elasticsearch基本使用

Elasticsearch是一个基于的搜索服务器，也是属于NoSQL阵营的数据库。它提供了一个分布式多用户能力的，基于RESTful web接口提供给我们操作的。Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。除了es以外， Sphinx 、迅搜、Zebra、Solr 、Whoosh。官网：https://www.elast

帅大大的架构之路

727人浏览 · 2025-09-15 16:31:41

帅大大的架构之路 · 2025-09-15 16:31:41 发布

elasticsearch

Elasticsearch是一个基于Lucene的搜索服务器，也是属于NoSQL阵营的数据库。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接口提供给我们操作的。Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。除了es以外， Sphinx 、迅搜、Zebra、Solr 、Whoosh。

官网：https://www.elastic.co/cn/elasticsearch/

中文文档：https://www.elastic.co/guide/cn/index.html

最新版本：8.0 版本。目前在市面上常用的版本是6.x和7.x，甚至是5.x。

安装elasticsearch

支持单点部署和集群部署。

# 从课件的素材中找到es的镜像压缩包，复制到ubuntu桌面下，执行以下命令
# sudo docker load -i ~/Desktop/elasticsearch.7.13.4.tar.gz
podman load -i ~/Desktop/elasticsearch.7.13.4.tar.gz
# 也可以不执行上面的操作，直接run可以让docker从官网拉取es镜像。

# 直接执行这句也成，即使本地没有该版本，他也会去远程拉取！
# sudo docker run --name elasticsearch --restart=always -d -p 9200:9200 -p 9300:9300 -e ES_JAVA_OPTS="-Xms256m -Xmx256m" -e "discovery.type=single-node" elasticsearch:7.13.4

podman run --name elasticsearch -d -p 9200:9200 -p 9300:9300 -e ES_JAVA_OPTS="-Xms512m -Xmx512m" -e "discovery.type=single-node" elasticsearch:7.13.4

参数说明

--name elasticsearch  
       设置当前容器的容器名称为elasticsearch
--restart=always
       设置容器开机自启，即便物理机关机重启了，docker在启动以后也会自动帮我们把当前容器启动起来。
-d     设置当前容器为守护式容器，在后台运行
-p 9200:9200
       设置端口影射，<物理机端口>:<容器端口>
       表示访问了当前物理机的9200，相当于访问了当前容器的9200端口
-p 9300:9300
       设置端口影射，<物理机端口>:<容器端口>
       表示访问了当前物理机的9300，相当于访问了当前容器的9300端口
       es提供的9200是restful api接口的端口，以http形式访问，9300端口是Api对服务器的管理端口。
-e ES_JAVA_OPTS="-Xms256m -Xmx256m"
       设置环境变量，变量名为ES_JAVA_OPTS,这个变量是启动elasticsearch的关键。
       表示设置java环境的最小和最大使用内存，内存不足，elasticsearch是无法启动的，所以此处设置为最小内存必须在256M以上
-e "discovery.type=single-node"
       设置环境变量，变量名discovery.type
       discovery.type 表示当前elasticsearch的运作模式为single-node，表示单机部署/单点部署
elasticsearch:7.13.4
       设置当前容器的镜像名和版本号

浏览器访问：http://127.0.0.1:9200

要基于es实现全文搜索，可以参考以下文档了解关于全文搜索的内容。

https://www.elastic.co/guide/cn/elasticsearch/guide/current/full-text-search.html

全文搜索的实现，必须依靠es内部调用分词器对语句进行词性分析，拆词，给每一个单词构建一个索引。

所以默认情况下，es只提供了标准分析器，和简单分析器，这几块分词器都是只能针对英文进行分词。

IK中文分词器

默认情况下，elasticsearch是外国开发的，所以本身对于中文分词构建分词索引的支持是不行的。所以我们需要在elasticsearch软件中新增一个支持中文索引和中文分词的插件，叫ik分词器。

注意：IK分词器插件的版本必须与elasticsearch的版本号同步。否则安装失败！

文档：https://github.com/medcl/elasticsearch-analysis-ik/releases

把IK分词器解压并复制到elasticsearch容器的/usr/share/elasticsearch/plugins目录下

unzip ~/Desktop/elasticsearch-analysis-ik-7.13.4.zip -d ~/Desktop/ik-7.13.4
# unzip /Users/mosson/Desktop/elasticsearch-analysis-ik-7.13.4.zip -d /Users/mosson/Desktop/ik-7.13.4
podman cp ~/Desktop/ik-7.13.4 elasticsearch:/usr/share/elasticsearch/plugins
docker cp /Users/mosson/Desktop/ik-7.13.4 elasticsearch:/usr/share/elasticsearch/plugins
podman stop elasticsearch
podman start elasticsearch

注意

IK中文分词器安装方式：进入容器内部安装IK分词器
1.进入elasticsearch容器
docker 
2.进入到elasticsearch的bin目录
sh-4.4# cd /usr/share/elasticsearch/bin/
3.下载固定版本的ik分词器
sh-4.4# ./elasticsearch-plugin install  https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.13.4/elasticsearch-analysis-ik-7.13.4.zip
4. 查看分词器是否安装成功
sh-4.4# elasticsearch-plugin list
analysis-ik

注意：elasticsearch内部极其复杂，所以启动容器以后需要等待1分钟左右才对外提供搜索服务。

接下来，我们就可以通过postman测试。

注意：es提供的9200是restful api接口的端口，以http形式访问，9300端口是Api对服务器的管理端口。

post http://127.0.0.1:9200/_analyze?pretty

基于智能分词模式来查询分析词性，json数据

{
   "analyzer":"ik_smart",
   "text":"我是中国人"    
}

基于最大分词模式来查询分析词性，json数据

{
   "analyzer":"ik_max_word",
   "text":"我是中国人"  
}

elasticsearch-head

elasticsearch-head 是用于监控 Elasticsearch 状态的客户端插件，包括数据可视化、执行增删改查操作等。不过开发中，我们一般使用elasticsearch-head来查看elasticsearch的数据而已，真正对elasticsearch进行增删查改操作一般我们使用kibana或者postman或者编程语言实现的客户端来完成。

我们可以通过docker安装elasticsearch-head来对Elasticsearch 进行界面化管理。

# 拉取镜像
# sudo docker pull mobz/elasticsearch-head:5
podman pull mobz/elasticsearch-head:5

# 创建容器
# sudo docker create --name elasticsearch-head -p 9100:9100 mobz/elasticsearch-head:5
podman create --name elasticsearch-head -p 9100:9100 mobz/elasticsearch-head:5

# 启动容器
# sudo docker start elasticsearch-head
podman start elasticsearch-head

访问elasticsearch-head：http://127.0.0.1:9100/，会发现无法连接elasticsearch，原因是因为跨域问题导致。

解决方案就是修改容器elasticsearch中的elasticsearch.yml文件增加跨域支持即可。

# 将docker里面的内容复制到本地的桌面上
# sudo docker cp elasticsearch:/usr/share/elasticsearch/config/elasticsearch.yml /Users/mosson/Desktop/elasticsearch.yml
podman cp elasticsearch:/usr/share/elasticsearch/config/elasticsearch.yml ~/Desktop/elasticsearch.yml

修改elasticsearch.yml内容，增加跨域支持，如下：

cluster.name: "docker-cluster"
network.host: 0.0.0.0
http.cors.enabled: true 
http.cors.allow-origin: "*"

把elasticsearch.yml文件再次复制到容器elasticsearch中，并重启容器elasticsearch。

# sudo docker cp /Users/mosson/Desktop/elasticsearch.yml elasticsearch:/usr/share/elasticsearch/config/elasticsearch.yml
podman cp ~/Desktop/elasticsearch.yml elasticsearch:/usr/share/elasticsearch/config/elasticsearch.yml

修改容器elasticsearch-head的vendor.js让elasticsearch-head界面可以操作elasticsearch

# sudo docker cp elasticsearch-head:/usr/src/app/_site/vendor.js /Users/mosson/Desktop//vendor.js
podman cp elasticsearch-head:/usr/src/app/_site/vendor.js ~/Desktop/vendor.js

修改vendor.js内容，把6886行与7573行所在的"application/x-www-form-urlencoded"替换成"application/json;charset=UTF-8"，并保存文件，复制回容器elasticsearch-head中。

# sudo docker cp /Users/mosson/Desktop//vendor.js  elasticsearch-head:/usr/src/app/_site/vendor.js
podman cp ~/Desktop/vendor.js elasticsearch-head:/usr/src/app/_site/vendor.js

重启elasticsearch和elasticsearch-head容器

# sudo docker stop elasticsearch
# sudo docker start elasticsearch
podman stop elasticsearch
podman start elasticsearch

# sudo docker stop elasticsearch-head
# sudo docker start elasticsearch-head
podman stop elasticsearch-head
podman start elasticsearch-head

kibana

Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Kibana，可以通过各种图表进行高级数据分析及展示。

kibana的版本必须与Elasticsearch一致，所以我们安装的kibana也是7.13.4版本。

# sudo docker pull kibana:7.13.4
# sudo docker run -d --name kibana -e ELASTICSEARCH_URL=http://127.0.0.1:9200 -p 5601:5601 --restart=always kibana:7.13.4

podman pull kibana:7.13.4
podman run -d --name kibana -p 5601:5601 kibana:7.13.4

修改让kibana能访问到Elasticsearch并完成汉化操作

# sudo docker exec -it kibana bash
podman  exec -it kibana bash
vi config/kibana.yml

kibana.yml中的内容需改如下：

#
# ** THIS IS AN AUTO-GENERATED FILE **
#

# Default Kibana configuration for docker target
server.host: "0.0.0.0"
# 注意：此处的IP地址替换为网卡地址，不能使用127.0.0.1或localhost，否则无法访问，可以通过ip a来查看
elasticsearch.hosts: [ "http://IP地址:9200" ]
monitoring.ui.container.elasticsearch.enabled: true
i18n.locale: "zh-CN"

修改完成以后，退出当前kibana容器，并重启kibana容器即可。

# sudo docker stop kibana
# sudo docker start kibana
podman stop kibana
podman start kibana

等待1分钟左右，打开浏览器直接访问http://127.0.0.1:5601，即可。

快速入门

核心概念

Elasticsearch是面向文档的，以json格式存储数据的NoSQL数据库，也是一个全文搜索引擎。

Elasticsearch	关系型数据库（如Mysql）
索引（Index）	数据库（Database）
类型（Type）	表（Table）
文档（Document）	行，记录（Row，Record）
字段（Field）	列，字段（Column，Field）
映射（Mapping）	约束（Schema）

注意：es中的类型在es7.x版本中已经没有，在后面的8.x版本中被彻底删除掉。

在 7.x 及之后的版本中，数据存储结构从传统的 索引/类型/文档 三层模型简化为了 索引/文档 两层模型。

为什么移除类型（Type）？

在底层，同一个索引中的不同类型的数据最终会存储在同一个倒排索引中，不同类型中同名字段的数据结构必须一致，这在实际使用中带来了很多混淆和限制。移除类型简化了数据模型，并使其更符合 Lucene 的底层实现。

倒排索引

倒排索引（Inverted Index），是Elasticsearch中的索引工作机制。倒排索引是区别于正排索引的概念：

正排索引：是以文档对象的唯一ID作为索引，以文档内容作为记录。
倒排索引：指的是将文档内容中的单词作为索引，将包含该词的文档ID作为记录。

在这里插入图片描述

Elasticsearch的工作流程如下，因为使用倒排索引产生的文档记录要比mysql数据行少多了，所以会比较快。

在这里插入图片描述

基本使用

es提供了retfulAPI风格操作接口给开发者对索引、类型、文档、字段、映射等进行增删查改操作。

索引操作

创建索引

请求格式：

PUT /索引名称

类型映射[了解]

相当于在mysql中创建数据表时的字段类型

# 索引名称必须已经存在！
POST /索引名称/类型名称
{
    "类型名称": { // 映射的类型名称
        "properties": {  // 索引中文档的属性
            "字段名": {           // 属性名或字段名
                "type": "text"   // 属性值类型或字段类型,text表示文本，如商品标题
                "index": "analyzed",    // 索引类型
                "analyzer": "ik_smart"  // 设置使用的分词器[标准分词]
            },
            "字段名": {           // 属性名或字段名
                "type": "text"   // 属性值类型或字段类型,text表示文本，如商品标题
                "index": "analyzed",    // 索引类型
                "analyzer": "standard"  // 设置使用的分词器
            },
            "字段名": {           // 属性名或字段名
                "type": "text"   // 属性值类型或字段类型,text表示文本，如商品标题
                "index": "analyzed",    // 索引类型
                "analyzer": "standard"  // 设置使用的分词器
            }
        }
    }
}

kinana操作：

POST /indexes1/goods
{
  "mapping": {
    "properties": {
      "id": {
        "type": "long"
      },
      "name": {
        "type": "text",
        "index": "analyzed",
        "analyzer": "ik_max_word"
      },
      "price":{
        "type": "float"
      },
      "created_time":{
          "type": "date",
          "format":"yyyy-MM-dd HH:mm:ss"
      }
    }
  }
}

新版es操作

PUT /indexes1
{
  "mappings": {
    "properties": {
      "id": {
        "type": "long"
      },
      "name": {
        "type": "text",
        "analyzer": "ik_max_word"
      },
      "price": {
        "type": "float"
      },
      "created_time": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss"
      }
    }
  }
}

数据类型[了解]

elasticsearch中支持的常见字段数据类型：

类型	描述
text	字符串类型，可以模糊查询, 可以分词查询，不能聚合、排序
keyword	字符串类型，只能精准查询, 不能分词查询，可以聚合、排序
long	有符号的64位整数, 范围:[−2⁶³ ~ 2⁶³-1]
Integer	有符号的32位整数, 范围: [−2³¹ ~ 2³¹-1]
short	有符号的16位整数, 范围: [-32768 ~ 32767]
byte	有符号的8位整数, 范围: [-128 ~ 127]
float	32位单精度浮点数
double	64位双精度浮点数
boolean	布尔类型，支持使用字符串，数字等零值表示true/false
date	日期类型，
date_nanos	日期纳秒类型，
binary	二进制类型，Base64编码字符串的二进制值
Range	范围类型，有integer_range`,` float_range`,` long_range`,` double_range`,` date_range等
array	数组类型，ES中没有专门的数组类型, 直接使用[ ]定义即可，所有的成员的值必须是同一种数据类型
object	对象类型，以json对象为结构

这里写个小例子，如果指定文档id，当再次写入数据时就是更新，如果没有指定文档id，那么在写入数据时会生成一个随机id，只要id不重复，相同的数据可以一直写入

// 这里指定文档id为01
PUT /users/_doc/01
{
  "name": "chens",
  "age": 12,
  "sex": "male"
}

// 在下面指定id是没用的，它会生成随机id
POST /users/_doc
{
  "id": "02",
  "name": "cs02",
  "age": 13,
  "sex": "male"
}

// 查询索引的所有文档
GET /users/_search

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "users",
        "_type" : "_doc",
        "_id" : "3KFMTJkB3S2Stzq3SYGo",
        "_score" : 1.0,
        "_source" : {
          "id" : "02",
          "name" : "cs02",
          "age" : 13,
          "sex" : "male"
        }
      },
      {
        "_index" : "users",
        "_type" : "_doc",
        "_id" : "3aFMTJkB3S2Stzq3rIHc",
        "_score" : 1.0,
        "_source" : {
          "id" : "02",
          "name" : "cs02",
          "age" : 13,
          "sex" : "male"
        }
      },
      {
        "_index" : "users",
        "_type" : "_doc",
        "_id" : "01",
        "_score" : 1.0,
        "_source" : {
          "name" : "chens",
          "age" : 12,
          "sex" : "male"
        }
      }
    ]
  }
}

使用默认类型_doc代替映射的创建，es会内部自动推断字段类型。

PUT /indexes2/_doc/文档ID
{
    "name": "商品的标题",
    "price": 18,
    "created_time": "2022-01-10 22:00:31"
}

_doc 就是默认类型（default type），type在8.x版本会被彻底删除，以后使用默认类型_doc替代即可。

查看索引

GET /_cat/indices      // 查看所有的索引信息
GET /索引名称           // 查看指定名称的索引结构信息

删除索引

DELETE /索引名称

文档操作

请求方法/method	uri地址	描述
PUT（创建,修改）	`/索引名称/_doc/文档id`	创建文档（指定文档id）
POST（创建）	`/索引名称/_doc/文档id`	创建文档，如果uri地址只是以_doc结尾，文档id是随机生成的）
POST（修改）	`/索引名称/_doc/文档id/_update`	修改文档
DELETE（删除）	`/索引名称/_doc/文档id`	删除文档
GET（查询）	`/索引名称/_doc/文档id`	查询文档通过文档ID
POST（查询）	`/索引名称/_doc/文档id/_search`	查询所有数据

添加文档

PUT /users/_doc/01
{
  "name": "chens",
  "age": 12,
  "sex": "male"
}

修改文档

PUT /users/_doc/01
{
  "name": "chens-1",
  "age": 13,
  "sex": "male"
}

删除文档

DELETE /索引名称

查询文档

查询文档有三种方式：

主键查询：根据文档id查询
精确查询：根据关键词查询，也叫term查询浪潮之巅 -> 浪潮之巅
匹配查询：根据输入的内容先对内容进行分词，再进行分词匹配查询浪潮 -> 浪潮之巅

准备数据

POST /indexes4/_doc/1
{
  "created_time":"2022-04-01",
  "title":"浪潮之巅",
  "content":"一部IT人非读不可，而非IT人也应该阅读的作品，讲故事的经典作品",
  "author_id": 119
}

POST /indexes4/_doc/2
{
  "post_date":"2022-03-12",
  "title":"人月神话",
  "content":"一部IT人非读不可，而非IT人也应该阅读的作品，讲人与团队关系作品",
  "author_id": 120
}

POST /indexes4/_doc/3
{
  "post_date":"2021-12-16",
  "title":"代码之髓",
  "content":"小日子过得不错的人写的作品，对代码中各种语言结构的实现进行揭秘",
  "author_id": 110
}

主键查询

# GET /索引名称/_doc/1
GET /indexes4/_doc/3

# 查询多个指定 ID 的文档
GET /your_index/_search
{
  "query": {
    "ids": {
      "values": ["id1", "id2", "id3"]
    }
  }
}

精确查询

# 查询 title.keyword 字段精确等于 "代码之髓" 的文档
GET /your_index/_search
{
  "query": {
    "term": {
      "title.keyword": {
        "value": "代码之髓"
      }
    }
  }
}

多值精确匹配

# 查询 status 字段值为 "active" 或 "pending" 的文档
GET /your_index/_search
{
  "query": {
    "terms": {
      "status.keyword": ["active", "pending"]
    }
  }
}

数值范围查询

# 查询价格在 100 到 500 之间的商品
GET /your_index/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 100,
        "lte": 500
      }
    }
  }
}

匹配查询，模糊查询

查询所有

POST /索引名称/_search
{
    "query": {
        "match_all": {}
     },
     "sort": [  // 排序，注意：text无法使用排序，keyword才支持
          // {"字段名":"排序规则,asc正序, desc倒序"}
          {"title": "asc" }
     ],
      "from": 0,                       // 分页，查询起始下标
      "size": 2,                       // 指定返回结果数量
      "_source": ["title", "content"]  // 指定只返回部分字段
}

kibana操作：

POST /indexes4/_search
{
  "query": {
    "match_all": {}
  },
  "sort": {
    "author_id": "desc"
  },
  "from": 0,
  "size": 4,
  "_source": ["title"]
}

条件查询

格式：

POST /索引名称/_search
{
    "query": {
        "match": {
          "字段名": "查询条件值"
        }
    }
}

POST /indexes4/_search
{
    "query": {
        "match": {
          "content": "非读不可"
        }
    }
}

多字段模糊查询

# 在 title 和 description 字段中搜索包含 "智能手机" 的文档
GET /your_index/_search
{
  "query": {
    "multi_match": {
      "query": "智能手机",
      "fields": ["title", "description"]
    }
  }
}

模糊匹配（容错查询），这个不好用

# 使用模糊查询，允许有一定拼写错误或差异
GET /your_index/_search
{
  "query": {
    "fuzzy": {
      "name": {
        "value": "智能手机",
        "fuzziness": "AUTO"  // 自动根据词长确定允许的编辑距离
      }
    }
  }
}

通配符查询

# 使用通配符查询
GET /your_index/_search
{
  "query": {
    "wildcard": {
      "name.keyword": {
        "value": "智能*"  // 匹配以"智能"开头的任何词
      }
    }
  }
}

查询优化技巧

指定返回字段

# 只返回特定字段，减少网络传输
GET /your_index/_search
{
  "_source": ["name", "price", "category"],
  "query": {
    "match": {
      "name": "手机"
    }
  }
}

分页和排序

# 分页查询并按价格降序排序
GET /your_index/_search
{
  "query": {
    "match": {
      "name": "手机"
    }
  },
  "from": 0,
  "size": 10,
  "sort": [
    {
      "price": {
        "order": "desc"
      }
    }
  ]
}

火山引擎 ADG 社区

火山引擎开发者社区是火山引擎打造的AI技术生态平台，聚焦Agent与大模型开发，提供豆包系列模型（图像/视频/视觉）、智能分析与会话工具，并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长，新用户可领50万Tokens权益，助力构建智能应用。

更多推荐

超越工具，重塑核心：构建企业AI价值中枢的深度范式

企业AI应用正从"技术项目"转向"业务价值中枢"，通过构建智能能力中间层实现AI价值转化。报告提出三大核心操作：1）能力组件化，将AI封装为可复用的业务积木；2）流程自动化，实现端到端智能业务流；3）交互Agent化，打造拟人化业务伙伴。实施路径分为四阶段：价值锚定、平台构建、生态扩展和原生进化。成功关键在于组织转型，从项目制转向产品制运营，建立跨职能团队和