ElasticSearch快速入门-1

Elasticsearch简介

就是一个搜索引擎数据库
以下都简称ES

ES概念

ES和关系型数据库的对比

ES是面向文档的！文档数据都会序列化为JSON格式存储，所以一切都是Json ，ES（集群）中可以包含多个索引（数据库），每个索引中可以包含多个类型（表）（类型es8后被弃用，一个索引下存储单一类型数据），每个类型/索引下又包含多个文档（行），每个文档中又包含多个字段（列）

SQL是操作SQL数据库的语法，DSL是操作ES数据库的语法

概念/功能	Elasticsearch (ES)	MySQL	核心差异说明
数据组织层级
索引	Index（最高层级逻辑数据容器）	Database	ES的Index类似于MySQL的Database，都是顶层数据容器
类型	Type（已废弃）	Table	ES的类型概念已淘汰，现在每个索引存储单一类型数据
文档	Document（JSON格式基本数据单元）	Row	文档是半结构化JSON，行是结构化记录
字段	Field（JSON键值对）	Column	ES字段动态灵活，MySQL列需预定义
数据定义
结构定义	Mapping（定义字段类型和属性）	Schema	ES映射支持动态添加字段，MySQL需预定义结构
唯一标识	_id（文档唯一标识）	Primary Key	功能相似，都是数据唯一标识符
数据操作
查询语言	Query DSL（JSON格式） SQL Over ES（有限支持）	SQL	ES主要使用专用JSON查询，MySQL使用标准SQL
写入/更新	Index API（写入） Update API（部分更新）	INSERT/UPDATE/DELETE	ES写入称为"索引"，支持脚本更新
系统特性
事务支持	❌ 不支持ACID事务	✅ 支持ACID事务	MySQL适合银行交易等场景，ES不适合
数据一致性	⏱️ 最终一致性（近实时NRT）	✅ 强一致性	ES写入后约1秒可查，MySQL立即可见
存储引擎	Apache Lucene（倒排索引+Doc Values）	InnoDB（B+树索引）	Lucene优化全文搜索，InnoDB优化事务处理
索引机制	🔄 自动索引所有字段 倒排索引（文本） Doc Values（聚合）	⚙️ 需显式创建索引 B+树索引（主键/普通） FULLTEXT（全文）	ES默认索引所有字段，MySQL需手动创建
扩展性	⚡ 原生分布式 自动分片(Shard) 副本(Replica)	🧩 需分库分表 主从复制	ES天生分布式易扩展，MySQL水平扩展复杂
主要用途	🔍 全文搜索 📊 日志/指标分析 🌐 地理空间分析	💳 事务处理(OLTP) 🧾 关系数据管理 📈 报表查询(OLAP)	ES擅长搜索分析非结构化数据，MySQL擅长事务管理结构化数据
最佳实践
适用场景	搜索引擎、日志分析、实时监控	电商交易、用户管理、财务系统	常组合使用：MySQL作主数据源，ES提供搜索分析
数据模型	无模式(Schema-less) JSON文档	严格模式(Schema-on-Write) 行列结构	ES灵活适合变化数据，MySQL严谨保证数据完整性
两者的不同

正序索引和倒序索引

正序索引就是关系型数据库用的，但是这种使用%小米%这种模糊搜索的时候会导致正向索引失效，然后一个一个去比对，会非常浪费时间（当数据量非常大的时候）

倒序索引就是你在插入文档的时候，将拿到词分成几个词条（比如小米手机会分成小米和手机），并且记录相应的文档id，之后分词还有相同的会记录到一个词条中

然后我们搜索的时候，比如搜索华为手机

安装es、kibana、IK分词器

es是数据库，kibana可以理解为navicat是看es中数据的
这里不做讲解哈
可以看一下其他的文章

ES操作

对于ES的所有操作ES都封装成立restfulapi用http请求调用
和我们的mysql需要用connection一样

_cat操作

直接
http://es所在IP:es启动端口号/_cat/master

Mapping映射属性

其实还有一个type类型为：nested 可以防止检索错误
每一个字段都有上面对应的属性
比如下面这个

{
"age": 21,
"weight": 52.1,
"isMarried":false,
"info":"黑马程序员Java讲师",
"email":"zy@itcast.cn",
"score":[99.1，99.5，98.9],
"name":
{"firstName":"云",
"lastName":"赵"}
}

age字段type对应数值呗，byte就够用，index有无看需求（是否参与搜索或者排序），21肯定是不需要分词器的，无子字段所以肯定没有properties
info字段对应text，因为可以分词，index肯定是要的，分词器需要自己指定，无子字段
name是有子字段的（嵌套object对象），所有有properties，里面每一个值又单独有自己的mapping
firstname肯定还是keyword不需要分词
这个score的type是float，es中，所有数组类型我们都不用管，只需要看里面元素的类型

索引库操作

ES都是基于Restful的接口，先介绍一下Restful

索引库CRUD

下面对应索引库的文档的CRUD操作我都将在kibana的开发工具中发送http请求（有提示）,且不用带上我们的es ip+端口，因为kibana是和es本身就绑定的
如图

创建索引命令
里面设置对应的mapping
新增索引库 注：这里新增是PUT请求

PUT /heima
{"mappings": {"properties": {"info":{"type": "text","analyzer": "standard","index": true},"age":{"type": "byte","index": true},"email":{"type": "keyword","index": false},"name":{"type": "object", "properties": {"firstName":{"type": "keyword"},"lastName":{"type": "keyword"}}}}}
}

查询索引库

GET /xiaoyuan
xiaoyuan为索引库名

删除索引库

DELETE /xiaoyaun
xiaoyuan为索引库名

ES索引库不支持修改，不可以对已有数据段修改，但是可以添加新字段
如图

文档CRUD

新增文档

POST /索引库/_doc/文档ID(不写自动生成)
{json数据-应对应索引库结构}

添加文档（指定ID） 1为指定的ID
POST /products/_doc/1
{"name": "Wireless Headphones","price": 129.99,"description": "Noise-cancelling Bluetooth headphones","stock": 50,"created_at": "2023-10-25T08:30:00Z"
}添加文档（自动生成ID）
POST /products/_doc
{"name": "Smart Watch","price": 299.99,"description": "Water-resistant fitness tracker","stock": 25,"created_at": "2023-10-26T10:15:00Z"
}响应示例（自动ID）
{"_index": "products","_id": "abc123xyz",（返回的文档id）"_version": 1,"result": "created"
}

读取文档

GET /products/_doc/文档ID

获取单个文档
GET /products/_doc/1响应示例
{"_index": "products","_id": "1","_version": 1,"_source": {"name": "Wireless Headphones","price": 129.99,"description": "Noise-cancelling Bluetooth headphones","stock": 50,"created_at": "2023-10-25T08:30:00Z"}
}
搜索文档
GET /products/_search
{"query": {"match": {"description": "bluetooth"}}
}

删除文档

DELETE /索引库名/_doc/文档ID

# 删除单个文档
DELETE /products/_doc/1# 响应示例
{"_index": "products","_id": "1","_version": 2,"result": "deleted"
}# 按查询删除（删除所有库存为0的商品）
POST /products/_delete_by_query
{"query": {"term": {"stock": 0}}
}

更新文档（分两种）
1.全量修改
2.增量修改

全量修改
相当于是先删除原文档再添加新文档
语法

PUT /索引库名/_doc/文档ID
{ 数据 }

实例

替换整个文档（覆盖操作）
PUT /products/_doc/1
{"name": "Premium Headphones","price": 149.99,"description": "Deluxe noise-cancelling model","stock": 40,"created_at": "2023-10-25T08:30:00Z"
}

增量修改
语法

POST /索引库名/_update/文档id
{
"doc" {"字段名"："新的值",...}
}

实例

部分更新（增加库存）
POST /products/_update/1
{"doc": {"stock": 60}
}

文档批处理操作

一次请求包含多个文档操作

解释如下

POST /_bulk 作为请求路径
"index"索引，动词索引就是插入数据呗（或者全量改动）
索引一个文档，后面接着一条数据，需要指定_index-索引库和_Id文档id（不写默认生成）
"index"和"create"相似，但是"create"是只可以创建，不能覆盖
而"index"既可以创建新的，也可以覆盖原来的文档
"update"是增量改动，跟着一行"doc"携带修改字段
"delete"删除指定索引库和文档ID即可

案例

POST /_bulk
{ "index" : { "_index" : "products", "_id" : "101" } }
{ "name": "USB-C Cable", "price": 15.99, "stock": 200 }
{ "create" : { "_index" : "products", "_id" : "102" } }
{ "name": "Phone Charger", "price": 29.99, "stock": 150 }
{ "update" : {"_id" : "101", "_index" : "products"} }
{ "doc" : {"stock": 180} }
{ "delete" : { "_index" : "products", "_id" : "100" } }

Java客户端操作ES

对应的可以操作ES的API有很多种（其实可以发http请求的的可以操作不过要自己封装很麻烦）
我们用Elasticsearch-Rest-Client这个官方提供的
比如我们操作redis就用Spring Data Redis这个依赖一样的（或者redisson）
这里的话暂时不做讲解，因为gulimall对应的操作api好像已经过期了，es8后又需要其他api了