es就是json请求体代替字符串查询
dsl查询和过滤，一个模糊查询，一个非模糊查询
must，should 做模糊查询的，里面都是match，根据查询内容进行匹配，filter过滤，term词元查询，就是等值查询。range
query : 查询，所有的查询条件在query里面
bool : 组合搜索bool可以组合多个查询条件为一个查询对象，这里包含了 DSL查询和DSL过滤的条件
must : 必须匹配 ：与(must) 或(should) 非(must_not)
match：分词匹配查询，会对查询条件分词 ， multi_match :多字段匹配
filter： 过滤条件
term：词元查询，不会对查询条件分词
from，size :分页
_source ：查询结果中需要哪些列
sort：排序
分词器：
什么叫分词，在全文检索的理论中，通过关键字查询文档索引进行匹配
倒排索引，正派索引
正排索引，就是一个一个匹配，然后赛选数据。
倒排索引：根据分词器进行分词，语义转换，排序，分组操作生成词元，词元对应文档id
操作es，首先要获取客户端，所以我们要工具类，拿到客户端。
es为什么查询快，因为基于倒排索引，然后就问你倒排索引，非常热点的面试题。
分词器作用
数据的查询是否精准和分词器有很大关系，它默认是英文的分词器
中文的分词器
IK分词器
ES对中文做分词器，默认是英文分词器，10年了还是IK分词器。
要写上，anlyzer：“ik smart”
ik 分词器中有个config文件夹，加上自己想要分词的词语即可。
解压后放到Es插件中
mappering 映射 都是自动给我们创建的，有默认mappering
给的什么数据，就自动解析，默认映射类型。
详细映射写法
analyzer 索引分词器，索引创建时使用的分词器
search_analyzer： 搜索改字段的值，传入的查询内容的分词器。
多字段索引：当对该字段需要使用多种索引模式时使用。如：城市搜索 New York"city":"city":{ "type": "text", "analyzer": "ik_smart", "fields": { "raw": { "type": "keyword" } } } 解释：相当于给 city取了一个别名 city.raw，city的类型为text , city.raw的类型keyword 搜索 city分词 ; 搜索city.raw 不分词那么以后搜索过滤和排序就可以使用city.raw字段名 |
相当于又是text又是keyword？
排序不分词，相当于多了个别名。
默认文档映射
public class ESClientUtil {
public static TransportClient getClient(){
TransportClient client = null;
Settings settings = Settings.builder()
.put("cluster.name", "elasticsearch").build();
try {
client = new PreBuiltTransportClient(settings)
.addTransportAddress(new TransportAddress(InetAddress.getByName("127.0.0.1"), 9300));
} catch (UnknownHostException e) {
e.printStackTrace();
}
return client;
}
}API结合Es
简单的增删改查，就不讲了吧，大概流程都是差不多，都是获取的客户端.方法，增删改查的。
先批量插入100条数据，做测试用的
@Test
public void test4(){
// 批量新增100次
TransportClient client = esClientUtil.getClient();
BulkRequestBuilder bulkRequestBuilder = client.prepareBulk("shopcar99", "user");
for (int i = 0; i < 100; i++) {
IndexRequestBuilder indexRequestBuilder = client.prepareIndex("shopcar99", "user", i + "");
HashMap<String, Object> map = new HashMap<>();
map.put("id",i);
map.put("name","zhang"+i);
map.put("sex",i%2==0?"n":"nv");
map.put("age",26+i);
map.put("intro",i+"qweqeq");
indexRequestBuilder.setSource(map);
bulkRequestBuilder.add(indexRequestBuilder);
}
BulkResponse bulkItemResponses = bulkRequestBuilder.get();
System.out.println(bulkItemResponses);
}DSL查询+DSL过滤
主要的层级关系
query -> bool -> must -> match
先去那query，再去拿bool，分词是must-》match
filter->range
把层级理清楚了，代码就懂了。
@Test
public void test5(){
TransportClient client = esClientUtil.getClient();
SearchRequestBuilder requestBuilder = client.prepareSearch("shopcar99");
SearchRequestBuilder user = requestBuilder.setTypes("user");
// 3分页查询，排序，指定查询字段，查询条件
// 分页
requestBuilder.setFrom(0);
requestBuilder.setSize(10);
// paixu
requestBuilder.addSort("age",SortOrder.ASC);
// 第一个字段叫做包含的 会查出第一个参数中设置的字段
// 第二个参数 exclude 排除 就是排除掉第二个参数中的字段，其他字段全部都要查出来。
String [] include = {"id","name","age","sex","intro"};
requestBuilder.setFetchSource(include,null);
// 为什么要用bool，
// query -> bool -> must -> match
// bool，直接拿到bool那个层级
// 分词区间等级查询,must->match
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
List<QueryBuilder> must = boolQuery.must();
// 模糊查询
// must.add(QueryBuilders.matchQuery("intro","1"));
MatchQueryBuilder matchQueryBuilder = QueryBuilders.matchQuery("intro", "qweqeq");
must.add(matchQueryBuilder);
// bool->filter->range
List<QueryBuilder> filter = boolQuery.filter();
QueryBuilders.rangeQuery("age").gte(30).lte(70);
//等值查询
TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("sex", "n");
filter.add(termQueryBuilder);
requestBuilder.setQuery(boolQuery);
SearchResponse searchResponse = requestBuilder.get();
SearchHits hits = searchResponse.getHits();
System.out.println(hits.getTotalHits());
SearchHit[] hits1 = hits.getHits();
// hits里面还有hits，这里面就是数据
for (SearchHit documentFields : hits1) {
System.out.println(documentFields.getSourceAsMap());
}
client.close();
}
