这部分还未涉及到语言中的API，直接使用API调试工具就可以了

索引

类比到关系型数据库，创建索引等同于创建数据库，下面都以创建**shopping**索引为例

创建

请求地址：[http://127.0.0.1:9200/shopping](http://127.0.0.1:9200/shopping) PUT
响应结果：

{
  "acknowledged": true,//响应结果
  "shards_acknowledged": true,//分片结果
  "index": "shopping"//索引名称
}

在ES中，索引是唯一的，因此如果再次发起请求，则会收到服务器的错误提示：

{
    "error": {
        "root_cause": [
            {
                "type": "resource_already_exists_exception",
                "reason": "index [shopping/J0WlEhh4R7aDrfIc3AkwWQ] already exists",
                "index_uuid": "J0WlEhh4R7aDrfIc3AkwWQ",
                "index": "shopping"
            }
        ],
        "type": "resource_already_exists_exception",
        "reason": "index [shopping/J0WlEhh4R7aDrfIc3AkwWQ] already exists",
        "index_uuid": "J0WlEhh4R7aDrfIc3AkwWQ",
        "index": "shopping"
    },
    "status": 400
}

查询&删除

查看所有索引

请求地址：[http://127.0.0.1:9200/_cat/indices?v](http://127.0.0.1:9200/_cat/indices?v) GET
响应结果：

health status index uuid pri rep docs.count docs.deleted store.size pri.store.size yellow open shopping J0WlEhh4R7aDrfIc3AkwWQ 1 1 0 0 208b 208b

查询单个索引

请求地址：[http://127.0.0.1:9200/shopping](http://127.0.0.1:9200/shopping) GET

{
    "shopping": {//索引名
        "aliases": {},//别名
        "mappings": {},//映射
        "settings": {//设置
            "index": {//设置 - 索引
                "creation_date": "1617861426847",//设置 - 索引 - 创建时间
                "number_of_shards": "1",//设置 - 索引 - 主分片数量
                "number_of_replicas": "1",//设置 - 索引 - 主分片数量
                "uuid": "J0WlEhh4R7aDrfIc3AkwWQ",//设置 - 索引 - 主分片数量
                "version": {//设置 - 索引 - 主分片数量
                    "created": "7080099"
                },
                "provided_name": "shopping"//设置 - 索引 - 主分片数量
            }
        }
    }
}

删除单个索引

请求地址：[http://127.0.0.1:9200/shopping](http://127.0.0.1:9200/shopping) DELETE
请求结果：

{
    "acknowledged": true // 删除成功
}

文档

文档其实就相当于关系型数据库中的每一条记录，但是在ES中，记录的类型是可以不同的

创建文档

请求地址：[http://127.0.0.1:9200/shopping/_doc](http://127.0.0.1:9200/shopping/_doc) POST
请求体中的数据：

{
    "title":"小米手机",
    "category":"小米",
    "images":"http://www.gulixueyuan.com/xm.jpg",
    "price":3999.00
}

响应结果：

{
    "_index": "shopping",//索引
    "_type": "_doc",//类型-文档
    "_id": "ANQqsHgBaKNfVnMbhZYU",//唯一标识，可以类比为 MySQL 中的主键，随机生成
    "_version": 1,//版本
    "result": "created",//结果，这里的 create 表示创建成功
    "_shards": {//
        "total": 2,//分片 - 总数
        "successful": 1,//分片 - 总数
        "failed": 0//分片 - 总数
    },
    "_seq_no": 0,
    "_primary_term": 1
}

注意：上述的方法中不能使用PUT请求，而是只能使用POST请求
_id就相当于数据库中的主键，作为数据的唯一标识。

默认情况下，如果不指定，那么ES会随机生成一个
如果需要自定义唯一标识，那么就需要在请求的时候进行指定，如：[http://127.0.0.1:9200/shopping/_doc/1](http://127.0.0.1:9200/shopping/_doc/1)
另外，如果指定了唯一标识：ID，那么请求方式可以使用PUT

查询文档

主键查询

请求地址：[http://127.0.0.1:9200/shopping/_doc/1](http://127.0.0.1:9200/shopping/_doc/1) GET
返回结果：

{
    "_index": "shopping",
    "_type": "_doc",
    "_id": "1",
    "_version": 1,
    "_seq_no": 1,
    "_primary_term": 1,
    "found": true,
    "_source": {
        "title": "小米手机",
        "category": "小米",
        "images": "http://www.gulixueyuan.com/xm.jpg",
        "price": 3999
    }
}

如果是查找不存在的内容，ES服务器则会返回found: false

{
    "_index": "shopping",
    "_type": "_doc",
    "_id": "1001",
    "found": false
}

查询所有数据

{
    "took": 133,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 2,
            "relation": "eq"
        },
        "max_score": 1,
        "hits": [
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "ANQqsHgBaKNfVnMbhZYU",
                "_score": 1,
                "_source": {
                    "title": "小米手机",
                    "category": "小米",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 3999
                }
            },
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "1",
                "_score": 1,
                "_source": {
                    "title": "小米手机",
                    "category": "小米",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 3999
                }
            }
        ]
    }
}

全量修改 & 局部修改 & 删除

全量修改

全量修改就是直接将原有的数据进行覆盖操作

请求地址：[http://127.0.0.1:9200/shopping/_doc/1](http://127.0.0.1:9200/shopping/_doc/1) POST
请求内容：

{
    "title":"华为手机",
    "category":"华为",
    "images":"http://www.gulixueyuan.com/hw.jpg",
    "price":1999.00
}

响应结果：

{
    "_index": "shopping",
    "_type": "_doc",
    "_id": "1",
    "_version": 2,
    "result": "updated",//<-----------updated 表示数据被更新
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "_seq_no": 2,
    "_primary_term": 1
}

局部修改

只修改数据中的一部分，而不是使用新数据覆盖原有的数据

请求地址：[http://127.0.0.1:9200/shopping/_update/1](http://127.0.0.1:9200/shopping/_update/1) POST
请求内容：

{
    "doc": {
        "title":"小米手机",
        "category":"小米"
    }
}

响应结果：

{
    "_index": "shopping",
    "_type": "_doc",
    "_id": "1",
    "_version": 3,
    "result": "updated",//<-----------updated 表示数据被更新
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "_seq_no": 3,
    "_primary_term": 1
}

更新后的结果：

{
    "_index": "shopping",
    "_type": "_doc",
    "_id": "1",
    "_version": 3,
    "_seq_no": 3,
    "_primary_term": 1,
    "found": true,
    "_source": {
        "title": "小米手机",
        "category": "小米",
        "images": "http://www.gulixueyuan.com/hw.jpg",
        "price": 1999
    }
}

局部修改的时候，如果使用到的字段是原本数据中不存在的，那么就会将进行更新操作，添加一个新的字段

删除

删除一个文档并不会直接将其从磁盘上删除，执行的只是逻辑删除操作，只是对文档进行了删除标记

请求地址：[http://127.0.0.1:9200/shopping/_doc/1](http://127.0.0.1:9200/shopping/_doc/1) DELETE
返回结果：

{
    "_index": "shopping",
    "_type": "_doc",
    "_id": "1",
    "_version": 4,
    "result": "deleted",//<---删除成功
    "_shards": {
        "total": 2,
        "successful": 1,
        "failed": 0
    },
    "_seq_no": 4,
    "_primary_term": 1
}

高级查询

条件查询&分页查询&查询排序

现在假设有如下数据：

{
    "took": 5,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 6,
            "relation": "eq"
        },
        "max_score": 1,
        "hits": [
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "ANQqsHgBaKNfVnMbhZYU",
                "_score": 1,
                "_source": {
                    "title": "小米手机",
                    "category": "小米",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 3999
                }
            },
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "A9R5sHgBaKNfVnMb25Ya",
                "_score": 1,
                "_source": {
                    "title": "小米手机",
                    "category": "小米",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 1999
                }
            },
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "BNR5sHgBaKNfVnMb7pal",
                "_score": 1,
                "_source": {
                    "title": "小米手机",
                    "category": "小米",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 1999
                }
            },
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "BtR6sHgBaKNfVnMbX5Y5",
                "_score": 1,
                "_source": {
                    "title": "华为手机",
                    "category": "华为",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 1999
                }
            },
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "B9R6sHgBaKNfVnMbZpZ6",
                "_score": 1,
                "_source": {
                    "title": "华为手机",
                    "category": "华为",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 1999
                }
            },
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "CdR7sHgBaKNfVnMbsJb9",
                "_score": 1,
                "_source": {
                    "title": "华为手机",
                    "category": "华为",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 1999
                }
            }
        ]
    }
}

条件查询

URL带参查询

假如现在需要查询category为小米的文档，可向ES服务器发送请求：
请求地址：[http://127.0.0.1:9200/shopping/_search?q=category:](http://127.0.0.1:9200/shopping/_search?q=category:)小米 GET
返回结果：

{
    "took": 94,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 3,
            "relation": "eq"
        },
        "max_score": 1.3862942,
        "hits": [
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "ANQqsHgBaKNfVnMbhZYU",
                "_score": 1.3862942,
                "_source": {
                    "title": "小米手机",
                    "category": "小米",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 3999
                }
            },
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "A9R5sHgBaKNfVnMb25Ya",
                "_score": 1.3862942,
                "_source": {
                    "title": "小米手机",
                    "category": "小米",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 1999
                }
            },
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "BNR5sHgBaKNfVnMb7pal",
                "_score": 1.3862942,
                "_source": {
                    "title": "小米手机",
                    "category": "小米",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 1999
                }
            }
        ]
    }
}

并不推荐直接将查询的内容放在路径中，这样对数据不安全，并且很有可能因为中文而出现乱码的情况，为了避免这种情况，我们需要将查询的数据放入请求体中，并使用json格式进行封装

请求体带参查询

需求如上，还是查询category为小米的文档，请求方式如下：
请求地址：[http://127.0.0.1:9200/shopping/_search](http://127.0.0.1:9200/shopping/_search) GET
请求体：

{
    "query":{
        "match":{
            "category":"小米"
        }
    }
}

最后同样可以得到预期的查询结果

请求体查询所有

将JSON数据中的match字段更换成match_all即可
请求地址：[http://127.0.0.1:9200/shopping/_search](http://127.0.0.1:9200/shopping/_search) GET
请求体：

{
    "query":{
        "match_all":{}
    }
}

则可以查询出所有的文档数据

指定数据字段

同数据库中的操作一样，我们有些时候是不需要查询出所有的字段的，因此可以对数据字段进行限制

{
    "query":{
        "match_all":{}
    },
    "_source":["title"]
}

这样，最后查询出来的数据中，就只有title字段

"hits": [
  {
      "_index": "shopping",
      "_type": "_doc",
      "_id": "ANQqsHgBaKNfVnMbhZYU",
      "_score": 1,
      "_source": {
          "title": "小米手机"
      }
  },
  {
      "_index": "shopping",
      "_type": "_doc",
      "_id": "A9R5sHgBaKNfVnMb25Ya",
      "_score": 1,
      "_source": {
          "title": "小米手机"
      }
  },
  {
      "_index": "shopping",
      "_type": "_doc",
      "_id": "BNR5sHgBaKNfVnMb7pal",
      "_score": 1,
      "_source": {
          "title": "小米手机"
      }
  },
  {
      "_index": "shopping",
      "_type": "_doc",
      "_id": "BtR6sHgBaKNfVnMbX5Y5",
      "_score": 1,
      "_source": {
          "title": "华为手机"
      }
  },
  {
      "_index": "shopping",
      "_type": "_doc",
      "_id": "B9R6sHgBaKNfVnMbZpZ6",
      "_score": 1,
      "_source": {
          "title": "华为手机"
      }
  },
  {
      "_index": "shopping",
      "_type": "_doc",
      "_id": "CdR7sHgBaKNfVnMbsJb9",
      "_score": 1,
      "_source": {
          "title": "华为手机"
      }
  }
]

分页查询

在JSON数据体中使用from和size两个字段来进行设置分页查询

{
    "query":{
        "match_all":{}
    },
    "from":0,
    "size":2
}

查询排序

在查询的时候，有时候我们想要查询出来的数据按照某种指定的方式进行排序，比如按照价格，按照创建时间等等，这可以通过在JSON数据中的sort字段来进行设置

假设我们现在需要通过price字段来进行降序排序，那么传输的数据如下所示：

{
    "query":{
        "match_all":{}
    },
    "sort":{
        "price":{
            "order":"desc"
        }
    }
}

多条件查询&范围查询

多条件查询

在关系型数据库中，我们的SQL语句，查询条件往往也不止一个，在ES中也同样如此
假设我们现在需要查询手机品牌为小米，并且价格为3999元的所有数据，
那么请求体中的JSON数据如下所示：

{
    "query":{
        "bool":{
            "must":[{
                "match":{
                    "category":"小米"
                }
            },{
                "match":{
                    "price":3999.00
                }
            }]
        }
    }
}

must字段表示，我们的查询条件是与的关系，也就是需要同时满足后续设定的所有查询条件

而如果我们想要查询出手机品牌为小米或华为的所有数据，很显然这是一种或的关系，那么就需要使用should关键字，表示只要满足后续查询条件中的一个即可

{
    "query": {
        "bool": {
            "should": [
                {
                    "match": {
                        "category": "小米"
                    }
                },
                {
                    "match": {
                        "category": "华为"
                    }
                }
            ]
        },
    }
}

范围查询

假设现在需要查询出手机品牌为小米或华为，并且价格要大于2000元的所有手机

{
    "query": {
        "bool": {
            "should": [
                {
                    "match": {
                        "category": "小米"
                    }
                },
                {
                    "match": {
                        "category": "华为"
                    }
                }
            ],
            "filter": {
                "range": {
                    "price": {
                        "gt": 2000
                    }
                }
            }
        }
    }
}

全文检索&完全匹配&高亮查询

全文检索

全文检索的功能类似于搜索引擎，会尽可能的关联所有可能存在关联关系的数据
比如搜索时输入category为小华，但是查询出来的结果既有小米也有华为

{
    "query":{
        "match":{
            "category" : "小华"
        }
    }
}

完全匹配

完全匹配和全文检索则不同，更类似于数据库中的模糊查询
完全匹配使用的字段是match_phrase，示例如下：

{
    "query":{
        "match_phrase":{
            "category" : "为"
        }
    }
}

{
    "took": 2,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 3,
            "relation": "eq"
        },
        "max_score": 0.6931471,
        "hits": [
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "BtR6sHgBaKNfVnMbX5Y5",
                "_score": 0.6931471,
                "_source": {
                    "title": "华为手机",
                    "category": "华为",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 1999
                }
            },
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "B9R6sHgBaKNfVnMbZpZ6",
                "_score": 0.6931471,
                "_source": {
                    "title": "华为手机",
                    "category": "华为",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 1999
                }
            },
            {
                "_index": "shopping",
                "_type": "_doc",
                "_id": "CdR7sHgBaKNfVnMbsJb9",
                "_score": 0.6931471,
                "_source": {
                    "title": "华为手机",
                    "category": "华为",
                    "images": "http://www.gulixueyuan.com/xm.jpg",
                    "price": 1999
                }
            }
        ]
    }
}

高亮查询

可以使用highlight字段来表示高亮的字段

{
    "query":{
        "match_phrase":{
            "category" : "为"
        }
    },
    "highlight":{
        "fields":{
            "category":{}//<----高亮这字段
        }
    }
}

查询的结果中，就会将设置的字段进行高亮

聚合查询

聚合查询和数据库中的聚合查询操作（group by）类似，可以对存储的数据进行统计分析，比如取数据中的最大值、平均值等等
比如对上述的数据，按照price字段进行分组操作：

{
    "aggs": { //聚合操作
        "price_group": { //名称，随意起名
            "terms": { //分组
                "field": "price" //分组字段
            }
        }
    }
}

返回结果中可能会存在原始数据，但是我们需要的分组后的数据如下所示：

如果我们不想要获取原始数据，可以在请求时的JSON数据中，使用size字段来进行限制

{
    "aggs":{
        "price_group":{
            "terms":{
                "field":"price"
            }
        }
    },
    "size":0
}

这样，我们的请求结果中，就只有聚合查询后的数据了
如果是想要查询手机价格的平均值，那么在请求的数据中使用avg字段即可

映射关系

有了索引库，其实有了数据库
那么后面就需要创建索引库index的映射了，其类似于数据库中的表结构
创建数据库的时候，我们需要知道字段的名称，长度，约束等等；索引库也同样如此，我们需要这个类型下有哪些字段，每个字段有哪些约束信息，这个关系就叫做映射（mapping）

小羊的图书馆

1-初识ES基础操作

索引

创建

查询&删除

查看所有索引

查询单个索引

删除单个索引

文档

创建文档

查询文档

主键查询

查询所有数据

全量修改 & 局部修改 & 删除

全量修改

局部修改

删除

高级查询

条件查询&分页查询&查询排序

条件查询

URL带参查询

请求体带参查询

请求体查询所有

指定数据字段

分页查询

查询排序

多条件查询&范围查询

多条件查询

范围查询

全文检索&完全匹配&高亮查询

全文检索

完全匹配

高亮查询

聚合查询

映射关系