简介

Kibana是一个基于Node.js的Elasticsearch索引库数据统计工具，可以利用Elasticsearch的聚合功能，生成各种图表，如柱形图、线状图、饼图等。
在开始之前，需要启动Kibana和Elasticsearch
ES的访问地址：http://ip:9200
Kibana的访问地址：http://ip:5601
操作步骤：进入到Kibana后，点击左侧的Dev Tools

ES文档操作

ES是面向文档的，存储文档的同时对其进行索引使其能够被搜索到。

创建索引

Elasticsearch采用Rest API风格，因此其API就是一次HTTP请求，可以使用任何工具发起http请求创建索引的请求格式。由于遵循REST风格，可以很直观的想到操作名。

• POST新增
• GET查询
• DELETE删除
• PUT修改
  在这里使用Kibana简化操作
  
  number_of_replicas：设置索引库分片副本数量
  number_of_shards: 设置索引库分片数量

查看索引

1. 查看某一个特定索引库

   GET 索引库名

2. 查看所有的索引库

 GET *

3. 删除索引

DELETE 索引库名

4. 映射配置
   索引有了，接下来就是添加数据，但是在添加数据之前必须定义映射。 映射就是定义文档的过程，文档包含哪些字段，这些字段是否保存，是否索引，是否分词等。只有配置清楚，Elasticsearch才会帮我们进行索引库的创建。

创建映射字段

请求方式依然是PUT

PUT /索引库名/_mapping/类型名称
{"properties": {"字段名": {"type": "类型","index": true，"store": true，"analyzer": "分词器"}}
}

• 类型名称：就是type的概念，类似于数据库中不同表字段名；任意填写，可以指定很多属性。
• type：类型，可以是text、long、short、date、integer、object等
• index：是否索引，默认为true
• store：是否存储，默认为false(会自动生成一个_source备份)
• analyzer：分词器，这里的ik_max_word即使用ik分词器

发起请求示例

PUT test/_mapping/goods
{"properties":{"title":{"type":"text","analyzer":"ik_max_word"},"images":{"type":"keyword","index":false},"price":{"type":"float"}}
}

字符串类型一共有两种，text代表进行分词，下面要加上分词器，这里使用的ik分词器中ik_max_word代表按照最大程度划分。
keyword不进行分词。

【问题】

• elasticsearch创建索引时遇到analyzer[ik_max_word] not found for field[title]

【原因】
IK分词器插件未安装

查看映射关系

GET /索引库名/_mapping

字段属性详解

type

Elasticsearch中支持的数据类型非常丰富：
下面我们介绍几个关键的：
String类型，又分两种：

• text：可分词，不可参与聚合
• keyword：不可分词，数据作为完整字段进行匹配，可以参与聚合
  Numberical：数值类型，分两类
• 基本数据类型：long、integer、short、byte、double、float、half_float
• 浮点数的高精度类型：scaled_float
  需要指定一个精度因子，比如说10或者100，elasticseach会把真实值乘以这个因子存储，取出时再还原。
  Date：日期类型
  elasticsearch可以对日期格式化为字符串存储，但是建议我们存储为毫秒值，存储为long,节省空间。

index

index影响字段的索引情况

• true：字段会被索引，则可以用来进行搜索，默认值就是true
• false: 字段不会索引，不能用来搜索
  ** index的默认值就是true，也就是说不进行任何配置，所有字段都会被索引。**
  但是有些字段是我们不希望被索引的，比如商品的图片信息，就需要手动设置index为false。

store

是否将数据进行额外存储。
在学习lucene和solr时，我们知道如果一个字段的store的值设置为false,那么在文档列表中就不会有这个字段的值，用户的搜索结果中不会显示出来。
但是在elasticsearch中，即使store设置为false,也可以搜索到结果，
原因是Elasticsearch在创建文档索引时，会将文档中的原始数据备份，保存在一个交_source的属性中，而且我们可以通过过滤_source来选择哪些要显示，哪些不显示。
而如果设置store为true,就会在_source以外额外存储一份数据，比较多余，因此一般我们都会将store设置为false，事实上，store的默认值就是false。

字段映射设置流程

新增数据

新增会随机生成id

POST /索引库/类型名
{“key”:"value"
}

新增自定义id

如果我们想要自己新增的时候指定id，可以这么做

POST /索引库/类型/id值
{
}

智能判断

在学习Solr时我们发现，我们在新增数据时，只能使用提前配置好映射属性的字段，否则就会报错。不过在Elasticsearch中并没有这样的规定。
事实上Elasticsearch非常智能，你不需要给索引库设置任何mapping映射，它也可以根据你输入的数据来判断类型，动态添加数据映射。

相对上个例子来说，我这里新增了color和address两个字段。再看下索引库的映射关系。

color和address都被成功映射了。

修改数据

把刚才新增的请求方式改为PUT，就是修改数据操作不过修改操作必须要指定id。

• id对应文档存在，则修改
• id对应文档不存在，则新增
  
  注意：如果只修改了一个字段，那么原有的其他字段都会消失，只保留当前的这次修改，相当于覆盖

删除数据

DELETE test/goods/2

查询

• 基本查询
• _source过滤
• 结果过滤
• 高级查询
• 排序

基本查询

不能设置查询多个条件，如果需要请用后面的高级bool查询

GET /索引库名/_search
{"query"：{“查询类型”：{“查询条件”：“查询条件值”}}
}

这里的query代表一个查询对象，里面可以有不同的查询属性

• 查询类型：match_all，match，term，range等等
• 查询条件：查询条件会根据类型的不同，写法也有差异，后面根据示例进行详细讲解。

查询所有（match_all）

hits:搜索结果的文档对象数组，每个元素是一条搜索到的文档信息。

• _index：索引库
• _type：文档类型
• _id:文档id
• _score:文档得分
• _source：文档的源数据

匹配查询

多字段查询

multi_match与match类似，不同的是它可以在多个字段中查询

GET /test/_search
{"query":{"multi_match": {"query":    "小米","fields":   [ "title", "subTitle" ]}}

在本例中，我们会在title和subtitle字段中查询小米这个词。

词条匹配

term查询被用于精确值匹配
这些精确值可能是数字、时间、布尔或者那些未分词的字符串(keyword)

GET /test/_search
{"query":{"term":{"price":2699.00}}
}

多词条精确匹配

terms查询和term查询一样，但它允许你指定多值进行匹配，如果这个字段包含了指定值中的任何一个值，那么这个文档满足条件。

GET /test/_search
{"query":{"terms":{"price":[2699.00,2899.00,3899.00]}}
}

结果过滤

默认情况下，elasticsearch在搜索的结果中，会把文档中保存在_source的所有字段都返回。如果我们只想获取其中的部分字段，我们可以添加_source的过滤。

直接指定该字段

GET /heima/_search
{"_source": ["title","price"],"query": {"term": {"price": 2699}}
}

指定includes和excludes

我们也可以通过下面的方法来实现过滤

• includes：来指定想要显示的字段
• excludes：来指定不想显示的字段

GET /test/_search{"_source": {"includes":["title","price"]},"query": {"term": {"price": 2699}}}与下面的结果将是一样的：GET /test/_search{"_source": {"excludes": ["images"]},"query": {"term": {"price": 2699}}}

高级查询

布尔组合（多条件查询）

GET test/goods/_search
{"query": {"bool": {"must": [{"match": {"title": "小米电视"}}],"must_not": [{"match": {"title": "电视"}}]}}
}

查询bool里面结果全为true的情况。

范围查询

range查询找出那些落在指定区间内的数字或者时间，range允许以下操作符。

操作符	说明
gt	大于
gte	大于等于
lt	小于
lte	小于等于
示例：

GET test/goods/_search
{"query": {"range": {"price": {"gte": 3000,"lte": 9909}}}
}

模糊查询（fuzzy）

fuzzy查询是term查询的模糊等价，它允许用户搜索词条与实际词条的拼写出现偏差，但是偏差的距离不得超过2.

GET /test/_search{"query": {"fuzzy": {"title": "appla"}}}

根据上面的示例，能够查询到apple的结果。我们也可以通过fuzziness来指定允许的编辑距离。

GET /test/_search{"query": {"fuzzy": {"title": {"value":"appla","fuzziness":1}}}}

排序

单字段排序（sort）

sort可以让我们按照不同的字段进行排序，并且通过order指定排序的方式。
示例

GET /test/_search
{"query": {"match": {"title": "小米手机"}},"sort": [{"price": {"order": "desc"}}]
}

sort是对查询后做的，不属于查询和过滤的条件，因此在query查询对象外面。

多字段查询

假定我们想要结合使用price和_score（得分）进行查询，并且匹配的结果首先按照价格排序，然后按照相关性得分排序。

GET test/goods/_search
{"query": {"bool": {"must": [{"match": {"title": "小米"}}]}},"sort": [{"price": {"order": "desc"}},{"_score": {"order": "desc"}}]
}

聚合（aggregations）

聚合可以让我们及其方便的实现对数据的统计分析
Elasticsearch中的聚合，包含多种类型，最常用的两种，一个叫桶，一个叫度量。

桶(bucket)类似于数据库中的分组group_by

桶的作用，是按照某种方式对数据进行分组，每一组数据在ES中被称为一个桶。Elasticsearch中提供的划分桶的方式有很多：

• Date Histogram Aggregation:根据日期阶梯分组，例如给定阶梯为周，会自动每周分为一组。
• Histogram Aggregation：根据数值阶梯分组，与日期类似；
• Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组；
• Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按照阶段分组。
• …