ES搜索引擎入门+最佳实践(七):聚合

ElasticSearch——全文搜索引擎 一、为什么需要全文搜索引擎? 首先先来了解一个概念,在我们生活中一般来说有两种数据:结构化数据、非结构化数据 结构化数据:指具有固定格式或有限长度的数据,如数据库,元数据等。 非结构化数据: 非结构化数据又可称为全文数据,指不定长或无固定格式的数据,如邮件,word文档等。 对于结构化数据我们可以直接从数据库查询,而对于非结构化的数据此时就要用到全文检索的方式查询,比如对一个文档或者网页中的内容文本每个词建立一个索引,把这些非结构化的变成结构化的方式然后来查询。 全文搜索引擎百度百科定义:全文搜索引擎是目前 阅读详情

        ES在搜索和数据分析中的应用越来越广泛,在之前项目中对ES的使用有些心得,最近有不少朋友和同事都问到了ES,刚好最近也有些时间,所以打算通过8~10篇文章介绍下ES.(其实我也不知道最终会写下多少篇),为了保持阅读的连贯性,可以先看前面几篇文章:

ES搜索引擎入门+最佳实践(一)_flame.liu的博客-CSDN博客

ES搜索引擎入门+最佳实践(二)_flame.liu的博客-CSDN博客

ES搜索引擎入门+最佳实践(三)_flame.liu的博客-CSDN博客

ES搜索引擎入门+最佳实践(四)_flame.liu的博客-CSDN博客

ES搜索引擎入门+最佳实践(五)_flame.liu的博客-CSDN博客

ES搜索引擎入门+最佳实践(六)_flame.liu的博客-CSDN博客

一.概要

        聚合,排序,分页这些概念在MySQL中都有,但是ES中的实现与MySQL既有相似又有不同.在学习这些内容的时候可以做类比.本章将会介绍,桶聚合,聚合方式,聚合排序,聚合分页.

        本章使用的索引仍然和之前的格式是一样的,代码如下:

PUT /goods
{
  "mappings": {            //映射
    "properties": {        //属性
      "title":{            //将title定义为多字段
        "type": "text",
        "fields": {"title_key":{"type":"keyword"}}    //title将建立text类型和keyword类型两个索引
      },
      "price":{"type": "double"},        //价格
      "stockNum":{"type": "integer"},    //库存
      "createTime":{"type": "date"},     //创建日期
      "updateTime":{"type": "date", "format": "yyyy-MM-dd HH:mm:ss"},    //这里创建了两种日期格式
      "tag":{"type": "keyword"},                    //标签,这里考虑存入数组
      "rating":{                                    //评价:这里设置为对象类型
        "properties": {                             //对象类型这里需要使用到属性
          "good_rating":{"type":"integer"},
          "bad_rating":{"type":"integer"}
        }  
      },
      "location":{"type":"geo_point"},        //地理位置,其实这是一个对象类型
      "isDeleted":{"type":"boolean"}          //是否删除
      }
    }
  }
}

索引中的数据请自行加入.本章需要使用到的一些关键字和说明如下表.

关键字说明
aggs聚合查询语句
field在本章中用于指定需要聚合的字段名
statsstats聚合方式可以同时返回最大值,最小值,平均值,求和,以此减少多次聚合查询
value_count统计指定的字段非空记录数,如果统计的字段是数组的话,会统计所有元素的个数
missingmissing参数可以指定一个值用来代替空字段在聚合时的值.
buckets桶聚合,类似于MySQL中的分组聚合,按指定字段进行分组(分桶)
geo_distance地理位置过滤器
_count引用执行结果中每个桶的文档数量
order排序关键字
top_hits返回当前桶的前N个记录

二.桶聚合

        在ES进行聚合时,可以根据字段的值进行分桶(MySQL中叫做分组),字段的匹配方式有terms(相等),ranges(数值范围)和filter等.常用的是term,ranges两种方式进行分桶.针对每一个桶的数据再进行统计和计算.

2.1 简单的桶聚合

        在下面案例中,演示了goods索引中的记录按照tag字段的字进行聚合,ES会将tag字段具有相同数据的记录分在一组.

GET /goods/_search
{
  "size": 0,            //不返回查询的记录
  "aggs": {             //aggs关键词封装聚合请求
    "aggs_test": {      //自定义的聚合名称
      "terms": {        //聚合的匹配方式
        "field": "tag"  //按照tag字段进行聚合(分组)
      }
    }
  }
}

        tag字段中相同的数据会被分配在一组,这有些像mysql中的order by. 在上面这个案例中使用的是terms的方式进行匹配分组聚合的,我们还可以使用ranges的方式,例如下面这个案例:

GET /goods/_search
{
  "size": 0,
  "aggs": {                           //aggs聚合子句
    "aggs_text": {                    //自定义聚合子句的名称
      "range": {                      //使用"范围"关键字聚合
        "field": "price",             //以price字段为依据
        "ranges": [                   //分范围的数组
          { "to": 23.5},                //from to 划分开始位置和终止位置
          { "from": 23.5, "to": 30},    //取值会包含from,但是不包含to的节点
          { "from": 30}
        ]
      }
    }
  }
}

        上面的案例将价格分成三组进行聚合,默认情况下将统计每个组的文档个数.

2.2 使用指标函数进行桶聚合

         通常将记录进行桶聚合之后,不仅需要知道每个桶的记录数,更多情况下是需要对每个桶进行数据统计,例如max,min,avg,sum,count.下面代码将统计分桶之后每个桶的平均价格.

GET /goods/_search
{
  "size": 0,
  "aggs": {
    "aggs_test": {
      "range": {
        "field": "price",
        "ranges": [
          { "to": 23.5},
          {"from": 23.5, "to": 40},
          {"from": 40}
        ]
      },
      "aggs": {             //在自定义的aggs_test聚合中再定义一个聚合
        "aggs_test_fun": {  //自定义的聚合名称
          "avg": {              //avg聚合函数
            "field": "price",    //指定聚合的字段,
            "missing": 25         //如果记录的price字段为空,那么以25作为默认值
          }
        }
      }
    }
  }
}

        ES还提供了stats(统计数据)关键词,它可以一次性将max,min,avg,sum,count聚合指标都统计出来,在上面案例中将avg替换为stats即可.这里就不再赘述.

2.3 多维桶嵌套聚合

        在之前的案例中,我们进行分桶只按照了一个维度(price的rangs)进行分桶聚合,在实际使用中可能需要有多个维度,例如按照商品(goods)的tag(标签)进行聚合之后,在按照price的范围进行聚合,然后在统计每个桶(每个分组)的指标(聚合函数).

GET /goods/_search
{
  "size": 0, 
  "aggs": {
    "aggs_test": {                    //先按照tag值进行分桶
      "terms": {"field": "tag"},
      "aggs": {                       //在tag分桶里在按照价格范围进行分桶
        "aggs_test_rang": {
          "range": {
            "field": "price",
            "ranges": [
              {"to": 20},
              {"from": 20,"to": 30},
              {"from": 30}
            ]
          },
          "aggs": {                   //在价格范围的分桶中进行聚合函数计算
            "aggs_test_rang_stats": {
              "stats": {"field": "price"}
            }
          }
        }
      }
    }
  }
}

        在上面的代码中先按照tag的维度进行分桶,例如会被分为10个桶,每个桶中再按照价格的范围(有三个价格范围),分成三个桶,然后在每个小桶里面按照stats进行统计计算.

2.4 地理距离聚合

        我们经常在一些应用上需要进行地理位置的搜索,并且对搜索结果进行聚合计算,例如下面的代码演示了,先指定一个中心点,按照远离中心点的长度距离分成了三组,每组又按照价格进行了再次分组,在每个价格桶里面进行了聚合指标的计算.

GET /goods/_search
{
  "size": 0, 
  "aggs": {
    "aggs_test": {
      "geo_distance": {         //地理距离过滤器
        "field": "location",        //记录中location字段记录了地理位置,按照它进行分组
        "origin": {"lat": 52.376, "lon": 4.894},      //指定地理位置的中心点,
        "unit": "km",         //分组聚合时的计算单位
        "ranges": [ {"to": 30},{"from": 30,"to": 100},{"from": 100,"to": 300}]    //按照中心点的偏移量进行分组
      },
      "aggs": {
        "aggs_text_price": {
          "range": {
            "field": "price",
            "ranges": [{ "from": 10,"to": 20},{ "from": 20,"to": 30},{ "from": 30,"to": 40}]
          },
          "aggs": {
            "aggs_text_price_stats": {
              "stats": {"field": "price","missing": 28}
            }
          }
        }
      }
    }
  }
}

三. 聚合方式

3.1 先查询再聚合

        顾名思义先查询再聚合,就是先执行查询操作,再对查询操作进行聚合.

GET /goods/_search
{
  "query": {
    "terms": {"tag": [ "荔枝","西瓜"]}        //先查询tag值
  },
  "aggs": {                                   //对查新结果进行聚合分组
    "aggs_test": {
      "terms": {"field": "tag"},
      "aggs": {
        "aggs_test_price": {
          "stats": { "field": "price"}        //对查询分组之后的数据进行聚合指标的统计
        }
      }
    }
  }
}

注意上面的代码有明确的先后顺序,先查询,在按照tag分桶,在每个桶里面再进行统计计算. 

3.2 前过滤器

        前过滤器是在执行query查询操作之后,在执行聚合操作之前,对查询出来的数据再进行一次过滤,这个过滤不同于查询,不会对query查询结果产生影响,只会对聚合结果产生影响.例如下面代码,在查询title中包含西瓜的数据之后,再进行聚合之前将price<10的数据剔除掉了,再进行了对price的统计计算.

GET /goods/_search
{
  "query": {
    "match": {"title": "西瓜"}            //先查询结果中包含西瓜的记录
  },
  "aggs": {
    "aggs_test": {                        //在聚合子句中先进行前置过滤
      "filter": {"range": {
        "price": {"gte": 10}              //选择价格>=10元的记录
      }}, 
      "aggs": {           
        "aggs_test_price":{
          "terms": {"field": "tag"},      //对查询,过滤后的结果进行聚合
          "aggs": {
            "agg_test_price_stats": {     //对聚合后的数据进行指标统计
              "stats": {
                "field": "price"
              }
            }
          }
        }
      }
    }
  }
}

         在案例中我们认为价格低于10元的西瓜不符合市场预期,可能会影响到西瓜价格数据的指标聚合,所以在聚合之前将价格低于10元剔除掉.

3.3 后过滤器

        后过滤器是在聚合函数执行之后对查询的结果进行过滤,会影响最终查询的显示结果,但是不会影响聚合结果.例如下面这个案例

GET /goods/_search
{
  "query": {"term": {"tag": {"value": "水果"}}},
  "post_filter": {
    "range": {"price": {"gte": 30}}        //聚合之后过滤,只显示价格大于30的数据
  },
  "aggs": {
    "aggs_text": {
      "terms": {"field": "tag"},
      "aggs": {
        "aggs_text_price": {
          "avg": {"field": "price" }
        }
      }
    }
  }
}

四.聚合排序

4.1 按照聚合后文档数量或者key进行排序

        可以通过_count关键字引用聚合之后每组的文档计数值,通过order关键字对数据进行排序

GET /goods/_search
{
  "size": 0, 
  "aggs": {
    "aggs_test": {
      "terms": {
        "field": "tag",
        "order": {"_count": "asc"}    //根据tag分组后的每个组的数量进行排序
      },
      "aggs": {
        "aggs_test_price": {
          "range": {
            "field": "price",
            "ranges": [{"to": 10},{"from": 10,"to": 20},{"from": 20}]
          }
        }
      }
    }
  }
}

        将上面代码的_count换成_key可以根据分组之后的key进行排序,代码类似,这里就不再赘述. 

4.2 按照聚合指标进行排序

        在下面这个案例中,我们先按照tag进行分桶,这些桶将根据文档的数量进行排序,然后在每个桶里再按照isDeleted进行分桶并求平均值,每个小桶里面找平均值的asc进行排序.

GET /goods/_search
{
  "size": 0, 
  "aggs": {
    "aggs_test": {
      "terms": {
        "field": "tag",
        "order": {"_count": "asc"}    //根据tag分组后的每个组的数量进行排序
      },
      "aggs": {
        "aggs_test_price": {
          "terms": {
            "field": "isDeleted",     //按照是否被删除进行分组(桶)
            "order": {"aggs_test_price_avg": "asc"}     //在这个桶里按照计算的平均价格进行排序
          },
          "aggs": {
            "aggs_test_price_avg": {"avg": {"field": "price"}}
          }
        }
      }
    }
  }
}

五.聚合分页

5.1 top hits聚合

        使用top_hits通过size指定返回的记录数,这里需要注意的是,不能对进行了指标运算的数据进行top_hits,并且top_hits应该是聚合函数中的另外一个aggs.在下面的示例中,指定了aggs_test_price聚合子句中的另外一个aggs,并设置了top_hits.

GET /goods/_search
{
  "size": 0, 
  "aggs": {
    "aggs_test": {
      "terms": {
        "field": "tag",
        "order": {"_count": "asc"}    //根据tag分组后的每个组的数量进行排序
      },
      "aggs": {
        "aggs_test_price": {
          "terms": {
            "field": "isDeleted",     //按照是否被删除进行分组(桶)
            "order": {"_count": "asc"} //在这个桶里按照计算的平均价格进行排序
          },
          "aggs": {
            "my_hite": {"top_hits": { "size": 10 }} //每一个按照isDeleted分组的桶里,返回前面10条数据
          }
        }
      }
    }
  }
}

5.2 collapse聚合

        使用collapse聚合配合使用form和size两个关键词可以实现分页功能.

        collapse聚合实际是去除掉指定字段的重复数据.比如下面的代码,将price相同的记录聚集在一起,并且只显示第一条记录.

GET /goods/_search
{
  "from": 0,
  "size": 20, 
  "query": {
    "term": {"tag": {"value": "水果" }}
  },
  "collapse": {
    "field": "price"            //相同的代码聚合在一起,只显示提一条记录
  }
}

这里需要注意的是collapse只能对keyword数据类型和number数据类型起效,而且不能是数组.

聚合搜索(一) 目前网络上的搜索引擎众多,并且各有优缺点,为了搜索某些内容,有时经常需要登录不同的搜索引擎,在不同的搜索引擎网页之间转换非常不方便。本章将做一个聚合搜索的演示示例,它集成了百度、Google、雅虎、爱问、搜狗、中搜6大常用搜索引擎。本系统以6大搜索引擎作为搜索源,利用正则表达式匹配搜索结果,从而给用户呈现一个没有任何搜索引擎广告,整洁的搜索结果。本章将从工具类代码、底层代码、页面文件3个方面逐步讲 阅读详情

相关推荐

【ElasticSearch-聚合查询】ES聚合统计及springboot对比实现

一文详解Elasticsearch中涉及的桶聚合、指标聚合、管道聚合及其所属各类函数使用及springboot对比实现

qq_42890164的博客 3884

Elasticsearch入门

Elasticsearch

LF991的博客 1290

《再也不怕elasticsearch》es聚合使用与原理剖析

还不会es的复杂查询?点进来!

迷途的博客 5651

ElasticSearch 全文搜索引擎;ES 搜索引擎

默认情况下,每个节点都会被安排加入到一个叫做 “elasticsearch” 的集群中,这意味着,如果你在你的网络中启动了若干个节点,并假定它们能够相互发现彼此,它们将会自动地形成并加入到一个叫做 “elasticsearch” 的集群中。当然我们下载的 ElasticSearch 中包含了一个 jdk ,如果你的 jdk 版本不兼容,可以直接将你 JAVA_HOME 变量改为 ElasticSearch 中的 jdk 目录即可(建议备份原理的 JAVA_HOME,因为你之前的项目都是用的原来的)

lhorse003的博客 6054

springboot+elasticsearch实现一个搜索引擎的功能

springboot+elasticsearch实现一个搜索引擎的功能 一、elasticsearch的安装 ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎,基于RESTful web接口。Elasticsearch是用Java开发的,并作为Apache许可条款下的开放源码发布,是当前流行的企业级搜索引擎。(如何安装elasticsearc...

java_jntm的博客 6823

【ES专题】ElasticSearch集群架构剖析_es集群

诸如。

2401_84159688的博客 1542

入门ElasticSearch :为什么选择ES作为搜索引擎?

随着数据量的不断增长,搜索和分析大规模数据集变得越来越重要。传统数据库在面对这种需求时往往表现不佳,这时候就需要一种专门用于搜索和分析的引擎。ElasticSearch (简称ES)就是这样一款强大的搜索引擎,它具有许多优势,使得它成为许多企业和开发者的首选。是一个的的引擎在我看来ES最强的其实是它的模糊搜索功能。那有的人就会问了:我数据库一样可以实现模糊搜索啊?例如这个sql就可以查出姓名中带有宁正两字的学生的确,这这样做是可以模糊搜索的,但是。

qq_43649799的博客 4128

手把手用LTspice仿真运算放大器电路:从虚短虚断到频响分析

本文通过LTspice仿真软件,手把手教你从搭建基础运算放大器电路开始,验证虚短虚断原理,并逐步深入频响分析与稳定性探究。内容涵盖反相/同相放大器、积分器仿真,导入真实运放模型进行蒙特卡洛分析,以及利用交流分析和波特图评估电路性能,帮助工程师和学生将抽象理论转化为直观、可测量的仿真结果,提升电路设计实战能力。

salt9的博客 1103

分布式搜索引擎 elasticsearch

分布式搜索引擎 elasticsearch 第一部分 1.初识elasticsearch 1.1.了解ES 1.1.1.elasticsearch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 例如: 在GitHub搜索代码 在电商网站搜索商品 在百度搜索答案 在打车软件搜索附近的车 1.1.2.ELK技术栈 elasticsearch结合kibana、Logstash、Beats,也就是elasti

KYGALYX的博客 3872

【MIMIC数据库教程】一、MIMIC-IV3.1表格与字段详解(一):Hosp和ICU模块表格整体介绍

MIMIC-IV 3.1 版本包含住院 (hosp) 和 重症监护 (ICU)提供全院电子病历数据,包括入院信息、实验室测量、微生物学、用药、账单等,共计22 张表。记录重症监护室数据,如静脉注射、呼吸机设置、生命体征等,共计9 张表。

BD_Design_cs的博客 3430

银河麒麟V10系统下,手把手解决Ollama安装报错‘GLIBCXX_3.4.25 not found’

本文详细介绍了在银河麒麟V10系统下解决Ollama安装报错‘GLIBCXX_3.4.25 not found’的实战指南。通过隔离编译新版libstdc++、环境变量引导和服务化封装等安全方案,确保在不破坏系统稳定性的前提下顺利运行Ollama,适用于国产操作系统与AI工具的兼容性需求。

weixin_42556197的博客 485

ES(Elasticsearch)入门学习教程

Elasticsearch 入门学习教程 1.1 为什么要学Elasticsearch? 1.2 如何下载安装使用ES? 1.2.1 ES 安装使用条件 1.2.2 ES 下载须知 1.2.3 ES 官方下载 1.2.3.1 Windows 系统下载安装 1.2.3.1 Mac OSX 系统下载安装 1.2.3.2 Docker方式下载安装 1.2.4 使用Docker 启动ES单节点实例 1.2.5 使用Docker启动ES多节点实例 1.2.6 ES 在生产环境配置 1.2.6.1

m0_67400973的博客 1万+

支持找回微信删除好友!一款人人可用的全能微信数据分析工具

找回删除好友、查看删除记录、恢复聊天信息....

1734

ES(Elasticsearch)的基本使用

elasticsearch的基本认识,以及springboot整合es的内容

学习笔记 6251

ColorOS13系统账户锁与密码锁破解全指南:从恢复模式到激活绕过

本文针对ColorOS13系统用户,详细解析了忘记锁屏密码(数字/图案锁)和遭遇OPPO账户锁(激活锁)的合法解决方案。核心是通过官方恢复模式进行格式化操作清除锁屏密码,并强调账户锁需通过密码找回或官方售后等正规途径解除。文章旨在帮助设备合法所有者恢复使用权,并提供了安全操作指南与数据备份建议。

weixin_28304023的博客 972

uniapp 使用摄像头 live-pusher (APP)

uniapp 中开发 app 时使用live-pusher踩过的坑

随身笔记 1万+

【ElasticSearch笔记】ES基本查询

Elasticsearch的基本使用,基础概念了解和常用查询语句示例说明。

木子家有小可爱的博客 2994

信捷XD/XL系列PLC与C#通信实战:Modbus-RTU协议详解(附完整代码)

本文详细介绍了信捷XD/XL系列PLC与C#通过Modbus-RTU协议实现高效通信的实战指南。从硬件连接到软件配置,再到核心通信功能的实现与优化,提供了完整的代码示例和工业级应用建议,帮助开发者快速构建稳定的自动化通信系统。

weixin_28292761的博客 513

ElasticSearch分布式搜索引擎

elasticsearch结合kibana、Logstash、Beats,也就是elastic stack(ELK)。被广泛应用在日志数据分析、实时监控等领域: 而elasticsearch是elastic stack的核心,负责存储、搜索、分析数据。elasticsearch底层是基于lucene来实现的。Lucene是一个Java语言的搜索引擎类库,是Apache公司的顶级项目,由DougCutting于1999年研发。官网地址:https://lucene.apache.org/ 。elasticse

我的博客 2457

基于DRU-HVDC的构网型海上风电场环流机理仿真复现

本文介绍了基于DRU-HVDC的构网型海上风电场环流机理仿真模型的构建方法。主要内容包括: 完整的Simulink模型结构,包含主模型文件GFM_DRU_Main.slx和配置脚本GFM_DRU_Setup.m 系统参数设置,包括基础频率(20Hz)、电压基准值(690V)、功率基准值(2MVA)等 四种仿真场景配置:电压不平衡、相位不平衡、阻抗不平衡和频率不平衡 风力发电机(WT)子系统的详细构建步骤,包含电压源、输出阻抗和测量模块 变压器和DRU整流器的参数设置 该模型可用于研究构网型风电场的环流机理。

huanghm88的专栏 265

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

Elasticsearch搜索引擎

什么是elaticsearch?一个开源的分布式搜索引擎,可以用来实现搜索,日志统计,分析,系统监控等功能什么是elastic stack(ELK)?是以elaticsearch为核心的技术栈,包括bears,Logstash,kibana,elaticsearch什么是Lucene?是Apache的开源搜索引擎类库,提供了搜索引擎的核心API什么是文档和词条?每一条数据就是一个文档对文档中的内容分词,得到的词语就是词条什么是正向索引?基于文档id创建索引,查询词条时必须先找到文档,而后判断是否包含词条。

qq_53573029的博客 3859

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

ElasticSearch内容分享(四):ES搜索引擎

但是elasticsearch将来一定是集群,例如我集群有5个节点,我要查询TOP1000的数据,并不是每个节点查询200条就可以了。那每个节点都要查询10000条?因此要想获取整个集群的TOP1000,必须先查询出每个节点的TOP1000,汇总结果后,重新排名,重新截取TOP1000。可以看到,API与其它查询的差别同样是在查询条件的构建,QueryBuilders,结果解析等其他代码完全不变。每一个不同的字段,其查询的条件、方式都不一样,必须是多个不同的查询,而要组合这些查询,就必须用bool查询了。

之乎者也·的博客 1369

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

Elasticsearch ES 数据模型

Elasticsearch使用文档(Document)作为数据存储的基本单元,每个文档实际上是一条JSON格式的数据,它包含了一组键值对(字段和值)。文档是 Elasticsearch 索引中的一条记录,而索引是文档集合的容器。每个文档都会被分配一个ID,且文档的所有字段和数据都以JSON格式存储。与传统关系型数据库中的行不同,Elasticsearch中的文档不需要预先定义固定的表结构。在Elasticsearch中,映射定义可以在创建索引时指定,也可以在索引创建后动态地进行调整(但有一定的限制)。

Flying_Fish_roe的博客 1951

ES - ElasticSearch基础概念详解

Elasticsearch(简称ES)是一个基于Apache Lucene构建的开源、分布式、RESTful接口的全文搜索引擎,Elasticsearch通过对Lunece的封装,隐藏了复杂性,提供了使用简单的RESTful Api。Elasticsearch还是一个分布式文档数据库,其中每个字段均可被索引,而且每个字段的数据均可被搜索,因为对文档进行了分词处理。ES能够横向扩展至数以百计的服务器存储以及处理PB级的数据,可以在极短的时间内存储、搜索和分析大量的数据。

深入Java世界:探索编程之美与技术深度 2943

开源-基于ElasticSearch的通用搜索引擎

想要做出一个好的搜索引擎,重中之重是要先做好数据治理。

欢迎来到李奇峰的数据世界 3132

Java_ElasticSearch(ES)——分布式搜索引擎

上述配置文件即表示添加扩展词典ext.dic,它就会在当前配置文件所在的目录中找这个文件。这种方式在文档id不存在时,就会相当于一个新增操作。搜索“智能手机”,但品牌必须是华为,价格必须是900~1599。

wsxcjg的博客 5457
上一篇: ES搜索引擎入门+最佳实践(六)
下一篇: ES搜索引擎入门+最佳实践(八):项目实战(一)
flame.liu
博客等级 码龄11年 18粉丝 39原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址