当前位置 博文首页 > 夙愿yu:elasticsearch从开始到永久

    夙愿yu:elasticsearch从开始到永久

    作者:夙愿yu 时间:2021-01-29 15:31

    0.学习目标

    • 独立安装Elasticsearch
    • 会使用Rest的API操作索引
    • 会使用Rest的API查询数据
    • 会使用Rest的API聚合数据
    • 掌握Spring Data Elasticsearch使用

    1.Elasticsearch介绍和安装

    用户访问我们的首页,一般都会直接搜索来寻找自己想要购买的商品。

    而商品的数量非常多,而且分类繁杂。如果能正确的显示出用户想要的商品,并进行合理的过滤,尽快促成交易,是搜索系统要研究的核心。

    面对这样复杂的搜索业务和数据量,使用传统数据库搜索就显得力不从心,一般我们都会使用全文检索技术,比如之前大家学习过的Solr。

    不过今天,我们要讲的是另一个全文检索技术:Elasticsearch。

    1.1.简介

    1.1.1.Elastic

    Elastic官网:https://www.elastic.co/cn/

    1526464088259

    Elastic有一条完整的产品线:Elasticsearch、Kibana、Logstash等,前面说的三个就是大家常说的ELK技术栈。

    1526464220142

    1.1.2.Elasticsearch

    Elasticsearch官网:https://www.elastic.co/cn/products/elasticsearch

    1526464283575

    如上所述,Elasticsearch具备以下特点:

    • 分布式,无需人工搭建集群(solr就需要人为配置,使用Zookeeper作为注册中心)
    • Restful风格,一切API都遵循Rest原则,容易上手
    • 近实时搜索,数据更新在Elasticsearch中几乎是完全同步的。

    1.1.3.版本

    目前Elasticsearch最新的版本是6.2.4,我们就使用这个版本

    需要虚拟机JDK1.8及以上

    安装完Centos6.5的Base Server版会默认安装OpenJDK,首先需要删除OpenJDK

    1、查看以前是不是安装了openjdk

    如果不是root用户需要切换到root用户(su - root)

    命令:

    rpm -qa | grep java 
    

    显示如下:(有则卸载,没有就不用),注意版本可能会有些不一样,以实际操作的为准。

    tzdata-java-2013g-1.el6.noarch
    
    java-1.7.0-openjdk-1.7.0.45-2.4.3.3.el6.x86_64
    
    java-1.6.0-openjdk-1.6.0.0-1.66.1.13.0.el6.x86_64
    

    2、卸载openjdk:

    (其中参数“tzdata-java-2013j-1.el6.noarch”为上面查看中显示的结果,粘进来就行,如果你显示的不一样,请复制你查询到的结果)

    sudo rpm -e --nodeps  tzdata-java-2013g-1.el6.noarch
    
    sudo rpm -e --nodeps  java-1.7.0-openjdk-1.7.0.45-2.4.3.3.el6.x86_64
    
    sudo rpm -e --nodeps  java-1.6.0-openjdk-1.6.0.0-1.66.1.13.0.el6.x86_64
    
    

    JDK安装略

    1.2.安装和配置

    为了模拟真实场景,我们将在linux下安装Elasticsearch。

    1.2.1.新建一个用户leyou

    useradd leyou
    

    设置密码:

    passwd 123321
    

    出于安全考虑,elasticsearch默认不允许以root账号运行。

    切换用户:

    su - leyou
    

    1.2.2.上传安装包,并解压

    我们将安装包上传到:/home/leyou目录

    1526465700159

    解压缩:

    tar xvf elasticsearch-6.2.4.tar.gz
    

    1526465823442

    我们把目录重命名:

    mv elasticsearch-6.2.4/ elasticsearch
    

    1526466797274

    进入,查看目录结构:

    1526465896725

    1.2.3.修改配置

    我们进入config目录:cd config

    需要修改的配置文件有两个:

    1526465991472

    修改jvm配置

    Elasticsearch基于Lucene的,而Lucene底层是java实现,因此我们需要配置jvm参数

    vim jvm.options
    

    默认配置如下:

    -Xms1g
    -Xmx1g
    

    内存占用太多了,我们调小一些:

    -Xms512m
    -Xmx512m
    

    修改elasticsearch.yml

    vim elasticsearch.yml
    

    修改数据和日志目录:

    path.data: /home/leyou/elasticsearch/data # 数据目录位置
    path.logs: /home/leyou/elasticsearch/logs # 日志目录位置
    

    修改绑定的ip:

    network.host: 0.0.0.0 # 绑定到0.0.0.0,允许任何ip来访问
    

    默认只允许本机访问,修改为0.0.0.0后则可以远程访问

    目前我们是做的单机安装,如果要做集群,只需要在这个配置文件中添加其它节点信息即可。

    elasticsearch.yml的其它可配置信息:

    属性名 说明
    cluster.name 配置elasticsearch的集群名称,默认是elasticsearch。建议修改成一个有意义的名称。
    node.name 节点名,es会默认随机指定一个名字,建议指定一个有意义的名称,方便管理
    path.conf 设置配置文件的存储路径,tar或zip包安装默认在es根目录下的config文件夹,rpm安装默认在/etc/ elasticsearch
    path.data 设置索引数据的存储路径,默认是es根目录下的data文件夹,可以设置多个存储路径,用逗号隔开
    path.logs 设置日志文件的存储路径,默认是es根目录下的logs文件夹
    path.plugins 设置插件的存放路径,默认是es根目录下的plugins文件夹
    bootstrap.memory_lock 设置为true可以锁住ES使用的内存,避免内存进行swap
    network.host 设置bind_host和publish_host,设置为0.0.0.0允许外网访问
    http.port 设置对外服务的http端口,默认为9200。
    transport.tcp.port 集群结点之间通信端口
    discovery.zen.ping.timeout 设置ES自动发现节点连接超时的时间,默认为3秒,如果网络延迟高可设置大些
    discovery.zen.minimum_master_nodes 主结点数量的最少值 ,此值的公式为:(master_eligible_nodes / 2) + 1 ,比如:有3个符合要求的主结点,那么这里要设置为2

    1.2.4.创建data和logs目录

    刚才我们修改配置,把data和logs目录修改指向了elasticsearch的安装目录。但是这两个目录并不存在,因此我们需要创建出来:

    进入Elasticsearch的根目录,然后创建:

    mkdir /home/leyou/elasticsearch/data
    mkdir /home/leyou/elasticsearch/logs
    

    1526467246550

    1.3.运行

    进入elasticsearch/bin目录,可以看到下面的执行文件:

    1526467324965

    然后输入命令:

    ./elasticsearch
    

    发现报错了,启动失败:

    1.3.1.错误1:内核过低

    1526467439804

    我们使用的是centos6,其linux内核版本为2.6。而Elasticsearch的插件要求至少3.5以上版本。不过没关系,我们禁用这个插件即可。

    修改elasticsearch.yml文件,在最下面添加以后配置:

    bootstrap.system_call_filter: false
    

    然后重启

    1.3.2.错误2:

    再次启动,又出错了:

    [1]: max file descriptors [4096] for elasticsearch process likely too low, increase to at least [65536]
    

    我们用的是leyou用户,而不是root,所以文件权限不足。

    首先用root用户登录。

    然后修改配置文件:

    sudo vim /etc/security/limits.conf
    

    添加下面的内容:

    * soft nofile 65536
    
    * hard nofile 131072
    
    * soft nproc 4096
    
    * hard nproc 4096
    

    1.3.3.错误3

    刚才报错中,还有一行:

    [1]: max number of threads [1024] for user [leyou] is too low, increase to at least [4096]
    

    这是线程数不够。

    继续修改配置:

    sudo vim /etc/security/limits.d/90-nproc.conf 
    

    修改下面的内容:

    * soft nproc 1024
    

    改为:

    * soft nproc 4096
    

    1.3.4.错误4

    [3]: max virtual memory areas vm.max_map_count [65530] likely too low, increase to at least [262144]
    

    继续修改配置文件:

    sudo vim /etc/sysctl.conf 
    

    添加下面内容:

    vm.max_map_count=655360
    

    然后执行命令:

    sudo sysctl -p
    

    1.3.5.重启终端窗口

    所有错误修改完毕,一定要重启你的 Xshell终端,否则配置无效。

    1.3.6.启动

    再次启动,终于成功了!

    1526472722397

    可以看到绑定了两个端口:

    • 9300:集群节点间通讯接口
    • 9200:客户端访问接口

    我们在浏览器中访问:http://192.168.206.66:9200

    1533834934277

    如果需要开机自启动见附件《elasticsearch开机自启动配置.md》

    1.4.安装kibana

    汉化地址

    https://github.com/anbai-inc/Kibana_Hanization

    1.4.1.什么是Kibana?

    1526481256534

    Kibana是一个基于Node.js的Elasticsearch索引库数据统计工具,可以利用Elasticsearch的聚合功能,生成各种图表,如柱形图,线状图,饼图等。

    而且还提供了操作Elasticsearch索引数据的控制台,并且提供了一定的API提示,非常有利于我们学习Elasticsearch的语法。

    1.4.2.安装

    因为Kibana依赖于node,我们的虚拟机没有安装node,而window中安装过。所以我们选择在window下使用kibana。

    最新版本与elasticsearch保持一致,也是6.2.4

    1526481608877

    解压即可:

    1526482581793

    1.4.3.配置运行

    配置

    进入安装目录下的config目录,修改kibana.yml文件:

    修改elasticsearch服务器的地址:

    elasticsearch.url: "http://192.168.206.66:9200"
    

    运行

    进入安装目录下的bin目录:

    1526482642658

    双击运行:

    1526482862080

    发现kibana的监听端口是5601

    我们访问:http://127.0.0.1:5601

    1526482926798

    1.4.4.控制台

    选择左侧的DevTools菜单,即可进入控制台页面:

    1526483064339

    在页面右侧,我们就可以输入请求,访问Elasticsearch了。

    1526483200872

    1.5.安装ik分词器

    Lucene的IK分词器早在2012年已经没有维护了,现在我们要使用的是在其基础上维护升级的版本,并且开发为Elasticsearch的集成插件了,与Elasticsearch一起维护升级,版本也保持一致,最新版本:6.2.4

    1.5.1.安装

    上传课前资料中的zip包,解压到Elasticsearch目录的plugins目录中:

    1526482432181

    使用unzip命令解压:

    unzip elasticsearch-analysis-ik-6.2.4.zip
    

    得到一个名为elasticsearch的目录:

    1526482469109

    我们将其改名为ik-analyzer

     mv elasticsearch ik-analyzer
    

    然后重启elasticsearch:

    1526523386610

    1.5.2.测试

    大家先不管语法,我们先测试一波。

    在kibana控制台输入下面的请求:

    POST _analyze
    {
      "analyzer": "ik_max_word",
      "text":     "我是中国人"
    }
    

    运行得到结果:

    {
      "tokens": [
        {
          "token": "我",
          "start_offset": 0,
          "end_offset": 1,
          "type": "CN_CHAR",
          "position": 0
        },
        {
          "token": "是",
          "start_offset": 1,
          "end_offset": 2,
          "type": "CN_CHAR",
          "position": 1
        },
        {
          "token": "中国人",
          "start_offset": 2,
          "end_offset": 5,
          "type": "CN_WORD",
          "position": 2
        },
        {
          "token": "中国",
          "start_offset": 2,
          "end_offset": 4,
          "type": "CN_WORD",
          "position": 3
        },
        {
          "token": "国人",
          "start_offset": 3,
          "end_offset": 5,
          "type": "CN_WORD",
          "position": 4
        }
      ]
    }
    

    1.7.API

    Elasticsearch提供了Rest风格的API,即http请求接口,而且也提供了各种语言的客户端API

    1.7.1.Rest风格API

    文档地址:https://www.elastic.co/guide/en/elasticsearch/reference/current/getting-started.html

    1526518410240

    1.7.2.客户端API

    Elasticsearch支持的客户端非常多:https://www.elastic.co/guide/en/elasticsearch/client/index.html

    1526518624942

    点击Java Rest Client后,你会发现又有两个:

    1526518662013

    Low Level Rest Client是低级别封装,提供一些基础功能,但更灵活

    High Level Rest Client,是在Low Level Rest Client基础上进行的高级别封装,功能更丰富和完善,而且API会变的简单

    1526518875072

    1.7.3.如何学习

    建议先学习Rest风格API,了解发起请求的底层实现,请求体格式等。

    2.操作索引

    2.1.基本概念

    Elasticsearch也是基于Lucene的全文检索库,本质也是存储数据,很多概念与MySQL类似的。

    对比关系:

    索引库(indices)--------------------------------Databases 数据库
    	
    	类型(type)--------------------------------Table 数据表
    
        	 文档(Document)-----------------------Row 行
    
    	   		字段(Field)-----------------------Columns 列 
    

    详细说明:

    概念 说明
    索引库(indices) indices是index的复数,代表许多的索引,
    类型(type) 类型是模拟mysql中的table概念,一个索引库下可以有不同类型的索引,比如商品索引,订单索引,其数据格式不同。不过这会导致索引库混乱,因此未来版本中会移除这个概念
    文档(document) 存入索引库原始的数据。比如每一条商品信息,就是一个文档
    字段(field) 文档中的属性
    映射配置(mappings) 字段的数据类型、属性、是否索引、是否存储等特性

    是不是与Lucene和solr中的概念类似。

    另外,在SolrCloud中,有一些集群相关的概念,在Elasticsearch也有类似的:

    • 索引集(Indices,index的复数):逻辑上的完整索引
    • 分片(shard):数据拆分后的各个部分
    • 副本(replica):每个分片的复制

    要注意的是:Elasticsearch本身就是分布式的,因此即便你只有一个节点,Elasticsearch默认也会对你的数据进行分片和副本操作,当你向集群添加新数据时,数据也会在新加入的节点中进行平衡。

    2.2.创建索引

    2.2.1.语法

    Elasticsearch采用Rest风格API,因此其API就是一次http请求,你可以用任何工具发起http请求

    创建索引的请求格式:

    • 请求方式:PUT

    • 请求路径:/索引库名

    • 请求参数:json格式:

      {
          "settings": {
              "number_of_shards": 3,
              "number_of_replicas": 2
            }
      }
      
      • settings:索引库的设置
        • number_of_shards:分片数量
        • number_of_replicas:副本数量

    2.2.2.测试

    我们先用PostMan来试试

    1533865711980

    可以看到索引创建成功了。

    2.2.3.使用kibana创建

    kibana的控制台,可以对http请求进行简化,示例:

    1526519787118

    相当于是省去了elasticsearch的服务器地址

    而且还有语法提示,非常舒服。

    2.3.查看索引设置

    语法

    Get请求可以帮我们查看索引信息,格式:

    GET /索引库名
    

    1526520159937

    或者,我们可以使用*来查询所有索引库配置:

    1526520202284

    2.4.删除索引

    删除索引使用DELETE请求

    语法

    DELETE /索引库名
    

    示例

    1526520267195

    再次查看heima2:

    1526520309064

    当然,我们也可以用HEAD请求,查看索引是否存在:

    1526520441966

    2.5.映射配置

    索引库有了,接下来肯定是添加数据。不过数据存储到索引库中,必须指定一些相关属性,在学习Lucene中我们都见到过,包括但不限于以下内容:

    • 字段的数据类型
    • 是否要存储
    • 是否要索引
    • 是否分词
    • 分词器种类

    只有配置清楚,Elasticsearch才会帮我们进行索引库的创建(不一定)

    2.5.1.创建映射字段

    语法

    请求方式依然是PUT

    PUT /索引库名/_mapping/类型名称
    {
      "properties": {
        "字段名": {
          "type": "类型",
          "index": true,
          "store": true,
          "analyzer": "分词器"
        }
      }
    }
    
    • 类型名称:就是前面将的type的概念,类似于数据库中的不同表
      字段名:任意填写 ,可以指定许多属性,例如:
      • type:类型,可以是text、long、short、date、integer、object等
      • index:是否索引,默认为true
      • store:是否存储,默认为false
      • analyzer:分词器,这里的ik_max_word即使用ik分词器

    示例

    发起请求:

    PUT heima/_mapping/goods
    {
      "properties": {
        "title": {
          "type": "text",
          "analyzer": "ik_max_word"
        },
        "images": {
          "type": "keyword",
          "index": "false"
        },
        "price": {
          "type": "float"
        }
      }
    }
    
    

    响应结果:

    {
      "acknowledged": true
    }
    

    2.5.2.查看映射关系

    语法:

    GET /索引库名/_mapping
    

    示例:

    GET /heima/_mapping
    

    响应:

    {
      "heima": {
        "mappings": {
          "goods": {
            "properties": {
              "images": {
                "type": "keyword",
                "index": false
              },
              "price": {
                "type": "float"
              },
              "title": {
                "type": "text",
                "analyzer": "ik_max_word"
              }
            }
          }
        }
      }
    }
    

    2.5.3.字段属性详解

    1)type

    Elasticsearch中支持的数据类型非常丰富:

    1526523877042

    我们说几个关键的:

    • String类型,又分两种:

      • text:可分词,不可参与聚合
      • keyword:不可分词,数据会作为完整字段进行匹配,可以参与聚合
    • Numerical:数值类型,分两类

      • 基本数据类型:long、interger、short、byte、double、float、half_float
      • 浮点数的高精度类型:scaled_float
        • 需要指定一个精度因子,比如10或100。elasticsearch会把真实值乘以这个因子后存储,取出时再还原。
    • Date:日期类型

      elasticsearch可以对日期格式化为字符串存储,但是建议我们存储为毫秒值,存储为long,节省空间。

    2)index

    index影响字段的索引情况。

    • 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

    index的默认值就是true,也就是说你不进行任何配置,所有字段都会被索引。

    但是有些字段是我们不希望被索引的,比如商品的图片信息,就需要手动设置index为false。

    3)store

    是否将数据进行额外存储。_source

    在学习lucene和solr时,我们知道如果一个字段的store设置为false,那么在文档列表中就不会有这个字段的值,用户的搜索结果中不会显示出来。

    但是在Elasticsearch中,即便store设置为false,也可以搜索到结果。

    原因是Elasticsearch在创建文档索引时,会将文档中的原始数据备份,保存到一个叫做_source的属性中。最终我们查询数据是从_source中来取值,所以可以通过过滤_source来选择哪些要显示,哪些不显示。

    而如果设置store为true,就会在_source以外额外存储一份数据,多余,因此一般我们都会将store设置为false,事实上,store的默认值就是false。

    4)boost

    激励因子,这个与lucene中一样

    其它的不再一一讲解,用的不多,大家参考官方文档:

    1526525159369

    2.6.新增数据

    2.6.1.随机生成id

    通过POST请求,可以向一个已经存在的索引库中添加数据。

    语法:

    POST /索引库名/类型名
    {
        "key":"value"
    }
    

    示例:

    POST /heima/goods/
    {
        "title":"小米手机",
        "images":"http://image.leyou.com/12479122.jpg",
        "price":2699.00
    }
    

    响应:

    {
      "_index": "heima",
      "_type": "goods",
      "_id": "r9c1KGMBIhaxtY5rlRKv",
      "_version": 1,
      "result": "created",
      "_shards": {
        "total": 3,
        "successful": 1,
        "failed": 0
      },
      "_seq_no": 0,
      "_primary_term": 2
    }
    

    通过kibana查看数据:

    get _search
    {
        "query":{
            "match_all":{}
        }
    }
    
    {
      "_index": "heima",
      "_type": "goods",
      "_id": "r9c1KGMBIhaxtY5rlRKv",
      "_version": 1,
      "_score": 1,
      "_source": {
        "title": "小米手机",
        "images": "http://image.leyou.com/12479122.jpg",
        "price": 2699
      }
    }
    
    • _source:源文档信息,所有的数据都在里面。
    • _id:这条文档的唯一标示,与文档自己的id字段没有关联

    2.6.2.自定义id

    如果我们想要自己新增的时候指定id,可以这么做:

    POST /索引库名/类型/id值
    {
        ...
    }
    

    示例:

    POST /heima/goods/2
    {
        "title":"大米手机",
        "images":"http://image.leyou.com/12479122.jpg",
        "price":2899.00
    }
    

    得到的数据:

    {
      "_index": "heima",
      "_type": "goods",
      "_id": "2",
      "_score": 1,
      "_source": {
        "title": "大米手机",
        "images": "http://image.leyou.com/12479122.jpg",
        "price": 2899
      }
    }
    

    2.6.3.智能判断

    在学习Solr时我们发现,我们在新增数据时,只能使用提前配置好映射属性的字段,否则就会报错。

    不过在Elasticsearch中并没有这样的规定。

    事实上Elasticsearch非常智能,你不需要给索引库设置任何mapping映射,它也可以根据你输入的数据来判断类型,动态添加数据映射。

    测试一下:

    POST /heima/goods/3
    {
        "title":"超米手机",
        "images":"http://image.leyou.com/12479122.jpg",
        "price":2899.00,
        "stock": 200,
        "saleable":true
    }
    

    我们额外添加了stock库存,和saleable是否上架两个字段。

    执行查询:

    get _search
    {
      "query":{
        "match_all": {}
      }
    }
    

    来看结果:

    {
      "_index": "heima",
      "_type": "goods",
      "_id": "3",
      "_version": 1,
      "_score": 1,
      "_source": {
        "title": "超米手机",
        "images": "http://image.leyou.com/12479122.jpg",
        "price": 2899,
        "stock": 200,
        "saleable": true
      }
    }
    
    GET /heima/_mapping
    

    再看下索引库的映射关系:

    {
      "heima": {
        "mappings": {
          "goods": {
            "properties": {
              "images": {
                "type": "keyword",
                "index": false
              },
              "price": {
                "type": "float"
              },
              "saleable": {
                "type": "boolean"
              },
              "stock": {
                "type": "long"
              },
              "title": {
                "type": "text",
                "analyzer": "ik_max_word"
              }
            }
          }
        }
      }
    }
    

    stock和saleable都被成功映射了。

    2.7.修改数据

    把刚才新增的请求方式改为PUT,就是修改了。不过修改必须指定id

    • id对应的文档存在,则修改
    • id对应的文档不存在,则新增(PS:和solr一致)

    比如,我们把id为3的数据进行修改:

    PUT /heima/goods/3
    {
        "title":"超大米手机",
        "images":"http://image.leyou.com/12479122.jpg",
        "price":3899.00,
        "stock": 100,
        "saleable":true
    }
    

    结果:

    1526527917700

    2.8.删除数据

    删除使用DELETE请求,同样,需要根据id进行删除:

    语法

    DELETE /索引库名/类型名/id值
    

    示例:

    1526528059521

    3.查询

    我们从4块来讲查询:

    • 基本查询
    • _source过滤
    • 结果过滤
    • 高级查询
    • 排序

    3.1.基本查询:

    基本语法

    GET /索引库名/_search
    {
        "query":{
            "查询类型":{
                "查询条件":"查询条件值"
            }
        }
    }
    

    这里的query代表一个查询对象,里面可以有不同的查询属性

    • 查询类型:
      • 例如:match_all, matchterm , range 等等
    • 查询条件:查询条件会根据类型的不同,写法也有差异,后面详细讲解

    3.1.1 查询所有(match_all)

    示例:

    GET /heima/_search
    {
        "query":{
            "match_all": {}
        }
    }
    
    • query:代表查询对象
    • match_all:代表查询所有

    结果:

    {
      "took": 2,
      "timed_out": false,
      "_shards": {
        "total": 3,
        "successful": 3,
        "skipped": 0,
        "failed": 0
      },
      "hits": {
        "total": 2,
        "max_score": 1,
        "hits": [
          {
            "_index": "heima",
            "_type": "goods",
            "_id": "2",
            "_score": 1,
            "_source": {
              "title": "大米手机",
              "images": "http://image.leyou.com/12479122.jpg",
              "price": 2899
            }
          },
          {
            "_index": "heima",
            "_type": "goods",
            "_id": "r9c1KGMBIhaxtY5rlRKv",
            "_score": 1,
            "_source": {
              "title": "小米手机",
              "images": "http://image.leyou.com/12479122.jpg",
              "price": 2699
            }
          }
        ]
      }
    }
    
    • took:查询花费时间,单位是毫秒
    • time_out:是否超时
    • _shards:分片信息
    • hits:搜索结果总览对象
      • total:搜索到的总条数
      • max_score:所有结果中文档得分的最高分
      • hits:搜索结果的文档对象数组,每个元素是一条搜索到的文档信息
        • _index:索引库
        • _type:文档类型
        • _id:文档id
        • _score:文档得分
        • _source:文档的源数据

    3.1.2 匹配查询(match)

    我们先加入一条数据,便于测试:

    PUT /heima/goods/3
    {
        "title":"小米电视4A",
        "images":"http://image.leyou.com/12479122.jpg",
        "price":3899.00
    }
    

    现在,索引库中有2部手机,1台电视:

    1526528746961

    • or关系

    match类型查询,会把查询条件进行分词,然后进行查询,多个词条之间是or的关系

    GET /heima/_search
    {
        "query":{
            "match":{
                "title":"小米电视"
            }
        }
    }
    

    结果:

    1526529226647

    在上面的案例中,不仅会查询到电视,而且与小米相关的都会查询到,查询关键字分词后多个词条之间是or的关系。

    • and关系

    某些情况下,我们需要更精确查找,我们希望这个关系变成and,可以这样做:

    GET /goods/_search
    {
        "query":{
            "match":{
                "title":{"query":"小米电视","operator":"and"}
            }
        }
    }
    

    结果:

    1526529350469

    本例中,只有同时包含小米电视的词条才会被搜索到。

    • or和and之间?

    orand 间二选一有点过于非黑即白。 如果用户给定的条件分词后有 5 个查询词项,想查找只包含其中 4 个词的文档,该如何处理?将 operator 操作符参数设置成 and 只会将此文档排除。

    有时候这正是我们期望的,但在全文搜索的大多数应用场景下,我们既想包含那些可能相关的文档,同时又排除那些不太相关的。换句话说,我们想要处于中间某种结果。

    match 查询支持 minimum_should_match 最小匹配参数, 这让我们可以指定必须匹配的词项数用来表示一个文档是否相关。我们可以将其设置为某个具体数字,更常用的做法是将其设置为一个百分数,因为我们无法控制用户搜索时输入的单词数量:

    GET /heima/_search
    {
        "query":{
            "match":{
                "title":{
                	"query":"小米曲面电视",
                	"minimum_should_match": "75%"
                }
            }
        }
    }
    

    本例中,搜索语句可以分为3个词,如果使用and关系,需要同时满足3个词才会被搜索到。这里我们采用最小品牌数:75%,那么也就是说只要匹配到总词条数量的75%即可,这里3*75% 约等于2。所以只要包含2个词条就算满足条件了。

    结果:

    1526529480394