1.ES7.3.2 + kibana + ik-smart 百度网盘下载地址：https://pan.baidu.com/s/1eCKTYoosXl8NfX37EwjyWA
提取码：ibcf
kibana 操作文档
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
|
GET _search{ "query": { "match_all": {} }}### 查看集群健康信息GET /_cat/health?v### 帮助GET /_cat/health?help### 查看集群中节点信息GET /_cat/nodes?v### 查看集群中索引信息GET /_cat/indices?v### 精简信息GET /_cat/indices?v&h=health,status,index### 创建索引PUT /baizhi### 删除索引DELETE /baizhi### 创建类型mappingPOST /baizhi/user{ "user": { "properties": { "id": { "type": "text" }, "name": { "type": "text" }, "age": { "type": "integer" }, "created": { "type": "date", "format": "strict_date_optional_time || epoch_millis" } } }}### 查看类型mappingGET /baizhi/_mapping### 新增单个文档PUT /baizhi/user/1{ "name":"zs", "title":"张三", "age":18, "created":"2018-12-25"}### 查询所有文档GET /zpark/user/_search### 指定id查询单个文档GET /baizhi/user/1### 修改单个文档PUT /baizhi/user/1{ "name": "lxs", "title": "李小四"}### 删除单个文档DELETE /baizhi/user/1### 批量新增POST /baizhi/user/_bulk{"index":{}}{"name":"ww","title":"王五","age":18,"created":"2018-12-27"}{"index":{}}{"name":"zl","title":"赵六","age":25,"created":"2018-12-27"}### 批量删除POST /baizhi/user/_bulk{"update":{"_id":"K38E728BJ1QbWBSobMEC"}} {"doc":{"title":"王小五"}}{"delete":{"_id":"LH8E728BJ1QbWBSobMEC"}} ##############进阶######################### 查询(Query)# 批量插入测试数据POST /zpark/user/_bulk{"index":{"_id":1}}{"name":"zs","realname":"张三","age":18,"birthday":"2018-12-27","salary":1000.0,"address":"北京市昌平区沙阳路55号"}{"index":{"_id":2}}{"name":"ls","realname":"李四","age":20,"birthday":"2017-10-20","salary":5000.0,"address":"北京市朝阳区三里屯街道21号"}{"index":{"_id":3}}{"name":"ww","realname":"王五","age":25,"birthday":"2016-03-15","salary":4300.0,"address":"北京市海淀区中关村大街新中关商城2楼511室"}{"index":{"_id":4}}{"name":"zl","realname":"赵六","age":20,"birthday":"2003-04-19","salary":12300.0,"address":"北京市海淀区中关村软件园9号楼211室"}{"index":{"_id":5}}{"name":"tq","realname":"田七","age":35,"birthday":"2001-08-11","salary":1403.0,"address":"北京市海淀区西二旗地铁辉煌国际大厦负一楼"}### 查看所有并按照年龄降序排列GET /zpark/user/_search{ "query": { "match_all": {} }, "sort": { "age": "desc" }}### 查询第2页的用户（每页显示2条）GET /zpark/user/_search{ "query": { "match_all": {} }, "sort": { "age": "desc" }, "from": 2, "size": 2 }### 查询address在海淀区的所有用户，并高亮GET /zpark/user/_search{ "query": { "match": { "address": { "analyzer": "ik_max_word", "query": "海淀区" } } }, "highlight": { "fields": { "address": {} } }}### 设置索引分词器PUT /zpark{ "settings" : { "index" : { "analysis.analyzer.default.type": "ik_smart" } }}### 查询name是zs关键字的用户GET /zpark/user/_search{ "query":{ "term": { "name": { "value": "zs" } } }}### 查询年龄在20~30岁之间的用户GET /zpark/user/_search{ "query": { "range": { "age": { "gte": 20, "lte": 30 } } }}### 查询真实姓名以李开头的用户GET /zpark/user/_search{ "query": { "prefix": { "realname": { "value": "李" } } }}### 查询名字以s结尾的用户GET /zpark/user/_search{ "query": { "wildcard": { "name": { "value": "*s" } } }}### 查询id为1，2，3的用户GET /zpark/user/_search{ "query": { "ids": { "values": [1,2,3] } }}### 模糊查询realname中包含张关键字的用户GET /zpark/user/_search{ "query": { "wildcard": { "realname": {"value": "*张*"} } }}### 查询age在15-30岁之间并且name必须通配z*GET /zpark/user/_search{ "query": { "bool": { "must": [ { "range": { "age": { "gte": 15, "lte": 30 } } }, { "wildcard": { "name": { "value": "z*" } } } ], "must_not": [ { "regexp": { "name": ".*s" } } ] } }}############# 过滤器（Filter）### 其实准确来说，ES中的查询操作分为2种：查询（query）和过滤（filter）。查询即是之前提到的query查询，它（查询）默认会计算每个返回文档的得分，然后根据得分排序。而过滤（filter）只会筛选出符合的文档，并不计算得分，且它可以缓存文档。所以，单从性能考虑，过滤比查询更快。### 换句话说，过滤适合在大范围筛选数据，而查询则适合精确匹配数据。一般应用时，应先使用过滤操作过滤数据，然后使用查询匹配数据。### 过滤器使用 ranage filterGET /zpark/user/_search{ "query":{ "bool": { "must": [ {"match_all": {}} ], "filter": { "range": { "age": { "gte": 25 } } } } }}### term、terms Filter term、terms的含义与查询时一致。term用于精确匹配、terms用于多词条匹配GET /zpark/user/_search{ "query":{ "bool": { "must": [ {"match_all": {}} ], "filter": { "terms": { "name": [ "zs", "ls" ] } } } }}### exists filter exists过滤指定字段没有值的文档GET /zpark/user/_search{ "query": { "bool": { "must": [ { "match_all": {} } ], "filter": { "exists": { "field": "salary" } } } }, "sort": [ { "_id": { "order": "asc" } } ]}### ids filter 需要过滤出若干指定_id的文档，可使用标识符过滤器(ids)GET /zpark/user/_search{ "query": { "bool": { "must": [ { "match": { "address": "昌平区" } } ], "filter": { "ids": { "values": [ 1, 2, 3 ] } } } },"highlight": { "fields": { "address": {} } }}#############聚合（Aggregations）### 度量（metric）聚合POST /zpark/user/_search{ "aggs": { "age_avg": { "avg": {"field": "age"} } }}### 先过滤，再进行统计，如：POST /zpark/user/_search{ "query": { "ids": { "values":[1,2,3] } }, "aggs": { "age_avg": { "avg": {"field": "age"} } }}### 最大值查询。如：查询员工的最高工资POST /zpark/user/_search{ "aggs": { "max_salary": { "max": { "field": "salary" } } }}### 统计查询，一次性统计出某个字段上的常用统计值POST /zpark/user/_search{ "aggs": { "max_salary": { "stats": { "field": "salary" } } }}### 桶（bucketing）聚合 自定义区间范围的聚合，我们可以自己手动地划分区间，ES会根据划分出来的区间将数据分配不同的区间上去。### 统计0-20岁，20-35岁，35~60岁用户人数POST /zpark/user/_search{ "aggs": { "age_ranges": { "range": { "field": "age", "ranges": [ { "from": 0, "to": 20 }, { "from": 20, "to": 35 }, { "from": 35, "to": 60 } ] } } }}### 根据年龄分组，统计相同年龄的用户POST /zpark/user/_search{ "aggs": { "age_counts":{ "terms": { "field": "age", "size": 2 } } }}### 时间区间聚合专门针对date类型的字段，它与Range Aggregation的主要区别是其可以使用时间运算表达式。### now+10y：表示从现在开始的第10年。### now+10M：表示从现在开始的第10个月。### 1990-01-10||+20y：表示从1990-01-01开始后的第20年，即2010-01-01。### now/y：表示在年位上做舍入运算。### 统计生日在2018年、2017年、2016年的用户POST /zpark/user/_search{ "aggs": { "date_counts": { "date_range": { "field": "birthday", "format": "yyyy-MM-dd", "ranges": [ { "from": "now/y", "to": "now" }, { "from": "now/y-1y", "to":"now/y" }, { "from": "now/y-2y", "to":"now/y-1y" } ] } } }}### 嵌套使用### 聚合操作是可以嵌套使用的。通过嵌套，可以使得metric类型的聚合操作作用在每一bucket上。我们可以使用ES的嵌套聚合操作来完成稍微复杂一点的统计功能。### 如：统计每年中用户的最高工资POST /zpark/user/_search{ "aggs": { "date_histogram": { "date_histogram": { "field": "birthday", "interval": "year", "format": "yyyy-MM-dd" }, "aggs": { "salary_max": { "max": { "field": "salary" } } } } }} |
到此这篇关于windows 环境下搭建electricSearch+kibana的文章就介绍到这了,更多相关windows 环境搭建electricSearch+kibana内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://www.cnblogs.com/guanxiaohe/p/12239681.html
