Es 基础操作 增删改查

ES想知道大家应该都很熟悉了,今天就来稍微介绍入门下 也是为了帮助自己记忆

一. ES专属名称

看上面图就知道了 具体分片副本的就不讲那么细了 还有个倒排索引可以了解下 相当于把内容拆分成分词 然后每个分词都对应哪些内容对应的id 这样查到了分词就能查到哪些内容有这个词

ps :特别强调7.x版本后就没有type了 差不多就相当于索引 = 表 文档=数据了

二**. ES基本操作 (直接学这个就好了 版本7.x)**

1.创建索引(表)

复制代码
PUT /my_index
{
  "settings": {
    "number_of_shards": 1,  // 指定索引的分片数
    "number_of_replicas": 1  // 指定每个主分片的副本数
  },
  "mappings": {
    "properties": {
      "title": {
        "type": "text"  // 标题字段,全文搜索类型
      },
      "author": {
        "type": "keyword"  // 作者字段,适合精确匹配,不用于全文搜索
      },
      "published_date": {
        "type": "date"  // 出版日期字段,存储日期类型
      },
      "content": {
        "type": "text"  // 内容字段,全文搜索类型
      },
      "tags": {
        "type": "keyword"  // 标签字段,适合存储多个标签,支持精确匹配
      }
    }
  }
}

删除修改等后面遇到了再查吧

2.文档操作增删改查 (同样只写个最基础的)

新增修改

复制代码
PUT /user/user/1
{
  "id":1,
  "name":"战三",
  "age":18
}

post全量新增修改 可以不指定id(不指定记得返回保存id)

put全量新增修改 必须指定id

post修改单独某个doc列 需要改成 post /user/user/1/_update

删除

复制代码
// 条件删
POST /my_index/_delete_by_query
{
  "query": {
    "term": {
      "author": "张三"
    }
  }
}
// id删除
DELETE /my_index/_doc/id

三**.查询(比较重要)**

ES主要就是解决查询问题 这个当然是重点

复制代码
{
  "query": {                               // 查询对象
    // 使用 "match_all" 查询,获取所有文档
    "match_all": {}                        
    // 使用 "term" 查询,精确查询
    "term": {
      "price": {
        "value": "1899.99"                 
      }
    }
    // 使用 "match" 查询,匹配列 分词查询文档
   "match": {
      "title": "小米 手机"
    }

    // 使用 "match_phras" 查询,匹配列 不分词查询文档
   "match_phras": {
      "title": "小米 手机"
    }

    // 使用 "range" 查询,匹配范围 查询文档
    "range": {
      "price": {
        "gte": 1600,
        "lte": 2800
      }
    }


  },
  "from": 0,                               // 从第0个结果开始,表示第一页
  "size": 10,                              // 返回10条结果,表示每页显示10条文档
  "sort": [                                // 排序数组,用于指定结果的排序
    {
      "timestamp": {                       // 按照timestamp字段进行排序
        "order": "desc"                   // 降序排列,最新的文档排在前面
      }
    }
  ]
}
相关推荐
WL_Aurora1 分钟前
Hadoop HA高可用架构深度解析
大数据·hadoop·架构
清平乐的技术专栏2 分钟前
【Flink学习】(六)Flink 三大时间语义 + 水位线 Watermark
大数据·学习·flink
清平乐的技术专栏3 分钟前
【Flink学习】(一)初识 Flink,大数据实时计算核心认知
大数据·flink
武子康5 分钟前
Java-221 RocketMQ 消息存储核心原理:CommitLog、ConsumerQueue、IndexFile 与消息过滤机制
java·大数据·分布式·消息队列·rabbitmq·rocketmq·java-rocketmq
2601_959477918 分钟前
Vatee:数字化能力升级的全面观察
大数据·人工智能
赴山海bi12 分钟前
DeepBI赋能:家居类亚马逊Listing优化全攻略
大数据·人工智能
qq_3660327813 分钟前
Claude API中转怎么选?简易api下的国内接入与兼容 OpenAI 接口实践
大数据·运维·人工智能
SAP上海工博云署31 分钟前
汽配出海业务扩张难题拆解:SAP Business One 适配跨境制造管理
大数据·人工智能·云计算·制造·信息与通信·零售
乐观的Terry36 分钟前
博客系统全文搜索实战:用 Elasticsearch 告别 MySQL LIKE 查询
mysql·elasticsearch
爱吃柠檬鸭41 分钟前
跨境电商创业的效率法则:用“500块+3天”原则实现低成本快速试错
大数据·服务器