# elasticsearch-quick

**Repository Path**: backwxc/elasticsearch-quick

## Basic Information

- **Project Name**: elasticsearch-quick
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-05-02
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README


[![LICENSE](https://img.shields.io/badge/license-Anti%20996-blue.svg)](https://github.com/996icu/996.ICU/blob/master/LICENSE)

# quick-elasticsearch
ElasticSearch的使用笔记


**如果你没有安装ELK，可以使用Docker安装，详见[Docker快速安装ELK](#Docker快速安装ELK)**


这里除了会记录一些ES的使用代码和一些功能实现，也会有ELK的相关使用方法，如下图，比较简单的一个统计

 
[![职位仪表盘.png](https://i.loli.net/2018/04/03/5ac333ab0021a.png)](https://i.loli.net/2018/04/03/5ac333ab0021a.png)

代码里已经实现了

- createIndex 创建索引
- createMapping 创建mapping
- putDocument 批量索引(包括数据已存在更新，不存在就插入)
- deleteDocument

目前再继续完善，如果感兴趣那就请持续关注~~~

# ssb-jest-base

[Branch](https://github.com/vector4wang/elasticsearch-quick/tree/sb-jest-base)

SpringBoot使用jest替代官方sdk的使用方法

简单易用，无需担心版本不兼容的问题

配置好es的链接参数，直接运行项目，程序会自动的创建索引、mapping并且会插入几个文档供接下来的CURD使用

如图
[![es-view.png](https://i.loli.net/2018/08/04/5b65658ea06d5.png)](https://i.loli.net/2018/08/04/5b65658ea06d5.png)
代码提供了最基本的增删改查功能
[![swagger-api.png](https://i.loli.net/2018/08/04/5b65658ea31e2.png)](https://i.loli.net/2018/08/04/5b65658ea31e2.png)

# ssb-jest

[Branch](https://github.com/vector4wang/elasticsearch-quick/tree/sb-jest-analysis)

此分支主要是处理分词和搜索相关问题
使用IK分词 github地址：https://github.com/medcl/elasticsearch-analysis-ik
按照上面的说明将插件放在~/elasticsearch/plugins/ik下面，重启即可


## 分词情况

可以这样对字符串进行分词分析
```
post http://localhost:9200/recipes/_analyze
{
  "analyzer": "standard", 
  "text": "奶油鲍鱼汤"
}

```
### 默认分词器 Standard
如果不指定分词，则会使用ES默认的分词，分词结果就会变成一个一个的字符，如下
```json
{
    "tokens": [
        {
            "token": "奶",
            "start_offset": 0,
            "end_offset": 1,
            "type": "<IDEOGRAPHIC>",
            "position": 0
        },
        {
            "token": "油",
            "start_offset": 1,
            "end_offset": 2,
            "type": "<IDEOGRAPHIC>",
            "position": 1
        },
        {
            "token": "鲍",
            "start_offset": 2,
            "end_offset": 3,
            "type": "<IDEOGRAPHIC>",
            "position": 2
        },
        {
            "token": "鱼",
            "start_offset": 3,
            "end_offset": 4,
            "type": "<IDEOGRAPHIC>",
            "position": 3
        },
        {
            "token": "汤",
            "start_offset": 4,
            "end_offset": 5,
            "type": "<IDEOGRAPHIC>",
            "position": 4
        }
    ]
}
```

### IK分词
在创建mapping的时候指定分词，如下
```json
"jobName": {
  "type": "text",
  "analyzer": "ik_max_word",
  "search_analyzer": "ik_max_word"
}
```
ik分词有两种模式
- ik_max_word
```
{
    "tokens": [
        {
            "token": "奶油",
            "start_offset": 0,
            "end_offset": 2,
            "type": "CN_WORD",
            "position": 0
        },
        {
            "token": "鲍鱼",
            "start_offset": 2,
            "end_offset": 4,
            "type": "CN_WORD",
            "position": 1
        },
        {
            "token": "鱼汤",
            "start_offset": 3,
            "end_offset": 5,
            "type": "CN_WORD",
            "position": 2
        }
    ]
}
```
- ik_smart
```
{
    "tokens": [
        {
            "token": "奶油",
            "start_offset": 0,
            "end_offset": 2,
            "type": "CN_WORD",
            "position": 0
        },
        {
            "token": "鲍",
            "start_offset": 2,
            "end_offset": 3,
            "type": "CN_CHAR",
            "position": 1
        },
        {
            "token": "鱼汤",
            "start_offset": 3,
            "end_offset": 5,
            "type": "CN_WORD",
            "position": 2
        }
    ]
}
```
能直观的看出两者的区别，当然了IK也支持自定义呢分词字典，这个去github主页就能看到使用方法。

## 查询

[点我](http://www.cnblogs.com/yjf512/p/4897294.html)看term和match的区别


# ES 7.x 下的Jest测试

[Branch](https://github.com/vector4wang/elasticsearch-quick)

注意： *取消了type*

目前jest对es的版本支持对应关系如下

Jest Version | Elasticsearch Version
--- | ---
\>= 6.0.0 | 6
\>= 5.0.0 | 5
\>= 2.0.0 | 2
0.1.0 - 1.0.0 | 1
<= 0.0.6 | < 1

所以目前还没有针对es 7.x的版本，但是jest聪明的是，它的请求与返回都是可以拼接的，我们可以把请求参数中的type置空，然后在响应体中，可以直接获取jsonstring
当然了es7.0 改版的只是一小部分接口，大多数的都不需要怎么改变，但是一定要测试过了才能切换~

个人使用和测试api的方式，分别打开如下两个链接

https://www.elastic.co/guide/en/elasticsearch/reference/current/indices-get-mapping.html

https://github.com/searchbox-io/Jest/blob/master/jest/src/test/java/io/searchbox/indices/GetMappingIntegrationTest.java

一个是ES的官方文档，一个是jest的IntegrationTest，两者结合，效率杠杠的~~~~

# ES 聚合示例


[Branch](https://github.com/vector4wang/elasticsearch-quick/tree/sb-jest-aggregation)
聚合脚本的示例，包括普通聚合，netsted聚合查询统计等等，后面用到哪些再继续补充

## Docker快速安装ELK

首先在[Dockerhub](https://hub.docker.com/r/sebp/elk)找到对应的版本号(不同版本号的用法有点区别，需要注意！)


```bash
# 7.0
docker pull sebp/elk:700
# 2.3.5
docker pull sebp/elk:es235_l234_k454

```
页面上有版本号的对应关系，找准即可

然后进入[帮助页面](https://elk-docker.readthedocs.io/) 因为只需要使用ES的9200端口和Kibana的5601端口，所以这样启动
```bash
docker run -p 5601:5601 -p 9200:9200 -p 5044:5044 -it --name elk sebp/elk
```
端口关系如下图：
![port](http://cdn.wangxc.club/Og5eps4.png)