这篇文章给大家分享的是有关windows环境下怎么搭建electricSearch+kibana的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。
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
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mapping
POST /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mapping
GET /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 filter
GET /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"
}
}
}
}
}
}感谢各位的阅读！关于“windows环境下怎么搭建electricSearch+kibana”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
