Elasticsearch學習筆記（三）

在elasticsearch中，文件歸屬於一種型別，而這些型別存在於索引中，我們可以畫一些簡單的對比圖來模擬傳統關係型資料庫

relational db -> databases -> tables -> 
rows
->columns
elasticsearch -> indices -> types -> documents -> fields

elasticsearch集群可以包含多個索引（indices），每個索引可以包含多個型別（types）,每個型別包含多個文件（documents），然後每個文件包含多個字段（fields）。

索引（動詞）表示把乙個文件儲存到索引（名詞）裡，以便它可以北檢索或者查詢。這很像sql中的insert關鍵字，差別是，如果文件已經存在，新的文件將覆蓋舊的文件。

倒排索引傳統資料庫為特定列增加乙個索引，例如b-tree索引來加速檢索。

為了建立員工的目錄，我們將進行如下操作：

實際上這些都是很容易的，儘管看起來有很多的步驟，我們通過乙個命令執行完成的操作：

put /megacorp/employee/1

我們看到path:/megacorp/employee/1包含三部分資訊：

名字說明

megacorp

索引名employee

型別名1

員工id

請求實體（json文件），包含了這個員工的所有資訊。她的名字叫「john smith」，25歲，喜歡攀岩。

很簡單吧，它不需要你做額外的管理操作，比如建立索引或者定義每個欄位的資料型別。我們能夠直接索引，elasticsearch已經內建所有的預設設定，所有管理操作都是透明的。

put /megacorp/employee/2 put /megacorp/employee/3

get請求非常簡單——你能輕鬆獲取你想要的文件，讓我們來進一步嘗試一些東西，比如簡單的搜尋。

我們嘗試乙個最簡單的搜尋全部員工的請求：

get /megacorp/employee/_search

你可以看到我們依然使用megacorp索引和employee型別，但是我們在結尾使用關鍵字_search來取代原來的文件id。響應內容的hit陣列中包含了我們所有的三個文件。預設情況下搜尋會返回前10個結果。

,
"hit":
},},}]
}}

響應內容不僅會告訴我們哪些文件被匹配到，而且這些文件內容完整的被包含在其中，我們會給使用者展示搜尋結果時需要用到的所有資訊都有了。

接下來，讓我們搜尋姓氏中包含smith的員工，要做到這一點，我們將在命令中使用輕量級的搜尋方法，這種方法常北稱作查詢字串搜尋，因為我們像傳遞url引數一樣去傳遞查詢語句：

get /megacorp/employee/_search?q=last_name:smith

我們在請求中依舊使用_search關鍵字，然後將查詢語句傳遞給引數q=。這樣就可以得到所有姓氏為smith的結果：

},}
]}
}

查詢字串搜尋便於通過命令列完成特定（ad hoc）的搜尋，但是他也有侷限性。elasticsearch提供豐富且靈活的查詢語句叫做dsl查詢（query dsl）,它允許你構建更加複雜、強大的查詢。

dsl(domain specific language特定領域語言)以json請求體的形式出現。我們可以這樣表示之前關於「smith」的查詢：

get /megacorp/employee/_search
}}

這會返回與之前查詢相同的結果，你可以看到有些東西改變了，我們不再使用查詢字串（query string）做為引數，而是使用請求體代替。這個請求體使用json表示，其中使用了match語句（查詢型別之一）。

我們讓搜尋稍微在變的複雜一些，我們依舊想要找到姓氏為「smith」的員工，但是我們只想得到年齡大於30歲的員工。我們的語句將新增過濾器（filter）,它使得我們高效率的執行乙個結構化搜尋：

get /megacorp/employee/_search
<1>}}，
"query"
:            }}}
}

<1>這部分查詢屬於區間過濾器（range filter），它用於查詢所有年齡大於30歲的資料，gt為「greater than」的縮寫

<2>這部分查詢與之前的match語句一致

現在不要擔心語法太多，我們將會在以後詳細的討論，你只要知道我們新增了乙個過濾器filter用於執行區間搜尋，然後重複利用了之前的match語句。現在我們搜尋結果之顯示了乙個32歲且名字是「jane smith」的員工：

}]
}}

到目前為止，搜尋都很簡單：搜尋特定的名字，通過年齡篩選。讓我們嘗試一種更高階的搜尋，全文搜尋——一種傳統資料庫很難實現的功能。

我們將會搜尋所有喜歡「rock climbing」的員工：

get /megacorp/employee/_search
}}

你可以看到我們使用了之前的match查詢，從about欄位中搜尋「rock climbing」，我們得到兩個匹配文件；

},}
]}
}

<1><2>結果相關性評分

預設情況下，elasticsearch根據結果相關性評分來對結果集進行排序，所謂結果相關性評分，就是文件與查詢條件的匹配程度。很顯然，排名第一的john smith的about字段明確的寫道rock climbing.

但是為什麼jane smith也會出現在結果裡呢？原因是rock欄位中被提及了。因為只有「rock」被提及而「climing」沒有，所以她的_score要低於john。

這個例子很好的解釋了elasticsearch如何在各種文字欄位中進行全文搜尋，並且返回相關性最大的結果集。相關性的概念非常重要，而這個概念在傳統關係行資料庫中是不可想象的，因為傳統資料庫對記錄的查詢只有匹配或者不匹配。

目前我們可以在字段中搜尋單獨的乙個詞，這挺好的，但是有時候你想要確切的匹配若干個單詞或者短語。例如我們想要查詢同時包含「rock」和「climbing」（並且是相鄰的）的員工記錄。

要做到這個，我們只要將match查詢變更為match_phrase查詢即可：

get /megacorp/employee/_search
}}

毫無疑問，該查詢返回john smith的文件：

}]
}}

讓我們在之前的語句上增加highlight引數

get /megacorp/employee/_search
},"highlight":}}
}

Elasticsearch學習筆記（三）

elasticsearch學習入門

elasticsearch 入門學習

Elasticsearch 學習筆記

Elasticsearch學習筆記（三）

elasticsearch學習入門

elasticsearch 入門學習

Elasticsearch 學習筆記

相關推薦