ElasticSearch搜索引擎入门：framework-learning中的全文检索技术-CSDN博客

ElasticSearch搜索引擎入门：framework-learning中的全文检索技术

【免费下载链接】framework-learning 计算机学习资料(Java , Jvm , Linux , Mysql , Netty , Redis , Netty , Spring , SpringBoot , Mybatis , Rabbitmq ,计算机网络 , 数据结构与算法 , 设计模式 )Github网页阅读:https://guang19.github.io/framework-learning , Gitee网页版阅读: https://qsjzwithguang19forever.gitee.io/framework-learning 项目地址: https://gitcode.com/gh_mirrors/fr/framework-learning

ElasticSearch是目前全文搜索引擎的首选，它可以快速地储存、搜索和分析海量数据，在framework-learning项目中，ElasticSearch相关知识被详细整理在elasticsearch-learning/ElasticSearch.md文件中，为新手和普通用户提供了全面的学习资料。

什么是ElasticSearch？

ElasticSearch是一个基于Lucene的开源搜索引擎，维基百科、Stack Overflow、Github都在使用它。它对Lucene进行了封装，提供了REST API的操作接口，开箱即用，能够帮助用户高效地处理海量数据的搜索与分析任务。

ElasticSearch的核心概念

要学习ElasticSearch，首先需要了解几个基本概念：

Index（索引）：一系列文档的集合，类似于MySQL中的数据库。
Type（类型）：在Index里面可以定义不同的type，类似于MySQL中的表。
Document（文档）：类似于MySQL中的一条存储记录，为JSON格式，在Index下的不同type下，可以有许多的document。
Shards（分片）：在数据量很大的时候，进行水平扩展，提高搜索性能。
Replicas（副本）：防止某个分片的数据丢失，可以并行在备份数据里搜索提高性能。

ElasticSearch的查询语法

ElasticSearch提供了丰富的查询语法，以下是一些常用的API：

_cat API

_cat API可以帮助我们快速了解集群的基本情况，常用命令有：

cat：输出_cat api中所有支持的查询命令。
cat health：检查es集群运行的情况。
cat count：可以快速查询集群或者index中文档的数量。
cat indices：查询当前集群中所有index的数据，包括index的分片数、document的数量、存储所用的空间大小等。

我们可以通过工具发送请求来测试集群健康情况，就像下图所示：

Search API

Search API有两种查询方式：REST request URI和REST request body。其中REST request body可以构建更复杂的查询条件，常用的查询类型有：

term：查询时判断某个document是否包含某个具体的值，不会对被查询的值进行分词查询。
match：将被查询值进行分词，然后用评分机制（TF/IDF）进行打分。
Bool：结合其他真值查询，通常和must（与）、should（或）、must_not（非）一起组合出复杂的查询。
range：查询时指定某个字段在某个特定的范围，例如：

"range": {
  "FIELD": {
    "gte": 1,
    "lte": 10
  }
}

ElasticSearch查询示例

下面通过一些简单的示例来了解ElasticSearch的基本使用。

创建索引

PUT localhost:9200/test

输出：

{
    "acknowledged": true,
    "shards_acknowledged": true,
    "index": "test"
}

插入数据

PUT localhost:9200/test/user/1

Body：

{
    "username" : "张三",
    "password" : "123546",
    "age" : "18",
    "yyyymmdd" : "2017-08-07T16:00:00"
}

查询所有数据

GET localhost:9200/test/user/_search
{
    "query":{
        "match_all":{}
    }
}

通过这些简单的操作，我们可以初步体验ElasticSearch的强大功能。在framework-learning项目中，还有更多关于ElasticSearch的详细内容，等待你去探索学习。如果你想深入了解，可以查阅项目中的elasticsearch-learning/ElasticSearch.md文件。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考