点一下关注吧!!!非常感谢!!持续更新!!!
目前已经更新到了:
- Hadoop(已更完)
- HDFS(已更完)
- MapReduce(已更完)
- Hive(已更完)
- Flume(已更完)
- Sqoop(已更完)
- Zookeeper(已更完)
- HBase(已更完)
- Redis (已更完)
- Kafka(已更完)
- Spark(已更完)
- Flink(已更完)
- ClickHouse(已更完)
- Kudu(已更完)
- Druid(已更完)
- Kylin(已更完)
- Elasticsearch(正在更新…)
章节内容
上节我们完成了如下的内容:
- Elasticsearch 索引操作
- IK 分词器安装上使用
- 自定义分词
映射操作
索引创建之后,等于有了关系型数据库中的Database,Elasticsearch7.x取消了索引type类型的设置,不允许指定类型,默认为_doc,但字段仍然是有的,我们需要设置字段的约束信息,叫做字段映射(mapping)
字段的约束包括但不限于:
- 字段的数据类型
- 是否要存储
- 是否要索引
- 分词器
创建映射字段
语法:
PUT /索引名/_mapping
{
"properties": {
"字段名": {
"type": "数据类型",
"index": true,
"store": false,
"analyzer": "分词器"
}
}
}
上述内容解释如下:
- type 类型,可以是 text、long、short、date等等
- index 是否为索引 默认为true
- store 是否存储 默认为false
- analyzer 分词器
示例:
# 新建索引
PUT /wzkicu-index
# 映射关系
PUT /wzkicu-index/_mapping/
{
"properties": {
"name": {
"type": "text",
"analyzer": "ik_max_word"
},
"job": {
"type": "text",
"analyzer": "ik_max_word"
},
"logo": {
"type": "keyword",
"index": "false"
},
"payment": {
"type": "float"
}
}
}
运行结果如下图所示:
上图中,包含的字段如下所示,并且加了一些属性:
- name 企业名称
- job 需求岗位
- logo logo图片地址
- payment 薪资
映射属性详解
支持的类型非常的多,可以访问对应的文档进行查看:
https://www.elastic.co/guide/en/elasticsearch/reference/8.15/mapping-types.html
对应的页面如下图所示:
这里有几种:
- String类型:text可分词,不可参与聚合。keyword不可分词,作为完整字段进行分配,可以参与聚合。
- Numerical类型:数值类型、分两类,基本数据类型、浮点数的高精度类型
- Date:日期类型,ES可以对日期格式化字符串存储,但是建议我们存储为毫秒值、存储为long、节省空间。
- Array 数组类型,进行匹配时,任意一个元素满足,都认为满足。排序时,如果升序则用数组中最小值来排序,如果降序则用数组中的最大值来排序
- Object对象,{ name: “jack”, age: 21, girl: {name: “Rose”, age: 21}},如果存储到索引库是对象类型,例如上面的girl,会把girl变成girl.name和girl.age
- index,true字段会被索引,则可以用来进行搜索,默认值就是true。false字段不会被索引,不能用来搜索。比如LOGO的图片地址,这种不需要索引,就可以设置为False。
- store,是否将数据进行独立存储,原始的文本存储在 _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_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要来设置,默认为false
- analyzer:指定分词器 一般使用IK分词器 ik_max_word ik_smart
查看映射关系
单个映射关系
语法:
GET /索引名称/_mapping
示例:
GET /wzkicu-index/_mapping
执行的结果如下图所示:
所有映射关系
语法:
GET _mapping
GET _all/_mapping
执行结果如下图所示:
修改映射关系
PUT /索引库名/_mapping
{
"properties": {
"字段名": {
"type": "类型",
"index": true,
"store": true,
"analyzer": "分词器"
}
}
}
主要注意的是:修改映射只能是增加字段的操作,其他的更改只能删除索引重新建立索引来实现。
一次性建立索引与映射
实际上创建索引和映射是可以放到一起来做的, 在创建索引的同时,直接指定映射。
PUT /索引库名称
{
"settings":{
"索引库属性名":"索引库属性值"
},
"mappings":{
"properties":{
"字段名":{
"映射属性名":"映射属性值"
}
}
}
}
案例:
PUT /wzk-index
{
"settings": {},
"mappings": {
"properties": {
"name": {
"type": "text",
"analyzer": "ik_max_word"
}
}
}
}
执行结果如下图所示:
文档增删改查与局部更新
文档,即索引库中的数据,会根据规则创建索引,将用来搜索,可以类比做数据库中的一行数据。
新增文档
新增文档时,涉及到的ID的创建方式,手动指定或者自动生成。
手动新增
POST /索引名称/_doc/{id}
示例:
POST /wzkicu-index/_doc/1
{"name" : "百度",
"job" : "小度用户运营经理",
"payment" : "30000",
"logo" : "https://profile-avatar.csdnimg.cn/755ff10be62f4e7081bc36028fa9eafe_w776341482.jpg!1"
}
POST /wzkicu-index/_doc/2
{"name" : "百度",
"job" : " 百度用户运营经理",
"payment" : "50000",
"logo" : "https://profile-avatar.csdnimg.cn/755ff10be62f4e7081bc36028fa9eafe_w776341482.jpg!1"
}
执行的结果如下图所示:
自动新增
语法:
POST /索引名称/_doc
{
"field": "value"
}
示例:
POST /wzkicu-index/_doc
{
"name" : "百度",
"job" : " 百度测试",
"payment" : "20000",
"logo" : "https://profile-avatar.csdnimg.cn/755ff10be62f4e7081bc36028fa9eafe_w776341482.jpg!1"
}
执行结果如下图所示:
查询文档
单个文档
语法:
GET /索引名称/_doc/{id}
示例:
GET /wzkicu-index/_doc/1
执行结果如下图所示:
对返回的结果的格式解释如下:
所有文档
语法:
POST /索引名称/_search
示例:
POST /wzkicu-index/_search
{
"query":{
"match_all": {
}
}
}
测试运行的结果如下图所示:
定制返回字段
很多业务场景下,我们不需要返回这么多字段:
示例:
GET /wzkicu-index/_doc/1?_source=name,job
执行结果如下图所示,可以看到根据需要,只返回了 name 和 job:
更新文档
全部更新
新增方式相同,只不过新增是POST,而更新是PUT,而且修改必须指定ID才可以。
- id对应的文档存在,则修改
- id对应的文档不存在,则新增
PUT /wzkicu-index/_doc/5
{
"name" : "百度",
"job" : " 百度测试",
"payment" : "20000",
"logo" : "https://profile-avatar.csdnimg.cn/755ff10be62f4e7081bc36028fa9eafe_w776341482.jpg!1"
}
第一次执行,可以看到右侧是:created:
再执行一次,可以看到右侧是:updated:
局部更新
ES可以使用PUT或者POST进行更新,如果指定ID存在,则执行更新操作。
注意:
- ES执行更新操作的时候,ES是先将旧的标记为删除,再添加新的文档。
- 旧的文档不会立即消失,但是你也无法访问,ES会在添加更多数据的时候,后台清理已经标记为删除的数据。
全部更新是直接把之前的老数据,标记为删除状态,然后再添加一条更新的数据(PUT或者POST),局部更新,只是修改某个字段(POST)。
POST /索引名/_update/{id}
{
"doc":{
"field":"value"
}
}
示例:
POST /wzkicu-index/_update/2
{
"doc":{
"name":"淘宝"
}
}
执行的结果如下图所示:
删除文档
ID删除
语法:
DELETE /索引名/_doc/{id}
示例
DELETE /wzkicu-index/_doc/3
执行结果如下图所示:
条件删除
语法:
POST /索引名/_delete_by_query
{
"query": {
"match": {
"字段名": "搜索关键字"
}
}
}
示例:
# 查询一下 包含百度关键字的
POST /wzkicu-index/_search
{
"query":{
"match":{
"name":"百度"
}
}
}
# 删除name字段为百度的doc
POST /wzkicu-index/_delete_by_query
{
"query":{
"match":{
"name":"百度"
}
}
}
执行结果如下图所示:
删除所有
POST /索引名/_delete_by_query
{
"query": {
"match_all": {}
}
}