es基础用法总结_link66.cn短链接在线生成

由于es搜索主要依赖于内存，如果内存大小可以容纳总的数据量，性能会非常高，但由于硬件条件受限通常采取优化索引结构的方式，减少内存消耗，节省存储容量，提高查询响应速度。如es中只存放需要查询的数据，源数据放入hbase中，es的id可以使用hbase的rowKey，这样就大大节省了存储空间。另外将不需要分词的字段使用keyword类型或避免使用wildcard、join或关闭默认的排序属性等方式优化索引结构。

ｅｓ的应用非常广泛，腾讯文档、腾讯云监控基于es做全文检索、拼多多商品搜索、京东、淘宝、去哪儿都有es的身影。现将基础用法分享，本次分享主要围绕es基础用法，用于为es的优化提供数据支撑。

创建索引
PUT /test_2020_index
{
  "settings": {
    "number_of_shards": 2,
    "number_of_replicas": 1
  }
}

查看索引结构
GET /test_2020_index/

设置索引settting
PUT /test_2020_index/_settings

{
    "analysis" : {
        "analyzer" : {
            "default" : {
                "tokenizer" : "ik_max_word"
            },
            "my_path_analyzer" : {
                "tokenizer" : "path_hierarchy"
            },
            "my_douhao_analyzer":{
                "tokenizer" : "douhao"
            }
        },
        "tokenizer":{
            "douhao":{
                "type":"pattern",
                "pattern":","
            }
        }
    }
}
这里用到了ik分词器、路径分词器、逗号分词器

设置索引字段的mapping即字段信息
POST /test_2020_index/_doc/_mappings

{
    "_doc":{
        "properties": {
            "name": {
                "type": "text",
                "analyzer": "my_path_analyzer"
            },
            "storeId":{
                "type": "keyword"
            },
            "keyWord": {
                "type": "text",
                "analyzer": "my_douhao_analyzer"
            }
        }
    }
}

数据的插入与修改
POST /test_2020_index/_doc/1
{
    "name":"001/002/003",
    "storeId":86,
    "keyWord":"ios,苹果,手机"
}

数据检索
GET /test_2020_index/_search
{
    "query":{
        "bool":{
            "must":[
                {
                    "match_all":{

                    }
                }
            ]
        }
    }
}

删除指定索此的数据
POST /test_2020_index/_doc/_delete_by_query
{
  "query":{
    "term":{
        "_id":"5a"
    }
  }
}