ElasticSearch 基本使用

Posted 2023-04-08 yololee_

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了ElasticSearch 基本使用相关的知识，希望对你有一定的参考价值。

文章目录

ElasticSearch 基本使用

ElasticSearch 基本使用

系统环境

ElasticSearch：elasticsearch:7.14.1

kibana:7.14.1

服务器：Ubuntu 16.04.6 LTS

一、简介

Elasticsearch 是一个分布式的、开源的搜索分析引擎，支持各种数据类型，包括文本、数字、地理、结构化、非结构化

Elastic Search基于lucene，封装了许多lucene底层功能，提供了分布式的服务、简单易用的restful API接口和许多语言的客户端

Elasticsearch 简称ES, 经常与Logstash 和Kibana 一起使用，江湖人称ELK.

这E 自然指的就是Elasticsearch,简称ES, 具有分布式存储,搜索和分析的功能
L 指的就是Logstash,分布式日志收集框架
K 指的就是Kibana,可视化分析框架

二、参考文档

docker部署es

REST APIS 参考文档

Java REST Client 参考文档

三、ES核心概念

核心概念

集群（Cluster）：包含一个或多个启动着es实例的机器群。通常一台机器起一个es实例。默认集群名是“elasticsearch”，同一网络，同一集群名下的es实例会自动组成集群
节点（Node）：一个es实例即为一个节点
索引（Index）：即拥有相似文档的集合
类型（Type）：每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document，都有相同的field。7.x版本正式被去除
文档（Document）：es中的最小数据单元。一个document就像数据库中的一条记录。通常以json格式显示。多个document存储于一个索引（Index）中
映射（Mapping）：定义索引中的字段的名称，定义字段的数据类型，比如字符串、数字、布尔

数据类型

简单数据类型
- 字符串：text：会分词，不支持聚合。keyword：不会分词，将全部内容作为一个词条，支持聚合
- 数值
- 布尔：boolean
- 二进制：binary
- 范围类型：integer_range, float_range, long_range, double_range, date_range
- 日期：date
复杂数据类型
- 数组：[ ] Nested: nested (for arrays of JSON objects 数组类型的JSON对象)
- 对象： Object: object(for single JSON objects 单个JSON对象)

四、REST APIS

索引API

# 创建索引
PUT /my_index_000001

# 添加映射
PUT /my_index_000001/_mapping

   "properties":
     "name":
       "type":"text"
     ,
     "age":
       "type":"integer"
     
   


# 更新映射   更新映射也就是只添加字段
PUT /my_index_000001/_mapping

   "properties": 
      "name":
       "type":"text"
      ,
      "picture_url": 
			  "type": "keyword",
			  "ignore_above": 500
		  
    



# 查询所有索引
GET _cat/indices

# 查看一个索引
GET /my_index_000001

# 删除索引
DELETE /my_index_000001

# 创建索引并添加映射
PUT /my_index_000002

  "mappings": 
    "properties": 
      "name": 
        "type": "text"
      ,
      "age": 
        "type": "integer"
      ,
      "birthday":
        "type": "date",
        "format": "yyyy‐MM‐dd HH:mm:ss||yyyy‐MM‐dd"
      
    
  


# 创建多个索引，并添加映射
PUT /my_index_000002，my_index_000003

  "mappings": 
    "properties": 
      "name": 
        "type": "text"
      ,
      "age": 
        "type": "integer"
      ,
      "birthday":
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"

文档API

# 创建索引，并添加映射
# 下边的设置允许birthday字段存储年月日时分秒、年月日及毫秒三种格式
PUT /my_index_000005

  "mappings": 
    "properties": 
      "name": 
        "type": "text"
      ,
      "age": 
        "type": "integer"
      ,
      "birthday":
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
      
    
  


# 插入一条数据 这里的1是文档id，没有指定id自动生成id
POST /my_index_000005/_doc/1

  "name": "test1",
  "age": 16,
  "birthday": "2015-01-01"

# 插入一条数据
POST /my_index_000005/_doc/2

  "name": "test1",
  "age": 16,
  "birthday": "1420070400001"

# 插入一条数据
POST /my_index_000005/_doc/3

  "name": "test1",
  "age": 16,
  "birthday": "2015-01-01 13:14:59"


# 查询这个索引中的所有文档
GET /my_index_000005/_search
# 根据id查询文档
GET /my_index_000005/_doc/1


# 删除文档
DELETE my_index_000005/_doc/1

# 修改文档
PUT my_index_000005/_doc/2

  "name":"李四",
  "age": 18,
  "birthday": "1420070400001"

查询文档API

query基本匹配查询关键字说明

关键字	说明
match_all	查询简单的匹配所有文档。在没有指定查询方式时，它是默认的查询
match	用于全文搜索或者精确查询，如果在一个精确值的字段上使用它，例如数字、日期、布尔或者一个 not_analyzed 字符串字段，那么它将会精确匹配给定的值
range	查询找出那些落在指定区间内的数字或者时间 gt 大于；gte 大于等于；lt 小于；lte 小于等于
term	被用于精确值匹配
terms	terms 查询和 term 查询一样，但它允许你指定多值进行匹配
exists	查找那些指定字段中有值的文档
missing	查找那些指定字段中无值的文档
must	多组合查询必须匹配这些条件才能被包含进来
must_not	多组合查询必须不匹配这些条件才能被包含进来
should	多组合查询如果满足这些语句中的任意语句，将增加 _score ，否则，无任何影响。它们主要用于修正每个文档的相关性得分
filter	多组合查询这些语句对评分没有贡献，只是根据过滤标准来排除或包含文档

环境准备

# 创建索引
PUT xc_course
# 添加映射
PUT /xc_course/_mapping

  "properties": 
    "description": 
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_smart"
      ,
      "name": 
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_smart"
      ,
      "pic":
        "type":"text",
        "index":false
      ,
      "price": 
        "type": "float"
      ,
      "studymodel": 
        "type": "keyword"
      ,
      "timestamp": 
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
        
  


POST /xc_course/_doc/1

"name": "Bootstrap开发",
"description": "Bootstrap是由Twitter推出的一个前台页面开发框架，是一个非常流行的开发框架，此框架集成了多种页面效果。此开发框架包含了大量的CSS、JS程序代码，可以帮助开发者（尤其是不擅长页面开发的程序人员）轻松的实现一个不受浏览器限制的精美界面效果。",
"studymodel": "201002",
"price":38.6,
"timestamp":"2018-04-25 19:11:35",
"pic":"group1/M00/00/00/wKhlQFs6RCeAY0pHAAJx5ZjNDEM428.jpg"


POST /xc_course/_doc/2

"name": "java编程基础",
"description": "java语言是世界第一编程语言，在软件开发领域使用人数最多。",
"studymodel": "201001",
"price":68.6,
"timestamp":"2018-03-25 19:11:35",
"pic":"group1/M00/00/00/wKhlQFs6RCeAY0pHAAJx5ZjNDEM428.jpg"


POST /xc_course/_doc/3

"name": "spring开发基础",
"description": "spring 在java领域非常流行，java程序员都在用。",
"studymodel": "201001",
"price":88.6,
"timestamp":"2018-02-24 19:11:35",
"pic":"group1/M00/00/00/wKhlQFs6RCeAY0pHAAJx5ZjNDEM428.jpg"

只查询一条studymodel为201001的数据

POST /xc_course/_search

  "query": 
    "match": 
      "studymodel": "201001"
    
  ,
  "size": 1

只查询前20条studymodel为201001的数据并以price降序排列

POST /xc_course/_search

  "query": 
    "match": 
      "studymodel": "201001"
    
  ,
  "size": 20,
  "sort": [
    
      "price": 
        "order": "desc"
      
    
  ]

只查询前20条price大于50小于90的数据并以price降序排列

POST /xc_course/_search

  "query": 
    "range": 
      "price": 
        "gte": 50,
        "lte": 90
      
    
  ,
  "size": 20,
  "sort": [
    
      "price": 
        "order": "desc"
      
    
  ]

只查询前20条timestamp为下面具体值的数据并以price降序排列

POST /xc_course/_search

  "query": 
    "terms": 
      "timestamp": [
        "2018-02-24 19:11:35",
        "2018-03-25 19:11:35"
      ]
    
  ,
  "size": 20,
  "sort": [
    
      "price": 
        "order": "desc"
      
    
  ]

五、SQL REST API

POST /_sql

  "query": """
  SELECT * FROM "xc_course" where studymodel = 201001 ORDER BY price DESC LIMIT 5
  """


POST /_sql

  "query": """
  SELECT * FROM "ks-logstash-log*"
  """,
  "fetch_size":5

使用ES查询DSL进行过滤

POST /_sql

  "query": "SELECT * FROM xc_course ORDER BY price DESC",
  "filter":
    "range": 
      "price": 
        "gte": 50,
        "lte": 90
      
    
  ,
  "fetch_size":5



POST /_sql

  "query": "SELECT * FROM xc_course ORDER BY price DESC",
  "filter":
    "terms": 
      "studymodel": ["201001"]
    
  ,
  "fetch_size":5

异步运行sql搜索

POST /_sql

  "query": """
  SELECT * FROM "ks-logstash-log*"
  """,
  "fetch_size":20,
  "wait_for_completion_timeout": "1s"

值为is_partial，true表示搜索结果不完整
值is_running，true表示搜索仍在后台运行
一个id用于搜索

Elasticsearch学习之Elasticsearch的介绍和基本使用

一）ES的基本介绍

1. Elasticsearch 是什么

Elaticsearch，简称为 ES，ES 是一个开源的高扩展的分布式全文搜索引擎，是整个 Elastic Stack 技术栈的核心。它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理 PB 级别的数据。

The Elastic Stack, 包括 Elasticsearch、Kibana、Beats 和 Logstash（也称为 ELK Stack）。能够安全可靠地获取任何来源、任何格式的数据，然后实时地对数据进行搜索、分析和可视化。

2. Eelasticsearch的作用

Elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容。

在GitHub搜索代码
用于搜索引擎中搜索内容
各大电商网站搜索商品
打车软件搜索附近的车辆

3. Elasticsearch，Solr和Lucene三者之间的关系

目前市面上流行的搜索引擎软件，主流的就两款：Elasticsearch 和 Solr,这两款都是基于 Lucene 搭建的，可以独立部署启动的搜索引擎服务软件。

Lucene是一个Java语言的搜索引擎类库，是Apache公司的顶级项目，提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。

Elasticsearch和Solr对比

特征	Solr/SolrCloud	Elasticsearch
社区和开发者	Apache软件基金和社区支持	单一商业实体及其员工
节点发现	Apache Zookeeper.在大量项目中成熟且经过实战测试	Zen内置于Elasticsearch本身，需要专用的主节点才能进行裂脑保护
碎片放置	本质上是静态，需要手动工作来迁移分片，从Solr 7开始- AutoscalingAPI允许一些动态操作	动态，可以根据群集状态按需移动分片
高速缓存	全局，每个段更改无效	每段，更适合动态更改数据
分析引擎性能	非常适合精确计算的静态数据	结果的准确性取决于数据放置
全文搜索功能	基于Lucene的语言分析，多建议，拼写检查，丰富的高亮显示支持	基于Lucene的语言分析，单一建议API实现，高亮显示重新计算
DevOps支持	尚未完全，但即将到来	非常好的API
非平面数据处理	嵌套文档和父子支持	嵌套和对象类型的自然支持允许几乎无限的嵌套和父-子支持
查询DSL	JSON (有限)，XML (有限)或URL参数	JSON
机器学习	内置-在流聚合之上，专注于逻辑回归和学习排名贡献模块	商业功能，专注于异常和异常值以及时间序列数据

4. Elasticsearch的索引结构–倒排索引

倒排索引的概念是基于MySQL这样的正向索引而言的。

正向索引

那么什么是正向索引呢？例如给下表（tb_goods）中的id创建索引：

如果是根据id查询，那么直接走索引，查询速度非常快。

但如果是基于title做模糊查询，只能是逐行扫描数据，流程如下：

1）用户搜索数据，条件是title符合"%手机%"

2）逐行获取数据，比如id为1的数据

3）判断数据中的title是否符合用户搜索条件

4）如果符合则放入结果集，不符合则丢弃。回到步骤1

逐行扫描，也就是全表扫描，随着数据量增加，其查询效率也会越来越低。当数据量达到数百万时，就是一场灾难。

倒排索引

倒排索引中有两个非常重要的概念：

文档（Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息。
词条（Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条

创建倒排索引是对正向索引的一种特殊处理，流程如下：

将每一个文档的数据利用算法分词，得到一个个词条
创建表，每行数据包括词条、词条所在文档id、位置等信息
因为词条唯一性，可以给词条创建索引，例如hash表结构索引

如图：

倒排索引的搜索流程如下（以搜索"华为手机"为例）：

1）用户输入条件"华为手机"进行搜索。

2）对用户输入内容分词，得到词条：华为、手机。

3）拿着词条在倒排索引中查找，可以得到包含词条的文档id：1、2、3。

4）拿着文档id到正向索引中查找具体文档。

如图：

虽然要先查询倒排索引，再查询倒排索引，但是无论是词条、还是文档id都建立了索引，查询速度非常快！无需全表扫描。

正向索引和倒排索引比较

正向索引是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。
而倒排索引则相反，是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档。是根据词条找文档的过程。

正向索引：

优点：
- 可以给多个字段创建索引
- 根据索引字段搜索、排序速度非常快
缺点：
- 根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。

倒排索引：

优点：
- 根据词条搜索、模糊搜索时，速度非常快
缺点：
- 只能给词条创建索引，而不是字段
- 无法根据字段做排序

5. ES中的一些基本概念

elasticsearch中有很多独有的概念，与mysql中略有差别，但也有相似之处。

文档和字段

elasticsearch是面向文档(Document) 存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中：

而Json文档中往往包含很多的字段（Field），类似于数据库中的列。

索引和映射

索引（Index），就是相同类型的文档的集合。

例如：

所有用户文档，就可以组织在一起，称为用户的索引；
所有商品的文档，可以组织在一起，称为商品的索引；
所有订单的文档，可以组织在一起，称为订单的索引；

因此，我们可以把索引当做是数据库中的表。

数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。

mysql与elasticsearch

我们统一的把mysql与elasticsearch的概念做一下对比：

MySQL	Elasticsearch	说明
Table	Index	索引(index)，就是文档的集合，类似数据库的表(table)
Row	Document	文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式
Column	Field	字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
Schema	Mapping	Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）
SQL	DSL	DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

是不是说，我们学习了elasticsearch就不再需要mysql了呢？

并不是如此，两者各自有自己的擅长支出：

Mysql：擅长事务类型操作，可以确保数据的安全和一致性
Elasticsearch：擅长海量数据的搜索、分析、计算

因此在企业中，往往是两者结合使用：

对安全性要求较高的写操作，使用mysql实现
对查询性能要求较高的搜索需求，使用elasticsearch实现
两者再基于某种方式，实现数据的同步，保证一致性

二）ES索引的增删改查

索引库就类似数据库表，mapping映射就类似表的结构。我们要向es中存储数据，必须先创建“库”和“表”。

1. mapping映射属性

mapping是对索引库中文档的约束，常见的mapping属性包括：

type：字段数据类型，常见的简单类型有：
- 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）
- 数值：long、integer、short、byte、double、float、
- 布尔：boolean
- 日期：date
- 对象：object
index：是否创建索引，默认为true
analyzer：使用哪种分词器
store：是否将数据进行独立存储，默认为 false
原始的文本会存储在_source 里面，默认情况下其他提取出来的字段都不是独立存储的，是从_source 里面提取出来的。当然你也可以独立的存储某个字段，只要设置"store": true 即可，获取独立存储的字段要比从_source 中解析快得多，但是也会占用更多的空间，所以要根据实际业务需求来设置。
properties：该字段的子字段

2. 索引库的创建

基本语法：

请求方式：PUT
请求路径：/索引库名，可以自定义
请求参数：mapping映射

格式：

PUT /索引库名称

  "mappings": 
    "properties": 
      "字段名":
        "type": "text",
        "analyzer": "ik_smart"
      ,
      "字段名2":
        "type": "keyword",
        "index": "false"
      ,
      "字段名3":
        "properties": 
          "子字段": 
            "type": "keyword"
          
        
      ,
      // ...略

示例：

PUT /xianyu

  "mappings": 
    "properties": 
      "info":
        "type": "text",
        "analyzer": "ik_smart"
      ,
      "email":
        "type": "keyword",
        "index": "falsae"
      ,
      "name":
        "properties": 
          "firstName": 
            "type": "keyword"
          
        
      ,
      // ... 略

RestAPI：

//1.创建请求
CreateIndexRequest request=new CreateIndexRequest("hotel");
//2.准备请求参数
request.source(HotelConstants.MAPPING_TEMPLATE, XContentType.JSON);
//3.发送请求
client.indices().create(request, RequestOptions.DEFAULT);

3. 查询索引库

基本语法：

请求方式：GET
请求路径：/索引库名
请求参数：无

格式：

GET /索引库名

示例：

GET /xianyu

    "xianyu"【索引名】: 
        "aliases"【别名】: ,
        "mappings"【映射】: ,
         "settings"【设置】: 
            "index"【设置 - 索引】: 
                "creation_date"【设置 - 索引 - 创建时间】: "1614265373911",
                "number_of_shards"【设置 - 索引 - 主分片数量】: "1",
                "number_of_replicas"【设置 - 索引 - 副分片数量】: "1",
                "uuid"【设置 - 索引 - 唯一标识】: "eI5wemRERTumxGCc1bAk2A",
                "version"【设置 - 索引 - 版本】: 
                "created": "7080099"
                ,
             "provided_name"【设置 - 索引 - 名称】: "xianyu"

查询所有的索引库

#查询所有的索引库
GET /_cat/indices?v

表头	含义
health 当前服务器健康状态：	green(集群完整) yellow(单点正常、集群不完整)red(单点不正常)
status	索引打开、关闭状态
index	索引名
uuid	索引统一编号
pri	主分片数量
rep	副本数量
docs.count	可用文档数量
docs.deleted	文档删除状态（逻辑删除）
store.size	主分片和副分片整体占空间大小
pri.store.size	主分片占空间大小

RestAPI

// 查询索引 - 请求对象
GetIndexRequest request = new GetIndexRequest("hotel");
// 发送请求，获取响应
GetIndexResponse response = client.indices().get(request, 
RequestOptions.DEFAULT);

4. 修改索引库

倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引，这简直是灾难。因此索引库一旦创建，无法修改mapping。

虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响。

语法说明：

PUT /索引库名/_mapping

  "properties": 
    "新字段名":
      "type": "integer"

5. 删除索引库

语法：

请求方式：DELETE
请求路径：/索引库名
请求参数：无

格式：

DELETE /索引库名

RestAPI：

//创建删除请求
DeleteIndexRequest request = new DeleteIndexRequest("hotel");     
//发送请求
client.indices().delete(request,RequestOptions.DEFAULT);

三）ES文档的增删改查

1. 创建文档

语法：

POST /索引库名/_doc/文档id 

    "字段1": "值1",
    "字段2": "值2",
    "字段3": 
        "子属性1": "值3",
        "子属性2": "值4"
    ,
    // ...

示例：

POST /xianyu/_doc/1 不加id会随机生成一个id

  "name":"咸鱼",
  "age":23



  "_index" : "xianyu", //索引名
  "_type" : "_doc", //类型
  "_id" : "1", //唯一标识 类似主键
  "_version" : 1, //版本
  "result" : "created", //结果 表示创建成功
  "_shards" :   //分片
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  ,
  "_seq_no" : 0,
  "_primary_term" : 1

RESTAPI

// 1.根据id查询酒店数据 
Hotel hotel = hotelService.getById(61083L);
// 2.转换为文档类型
HotelDoc hotelDoc = new HotelDoc(hotel);
// 3.将HotelDoc转json
String jsonString = JSON.toJSONString(hotelDoc);
// 1.准备Request对象
IndexRequest request = new IndexRequest("hotel").id(hotelDoc.getId().toString());
// 2.准备Json文档
request.source(jsonString, XContentType.JSON);
// 3.发送请求
client.index(request, RequestOptions.DEFAULT);

2. 查询文档

语法：

GET /索引库名称/_doc/id

GET /xianyu/_doc/1


  "_index" : "xianyu",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 1,
  "_seq_no" : 0,
  "_primary_term" : 1,
  "found" : true,
  "_source" : 
    "name" : "咸鱼",
    "age" : 23

RESTAPI

 GetRequest request = new GetRequest("hotel","61083");
//得到响应
GetResponse response = client.get(request, RequestOptions.DEFAULT);
String json = response.getSourceAsString();
//解析文档
HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);

3. 删除文档

语法：

DELETE /索引库名称/_doc/id

DELETE /xianyu/_doc/1


  "_index" : "xianyu",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 2,
  "result" : "deleted",
  "_shards" : 
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  ,
  "_seq_no" : 1,
  "_primary_term" : 1

条件删除文档

POST /xianyu/_delete_by_query

 "query":
 "match":
 "age":23

RESTAPI

 // 1.准备Request
DeleteRequest request = new DeleteRequest("hotel", "61083");
// 2.发送请求
client.delete(request, RequestOptions.DEFAULT);

4. 修改文档

修改有两种方式：

全量修改：直接覆盖原来的文档
增量修改：修改文档中的部分字段

语法：

PUT /索引库名/_doc/文档id

    "字段1": "值1",
    "字段2": "值2",
    // ... 略

增量修改是只修改指定id匹配的文档中的部分字段。

语法：

POST /索引库名/_update/文档id

    "doc": 
         "字段名": "新的值",

POST /xianyu/_update/1

  "doc": 
    "no":"20183033523"
  



  "_index" : "xianyu",
  "_type" : "_doc",
  "_id" : "1",
  "_version" : 2,
  "result" : "updated",
  "_shards" : 
    "total" : 2,
    "successful" : 1,
    "failed" : 0
  ,
  "_seq_no" : 3,
  "_primary_term" : 1

RESTAPI

// 1.准备Request
UpdateRequest request = new UpdateRequest("hotel", "61083");
 // 2.准备请求参数
 request.doc(
               "price", "952",
                "starName", "四钻"
        );
 // 3.发送请求
client.update(request, RequestOptions.DEFAULT);

四）ES的高级查询

1. DSL查询分类

Elasticsearch提供了基于JSON的DSL（Domain Specific Language）来定义查询。常见的查询类型包括：

查询所有：查询出所有数据，一般测试用。例如：match_all
全文检索（full text）查询：利用分词器对用户输入内容分词，然后去倒排索引库中匹配。例如：
- match_query
- multi_match_query
精确查询：根据精确词条值查找数据，一般是查找keyword、数值、日期、boolean等类型字段。例如：
- ids
- range
- term
地理（geo）查询：根据经纬度查询。例如：
- geo_distance
- geo_bounding_box
复合（compound）查询：复合查询可以将上述各种查询条件组合起来，合并查询条件。例如：
- bool
- function_score

查询基本语法：

GET /indexName/_search

  "query": 
    "查询类型": 
      "查询条件": "条件值"

2. 查询所有文档

// 查询所有
GET /indexName/_search

  "query": 
    "match_all":

RestAPI

//1.创建请求
SearchRequest request = new SearchRequest("hotel");
//2.构建DSL
request.source().query(QueryBuilders.matchAllQuery());
//3.发送请求
SearchResponse response = client.search(request, RequestOptions.DEFAULT);
//4.解析响应
extractResponse(response);

结果解析：

	//将响应结果解析
    private void extractResponse(SearchResponse response) 
        SearchHits searchHits = response.getHits();
        //获取总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("文档总条数为"+total);
        //获取文档数组
        SearchHit[] hits = searchHits.getHits();

       // Arrays.stream(hits).forEach(v-> JSON.parseObject(v.getSourceAsString(),HotelDoc.class));

        for (SearchHit hit : hits) 
            // 获取文档source
            String json = hit.getSourceAsString();
            // 反序列化
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            log.info("酒店数据：",hotelDoc);

3. 全文检索查询

使用场景

全文检索查询的基本流程如下：

对用户搜索的内容做分词，得到词条
根据词条去倒排索引库中匹配，得到文档id
根据文档id找到文档，返回给用户

比较常用的场景包括：

商城的输入框搜索
百度输入框搜索

因为是拿着词条去匹配，因此参与搜索的字段也必须是可分词的text类型的字段。

基本语法

常见的全文检索查询包括：

match查询：单字段查询
multi_match查询：多字段查询，任意一个字段符合条件就算符合查询条件，搜索字段越多，对查询性能影响越大，因此建议采用copy_to，然后单字段查询的方式。

match查询语法如下：

GET /indexName/_search

  "query": 
    "match": 
      "FIELD":<以上是关于ElasticSearch 基本使用的主要内容，如果未能解决你的问题，请参考以下文章 
 elastic基本配置
 ElasticSearch 基本操作
 elastic(10) 基本查询
 ElasticSearch 基本使用
 elastic querybuilders怎么添加多个参数
 elasticsearch入门笔记