数据格式
Elasticsearch 是面向文档型数据库，一条数据在这里就是一个文档。为了方便大家理解，我们将 Elasticsearch 里存储文档数据和关系型数据库 MySQL 存储数据的概念进行一个类比ES 里的 Index 可以看做一个库，而 Types 相当于表，Documents 则相当于表的行。
这里 Types 的概念已经被逐渐弱化，Elasticsearch 6.X 中，一个 index 下已经只能包含一个type，Elasticsearch 7.X 中, Type 的概念已经被删除了。
用 JSON 作为文档序列化的格式，比如一条用户信息：
{
"name" : "John",
"sex" : "Male",
"age" : 25,
"birthDate": "1990/05/01",
"about" : "I love to go rock climbing",
"interests": [ "sports", "music" ]
}
因为访问Elasticsearch 服务器是REST请求，所以我们直接使用 Postman 访问。
Postman 下载地址：https://www.getpostman.com/apps
HTTP 操作
一、索引操作
1. 创建索引-PUT，创建索引就等同于创建数据库，如果重复添加索引，会返回错误信息
请求：http://127.0.0.1:9200/shopping
{
"acknowledged"【响应结果】: true, # true 操作成功
"shards_acknowledged"【分片结果】: true, # 分片操作成功
"index"【索引名称】: "shopping"
}
# 注意：创建索引库的分片数默认 1 片，在 7.0.0 之前的 Elasticsearch 版本中，默认 5 片
2. 查看全部索引-GET
请求 ：http://127.0.0.1:9200/_cat/indices?v
3. 查看单个索引-GET
请求 ：http://127.0.0.1:9200/shopping
查看索引向 ES 服务器发送的请求路径和创建索引是一致的。但是 HTTP 方法不一致。
{
"shopping"【索引名】: {
"aliases"【别名】: {},
"mappings"【映射】: {},
"settings"【设置】: {
"index"【设置 - 索引】: {
"creation_date"【设置 - 索引 - 创建时间】: "1614265373911",
"number_of_shards"【设置 - 索引 - 主分片数量】: "1",
"number_of_replicas"【设置 - 索引 - 副分片数量】: "1",
"uuid"【设置 - 索引 - 唯一标识】: "eI5wemRERTumxGCc1bAk2A",
"version"【设置 - 索引 - 版本】: {
"created": "7080099"
},
"provided_name"【设置 - 索引 - 名称】: "shopping"
}
}
}
}
4. 删除索引-DELETE
请求 ：http://127.0.0.1:9200/shopping
二、文档操作
1. 创建文档-POST
索引已经创建好了，接下来我们来创建文档，并添加数据。这里的文档可以类比为关系型数据库中的表数据，添加的数据格式为 JSON 格式
请求：http://127.0.0.1:9200/shopping/_doc
{
"_index"【索引】: "shopping",
"_type"【类型-文档】: "_doc",
"_id"【唯一标识】: "Xhsa2ncBlvF_7lxyCE9G", #可以类比为 MySQL 中的主键，随机生成
"_version"【版本】: 1,
"result"【结果】: "created", #这里的 create 表示创建成功
"_shards"【分片】: {
"total"【分片 - 总数】: 2,
"successful"【分片 - 成功】: 1,
"failed"【分片 - 失败】: 0
},
"_seq_no": 0,
"_primary_term": 1
}
上面的数据创建后，由于没有指定数据唯一性标识（ID），默认情况下，ES 服务器会随机生成一个。
如果想要自定义唯一性标识，需要在创建时指定：http://127.0.0.1:9200/shopping/_doc/1
此处需要注意：如果增加数据时明确数据主键，那么请求方式也可以为 PUT
2. 查看文档-GET
查看文档时，需要指明文档的唯一性标识，类似于 MySQL 中数据的主键查询
http://127.0.0.1:9200/shopping/_doc/Xhsa2ncBlvF_7lxyCE9G
{
"_index"【索引】: "shopping",
"_type"【文档类型】: "_doc",
"_id": "1",
"_version": 2,
"_seq_no": 2,
"_primary_term": 2,
"found"【查询结果】: true, # true 表示查找到，false 表示未查找到
"_source"【文档源信息】: {
"title": "华为手机",
"category": "华为",
"images": "http://www.gulixueyuan.com/hw.jpg",
"price": 4999.00
}
}
查询所有数据: http://127.0.0.1:9200/shopping/_search 发送GET请求
3. 修改文档-POST
- 全局修改
- 局部修改
全局修改和新增文档一样，输入相同的 URL 地址请求，如果请求体变化，会将原有的数据内容覆盖，局部修改则修改字段对应的值。
http://127.0.0.1:9200/shopping/_doc/Xhsa2ncBlvF_7lxyCE9G全局修改：http://127.0.0.1:9200/shopping/_doc/Xhsa2ncBlvF_7lxyCE9G
{
"title":"华为手机",
"category":"华为",
"images":"http://www.gulixueyuan.com/hw.jpg",
"price":4999.00
}
局部修改：
{
"doc":{
"title":"华为手机"
}
}
4. 删除文档-DELETE
http://127.0.0.1:9200/shopping/_doc/Xhsa2ncBlvF_7lxyCE9G
{
"_index": "shopping",
"_type": "_doc",
"_id": "1",
"_version"【版本】: 4, #对数据的操作，都会更新版本
"result"【结果】: "deleted", # deleted 表示数据被标记为删除
"_shards": {
"total": 2,
"successful": 1,
"failed": 0
},
"_seq_no": 4,
"_primary_term": 2
}
5. 条件删除文档-POST
先创建俩个文档
{
"title":"小米手机",
"category":"小米",
"images":"http://www.gulixueyuan.com/xm.jpg",
"price":3999.00
}
{
"title":"华为手机",
"category":"华为",
"images":"http://www.gulixueyuan.com/hw.jpg",
"price":4000.00
}
删除价格为 4000.00 的文档：
{
"query":{
"match":{
"price":4000.00
}
}
}
{
"took"【耗时】: 1175,
"timed_out"【是否超时】: false,
"total"【总数】: 1,
"deleted"【删除数量】: 1,
"batches": 1,
"version_conflicts": 0,
"noops": 0,
"retries": {
"bulk": 0,
"search": 0
},
"throttled_millis": 0,
"requests_per_second": -1.0,
"throttled_until_millis": 0,
"failures": []
}
映射基本操作
原理
有了索引库，等于有了数据库中的 database。
接下来就需要建索引库(index)中的映射了，类似于数据库(database)中的表结构(table)。创建数据库表需要设置字段名称，类型，长度，约束等；索引库也一样，需要知道这个类型下有哪些字段，每个字段有哪些约束信息，这就叫做映射(mapping)。
1. 创建映射-PUT
首先创建 stuednt 索引：
http://127.0.0.1:9200/student
ES 服务器发 PUT 请求：http://127.0.0.1:9200/student/_mapping
请求体内容为：
{
"properties": {
"name":{
"type": "text",
"index": true
},
"sex":{
"type": "keyword",
"index": true
},
"age":{
"type": "keyword",
"index": false
}
}
}
映射数据说明：
-
字段名：任意填写，下面指定许多属性，例如：title、subtitle、images、price
-
type：类型，Elasticsearch 中支持的数据类型非常丰富，说几个关键的：
- String 类型，又分两种：
- text：可分词，支持模糊查询，支持准确查询，不支持聚合查询
- keyword：不可分词，数据会作为完整字段进行匹配，支持模糊查询，支持准确查询，支持聚合查询。
- Numerical：数值类型，分两类
- 基本数据类型：long、integer、short、byte、double、float、half_float
- 浮点数的高精度类型：scaled_float
- Date：日期类型
- Array：数组类型
- Object：对象
- String 类型，又分两种：
-
index：是否索引，默认为 true，也就是说你不进行任何配置，所有字段都会被索引。
- true：字段会被索引，则可以用来进行搜索
- false：字段不会被索引，不能用来搜索
-
store：是否将数据进行独立存储，默认为 false
原始的文本会存储在 _source 里面，默认情况下其他提取出来的字段都不是独立存储 的，是从 _source 里面提取出来的。当然你也可以独立的存储某个字段，只要设置 "store": true 即可，获取独立存储的字段要比从 _source 中解析快得多，但是也会占用 更多的空间，所以要根据实际业务需求来设置。
-
analyzer：分词器，这里的 ik_max_word 即使用 ik 分词器
2. 查看映射-GET
http://127.0.0.1:9200/student/_mapping
3. 索引映射关联-PUT
创建新的索引 student1，与之前的 student 进行映射关联
http://127.0.0.1:9200/student1
请求体内容：（填写要映射的索引映射内容）
{
"settings": {},
"mappings": {
"properties": {
"name":{
"type": "text",
"index": true
},
"sex":{
"type": "text",
"index": false
},
"age":{
"type": "long",
"index": false
}
}
}
}
![[附源码]Python计算机毕业设计Django物业管理系统](https://img-blog.csdnimg.cn/b6ee11bd17c24510aca5f05c84db5b69.png)
![[Database] 关系型数据库中的MVCC是什么？怎么理解？原理是什么？MySQL是如何实现的？](https://img-blog.csdnimg.cn/9f5790856a0f47b9825fbee4abcefbb6.png)
![分布式文件存储系统FastDFS[1]-介绍以及安装](https://img-blog.csdnimg.cn/img_convert/46ad54d8770503fcf544205ccca982f9.png)
