目录
一、Restful风格
二、关于索引的基本操作
1. 创建
（1）创建索引
（2）创建索引规则
2.GET获取信息
（1）获得索引信息
（2）获得文档信息
（3）补充常用命令 GET _cat/... 获取es集群的信息
3. 使用POST命令更新文档
4. 删除
（1）删除索引
（2）删除索引中的某个文档
三、关于文档的基本操作
1、PUT/POST创建文档
2、GET获取文档
3、POST更新文档
4、简单的搜索
（1） 在索引中根据关键字搜索文档
5、复杂搜索
（1）模糊查询
（2）过滤不想看的字段
（3）排序
（4）分页查询
（5）布尔值bool查询
（6）模糊查询的多条件查询
（7）term精确查询
（8）精确查询的多条件查询
（9）高亮查询 及 自定义高亮样式
在kibana的创建索引、修改索引、删除索引等操作时，要严格遵循上面url地址的各个字段。
找到Dev tool（开发工具），左栏就是发送JSON格式的命令的，点击绿色的三角形发送命令，右栏是返回结果。
PS：对于kibana7.0以后的版本，索引的type字段被省略掉了，或者说默认是_doc类型。上面的命令可以改成
POST /test1/zxf
POST /test1/_doc/zxf然后，在head里查看一下
PUT /test2
{
"mappings":{
"properties": {
"name":{
"type":"text"
},
"age":{
"type":"long"
},
"sex":{
"type":"text"
}
}
}
}
在head里查看一下，test2这个索引里没有文档，是空的。
获取索引信息，我们在创建test1时没有指明文档内各个字段的类型，创建test2时，通过规则指定了文档内各个字段的类型（long,text,text）。分别获取看一下区别。
① test2：创建时指定了各个字段的类型。自然返回的结果和我们在上文规定的一样。
② test1：创建时没有指明各个字段的类型。从返回的结果可以看出，es默认识别出并赋予了"name""year"等字段的类型
GET不仅可以获取索引信息，还可以具体到索引中每个文档的信息。
这里的文档类型type1写成_doc就行。
查看集群的健康值：
GET _cat/health
查看es包含的所有索引的信息：
GET _cat/indices?v
3. 使用POST命令更新文档
POST test1/_doc/zxf/_update
{
"doc":{
"name":"修改后的name"
}
}提交后，返回的结果可以看出修改成功。
然后去head里面确认一下
DELETE test2
回到head确认一下，test2这个索引不在了。
当然，除了在kibana中通过发送json命令的形式删除索引，在head中也可以手动删除，操作如下
DELETE test1/_doc/zxf
回到head确认一下，文档没有了
前面创建索引的时候已经顺便讲过了如何创建文档，比如
PUT test1/_doc/zxf
{
"name":"zxf",
"year":2022,
"month":1,
"date":25
}
PUT test1/_doc/wanna_sleep
{
"name":"wanna sleep",
"year":2022,
"month":1,
"date":25
}
GET test1/_doc/morning
同上文，
POST test1/_doc/zxf/_update
{
"doc":{
"name":"修改后的name"
}
}# 搜索类型为type1的索引test1中，name字段值为zxf的文档
GET test1/type1/_search?q=name:zxf
# 搜索类型为type1的索引test1中，year字段值为2022的文档
GET test1/type1/_search?q=year:2022
这里存在一个问题， 如果没有给es安装分析器插件的话，就不能实现部分匹配，比如说通过name字段搜索，必须在命令中给出完整name才能匹配到。 为了实现部分匹配，我决定安装一个分词器。
elastic stack技术栈学习（八）—— 安装elasticsearch IK分词器（一个插件）_玛丽莲茼蒿的博客-CSDN博客
安装完毕后可以实现部分匹配了。 
需要注意的是，部分匹配是根据字典进行拆分的，默认的英文字典有一些“呆板”，还无法实现像百度、谷歌那样的部分匹配。比如上面的查询我不用wanna，而是只输入wann，是查不到的，除非手动将wann加入字典。
我又添加了如下两个中文name字段用来测试分词器。
通过匹配的结果可以看出来，分词器既拆分了我们输入的关键字，也拆分了被查询的name字段。
和MySQL一样，es使用query进行查询。elastic stack提供了很多匹配方式的API。
match是模糊查询：输入“敬业福”，相当于SQL语句的 WHERE name LIKE '%敬业福%' OR LIKE '%敬业%' OR LIKE '敬' OR LIKE '业' OR LIKE '业'（和SQL不同的是，es的模糊查询会分词）
term是精确查询：输入“我想要敬业福”，相当于SQL语句的 WHERE name = '我想要敬业福'
我们先采用match模糊查询方式去匹配：
GET test1/type1/_search
{
"query":{
"match": {
"name": "福"
}
}
}
如果我们只想看查询结果的name字段和year字段，不想看其他month、date字段，可以使用过滤器。
GET test1/type1/_search
{
"query":{
"match": {
"name": "福"
}
},
"_source":["name","year"]
}
为了测试，索引test1的文档更改如下：
实现先按照月份再按照日期的倒序排序：
GET test1/type1/_search
{
"query":{
"match": {
"name": "福"
}
},
"sort":[
{
"month":{
"order":"desc" # 升序是"asc"
},
"date":{
"order":"desc"
}
}
]
}
下面是百度的分页：
GET test1/type1/_search
{
"query":{
"match": {
"name": "福"
}
},
"_source":["name","month"],
"sort":[
{
"month":{
"order":"desc"
}
}
],
"from":0,
"size":3
}
注意，返回的查询结果下标从0开始。
1) must关键字：实现的是“逻辑与” AND
2) should关键字：实现的是“逻辑或”OR
3) must_not关键字：实现的是“逻辑非”NOT，name字段不带“福”字的文档被查询出来了。
4)过滤器
GET test1/type1/_search
{
"query":{
"bool": {
"must": [
{
"match": {
"name": "福"
}
}
],
"filter": [
{
"range": {
"month": {
"gte": 3,
"lte": 4
}
}
}
]
}
}
}
多个条件直接用“空格”隔开，这一点比MySQL数据库查询方便得多。
GET test1/type1/_search
{
"query":{
"match": {
"name": "福 敬业 wanna"
}
}
}
先看模糊查询的结果
精确查询，没查到。必须要输入完整的“我想要敬业福”才能匹配到（相当于SQL中的 WHERE name = '我想要敬业福'）
模糊查询的多条件查询直接用“空格”隔开就行了，但是精确查询不能直接用空格隔开。
GET test1/type1/_search
{
"query":{
"bool": {
"must": [
{
"term": {
"month": 4
}
},
{
"term": {
"date": 1
}
}
]
}
}
}
通过增加前标签和后标签自定义高亮的颜色等样式：
GET test1/type1/_search
{
"query":{
"match": {
"name": "敬业福"
}
},
"highlight":{
"pre_tags": "<p class='key' style='color:red'>",
"post_tags": "</p>",
"fields": {
"name": {}
}
}
}