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

// 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

"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

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

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