我是啤酒就辣条。但行好事，莫问前程。
官网为咱们提供了多种语言操作Elasticsearch的API，能够很不便的在我的项目中操作。学习利用原生申请操作Elasticsearch，不便保护数据库，还能放慢学习应用不同语言的API。
本博客应用kibana发动申请，应用kibana能够查看快捷键。
索引操作
创立索引
创立索引应用PUT申请，前面跟上索引名称就好了，因为7.x默认type为_doc，所以前面不用跟上type了。在PUT简略申请同时，能够加上JSON申请体，进行简单创立。
PUT /user{ "settings": { "index": { "number_of_shards": 3, "number_of_replicas": 2 } }, "mappings": { "properties": { "name": { "type": "text" }, "age": {"type": "short"}, "city":{"type": "keyword"} } }}创立索引user，能够通过参数setting设置分片和正本数，通过number_of_shards设置一共有3个分片，通过number_of_replicas给每个分片设置2个正本，默认不指定的话，这两个参数都是1。通过mappings规定文档各个Filed插入类型。此外，还能够设置aliases字段，给索引创立别名，这样不仅能够通过别名拜访该索引，还能够定义查问条件、指定查问分片等等，详情请参考。
删除索引
删除索引，应用DELETE申请。
DELETE /user查看索引
查看索引，应用GET申请，能够查看索引设置的参数。
删除之后，我又从新增加索引，没有设置settings，所以分片和正本都是1。
你也能够通过在索引前面加参数来查看某一具体参数，如：
GET /user/_settingsGET /user/_mappingsGET /user/_aliases批改索引局部设置
能够通过PUT申请批改局部索引的settings，例如，分片正本数量能够批改，然而分片数量不能够通过这种形式批改。
PUT /user/_settings{ "number_of_replicas": 3 }能够通过以上申请，批改分片正本。
文档操作
创立好索引，来看下文档的增删改查，这是日常业务用的最多的中央。
插入文档
新增文档应用PUT、POST申请。
PUT /<target>/_doc/<_id>POST /<target>/_doc/PUT /<target>/_create/<_id>POST /<target>/_create/<_id>target为索引名称，_doc为默认type。通过前两种申请可看出，id能够自行指定，也能够由ES主动生成。_create能够保障只有当文档不存在的时候进行插入，而_doc还能够用于文档更新。
POST /user/_doc/1{ "name":"pjjlt", "age":26, "city":"sjz"}更新文档
更新文档能够应用PUT或者POST申请关键字，全量更新。
POST /user/_doc/1{ "name":"pjjlt", "age":3, "city":"sjz"}还能够通过_update命令部分更新，所谓部分更新，是讲申请体内不须要退出全副字段，只退出须要批改的字段就好，其余字段不变。全量更新会替换整个文档。
POST /user/_update/1{ "doc":{ "age": 26 }}此外还能够通过脚本批改，例如将所有存在age字段的文档，其值改成5岁。
POST /user/_update_by_query{ "script": { "source": "ctx._source['age']=5" }, "query": { "bool": { "must": [ { "exists": { "field": "age" } } ] } }}此外update和_update_by_query字段还能够批改Filed，例如将name批改成name1，这块内容应用较少，如感兴趣，请参考官网文档。
删除文档
删除文档能够应用DELEETE申请，删除指定id的文档，也能够应用_delete_by_query，删除指定条件下的文档。
DELETE /user/_doc/1POST /user/_delete_by_query{ "query": { "match": { "name": "pjjlt" } }}查找文档
查找文档是ES操作最精彩的局部，这里只介绍简略的查问，简单查问、聚合查问前面会介绍。
依据id查问某文档。
GET /user/_doc/1查找某索引下的全副文档
GET /user/_search?prettypretty参数在浏览器中才会发挥作用，格式化返回json的。以上这条命令默认返回10条数据，想返回更多数据能够增加size字段。
GET /user/_search?pretty&size=20能够看出，数据局部在hits外面，Spring提供的elasticsearch客户端会有对应的实体类，在我的项目中很不便的应用。上面看下这几局部的含意。
| 元素 | 含意 |
|---|---|
| took | 运行查问须要多长时间 |
| time_out | 申请是否超时 |
| _shards | 搜寻了多少分片，多少胜利 多少跳过，多少失败 |
| hits.total | 总共有多少数据 |
| hits._max_score | 查问到的文档中，关联度最大文档分数 |
| hits.hits._source | 查问到的数据 |
| hits.hits.id | 某文档的主键 |
批量操作
批量操作是指，一批命令同时执行(缩小IO)，这些命令不肯定是同种类型。
应用_bulk命令能够进行文档的批量增删改。
POST _bulk{ "update" : { "_index" : "user", "_id" : "1" } }{ "doc" : {"age" : 18} }{ "create" : { "_index" : "user", "_id" : "2" } }{ "name" : "小明","age":32,"city":"beijing" }{ "create" : { "_index" : "user", "_id" : "3" } }{ "name" : "小红","age":21,"city":"sjz" }{ "create" : { "_index" : "user", "_id" : "4" } }{ "name" : "mark","age":22,"city":"tianjin" }{ "delete" : { "_index" : "user", "_id" : "4" } }以上命令更新了id为1文档的年龄，新增id为2、3、4的文档，再删除id为4的文档。
上边的命令堆在一起不不便看，上面独自写看，不便读者查看。
批量新增
POST _bulk{ "create" : { "_index" : "user", "_id" : "2" } }{ "name" : "小明","age":32,"city":"beijing" }{ "create" : { "_index" : "user", "_id" : "3" } }{ "name" : "小红","age":21,"city":"sjz" }{ "index" : { "_index" : "user", "_id" : "4" } }{ "name" : "mark","age":22,"city":"tianjin" }create命令是只有文档不存在，才会插入，index会判断如果存在就更新，不存在就插入。
批量更新
POST _bulk{ "update" : { "_index" : "user", "_id" : "1" } }{ "doc" : {"age" : 18} }{ "update" : { "_index" : "user", "_id" : "2" } }{ "doc" : {"age" : 20} }和新增一样，update命令下一行须要紧跟这data数据。
批量删除
POST _bulk{ "delete" : { "_index" : "user", "_id" : "3" } }{ "delete" : { "_index" : "user", "_id" : "4" } }批量查找
批量查找，应用_mget关键字，批量查找如果不逾越索引，也具备简写模式。
GET /_mget{ "docs": [ { "_index": "user", "_id": "1" }, { "_index": "user", "_id": "2" } ]}# 还能够简写模式POST /user/_mget{ "ids": [ "1", "2", "3" ]}DSL查问
Elasticsearch提供了一个残缺的基于JSON的查问DSL(畛域特定语言)来定义查问。能够将查问DSL看作查问的AST(形象语法树)，它由两种类型的子句组成:Leaf query clauses(叶查问子句)和Compound query clauses(复合查问子句)
以上摘自官网，简略来说，DSL就是将查问条件放到JSON中，进行查问。
Leaf query clauses在特定字段上查找特定的值，例如match、term、range查问等等。
Compound query clauses将叶查问子句和其余合乎查问子句联合起来，例如bool查问等等。
match
match是一个规范查问，当查问一个文本的时候，会先将文本分词。当查问确切值的时候，会搜寻给定的值，例如数字、日期、布尔或者被not_analyzed的字符串。
GET /user/_search{ "query": { "match": { "name":"小明" } }}下面的操作会先将“小明”分词为“小”、“明”(当然具体还要看你的分词器)，而后再去所有文档中查找与之相匹配的文档，并依据关联度排序返回。
match_phrase
match_phrase会保留空格，match会把空格疏忽。
GET /user/_search{ "query": { "match_phrase": { "name":"小 明" } }}留神，分词是空格会给前一个元素，比方下面的字符串分子之后是，“小 ”，“明”。
multi_match
多字段查问，一个查问条件，看所有多个字段是否有与之匹配的字段。前面咱们也能够应用should更加灵便。GET /user/_search{ "query": { "multi_match": { "query": "哈哈", "fields": [ "name","city" ] } }}match_all
匹配所有，并可设置这些文档的_score，默认_score为1，辣条君认为这里没有计算_score，所以速度会快很多。
GET /user/_search{ "query": { "match_all": { "boost" : 1.2 } }}boost参数能够省略，默认是1。
term
term是一种齐全匹配，次要用于准确查找，例如数字、ID、邮件地址等。
GET /user/_search{ "query": { "term": { "age": 18 } }}terms
terms是term多条件查问，参数能够传递多个，以数组的模式示意。
GET /user/_search{ "query": { "terms": { "age":[18,21] } }}wildcard
通配符，看示例容易了解，通配符能够解决分词匹配不到的问题，例如'haha' 能够通过'*a'匹配。
GET /user/_search{ "query": { "wildcard": { "name":"*a" } }}exists
查看某文档是否有某属性，返回蕴含这个Filed的文档。GET /user/_search{ "query": { "exists": { "field": "name" } }}fuzzy
返回与查问条件雷同或者类似的匹配内容。
GET /user/_search{ "query": { "fuzzy": { "name":"mjjlt" } }}搜寻条件是mjjlt，能够搜进去name为pjjlt的文档。这个操作是不是在百度的时候常常见到呢？
ids
多id查问，这个id是主键id，即你规定或者主动生成那个。
GET /user/_search{ "query": { "ids": { "values":[1,2,3] } }}prefix
前缀匹配
GET /user/_search{ "query": { "prefix": { "name":"pj" } }}range
范畴匹配。参数能够是 gt(大于)、gte(大于等于)、lt(小于)、lte(小于等于)
GET /user/_search{ "query": { "range": { "age":{ "gt":1, "lt":30 } } }}regexp
正则匹配。value是正则表达式，flags是匹配格局，默认是ALL，开启所有。更多格局请戳
GET /user/_search{ "query": { "regexp": { "name":{ "value": "p.*t", "flags": "ALL" } } }}bool
bool 能够用来组合其余子查问。其中常蕴含的子查问蕴含：must、filter、should、must_not
must
must外部的条件必须蕴含，外部条件是and的关系。如查看所有name中蕴含“小”并且age是32的用户文档。
GET /user/_search{ "query": { "bool" : { "must": [ {"term" : { "name" : "小" }}, {"term" : { "age" : 32 }} ] } }}filter
filter是文档通过一些条件过滤下，这是四个关键词中惟一和关联度无关的，不会计算_score，常常应用的过滤器会产生缓存。
GET /user/_search{ "query": { "bool" : { "filter": { "term" : { "name" : "小" } } } }}比照两张图能够看出，filter并没有计算_score，搜寻速度较快。
must_not
这个和must相同，文档某字段中肯定不能蕴含某个值，相当于“非”。
should
should能够看做or的关系，例如上面查问name蕴含"小"或者年龄是18岁的用户。
GET /user/_search{ "query": { "bool" : { "should": [ {"term" : { "name" : "小" }}, {"term" : { "age" : 18 }} ] } }}聚合查问
Elasticsearch除全文检索性能外提供的针对Elasticsearch数据做统计分析的性能。能够查问某组数据的最大最小值，分组查问某些数据。
- Metric(指标): 指标剖析类型，如计算最大值、最小值、平均值等等 （对桶内的文档进行聚合剖析的操作）
- Bucket(桶): 分桶类型，相似SQL中的GROUP BY语法 （满足特定条件的文档的汇合）
- Pipeline(管道): 管道剖析类型，基于上一级的聚合剖析后果进行在剖析
Metric(指标)数据
罕用数学操作
这里罕用的数学操作有min(最小)、max(最大)、sum(和)、avg(平均数)。留神这些操作只能输入一个剖析后果。应用形式大同小异。
GET /user/_search{ "aggs" : { "avg_user_age" : { "avg" : { "field" : "age" } } }}以上示例查问所有用户的平均年龄，返回所有文档和聚合查问后果。aggs是聚合查问关键词，avg_user_age是查问名称，用户能够自行定义。
cardinality
计算某字段去重后的数量
GET /user/_search{ "aggs" : { "avg_user" : { "cardinality" : { "field" : "age" } } }}能够计算，所有文档中年龄不雷同的文档个数。
percentiles
对指定字段的值按从小到大累计每个值对应的文档数的占比，返回指定占比比例对应的值。默认统计百分比为[ 1, 5, 25, 50, 75, 95, 99 ]
GET /user/_search{ "aggs" : { "avg_user" : { "percentiles": { "field" : "age" } } }}# 返回值(省略文档局部，只剖析后果局部) "aggregations" : { "avg_user" : { "values" : { "1.0" : 12.0, "5.0" : 12.0, "25.0" : 20.25, "50.0" : 29.0, "75.0" : 57.75, "95.0" : 123.0, "99.0" : 123.0 } } }能够看出，前1%的用户小于12岁，5%的用户小于12岁，25%的用户小于20.25岁，50%的用户小于29岁。。。
percentile_ranks
percentiles是通过百分比求出文档某字段，percentile_ranks是给定文档中的某字段求百分比。
GET /user/_search{ "aggs" : { "avg_user" : { "percentile_ranks": { "field" : "age", "values" : [18, 30] } } }}# 返回值(省略文档局部，只剖析后果局部) "aggregations" : { "avg_user" : { "values" : { "18.0" : 18.51851851851852, "30.0" : 54.44444444444445 } } }能够看出，小于等于18岁的用户有18.52%，小于等于30岁的用户有54.4%。
top_hits
top_hits能够失去某条件下top n的文档。
GET /user/_search{ "aggs": { "avg_user" : { "top_hits": { "sort": [ { "age": { "order": "asc" } } ], "size": 1 } } }, "size": 0}取年龄最小的那一个。
Bucket(桶)
相似于分组的概念。
terms
依据给定的filed分组，返回每组多少文档。
GET /user/_search{ "aggs" : { "avg_user" : { "terms": { "field": "city" } } }}以上依据城市分组，看每个城市有多少用户。
ranges
依据区间分组
GET /user/_search{ "aggs": { "price_ranges": { "range": { "field": "age", "ranges": [ { "to": 20 }, { "from": 20, "to": 30 }, { "from": 30 } ] } } }}能够查看每个年龄层的用户数量。
还有些很乏味的指令，例如[IP range]能够依据ip段区间分组，当前用到再说吧，心愿文本能够不段更新的说...