weixin_40725706

这个屌丝很懒，什么也没留下！

热门标签

ElasticSearch 搜索引擎_es搜索引擎

作者：weixin_40725706 | 2024-04-13 15:54:43

踩

es搜索引擎

简称es,是类似于mysql但是专注于搜索的一种数据库。在elastic stack中占据重要地位。

倒排索引：

我们的数据库都是正向索引，比如根据id查询数据，那么倒排索引是将关键字进行分词，然后将词条和id保存在一张表中，不同数据分词后有相同的词条的话，就会记录在同一条数据中，并且把id放在一个字段，搜索的时候根据词条先搜索出符合的id,然后根据id查询数据。

分词器：

下载地址：GitHub - medcl/elasticsearch-analysis-ik: The IK Analysis plugin integrates Lucene IK analyzer into elasticsearch, support customized dictionary.

进去之后点击右边的版本，就能进去下载，

#因为启动es时候已经做好的目录挂载
容器内部:/usr/share/elasticsearch/plugins
宿主机:/mydata/elasticsearch/plugins

所以只需要将文件复制到/mydata/elasticsearch/plugins 目录下即可

然后重启es

docker restart elasticsearch

分词器也就是分词的规则，es中有默认的细粒度分词（ik_max_word）和粗粒度分词（ik_smart），细粒度分词比较多，粗粒度分词比较少。

我们也可以自定义我们想要分出来的词和不想被分出来的词，比如我们自己创建的一个品牌名，就可以自己定义一个分词字典，同样的，不想分词的也会有一个字典。

想要分出的词就可以写在我们配置文件中的ext.dic字典，不想分出来的就修改sropword.dic字典。

mapping 属性

mapping属性实际上就是我们mysql中的一个表结构，比如某个字段是什么类型的啊，有什么约束条件啊什么的。

每创建一个字段都要想下图中的几个条件，什么类型的，是否参与搜索（根据这个判断是否创建倒排索引，默认index为true），使用什么分词器，该字段有没有子字段。

索引：

索引其实对应的就是mysql中的表，es说要创建个索引，就相当于mysql说，要创建一个表。

创建索引示例：

查看和删除索引：

修改索引库：

实际上es是不支持修改索引库的，因为带来的影响比较大，尤其是生产环境下。

但是，虽然不支持修改索引库，但是支持添加一个字段

文档：

文档，实际上就相当于mysql中的数据。添加文档就是mysql中的添加数据

这里要说一下，mysql中写的语句叫做sql语句，es中写的语句叫做DSL语句。

新增文档：

查看和删除文档：

修改文档：

修改文档实际上有两种方法，一种是全量修改，一种就是新增一个文档：

方式一：他会根据id先找到这个文档，然后删除，再添加新文档

方式二，这个就是修改指定的字段，我们可以看到上面的_doc变成了_update ,所以这里就是对某个字段进行修改了

es查询语句：

查询所有：

这里的查询类型，之后可以根据自己的条件的不断变化，更换不同的查询类型，这里的math_all就是查询所有，所有里面不需要跟条件

全文检索查询：

设定的场景就是我们常见的搜索框，根据输入的字段查询匹配的数据。

match是查询某一个字段中是否包含输入的信息，multi_match是同时查询几个字段中是否包含输入的信息。

注意：搜索字段越多，查询效率越低，所以我们尽量用一个字段查，之后会学到copy_to,查询一个字段也可以实现多个字段的效果。

精确查询：

这里指的就是不被分词的字段，进行精确匹配，也就是keyword

包括term和range: range中gte是大于等于，lte是小于等于 greate/less than equals

地理查询：

也就是根据经纬度查询：

第一种，就是geo_bounding_box类型，根据传入的两个经纬度确定两个点，然后分别画横竖两条线，然后围成一个矩形，那么查询出来的结果，就是经纬度在这个矩形当中的数据。

第二种就是geo_distance,这个比较常用,它是根据传入的一个经纬度点和一个距离，以经纬度点为圆心，以距离为半径画圆，查出来的就是经纬度在这个范围中的数据。适合场景，附近的人。

注意，那个距离要写单位.比如：km m

` 那个经纬度的点是要数据中有个字段，专门表示经纬度，然后用那个字段的名称，然后后面的值进行修改，图中的字段名称就叫做location （lat 经度 lon 纬度）

可以分开写，也可以像第二张图中一样用逗号隔开

复合查询：

相关性算分：这里要明白一个道理就是es会根据匹配度进行数据打分_score，匹配度越高，排序越靠前，并且这个算分可以人工干预。

Function_score_query:根据这个就可以给我们想要加分的数据进行人工干预。

Boolean Query:

这种复合查询就是相当于多条件查询，相当于mysql中的and or

每个关键字都可以定义多个查询条件

排序：

两种排序，一种是按照字段的值的大小进行升序或者是降序的排序，这种就是常见的大小排序

另一种是根据在某个经纬度的多少距离内的远近排序。这种就是查询附近的酒店那个意思

那么要注意的是，一旦做了排序，那么原来的那个相关性打分就没意义了，所以_score这个字段就变成了null

也可以在排序中写两个，表示当第一个相等时，就按第二个条件进行排序。

分页：

在es中分页和mybatis中的也差不多，也是根据页数和每页条数进行，在es中的关键字是from 和size

深度分页问题：

比如这个图中，从9990查询，查十条是正好10000条的，是不会报错的，但是如果改成9991就会变成10001条，超过了我们的结果集查询上限，那么就会报图中的错。

解决的办法就是下面两种，第二种不推荐使用，第一种也有不好的地方，只能往后查，不能往前查。

分页小结：

高亮处理：

就是我们的百度的时候，我们查询出来的东西都变成了红色。

这里涉及到我们的搜索字段要和高亮字段匹配才能进行高亮，那么如果使用copy_to之后的那个包含了多个字段信息的字段怎么办呢，我们可以手动设置搜索字段和高亮字段不匹配。

就是图中红色框框起来的这段配置。

小结：

数据聚合：

也就是相当于mysql中的group by进行分组之后进行聚合函数。聚合的字段一定是不分词的。

大致分这么几种，当然还有更多，可以查看es的官方文档

小结：

利用这个值进行聚合，下面的terms就是这个聚合。

aggs就是DSL语句中聚合的表示。

查询出来的结果就是一个这样的json格式：buckets就是我们聚合之后的结果，buckets中每一个{}就是一个bucket(桶),doc_count就是这个聚合之后桶内的文档数量，默认是倒序排序

如果修改默认的聚合排序规则，只要加一个order字段，然后对其进行排序即可

限定聚合范围：

只需要添加一个查询条件就可以，就相当于msyql中group by前面的where

小结：

Metrics聚合方式：也不能算是另一种，就是一部分，也相当于mysql中的max min avg sum等

下图中用了一个聚合的嵌套，外面使用了桶聚合，然后在桶聚合中的每一个桶内，使用了Metrics聚合

添加之后，查询的结果中，每一个桶内就多了几个结果;

如果想对这个结果中的avg的值进行一个排序，那么就要添加order： desc 降序 asc生序

copy_to:

当我们在做query_string查询的时候关联多个字段查询3

可以利用copy_to属性完成将多个字段拷贝到一个属性中简化查询


 
PUT user
{
  "mappings": {
    "properties": {
      "first_name": {
        "type": "text",
        "copy_to": "full_name" 
      },
      "last_name": {
        "type": "text",
        "copy_to": "full_name" 
      },
      "full_name": {
        "type": "text"
      }
    }
  }
}

总结:

1.copy_to属性可以帮助我们将多个字段或者一个字段拷贝到另外一个字段

2.copy_to属性可以帮助我们简化查询

3.copy_to属性可以帮助我们提高查询速度

自动补全：

拼音分词器，自动补全要依赖于拼音分词器，提升用户体验

下载地址：GitHub - medcl/elasticsearch-analysis-pinyin: This Pinyin Analysis plugin is used to do conversion between Chinese characters and Pinyin.

步骤：

1.解压

2.上传到es的插件目录下就是上面方分词器的那个目录

3.重启es

自定义分词器

默认的拼音分词器会将每个汉字单独分为拼音，而我们希望的是每个词条形成一组拼音，需要对拼音分词器做个性化定制，形成自定义分词器。

elasticsearch中分词器（analyzer）的组成包含三部分：

character filters：在tokenizer之前对文本进行处理。例如删除字符、替换字符

tokenizer：将文本按照一定的规则切割成词条（term）。例如keyword，就是不分词；还有ik_smart

tokenizer filter：将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

文档分词时会依次由这三部分来处理文档：

声明自定义分词器的语法如下：


PUT /test
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "tokenizer": "ik_max_word",
          "filter": "py"
        }
      },
      "filter": {
        "py": {
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "my_analyzer",
        "search_analyzer": "ik_smart"
      }
    }
  }
}