本文共 5764 字，大约阅读时间需要 19 分钟。

es 7.x安装教程：

配置非本地可访问：

概览：基本结构

• 传统数据库和ES对比

传统数据库	ES
database数据库	index索引
table表	type类型
字段	id
一行行的记录	一个个的文档

• 数据存储对比

传统数据库	ES
varchar字符串int整数等等类型的字段组成的一行行记录	json格式的文档

• 操作方式

传统数据库	ES
SQL语句	Restful风格的DSL

基操：增删改查

场景：一个学校有若干班级，每个班级有若干学生

1. 添加一条数据
   添加一个 一班的小红（直接带id式插入）

POST http://192.168.1.104:9200/school/class_1/xiaohong{       "name":"小红",    "age":18,    "height":165,    "tags":["学习认真","学霸","漂亮"]}

school是index，class_1是type，xiaohong是id

不带id插入，系统会自动生成一个id

POST http://192.168.1.104:9200/school/class_1/{       "name":"无名",    "age":17,    "height":175,    "tags":["学习认真","学霸"]}

“_id”: "qoFDdHUB4DF8xfvRk1av"这个是自动生成的id

再添加个小白等下给删除用

POST http://192.168.1.104:9200/school/class_1/xiaobai{       "name":"小白",    "age":18,    "height":165}

2. 删除小白

DELETE http://192.168.1.104:9200/school/class_1/xiaobai

可以看到下图里的result，deleted删除掉了

3. 修改小红的信息（全部修改） 修改年龄为19，身高为170

PUT http://192.168.1.104:9200/school/class_1/xiaohong{       "name":"小红",    "age":19,    "height":170,    "tags":["学习认真","学霸","漂亮"]}

这里是直接put的，如果只写年龄和身高两个属性那么其他属性会丢掉的，因为这是直接替换掉了之前的整个文档，而不是部分

4. 修改小红的年龄为20（部分属性更新）

POST http://192.168.1.104:9200/school/class_1/xiaohong/_update{      "doc":{           "age":20   }}

可以看到每次修改后_version都加1了

5. 修改完我们查询一下

GET http://192.168.1.104:9200/school/class_1/xiaohong

6. 查询所有

准备数据

POST http://192.168.1.104:9200/school/class_1/xiaoli

{

“name”:“小李”,

“age”:22,

“height”:176,

“tags”:[“调皮”,“学渣”]

}

GET http://192.168.1.104:9200/school/class_1/_search

查询结果

{       "took": 138,    "timed_out": false,    "_shards": {           "total": 1,        "successful": 1,        "skipped": 0,        "failed": 0    },    "hits": {           "total": {               "value": 3,            "relation": "eq"        },        "max_score": 1.0,        "hits": [            {                   "_index": "school",                "_type": "class_1",                "_id": "xiaohong",                "_score": 1.0,                "_source": {                       "name": "小红",                    "age": 20,                    "height": 170,                    "tags": [                        "学习认真",                        "学霸",                        "漂亮"                    ]                }            },            {                   "_index": "school",                "_type": "class_1",                "_id": "qoFDdHUB4DF8xfvRk1av",                "_score": 1.0,                "_source": {                       "name": "无名",                    "age": 17,                    "height": 175,                    "tags": [                        "学习认真",                        "学霸"                    ]                }            },            {                   "_index": "school",                "_type": "class_1",                "_id": "xiaoli",                "_score": 1.0,                "_source": {                       "name": "小李",                    "age": 22,                    "height": 176,                    "tags": [                        "调皮",                        "学渣"                    ]                }            }        ]    }}

查询年龄在18及以上的同学

POST http://192.168.1.104:9200/school/class_1/_search{       "query":{           "bool":{               "filter":[{                   "range":{                       "age":{                           "gte":18                    }                }            }]        }    },    "from":0,    "size":10}

query意思是查询,bool是不进行打分，filter是过滤器,range是范围过滤器

DSL结构比较复杂，多样性比较多写一个示范去理解吧，由于各种查找聚合操作可组合型比较多，还是后面再写

查询的时候有打分match和不打分，有过滤器，有must must not should，term terms range，

avg max sum min value_count有值的数量 cardinality不同值的数量（传统数据库的distinct count）

terms按照每个不同的值分桶(分成一个个的bucket)反正好多东西，各种操作，比SQL的内容和结构复杂多了，一时写不完。。。反正常用的就是查询，聚合，文字检索，相关度打分，高亮搜索等

{           "from":0,    "size":10,    "query":{           "bool":{               "must":[{                   "range":{                       "age":{                           "gte":0                    }                }            }],            "must_not":[{                   "range":{                       "age":{                           "lte":0                    }                }            }],            "should":[{                   "term":{                       "name":"小白"                }            }],            "filter":[{                   "range":{                       "age":{                           "gte":18                    }                }            }]        }    },    "aggs":{           "names":{               "terms":{                   "field":"age"            },            "aggs":{                   "stu_avg_height":{                       "avg":{                           "field":"height"                    }                }            }        },        "age_gte_18_count":{               "value_count":{                   "field":"age"            }        }    }}

另外讲几个常用的

某字段等于某个值

{   	"term":{   		"name":"小红"	}}

匹配某字段多个值

在filter里头加入一个

{   	"terms":["值1","值2"]}

范围筛选

{   	"range":{   		"age":{   			"gte":18		}	}}

时间范围（d是天，s是秒其他以此类推,w是一周,now代表现在的时间）

{   	"range":{   		"finished_time":{   			"gt":"now-1d"		}	}}

{   	"range":{   		"finished_time":{   			"gte":"2020-09-27 16:10:10",			"lte":"2020-10-27 16:10:10",			"format":"yyyy-MM-dd HH:mm:ss",			"time_zone":"+08:00"		}	}}

时间聚合分桶

"aggs":{   	"my_date_buckets":{   		"date_histogram":{   			"field":"finished_time",			"fixed_interval":"10m"		}	}}

找出最大的分桶 bucket（下面例子找出文档最多的桶子）

"aggs":{   	"my_date_buckets":{   		"date_histogram":{   			"field":"finished_time",			"fixed_interval":"10m"		}	},	"my_max_buckets":{   		"max_bucket":{   			"buckets_path":"date_interval>_count"		}	}}

还可以对每个桶子取前多少个，排序 下面取10个根据文档数排序 降序

"aggs":{   	"my_date_buckets":{   		"date_histogram":{   			"field":"finished_time",			"fixed_interval":"10m",			"size":10,			"order":{   				"_count":"desc"					}		}	}}

转载地址：http://yfiu.baihongyu.com/