本文共 2459 字，大约阅读时间需要 8 分钟。

Elasticsearch 7.x安装教程：非本地可访问配置

Elasticsearch（简称ES）是一种基于分布式的搜索引擎，能够对结构化数据进行高效的存储和检索。与传统数据库（如MySQL、PostgreSQL等）相比，ES具有更高的灵活性和扩展性。以下将从基本结构、数据存储对比以及操作方式等方面详细阐述ES的特点，并结合实际案例说明增删改查操作过程。

基本结构：传统数据库与ES对比

以下是传统数据库和Elasticsearch之间的主要对比：

数据存储对比

传统数据库存储以行为单位，而Elasticsearch则以文档为单位存储数据：

操作方式

传统数据库主要通过SQL语句进行操作，而Elasticsearch则采用基于RESTful风格的域名式语言（DSL）。以下是两者的对比：

基操：增删改查

以下将通过一个学校的实际案例，说明如何在Elasticsearch中进行增删改查操作。

添加数据

添加一条新数据记录，可以通过以下方式实现：

POST http://[IP地址]:9200/[index名]/[type名]/[documentID]

例如，添加一班的小红（直接带id式插入）：

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

如果不带id，系统会自动生成一个唯一的id。

添加的小白用于后续删除：

POST http://[IP地址]:9200/school/class_1/xiaobai{  "name": "小白",  "age": 18,  "height": 165}

删除数据

删除一条数据记录可以通过以下方式实现：

DELETE http://[IP地址]:9200/school/class_1/xiaobai

删除成功后，可以从结果中查看到记录已被删除。

修改数据

修改数据可以分为两种情况：

1. 全部修改：通过PUT请求替换整个文档：

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

2. 部分修改：通过POST请求更新特定字段：

POST http://[IP地址]:9200/school/class_1/xiaohong/_update{  "doc": {    "age": 20  }}

查询数据

查询所有数据可以通过以下方式实现：

GET http://[IP地址]:9200/school/class_1/_search

查询结果如下：

{  "hits": [    {      "_source": {        "name": "小红",        "age": 20,        "height": 170,        "tags": ["学习认真", "学霸", "漂亮"]      }    },    {      "_source": {        "name": "无名",        "age": 17,        "height": 175,        "tags": ["学习认真", "学霸"]      }    },    {      "_source": {        "name": "小李",        "age": 22,        "height": 176,        "tags": ["调皮", "学渣"]      }    }  ]}

查询年龄在18及以上的同学可以使用以下查询：

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

查询优化

Elasticsearch提供了丰富的查询和聚合功能，可以通过合理的查询策略提高搜索效率。常用的查询包括：

1. 匹配某字段等于某个值：

{  "term": {    "name": "小红"  }}

2. 匹配某字段多个值：

{  "terms": ["小红", "小白"]}

3. 范围筛选：

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

4. 时间范围筛选：

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

5. 时间聚合分桶：

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

通过上述方法，可以对数据进行精确的查询和高效的聚合分析。

转载地址：http://yfiu.baihongyu.com/