# 基础索引库、文档ES-DSL语句

## 基础概念

我们把mysql与elasticsearch的概念做一下对比：

| **MySQL** | **Elasticsearch** | **说明**                                                     |
| --------- | ----------------- | ------------------------------------------------------------ |
| Table     | Index             | 索引(index)，就是文档的集合，类似数据库的表(table)           |
| Row       | Document          | 文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式 |
| Column    | Field             | 字段（Field），就是JSON文档中的字段，类似数据库中的列（Column） |
| Schema    | Mapping           | Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema） |
| SQL       | DSL               | DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD |

是不是说，我们学习了elasticsearch就不再需要mysql了呢？

并不是如此，两者各自有自己的擅长支出：

- Mysql：擅长事务类型操作，可以确保数据的安全和一致性

- Elasticsearch：擅长海量数据的搜索、分析、计算

因此在企业中，往往是两者结合使用：

- 对安全性要求较高的写操作，使用mysql实现
- 对查询性能要求较高的搜索需求，使用elasticsearch实现
- 两者再基于某种方式，实现数据的同步，保证一致性

## 基础语法

### 索引基础语法

- 创建索引库：PUT /索引库名
- 查询索引库：GET /索引库名
- 删除索引库：DELETE /索引库名
- 添加字段：
  - PUT /索引库名/_mapping 
  - POST /索引库名/_mapping

### 文档基础语法

- 创建文档：POST /{索引库名}/_doc/文档id   { json文档 }
- 查询文档：GET /{索引库名}/_doc/文档id
- 删除文档：DELETE /{索引库名}/_doc/文档id
- 修改文档：
  - 全量修改 (如果索引库中不存在则新增)：PUT /{索引库名}/_doc/文档id { json文档 }
  - 局部修改(如果索引库中不存在则修改失败)：POST /{索引库名}/_update/文档id { "doc": {字段}}

## 示例

```apl
#分词器
#默认分词器
GET _analyze
{
  "analyzer": "standard", 
  "text": "hello world"
}

#ik_max_word ik分词器-细粒度
GET _analyze
{
  "analyzer": "ik_max_word",
  "text": "我是云南的嘤嘤怪,你是大傻逼还是大聪明"
}
#ik_smart ik分词器-粗粒度
GET _analyze
{
  "analyzer": "ik_smart",
  "text": "我是云南的"
}
#ik_max_word
GET _analyze
{
  "analyzer": "ik_max_word",
  "text": "我是云南的嘤嘤怪,你是大傻逼还是大聪明"
}

# 索引库操作
#新增索引
PUT /heima
{
  "mappings": {
    "properties": {
      "info":{
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email":{
        "type": "keyword",
        "index": false
      },
      "name":{
        "properties": {
          "firstName":{
            "type":"keyword"
          },
          "lastName":{
            "type":"keyword"
          }
        }
      }
    }
  }
}

#查询索引
GET /heima

#修改索引（为索引新增加字段）
POST /heima/_mapping
{
  "properties":{
    "name2":{
      "type":"keyword"
    }
  }
}
#修改索引（为索引新增加字段）
PUT /heima/_mapping
{
  "properties":{
    "name3":{
      "type":"keyword"
    }
  }
}
#删除索引
DELETE /heima

#文档操作
#新增文档
POST /heima/_doc/1
{
  "info":"大聪明JAVA程序员",
  "email":"2111319672@qq.com",
  "name":{
    "firstName":"代",
    "lastName":"帅"
  },
  "name2":"大聪明"
}


#查询文档
GET /heima/_doc/1

#删除文档
DELETE /heima/_doc/1

#全量修改
PUT /heima/_doc/1
{
  "info":"大聪明JAVA程序员",
  "email":"2111319672@qq.com",
  "name":{
    "firstName":"代",
    "lastName":"帅"
  },
  "name2":"大聪明"
}

#局部修改
POST /heima/_update/1
{
  "doc": {
    "email":"dcm@qq.com",
    "name":{
      "firstName":"大",
      "lastName":"聪明"
    }
  }
}
#常见字段演示
# location：地理坐标，里面包含精度、纬度
# all：一个组合字段，其目的是将多字段的值 利用copy_to合并，提供给用户搜索
PUT /hotel
{
  "mappings": {
    "properties": {
      "id": {
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "ik_max_word",
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type": "integer"
      },
      "brand":{
        "type": "keyword",
        "copy_to": "all"
      },
      "city":{
        "type": "keyword",
        "copy_to": "all"
      },
      "starName":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "ik_max_word"
      }
    }
  }
}
```