es like模糊匹配_京东搜索引擎-ES入门篇

一.简介

Elasticsearch是一个基于Lucence的搜索服务器。它提供了一个分布式的搜索引擎，基于restful web接口。广泛应用于云计算中，能够实时搜索，具有稳定，可靠，快速的特点。

二.为啥要学习Elasticsearch?

它其实也是一种数据库的优化方案，它的强大之处在于模糊查询。如果是普通数据库查询 like%xxxx%,其实是不走索引的。只要你的数据库的量很大,你的查询肯定会是秒级别的。(es搜索速度很快)

用户输入其实没那么精确或者打错，Elasticsearch却能返回用户想要的结果。(es匹配相关性较高)

还有一点是我想在目前参与的资产监控平台加一个es搜索功能，公司资产太多，资产查询模块速度较慢，值得优化。

三.下载

1. Elasticsearch服务端

https://www.elastic.co/cn/downloads/elasticsearchhttp://127.0.0.1:9200/

1. Elasticsearch客户端

- https://github.com/mobz/elasticsearch-head/- 下载后安装依赖 npm install、npm run start；- http://127.0.0.1:9100/- 由于ES进程跟客户端进程端口号不同，存在跨域问题，所以在- - ES配置下跨域问题(elasticsearch.yml)- 跨域配置：  http.cors.enabled: true   http.cors.allow-origin: 

3. 安装Kibana

- https://www.elastic.co/cn/downloads/kibana- http://localhost:5601/

4. 安装IK分词器插件

 - https://github.com/medcl/elasticsearch-analysis-ik/ - 下载解压后将目录拷贝到Elasticsearch根目录的plugins目录中

四.集群状态查看

• 查看集群健康状态

GET /_cat/health?v

• 查看节点状态

GET /_cat/nodes?v

• 查看所有索引信息

GET /_cat/indices?v

五.索引操作

• 创建索引并查看

PUT /customerGET /_cat/indices?v

• 删除索引并查看

DELETE /customerGET /_cat/indices?v

六.文档操作

• 在索引中添加文档

put /customer/doc/1{  "name":"John Doe"}

• 查看索引的文档

GET /customer/doc/1

• 修改索引的文档

POST /customer/doc/1/_update{  "doc":{"name":"Jone Doe"}}

• 删除索引的文档

DELETE /customer/doc/1

• 对索引中的文档执行批量操作

POST /customer/doc/_bulk{"index":{"_id":"1"}}{"name":"John Doe"}{"index":{"_id":"2"}}{"name":"Jane Doe"}

七.数据搜索

导入数据，地址为https://github.com/macrozheng/mall-learning/blob/master/document/json/accounts.json直接使用批量操作来导入数据

• 查看索引信息

查看索引信息GET /_cat/indices?v

八.搜索入门

• 搜索全部

GET /bank/_search{  "query":{"match_all":{}}}

• 分页搜索

GET /bank/_search{  "query":{"match_all":{}},  "from":0,  "size":10}

• 搜索排序,使用sort表示,列如按balance字段降序

GET /bank/_search{  "query": { "match_all": {} },  "sort": { "balance": { "order": "desc" } }}

• 搜索并返回指定字段内容

GET /bank/_search{  "query": { "match_all": {} },  "_source": ["account_number", "balance"]}

九.条件搜索

• 条件搜索

GET /bank/_search{  "query": {    "match": {      "account_number": 20    }  }}

• 文本类型字段

GET /bank/_search{  "query": {    "match": {(对于数值类型match操作使用的是精确匹配，对于文本类型使用的是模糊匹配)      "address": "mill"    }  },  "_source": [    "address",    "account_number"  ]}

• 短语匹配搜索

GET /bank/_search{  "query": {    "match_phrase": {      "address": "mill lane"    }  }}

十.组合搜索

• 组合搜索 使用bool来进行组合

must表示同时满足，例如搜索address字段同时包含mill和lane的文档GET /bank/_search{  "query": {    "bool": {      "must": [        { "match": { "address": "mill" } },        { "match": { "address": "lane" } }      ]    }  }}

• 组合搜索 should

should表示满足其中任意一个，搜索address字段中包含mill或者lane的文档GET /bank/_search{  "query": {    "bool": {      "should": [        { "match": { "address": "mill" } },        { "match": { "address": "lane" } }      ]    }  }}

• 组合搜索 must_not 同时不满足

GET /bank/_search{  "query": {    "bool": {      "must_not": [        { "match": { "address": "mill" } },        { "match": { "address": "lane" } }      ]    }  }}

• 组合搜索 must和must_not

GET /bank/_search{  "query": {    "bool": {      "must": [        { "match": { "age": "40" } }      ],      "must_not": [        { "match": { "state": "ID" } }      ]    }  }}

十一.过滤搜索

• 搜索过滤，使用filter来表示，例如过滤出balance字段在20000~30000的文档；

GET /bank/_search{  "query": {    "bool": {      "must": { "match_all": {} },      "filter": {        "range": {          "balance": {            "gte": 20000,            "lte": 30000          }        }      }    }  }}

十二.搜索聚合

• 对搜索进行聚合，使用aggs来表示，类似Mysql中的group by
• 例如对state字段进行聚合，统计相同state文档数量

GET /bank/_search{  "size": 0,  "aggs": {    "group_by_state": {      "terms": {        "field": "state.keyword"      }    }  }}

• 嵌套聚合，例如对state字段进行聚合，统计出相同state的文档数量，再统计出balance的平均值；

GET /bank/_search{  "size": 0,  "aggs": {    "group_by_state": {      "terms": {        "field": "state.keyword"      },      "aggs": {        "average_balance": {          "avg": {            "field": "balance"          }        }      }    }  }}

• 对聚合搜索的结果进行排序，例如按balance的平均值降序排列；

GET /bank/_search{  "size": 0,  "aggs": {    "group_by_state": {      "terms": {        "field": "state.keyword",        "order": {          "average_balance": "desc"        }      },      "aggs": {        "average_balance": {          "avg": {            "field": "balance"          }        }      }    }  }}

• 按字段值的范围进行分段聚合，例如分段范围为age字段的[20,30] [30,40] [40,50]，之后按gender统计文档个数和balance的平均值；

GET /bank/_search{  "size": 0,  "aggs": {    "group_by_age": {      "range": {        "field": "age",        "ranges": [          {            "from": 20,            "to": 30          },          {            "from": 30,            "to": 40          },          {            "from": 40,            "to": 50          }        ]      },      "aggs": {        "group_by_gender": {          "terms": {            "field": "gender.keyword"          },          "aggs": {            "average_balance": {              "avg": {                "field": "balance"              }            }          }        }      }    }  }}

十三.学习参考来自

• http://www.macrozheng.com/#/reference/elasticsearch_start
• https://www.zhihu.com/question/323811022
• https://www.515code.com/posts/x7y2e0z2/