标签：str star 冲突 相似度 版本 sort 脚本 lte 空值
参考这里的文档es权威指南
话说这个坑爹的文档是2.x版本的es，英文版本也是，所以就没啥好抱怨的了。
例如，需要启动text上的索引。
还有就是get这个是不能带json的，所以很多get的操作其实都是直接用post。
version 参数well， for search
似乎6.x开始就不能在一个index下用多个type了，7.x直接没有type了，这个倒是简洁了，不过还是有点蛋疼。
搜索的结果还是很多信息的，不过都是json的，挺好理解。
搜索的url可以用来组合多个index和type，还能用通配符。
跟mongo差不多的skip方式GET /_search?size=5&from=10
简单查询使用url参数，以get方式进行
有一个默认的_all字段，等于是一个对整个文档的组合，默认在这上面查询。
es里面有精确查询和全文查询的区别，对于文本是全文查询的，而日期之类有精确查询的功能。
倒排索引，蛋疼。。。
分析分析要索引的文档以及查询的关键词，其中包含分词器。分词器有默认的，但是我们要的是自己定义的。有些分析器支持拼音检索，或者首字母检索。
虽然说，get的查询方式带body是被es支持的，但是真心不推荐用，因为很多时候都不好用。
查询语句，貌似其本质跟mongo的真没啥太大的区别，就是形式上不太一样而已：
{
"bool": {
"must": { "match": { "tweet": "elasticsearch" }},
"must_not": { "match": { "name": "mary" }},
"should": { "match": { "tweet": "full text" }},
"filter": { "range": { "age" : { "gt" : 30 }} }
}
}查询分为查询与过滤，查询是给结果进行排序的，而且比较慢，过滤则是直接给出结果，所以比较快。
几种基本查询：
{ "match_all": {}}{ "match": { "age": 26 }}
{ "match": { "date": "2014-09-01" }}
{ "match": { "public": true }}
{ "match": { "tag": "full_text" }}{
"multi_match": {
"query": "full text search",
"fields": [ "title", "body" ]
}
}{
"range": {
"age": {
"gte": 20,
"lt": 30
}
}
}{ "term": { "age": 26 }}
{ "term": { "date": "2014-09-01" }}
{ "term": { "public": true }}
{ "term": { "tag": "full_text" }}
这个只适用于精确查询，也就是字符串不会被解析。{ "terms": { "tag": [ "search", "full_text", "nosql" ] }}{
"exists": {
"field": "title"
}
}
只要有就返回，不解析内容
missing被删掉了，所以需要用bool和must_not来进行组合，蛋疼可以用bool来组合多查询
must 文档 必须 匹配这些条件才能被包含进来。must_not文档 必须不 匹配这些条件才能被包含进来。should 如果满足这些语句中的任意语句，将增加 _score ，否则，无任何影响。它们主要用于修正每个文档的相关性得分。filter 必须 匹配，但它以不评分、过滤模式来进行。这些语句对评分没有贡献，只是根据过滤标准来排除或包含文档。这个不会被评分，很快而且内部有优化。
json 一个很复杂的查询。 { "bool": { "must": { "match": { "title": "how to make millions" }}, "must_not": { "match": { "tag": "spam" }}, "should": [ { "match": { "tag": "starred" }} ], "filter": { "bool": { "must": [ { "range": { "date": { "gte": "2014-01-01" }}}, { "range": { "price": { "lte": 29.99 }}} ], "must_not": [ { "term": { "category": "ebooks" }} ] } } } }
不评分的查询，很快，而且也很常用。
json { "constant_score": { "filter": { "term": { "category": "ebooks" } } } }
排序就是应用了sort关键字，但是需要注意，排序之后，不再计算score
GET /_search
{
"query" : {
"bool" : {
"filter" : { "term" : { "user_id" : 1 }}
}
},
"sort": { "date": { "order": "desc" }}
}Elasticsearch 的相似度算法 被定义为检索词频率/反向文档频率， TF/IDF ，包括以下内容
检索词频率
检索词在该字段出现的频率？出现频率越高，相关性也越高。 字段中出现过 5 次要比只出现过 1 次的相关性高。
反向文档频率
每个检索词在索引中出现的频率？频率越高，相关性越低。检索词出现在多数文档中会比出现在少数文档中的权重更低。
字段长度准则
字段的长度是多少？长度越长，相关性越低。 检索词出现在一个短的 title 要比同样的词出现在一个长的 content 字段权重更大。直接put数据就可以创建索引，但是这时候的索引是默认的，可能不具备很多特性
主分片，创建好了就不能修改了，副本可以随时扩增，甚至可以为0。
分析器的配置，看一个自定义的例子
PUT /my_index
{
"settings": {
"analysis": {
"char_filter": {
"&_to_and": {
"type": "mapping",
"mappings": [ "&=> and "]
}},
"filter": {
"my_stopwords": {
"type": "stop",
"stopwords": [ "the", "a" ]
}},
"analyzer": {
"my_analyzer": {
"type": "custom",
"char_filter": [ "html_strip", "&_to_and" ],
"tokenizer": "standard",
"filter": [ "lowercase", "my_stopwords" ]
}}
}}}目前已经不允许在同一个索引中创建两个以上的type，7.x会直接移除type
_source作为一个保存原始文档的手段，是可以被禁用的，这个觉得有点奇怪。
dynamic可以被关掉，而且可以针对每一个field单独开关。
动态映射模板，用于默认的行为不符合我们的要求的情况下，似乎平时不太能用到，如果系统规划做的很合适的话：
PUT /my_index
{
"mappings": {
"my_type": {
"dynamic_templates": [
{ "es": {
"match": "*_es",
"match_mapping_type": "string",
"mapping": {
"type": "string",
"analyzer": "spanish"
}
}},
{ "en": {
"match": "*",
"match_mapping_type": "string",
"mapping": {
"type": "string",
"analyzer": "english"
}
}}
]
}}}一般来说，需要事先规划好索引的mapping等，但是计划总没有变化快，偶尔还是需要对索引进行设置变更，但是既存的是无法修改设置的，所以要么重建一个，复制数据，要么就用alias建一个索引别名。alias通常更快。
感觉alias其实就是在同一份数据上，进行了不同的倒排表的创建。
步骤，有点奇怪这些json的文档描述是怎么定义的
用新的设置创建新的索引
创建alias
```
PUT /my_index_v2
{
"mappings": {
"my_type": {
"properties": {
"tags": {
"type": "string",
"index": "not_analyzed"
}
}
}
}
}
POST /_aliases
{
"actions": [
{ "remove": { "index": "my_index_v1", "alias": "my_index" }},
{ "add": { "index": "my_index_v2", "alias": "my_index" }}
]
}
```
吐槽，难怪es引入版本和各种文档更新的手段，es内部的数据是写完了就不改的，新追加的数据不会导致以前的索引重建，而是直接新建一块索引，并将原来的索引加入新建的索引块，所以es中的文档可以认为都是只读的。因而查询效率比较高，但是也引入了很多的问题。
最终，所有新建的索引都会被合并优化。这是后台低优先级执行的，所以不要指望每天有大量数据写入的情况下还能很好的合并优化，除非机器资源很足。
es的文档索引并不是实时的，有个1S的间隔，但是这个一般足够长了，如果不够的话，可以手动刷新，用
POST /_refresh
POST /blogs/_refresh 另外刷新的频率是可以i设置的
PUT /my_logs
{
"settings": {
"refresh_interval": "30s"
}
}textbyte, short, integer, longfloat, doublebooleandateurl中的一些特殊字段都是有特殊含义的，例如_search, _mapping之类的。
标签：str star 冲突 相似度 版本 sort 脚本 lte 空值
原文地址：https://www.cnblogs.com/dwsun/p/8836230.html
