格式说明|moyu

PUT请求格式说明

PUT /index_name
{
  "mappings": {
    "properties": {
      "field1": {
        "type": "text",
        "analyzer": "ik_smart",
        "index": true
      },
      "field2": {
        "type": "keyword",
        "index": false,
         "copy_to": "all"
      },
      "field3": {
        "type": "integer"
      },
      "all": {
        "type": "text",
        "analyzer": "ik_max_word"
      }
      "nested_field": {
        "properties": {
          "nested_subfield": {
            "type": "keyword"
          }
        }
      }
      // 可添加更多字段定义
    }
  }
}

映射属性说明

索引名称：
- index_name：要创建或更新的索引名称。
Mappings映射：
- mappings：包含了索引的映射定义，其中properties定义了索引中的字段。
Properties属性：
- 在properties字段下，定义每个字段的类型和属性。
- 字段类型（type）：
  - text：用于全文搜索的文本字段，会被分析（如分词）。
  - keyword：精确匹配的关键字字段，不会被分析。
  - integer：整数类型字段。
  - copy_to属性指定将该字段的内容复制到all字段中，以便于在搜索时统一检索。
- 分词器（analyzer）：
  - 用于处理文本字段的分析器，例如ik_smart用于中文智能分词。
- 是否索引（index）：
  - true：默认值，表示字段应该被索引，可以进行搜索。
  - false：表示字段不会被索引，无法进行搜索，但可以被存储和检索。
- 复合字段（nested properties）：
  - 通过在字段下嵌套properties定义复杂类型字段，如对象或嵌套文档。

示例说明

field1：文本字段，使用ik_smart分词器进行分析，允许被索引。
field2：关键字字段，不进行分析，不被索引。
field3：整数字段，用于存储整数值。
nested_field：嵌套字段示例，定义了一个包含nested_subfield的子属性，其类型为关键字。

以上是如何在Elasticsearch中使用PUT请求创建索引，并定义其映射（mappings）的详细说明。这些定义决定了索引如何存储和处理数据，是数据搜索和分析的基础。

这个请求示例展示了如何使用PUT请求来修改现有索引（heima）的映射（_mapping）。在Elasticsearch中，一旦索引创建后，通常不能直接修改现有字段的映射类型。但是，你可以通过重新定义整个字段的方式来近似修改映射。

请求说明

索引名称：
- heima：要修改映射的索引名称。
PUT请求：
- 使用PUT请求指定索引名称和_mapping端点来更新映射。
Mappings映射：
- 在请求体中，使用properties字段重新定义name字段的映射。
Properties属性：
- name字段重新定义为一个包含fistname和lastname的复合字段。
- fistname和lastname字段的类型都设置为keyword，这意味着它们是精确匹配的关键字字段。

示例说明

PUT /heima/_mapping
{
    "properties": {
        "name": {
            "properties": {
                "fistname": {
                    "type": "keyword"
                },
                "lastname": {
                    "type": "keyword"
                }
            }
        }
    }
}

在这个示例中：

name字段被重新定义为一个对象类型的字段，其中包含了fistname和lastname两个子字段。
每个子字段的类型都被设置为keyword，这表示它们是精确匹配的关键字字段，不会进行分析。

请注意，虽然可以通过重新定义整个字段来近似修改映射，但这个操作实际上是创建一个新的映射定义，替换了旧的映射。这意味着在执行这个请求后，旧的索引映射将会被完全替换为新的映射定义。

好的,我会为您提供更详细的说明,特别是关于query字段的可选项和range查询的可选字段。

query字段详细说明:

query字段是Elasticsearch查询的核心,可以包含以下主要类型的查询:

a) match_all: 匹配所有文档

"match_all": {}

b) match: 单字段全文搜索

"match": {
  "字段名": "查询值"
}

c) multi_match: 多字段全文搜索

"multi_match": {
  "query": "查询值",
  "fields": ["字段1", "字段2", ...]
}

d) term: 精确匹配

"term": {
  "字段名": {
    "value": "精确值"
  }
}

e) range: 范围查询

"range": {
  "字段名": {
    "gte": 最小值,
    "lte": 最大值
  }
}

range查询的可选字段说明:

range查询用于数值或日期范围搜索,包含以下可选字段:

gt: 大于 (greater than)
gte: 大于等于 (greater than or equal to)
lt: 小于 (less than)
lte: 小于等于 (less than or equal to)

示例:

"range": {
  "age": {
    "gt": 20,
    "lt": 30
  }
}

对于日期字段,还可以使用日期数学表达式:

"range": {
  "date": {
    "gte": "now-1d/d",
    "lt": "now/d"
  }
}

更多query类型:

f) bool: 复合布尔查询

"bool": {
  "must": [ ... ],
  "should": [ ... ],
  "must_not": [ ... ],
  "filter": [ ... ]
}

must 、 should 、must_not、 filter、
后面可以使用 match_all 、match 、multi_match、geo_bounding_box、geo_distance、range、term、

g) fuzzy: 模糊匹配

"fuzzy": {
  "字段名": {
    "value": "近似值",
    "fuzziness": 2
  }
}

h) prefix: 前缀匹配

"prefix": {
  "字段名": "前缀"
}

i) wildcard: 通配符匹配

"wildcard": {
  "字段名": "通配符*模式"
}

j) geo_distance: 地理距离查询

"geo_distance": {
  "distance": "10km",
  "字段名": {
    "lat": 40,
    "lon": -70
  }
}

完整查询示例:

GET /索引名/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "title": "搜索关键词" } }
      ],
      "filter": [
        { "term": { "status": "published" } },
        { "range": { "publish_date": { 
            "gte": "2023-01-01",
            "lte": "2023-12-31"
          }
        }}
      ]
    }
  },
  "sort": [
    { "publish_date": { "order": "desc" } }
  ],
  "from": 0,
  "size": 10,
  "highlight": {
    "fields": {
      "title": {}
    }
  }
}

这个查询示例结合了布尔查询、match查询、term过滤、range过滤、排序、分页和高亮功能,展示了Elasticsearch查询的强大和灵活性。

通过组合这些查询类型和参数,您可以构建出满足各种复杂搜索需求的查询。根据具体的应用场景,您可以选择合适的查询类型并调整参数来优化搜索结果。