1.4、Kibana使用说明
通过访问IP:5601即可
注：下列所有操作可结合elasticsearch-head进行学习
索引的创建删除操作
索引其实也可以理解成是一张表
索引创建
索引创建并赋值
索引创建及定义属性
这里会涉及type为text类型，除了text类型，对于字符串还可以分配keyword类型，二者区别如下：
-
keyword类型的词语会被当成一个整体存储
-
text类型的词语则会被分词器拆分进行存储，中文是单个存储，英文是按照空格进行，在我们进行查找的时候默认都会进行拆分，这里的拆分规则和分词器字典无关
索引删除
索引文档的增删改操作
增加索引文档
注：id需唯一，如果指向的是已存在的id，则会变为修改操作
修改索引文档
虽然使用增加索引的方式也可以实现索引文档的修改，但是其实ES也提供了update方法来进行修改
删除索引文档
其实删除索引和删除索引文档的区别就在于是否准确指定到具体的id，未指定则就会删除其索引
索引文档的简单查询
以下所有查询操作都基于该索引进行查询
索引文档的条件查询
首先需要了解一点，我们的数据存储形式，在不考虑分词器的情况下
通过_analyze分析，默认text的存储形式是进行拆分存储，而keyword是不会进行拆分存储，这个其实上方创建索引并赋值时就有说明
然后再来理解下Match和Term的区别
Match是模糊查询
Match查询时，我们的搜索词将会被分词进行查询
- 当查询text时，由于我们一句话是会拆分存储，搜索词也会被分词查询，所以只要包含任意字的都会被查出，也就是模糊匹配
- 当查询keyword时，由于我们一句话是不会被拆分存储，虽然搜索词分词了，但是因为存储词没有进行拆分，搜索词又必须对应上存储词，所以间接就成了精确匹配
Term是精确查询
Term查询时，我们的搜索词将不会被分词进行查询
- 当查询text时，由于我们一句话是会拆分存储，但是我们的搜索词又不会被分词，所以这时候我们只有单个字进行查询时才对应得上存储词的结果，间接也就成为了模糊匹配
- 当查询keyword时，由于我们一句话是不会被拆分存储，我们的搜索词也不会被分词，所以该情况就是精确匹配
总结
- 查询keyword：Match和Term查询都需要精确匹配
- 查询text：Match会进行分词查询，模糊匹配。Term只能通过单个字去进行查询，也是模糊匹配
注：汉语是一个字一个字分组，英文的话是以空格进行分组
通过下列例子可以进行更好的了解
Match模糊查询
可以看出我们的搜索词是被分词进行查询的，又因为text也是拆分的，所以包含”王“和包含“明"的数据都被查出来了
加上keyword后，虽然我们也是分词查询，但是索引数据是不拆分存储的，所以数据无法被查出来
更换成别的查询条件后，可以发现，我们分词查询必须完全对应分词存储的数据，数据才会被查出来，也就是精确匹配
Term精确查询
可以看出，我们不分词查询，查分词存储，通过以下方式，是一个都无法对应上的
只有条件为单个字的时候才可以对应上
keyword的话，搜索词不分词，存储词不拆分，就只能是精确匹配了
其他方法说明
_source和sort
_source代表只输出指定属性，sort代表按照指定属性排序，from代表从第几个数据开始，size代表输出几个
Bool多条件查询(must_not、must、should、filter)
通过bool可以进行多条件查询，must_not代表不匹配，must代表必须匹配，should代表只要有其中一个条件匹配即可，filter代表条件过滤器
must
must_not
filter
过滤出age大于10小于16的
should
should使用注意事项
当should和must或filter一起使用时，should就会失效，具体可参考该博客：elasticsearch bool中should must联用问题
