认识es的多个维度

我们认识ES，认识到什么程度，会用到什么程度才算真正的认识呢。

我想我们可以从这几个角度去认识es

1.部署的角度

2.dsl，创建json格式，创建mapping，映射

3.springboot兼容es，使用java操作es

4.实际项目中es的具体接口。

1.部署的角度

我们这里要部署三个东西，es，kibana，还有ik分词器。

我这里简单解释一下，讲一下思路，具体的部署步骤，就不说了。

es就是也是一个数据库。就像mysql一样，不过mysql是存表，es是存很多的json。我们使用docker部署一下，让他运行，然后在他的文件夹的插件位置，装一个ik分词器的插件，让这个可以听的懂中文，对中文词组分词。

然后在安装一个kibana，这个就是，相当于mysql的navicat，不然，操作es只能在linux下的命令行沟通。

2.对于索引库和文档的认识

这个就相当于sql语句和mysql的关系

其实我觉得这个认识不是很准确。

我们知道一个json数据，他可以固定下来，当做mysql的表。然后在使用固定的格式，对这个json做一定的限制，可以让json的一些字段，被检索到。

我们看一个简单的demo；
说得对！咱们从零开始，一步一步来。我先纠正一个关键概念：

---

核心概念纠正

你说"索引库是针对文档（JSON）去处理的" → 不完全对！

更准确的说法：

1. 索引库 （Index） = 数据库的表（Table）
2. 文档 （Document） = 表中的一行记录（Row）
3. Mapping = 表的字段结构定义（Schema）

完整关系：

索引库（products）
    ├── Mapping（定义结构）
    │     ├── 字段1：name（类型：text）
    │     ├── 字段2：price（类型：float）
    │     └── ...
    └── 文档（具体数据）
          ├── 文档1：{"name":"华为手机", "price":6999}
          ├── 文档2：{"name":"iPhone", "price":8999}
          └── ...

---

分步教学：从零创建索引库

第1步：理解你要存什么数据

假设我们要存商品数据：

{
  "id": "P1001",
  "name": "华为Mate 60 Pro",
  "price": 6999.99,
  "stock": 100,
  "is_online": true,
  "create_time": "2024-01-15"
}

---

第2步：设计Mapping（字段类型）

思考每个字段应该用什么类型：

• id：字符串，要精确匹配 → keyword
• name：字符串，要能搜"华为"、"手机" → text（并用IK分词）
• price：小数 → float
• stock：整数 → integer
• is_online：是/否 → boolean
• create_time：日期 → date

---

第3步：创建索引库（在Kibana中操作）

打开 Kibana → 左侧菜单 → Dev Tools，输入：

// 创建名为 "products" 的索引库
PUT /products
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "name": {
        "type": "text",
        "analyzer": "ik_max_word"
      },
      "price": {
        "type": "float"
      },
      "stock": {
        "type": "integer"
      },
      "is_online": {
        "type": "boolean"
      },
      "create_time": {
        "type": "date",
        "format": "yyyy-MM-dd"
      }
    }
  }
}

点击右边的三角形执行按钮，看到返回：

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

✅ 表示创建成功！

---

第4步：查看刚创建的索引库

// 查看索引库结构
GET /products/_mapping

返回结果就是你刚才定义的mapping。

---

第5步：插入第一条数据

// 插入一个商品
POST /products/_doc/1  // _doc表示文档，1是文档ID
{
  "id": "P1001",
  "name": "华为Mate 60 Pro 智能手机",
  "price": 6999.99,
  "stock": 100,
  "is_online": true,
  "create_time": "2024-01-15"
}

返回：

{
  "_index" : "products",  // 存入哪个索引库
  "_id" : "1",           // 文档ID
  "result" : "created"   // 创建成功
}

---

第6步：再插入几条数据

POST /products/_doc/2
{
  "id": "P1002",
  "name": "Apple iPhone 15 Pro",
  "price": 8999,
  "stock": 50,
  "is_online": true,
  "create_time": "2024-01-10"
}

POST /products/_doc/3
{
  "id": "P1003",
  "name": "小米电视 75英寸",
  "price": 3999,
  "stock": 30,
  "is_online": false,
  "create_time": "2024-01-05"
}

---

第7步：查询数据

简单查询所有：

GET /products/_search
{
  "query": {
    "match_all": {}
  }
}

按名称搜索：

GET /products/_search
{
  "query": {
    "match": {
      "name": "华为手机"  // IK会自动分成"华为"和"手机"
    }
  }
}

条件过滤：

GET /products/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "name": "电视" } }
      ],
      "filter": [
        { "range": { "price": { "lte": 5000 } } },  // 价格<=5000
        { "term": { "is_online": true } }  // 已上架
      ]
    }
  }
}

---

我们进阶一下，创建索引库要有的完善的知识体系：

一、创建索引库的关键字全解

基本结构关键字

PUT /索引名
{
  "settings": {    // 索引设置（可选）
    "number_of_shards": 3,     // 分片数
    "number_of_replicas": 1    // 副本数
  },
  "mappings": {    // 映射定义（核心）
    "properties": {  // 字段定义开始
      "字段名": {
        "type": "字段类型",  // 最重要的属性
        // 其他参数...
      }
    }
  }
}

---

二、字段类型大全（最常用14种）

1. 字符串类型

类型	用途	示例
keyword	精确匹配（不分词） 用于：ID、状态码、标签	"status": "published"
text	全文搜索（要分词） 用于：文章内容、商品描述	"content": "这是一篇文章..."
text + fields	同时支持分词和精确匹配	见下面示例

// text 和 keyword 的区别示例
"name": {
  "type": "text",          // 可以搜"华为"、"手机"
  "analyzer": "ik_max_word",
  "fields": {
    "keyword": {           // 可以精确匹配"华为Mate 60 Pro"
      "type": "keyword",
      "ignore_above": 256  // 超过256字符不索引
    }
  }
}

2. 数字类型

类型	范围	用途
long	-2⁶³ 到 2⁶³-1	大整数：ID、数量
integer	-2³¹ 到 2³¹-1	整数：年龄、库存
short	-32768 到 32767	小整数：年份、状态码
byte	-128 到 127	微小整数：性别(0/1)
double	双精度浮点	高精度小数：科学计算
float	单精度浮点	普通小数：价格、评分
half_float	半精度	节省空间：0-1的评分
scaled_float	缩放浮点	货币：存储123.45存为12345

"price": {
  "type": "float"        // 价格用float足够
},
"population": {
  "type": "long"         // 人口数量用long
},
"rating": {
  "type": "half_float"   // 评分4.5，节省空间
},
"salary": {
  "type": "scaled_float",
  "scaling_factor": 100  // 存123.45实际存12345
}

3. 日期类型

"create_time": {
  "type": "date",
  "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
  // 支持多种格式，自动识别
}

常用格式：

• "yyyy-MM-dd" → "2024-01-15"
• "yyyy-MM-dd HH:mm:ss" → "2024-01-15 14:30:00"
• "epoch_millis" → 时间戳 1705300200000

4. 布尔类型

"is_online": {
  "type": "boolean"
}
// 可接受值：true, false, "true", "false", "on", "off", "yes", "no"

5. 二进制类型

"file_data": {
  "type": "binary"
}
// 存Base64编码的二进制：图片、文件

6. 范围类型

"age_range": {
  "type": "integer_range"  // 还有float_range, date_range等
}
// 数据：{"gte": 18, "lte": 60}

7. 对象类型

// 简单对象
"user": {
  "type": "object",
  "properties": {
    "first_name": {"type": "text"},
    "last_name": {"type": "text"},
    "age": {"type": "integer"}
  }
}
// 数据：{"user": {"first_name": "张", "last_name": "三", "age": 25}}

8. 嵌套类型（重要！）

"comments": {
  "type": "nested",  // 保持数组内对象的独立性
  "properties": {
    "author": {"type": "keyword"},
    "content": {"type": "text"},
    "time": {"type": "date"}
  }
}

为什么用nested？

// 没有nested时（错误）：
"comments": [
  {"author": "张三", "content": "好"},
  {"author": "李四", "content": "不好"}
]
// 搜"author:张三 AND content:不好" 会错误匹配！

// 用nested时：每个评论对象独立，不会交叉匹配

9. 地理类型

"location": {
  "type": "geo_point"  // 经纬度
}
// 数据：{"lat": 39.9042, "lon": 116.4074}
// 或： "39.9042,116.4074"

10. IP类型

"ip_address": {
  "type": "ip"  // IPv4或IPv6
}
// 数据："192.168.1.1"

11. 数组类型

ES没有专门的array类型！ 任何字段都可以包含多个值：

"tags": {
  "type": "keyword"  // 但可以存数组
}
// 数据：["手机", "旗舰", "5G"]

12. 自动补全类型

"suggest": {
  "type": "completion"  // 搜索建议
}

13. 分词计数类型

"word_count": {
  "type": "token_count",  // 统计分词数量
  "analyzer": "standard"
}
// 统计"hello world" = 2个词

14. 附件类型（需要插件）

"attachment": {
  "type": "attachment"  // 需要ingest-attachment插件
}
// 可以提取PDF、Word内容

---

三、完整的创建索引库示例

PUT /my_complete_index
{
  "settings": {
    "number_of_shards": 3,
    "number_of_replicas": 1,
    "analysis": {
      "analyzer": {
        "my_ik": {
          "type": "custom",
          "tokenizer": "ik_max_word"
        }
      }
    }
  },
  "mappings": {
    "properties": {
      // 字符串类
      "id": {"type": "keyword"},
      "title": {
        "type": "text",
        "analyzer": "my_ik",
        "fields": {"raw": {"type": "keyword"}}
      },
      
      // 数字类
      "price": {"type": "float"},
      "stock": {"type": "integer"},
      "rating": {"type": "half_float"},
      
      // 日期类
      "create_time": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss"
      },
      
      // 布尔类
      "is_online": {"type": "boolean"},
      
      // 对象类
      "author": {
        "type": "object",
        "properties": {
          "name": {"type": "keyword"},
          "age": {"type": "byte"}
        }
      },
      
      // 嵌套类
      "comments": {
        "type": "nested",
        "properties": {
          "user": {"type": "keyword"},
          "content": {"type": "text"}
        }
      },
      
      // 地理类
      "location": {"type": "geo_point"},
      
      // IP类
      "ip": {"type": "ip"},
      
      // 数组（用keyword存数组）
      "tags": {"type": "keyword"},
      
      // 范围类
      "age_range": {"type": "integer_range"},
      
      // 补全建议
      "suggest": {"type": "completion"}
    }
  }
}

---

四、类型选择的黄金法则

场景	应该用	不要用
用户ID、状态码	keyword	text
搜索文章内容	text + 分词器	keyword
价格、评分	float	text
库存、年龄	integer	float
创建时间	date	text
是/否开关	boolean	integer
商品规格数组	nested	object
用户位置	geo_point	text
IP地址	ip	keyword

---

五、查询不同字段类型的示例

// 1. keyword精确匹配
GET /index/_search
{
  "query": {
    "term": {"status": "published"}  // 完全匹配"published"
  }
}

// 2. text全文搜索
GET /index/_search
{
  "query": {
    "match": {"content": "华为手机"}  // 搜"华为"或"手机"
  }
}

// 3. 数字范围查询
GET /index/_search
{
  "query": {
    "range": {
      "price": {"gte": 100, "lte": 1000}
    }
  }
}

// 4. 日期范围查询
GET /index/_search
{
  "query": {
    "range": {
      "create_time": {
        "gte": "2024-01-01",
        "lte": "2024-01-31"
      }
    }
  }
}

// 5. 嵌套对象查询
GET /index/_search
{
  "query": {
    "nested": {
      "path": "comments",
      "query": {
        "bool": {
          "must": [
            {"term": {"comments.user": "张三"}},
            {"match": {"comments.content": "好评"}}
          ]
        }
      }
    }
  }
}

---

六、快速参考表

类别	常用类型	关键参数
字符串	text, keyword	analyzer, ignore_above
数字	integer, float	-
日期	date	format
布尔	boolean	-
对象	object, nested	properties
地理	geo_point	-
IP	ip	-
数组	任何类型都可以	-
补全	completion	-

---

实战练习

在 Kibana 中创建这个索引库：

PUT /practice_index
{
  "mappings": {
    "properties": {
      "student_id": {"type": "keyword"},
      "name": {"type": "text", "analyzer": "ik_max_word"},
      "age": {"type": "integer"},
      "score": {"type": "float"},
      "is_graduated": {"type": "boolean"},
      "birthday": {"type": "date", "format": "yyyy-MM-dd"},
      "courses": {
        "type": "nested",
        "properties": {
          "course_name": {"type": "keyword"},
          "grade": {"type": "float"}
        }
      },
      "hobbies": {"type": "keyword"}
    }
  }
}

然后插入数据、查询试试看！

记住：90%的场景只用前6种类型（text、keyword、integer、float、date、boolean），先掌握这些就够了！

对于es索引的操作，除了创建，还有：

以及有写入粒度，数据的认识：

好的，那么对于基本的部署es

以及操作es我们就有简单的认识和概念了。

感谢博主：https://blog.csdn.net/weixin_39932783/article/details/1390969727的分享