大数据-173 Elasticsearch 索引操作 增删改查 详细 JSON 操作

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" : ""
}

POST /wzkicu-index/_doc/2
{"name" : "百度",
  "job" : " 百度用户运营经理",
  "payment" : "50000",
  "logo" : ""
}

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" : ""
}

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" : ""
}

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": {}
  }
}