创建索引的请求格式：

• 请求方式：PUT
• 请求路径：/索引库名

{

"settings": { "number_of_shards": 3, "number_of_replicas": 2 }
}

查看索引设置：
Get请求可以帮我们查看索引信息，格式：
GET /索引库名

二、删除索引
删除索引使用DELETE请求
DELETE /索引库名

三、映射配置
索引库有了，接下来肯定是添加数据。不过数据存储到索引库中，必须指定一些相关属性，在学习Lucene中我们都见到过，包括但不限于以下内容：
字段的数据类型
是否要存储
是否要索引
是否分词
分词器种类
只有配置清楚，Elasticsearch才会帮我们进行索引库的创建（不一定）
1.创建映射字段
PUT /索引库名/_mapping/类型名称

{
    "properties": {
        "字段名": { "type": "类型", "index": true， "store": true， "analyzer": "分词器" }
    }
}

类型名称：就是前面讲的type的概念，类似于数据库中的不同表
字段名：任意填写 ，可以指定许多属性，例如：
type：类型，可以是text、long、short、date、integer、object等
index：是否索引，默认为true
store：是否存储，默认为false
analyzer：分词器，这里的ik_max_word即使用ik分词器
2.查看映射关系
GET /索引库名/_mapping
3.字段属性详解
说几个关键的：
String类型，又分两种：text：可分词，不可参与聚合 keyword：不可分词，数据会作为完整字段进行匹配，可以参与聚合
Numerical：数值类型，分两类：基本数据类型：long、interger、short、byte、double、float、half_float
浮点数的高精度类型：scaled_float 需要指定一个精度因子，比如10或100。elasticsearch会把真实值乘以这个因子后存储，取出时再还原。
Date：日期类型。elasticsearch可以对日期格式化为字符串存储，但是建议我们存储为毫秒值，存储为long，节省空间。
index影响字段的索引情况。index的默认值就是true，也就是说你不进行任何配置，所有字段都会被索引。
boost：激励因子，这个与lucene中一样
4.新增数据
通过POST请求，可以向一个已经存在的索引库中添加数据。
POST /索引库名/类型名

{
"key":"value"
}

5.修改数据
把刚才新增的请求方式改为PUT，就是修改了。不过修改必须指定id

二：查询
我们从4块来讲查询：

• 基本查询
• _source过滤
• 结果过滤
• 高级查询
• 排序

1.基本查询
GET /索引库名/_search

{
   "query":{ "查询类型":{ "查询条件":"查询条件值" }
}

2、多字段查询（multi_match）
GET /_search

{

"query":{ "multi_match": { "query": "小米", "fields": [ "title", "subTitle" ]    }
}

3.词条匹配(term)
GET /_search

{

    "query":{ "term":{ "price": } }
}

4.多词条精确匹配

GET /_search

{

"query":{ "terms":{ "price":[2699.00,2899.00,3899.00]
    }
}
}

三、聚合

基本概念


聚合为桶

桶内度量

GET /cars/_search

{
"size" : 0, "aggs" : { "popular_colors" : { "terms" : { "field" : "color"
        },
        "aggs":{
            "avg_price": {
               "avg": {
                  "field": "price"
               }
            }
        }
    }
}
}

五、Spring Data Elasticsearch

Spring Data 是的使命是给各种数据访问提供统一的编程接口，不管是关系型数据库（如MySQL），还是非关系数据库（如Redis），或者类似Elasticsearch这样的索引数据库。从而简化开发人员的代码，提高开发效率。


示例：

@Document(indexName = "item",type = "docs", shards = 1, replicas = 0)
public class Item {

@Id private Long id; @Field(type = FieldType.Text, analyzer = "ik_max_word") private String title; //标题 @Field(type = FieldType.Keyword) private String category;// 分类 @Field(type = FieldType.Keyword) private String brand; // 品牌 @Field(type = FieldType.Double) private Double price; // 价格 @Field(index = false, type = FieldType.Keyword) private String images; // 图片地址
}

删除索引：

自定义查询：

分页查询：

@Test
public void searchByPage(){

// 构建查询条件 NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder(); // 添加基本分词查询 queryBuilder.withQuery(QueryBuilders.termQuery("category", "手机")); // 分页： int page = 0; int size = 2;
queryBuilder.withPageable(PageRequest.of(page,size)); // 搜索，获取结果 Page items = this.itemRepository.search(queryBuilder.build()); // 总条数 long total = items.getTotalElements(); System.out.println("总条数 = " + total); // 总页数 System.out.println("总页数 = " + items.getTotalPages()); // 当前页 System.out.println("当前页：" + items.getNumber()); // 每页大小 System.out.println("每页大小：" + items.getSize());

for (Item item : items) { System.out.println(item);
}
}

排序：
排序也通用通过NativeSearchQueryBuilder完成：

@Test
public void searchAndSort(){

// 构建查询条件 NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder(); // 添加基本分词查询 queryBuilder.withQuery(QueryBuilders.termQuery("category", "手机")); // 排序 queryBuilder.withSort(SortBuilders.fieldSort("price").order(SortOrder.ASC)); // 搜索，获取结果 Page items = this.itemRepository.search(queryBuilder.build()); // 总条数 long total = items.getTotalElements(); System.out.println("总条数 = " + total);

for (Item item : items) { System.out.println(item);
}
}

聚合：

@Test
public void testAgg(){

NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder(); // 不查询任何结果 queryBuilder.withSourceFilter(new FetchSourceFilter(new String[]{""}, null)); // 1、添加一个新的聚合，聚合类型为terms，聚合名称为brands，聚合字段为brand queryBuilder.addAggregation(
    AggregationBuilders.terms("brands").field("brand")); // 2、查询,需要把结果强转为AggregatedPage类型 AggregatedPage aggPage = (AggregatedPage) this.itemRepository.search(queryBuilder.build()); // 3、解析 // 3.1、从结果中取出名为brands的那个聚合， // 因为是利用String类型字段来进行的term聚合，所以结果要强转为StringTerm类型 StringTerms agg = (StringTerms) aggPage.getAggregation("brands"); // 3.2、获取桶 List buckets = agg.getBuckets(); // 3.3、遍历 for (StringTerms.Bucket bucket : buckets) { // 3.4、获取桶中的key，即品牌名称 System.out.println(bucket.getKeyAsString()); // 3.5、获取桶中的文档数量 System.out.println(bucket.getDocCount());
}
}

@Test
public void testAgg(){

NativeSearchQueryBuilder queryBuilder = new NativeSearchQueryBuilder(); // 不查询任何结果 queryBuilder.withSourceFilter(new FetchSourceFilter(new String[]{""}, null)); // 1、添加一个新的聚合，聚合类型为terms，聚合名称为brands，聚合字段为brand queryBuilder.addAggregation(
    AggregationBuilders.terms("brands").field("brand")); // 2、查询,需要把结果强转为AggregatedPage类型 AggregatedPage aggPage = (AggregatedPage) this.itemRepository.search(queryBuilder.build()); // 3、解析 // 3.1、从结果中取出名为brands的那个聚合， // 因为是利用String类型字段来进行的term聚合，所以结果要强转为StringTerm类型 StringTerms agg = (StringTerms) aggPage.getAggregation("brands"); // 3.2、获取桶 List buckets = agg.getBuckets(); // 3.3、遍历 for (StringTerms.Bucket bucket : buckets) { // 3.4、获取桶中的key，即品牌名称 System.out.println(bucket.getKeyAsString()); // 3.5、获取桶中的文档数量 System.out.println(bucket.getDocCount());
}
}