ElasticSearch : 基础
2024-08-26 04:19:30
#新建索引以及类型:
PUT http://10.18.43.3:9200/test
{
"settings": {
"number_of_shards": 3,
"number_of_replicas": 0
},
"mappings": {
"type1": {
"properties": {
"id": {
"type": "long"
},
"ukey": {
"type": "keyword"
},
"startid": {
"type": "long"
},
"title": {
"type": "text"
},
"fetch_time": {
"type": "date",
"format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
}
}
}
}
}
keyword类型的字段是不可切分的,text可以分词 #插入数据: PUT http://10.18.43.3:9200/test/type1/1
{
"key": value,
"key2": value2
}
,如果需要自动生成id,需要把方法改成POST,然后把url改成http://10.18.43.3:9200/test/type1 #更新数据
POST http://10.18.43.3:9200/test222/type1/1/_update
{
"doc": {
"content":"更新content2"
} }
更新数据需要用POST方法而且后面要加_update,更新的字段要包含在 doc 字段里面 #删除数据
DELETE http://10.18.43.3:9200/test/type1/1 #删除索引
DELETE http://10.18.43.3:9200/test #简单查询
GET http://10.18.43.3:9200/test/type1/1 #条件查询
POST http://10.18.43.3:9200/test/_search
{
"query": {
"match_all": {}
},
"from": 1,
"size": 2
}
from 是从哪一行开始,size 是查询显示多少条 POST http://10.18.43.3:9200/test/_search
{
"query": {
"match": {
"html_snapshot": "医生"
}
},
"sort": [
{
"id": {
"order": "desc"
}
}
]
}
查询所有html_snapshot包含"医生"的数据,类似于模糊查询(查询html_snapshot包含"医生"的数据),需要注意这个模糊匹配会把查询条件再次分词,如
条件为"html_snapshot": "医生和护士"的话,那么很可能会分成"医生","护士"两个词来分别匹配,如果需要像SQL那样 %xxx%这种形式的模糊匹配的话,
那么需要把 "match"改为"match_phrase",这样如果匹配"医生和护士",那么会匹配里面包含 xxx医生和护士xxxx 这种类型的数据
这儿html_snapshot是text类型,如果是keyword类型的话查询结果是精确查询的结果(查询html_snapshot等于"医生"的数据)
按照id降序排列 POST http://10.18.43.3:9200/test/_search
{
"query": {
"query_string": {
"query": "(非常感谢 AND 医院) OR 医生",
"fields": ["html_snapshot", "content"]
}
}
}
查询多个字段,这样查询也是会先自动分词然后进行匹配 POST http://10.18.43.3:9200/test/_search
{
"query": {
"term": {
"startid": 2
}
}
}
精确查询 startid == 2 POST http://10.18.43.3:9200/test/_search
{
"query": {
"range": {
"startid": {
"gte": 2,
"lte": 3
}
}
}
}
startid 大于等于2,小于等于3的数据 POST http://10.18.43.3:9200/test/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"startid": 2
}
},
{
"match": {
"html_snapshot": "客气"
}
}
]
}
}
}
查询 startid必须为2(因为是keyword类型) 和 html_snapshot必须包含(text类型)"客气" 的所有数据 #聚合查询
POST http://10.18.43.3:9200/test/_search
{
"aggs": {
"group_by_startid": {
"terms": {
"field": "startid",
"size": 3
}
}
}
}
根据startid统计所有数据count,返回统计结果前3的聚合数据,size是显示3条聚合数据
可以同时统计多组聚合信息 POST http://10.18.43.3:9200/test/_search
{
"aggs": {
"group_by_startid": {
"stats": {
"field": "startid"
}
}
}
}
stats是计算聚合关键字,里面有startid的总数,最大值最小值平均值总和等数据
##Elasticsearch 使用bool 子句来将各种子查询关联起来，组成布尔表达式，bool 子句可以随意组合、嵌套。
bool子句主要包括：
must：表示必须匹配。
must_not：表示一定不能匹配。
should：表示可以匹配，类似于布尔运算里的”或”。如果bool 子句里，没有must子句，那么，should子句里至少匹配一个，如果有must子句，那么，should子句至少匹配零个。可以使用minimum_should_match 来对最小匹配数进行设置。
====================================ES的快照备份查询与恢复===========================================
索引的快照过程是增量的。在创建索引快照的过程中，ElasticSearch会分析仓库中已经存在的索引文件，只拷贝那些在最后一次快照之后被创建或者更新的文件。That allows multiple snapshots to be preserved in the repository in a compact form. 快照过程以非阻塞的方式执行，所有的索引和搜索操作都可以对正在被创建快照的索引继续执行。一个快照表示的是这个索引在快照被创建时间点的索引视图，所以在索引过程开始之后被添加到索引中的记录不会出现在快照中。
(参考 https://blog.csdn.net/ale2012/article/details/82702128#_126)
需要先在elasticsearch.yml中加入 path.repo: /usr/local/backups 这个配置来配置备份文件夹 文件夹权限要设置为777 1. 创建快照仓库, 名字为all_backup
http://10.1.1.112:9200/_snapshot/all_backup PUT
{
"type": "fs",
"settings": {
"location": "/usr/local/backups/all_backup"
}
} 2. 备份快照,快照名字v2019-7-2
http://10.1.1.112:9200/_snapshot/all_backup/v2019-7-2?wait_for_completion=true PUT 如果只需要备份某几个索引可以加上:
{
"indices": "article"
}
3. 查询快照
http://10.1.1.112:9200/_snapshot/all_backup/* GET 4. 恢复快照
http://10.1.1.112:9200/_snapshot/all_backup/v2019-7-2/_restore POST
最新文章
- 不死僵尸木马lpt7.asp.asp与lpt5.cnzzz.asp的删除方法
- 大视野3562 [SHOI2014]神奇化合物
- iOS 状态栏设置
- python mysql desc
- 【BZOJ】【1324】王者之剑
- 【Windows核心编程】重载类成员函数new / new[] / delete / delete[]
- linux free命令建检查内存状态
- 限制QLineEdit的数值输入范围（一共4种限制器：QDoubleValidator, QIntValidator, QRegExpValidator, 和QRegularExpressionValidator）
- 本地数据jqGrid分页
- HDU 1204 基础DP 非连续字段的最大和
- window.onload,document.ready
- 新版elasticsearch的插件安装
- Java并发编程随笔
- Wu反走样算法绘制直线段
- 【转】宽带路由器应用（三）—ARP欺骗防护功能的使用
- RabbitMQ 的安装----windows环境
- 【LOJ】#2071. 「JSOI2016」最佳团体
- sencha touch routes(路由) 传递中文参数
- 【eclipse修改默认注释】
- 机器学习算法 --- Pruning (decision trees) & Random Forest Algorithm