.net中级程序员招聘（一包烟时间学会NetCore操作ElasticSearch7）

简单对比几种全文引擎的区别

• Lucene是一个基于Java开发的全文检索基础包，使用起来繁杂，且默认不支持分布式检索
• Solr是基于Lucene开发的一个搜索工具。抽象度更高，使用更简单，且提供一个控制面板。
• ElasticSearch也是基于Lucene开发的。同样是高度抽象，并提供了一个非常强大的DSL检索功能，可以很方便的检索出数据。
• Solr和ES的区别主要在于：ES有强大的实时检索能力而不怎么掉速，Solr创建索引的同时，检索速度会下降。如果不考虑实时检索，Solr的速度更快。Solr社区更成熟。ES使用更方便更现代化。
• Sphinx是俄罗斯人开发的一个全文检索引擎，使用C++开发。性能比Java开发的es和solr高，但是在社区繁荣度上，比ES和solr差很多。比如中文分词器，sphinx的coreseek插件已经停更了。sphinx有个非常好的地方就是可以作为MySQL插件使用。

环境搭建

随着容器化的发展，我们大部分环境都切换到Docker上了。本篇博文的环境通过Docker搭建。

ES在Docker中搭建

我使用的是ES7.4.2

docker run --name es -d -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" -e "ES_JAVA_OPTS=-Xms128m -Xmx128m" -v d:/elasticsearch/es7.4.2/data:/usr/share/elasticsearch/data -v d:/elasticsearch/es7.4.2/plugins:/usr/share/elasticsearch/plugins elasticsearch:7.4.2

我这里把Docker中的es数据目录和插件目录映射到本机，方便操作。实际线上部署也应该映射数据目录到宿主机，防止数据丢失。

搭建Kibana可视化环境。

docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.31.115:9200 -p 5601:5601 -e "I18N_LOCALE=zh-CN" -d kibana:7.4.2

运行成功后，在Docker控制面板上，就可以看到两个正在运行的容器了。

在本机浏览器访问 http://localhost:5601/ 即可打开Kibana仪表盘。

ElasticSearch基本概念

用数据库的概念来对比ES的概念

上手ElasticSearch的DSL

ES有两种方式操作：1.url方式，2.http请求中的body提交json dsl

创建一个索引

PUT /qingcheng

删除一个索引

DELETE /qingcheng

创建mapping

PUT /qingcheng{ "mappings": { "properties": { "name": { "type": "text" }, "age": { "type": "integer" }, "createtime": { "type": "date" } } }} 响应 { "acknowledged" : true, "shards_acknowledged" : true, "index" : "qingcheng"}

在ES7中已经不支持映射mapping的时候，指定_doc名称了。ES会给一个默认的_doc名称

新增字段

PUT /qingcheng/_mapping{ "properties":{ "sex":{ "type":"integer" } }}

查看索引

GET /qingcheng/_mapping 结果{ "qingcheng" : { "mappings" : { "properties" : { "age" : { "type" : "integer" }, "createtime" : { "type" : "date" }, "name" : { "type" : "text" }, "sex" : { "type" : "integer" } } } }}

插入以及数据

多次put同一个id到es，那就是更新了

POST /qingcheng/_doc/1{ "name":"青城", "age":30, "createtime":"2021-03-21", "sex":1}

使用Post请求，在_doc的type中插入id为1的一条数据。id可以自定义格式，可以为数字以及自定义字符串

查看数据

GET /qingcheng/_doc/1

检索数据

数据检索的格式为 GET /索引名称/_search + json格式的body

基本搜索

GET /qingcheng/_search{ "query": { "query_string": { "default_field": "name", "query": "青城" } }}

范围搜索

GET /qingcheng/_search{ "query": { "range": { "age": { "gte": 10, "lte": 50 } } }}

分页搜索

GET /qingcheng/_search{ "query": { "match": { "name": "青" } }, "from": 0, //从多少条开始 "size": 20 //取多少条}

排序

GET /qingcheng/_search{ "sort": [ { "age": { "order": "desc" } } ]}

复杂搜索

在ES搜索中，一般会存在多个条件，类似于sql的and or等操作。在ES中使用bool操作来连接多个条件，must 必须满足，should：满足最好，不满足也没关系（如果满足，es的搜索评分会更高，结果更靠前）

GET /qingcheng/_search{ "query": { "bool": { "must": [ { "match": { "name": "青" } }, { "range": { "age": { "gte": 10, "lte": 50 } } } ], "should": [ { "range": { "age": { "gte": 10, "lte": 50 } } } ] } }}

聚合

在ES中，聚合使用eggs来操作。可快速求出最大、平均、等值。

GET /qingcheng/_search{ "aggs": { "平均值": { "avg": { "field": "age" } } }}

配置中文分词器

ES默认的分词器是中文分词是按单个汉字分割。所以使用起来搜索结果不太准确。在ES的分词插件中，中文分词用的比较多的是IK分词器

github地址:https://github.com/medcl/elasticsearch-analysis-ik

下载好ES对应版本的插件，解压出来，放到ES的插件目录。重启ES，即可启用插件。

我们对比一下使用ES默认分词器和IK分词器的结果

默认分词器

使用IK分词器

IK分词器支持两种分词模式 1. ik_smart 2.ik_max_word

• ik_smart模式

• ik_max_word

两种分词模式的区别在于分词粒度的粗细问题。而standard分词直接按单个字符分割。

使用.NET Core的NEST客户端

ES的.NET客户端分为两个，一个是ElasticSearch.NET一个是NEST，NEST是高级的客户端库，提供更符合.NET程序员的操作api。ElasticSearch.NET更适合喜欢写DSL的程序员。一般我们都使用NEST。

创建索引

[ElasticsearchType(RelationName = "estest")] class ESTest { [Number(NumberType.Integer, Name = "id")] public int Id { get; set; } [Text(Name = "name")] public string Name { get; set; } [Number(NumberType.Integer, Name = "age")] public int Age { get; set; } [Text(Name = "info", Analyzer = "ik_smart")] public string Info { get; set; } [Date(Name = "createtime", Format = "yyyy-MM-dd||yyyy-MM-dd HH:mm:ss")] public DateTime CreateTime { get; set; } } var node = new Uri("http://localhost:9200"); var settings = new ConnectionSettings(node); var client = new ElasticClient(settings); //创建索引 var resp = client.Indices.Create("test", opt => { return opt.Map<ESTest>(m => m.AutoMap()); }); Console.WriteLine("创建索引结果:" + resp.Acknowledged); Console.WriteLine(resp.DebugInformation);

插入数据

var model = new ESTest() { Name = "青城1", Age = 20, Info = "顺其自然，不代表我们可以不努力，而是努力之后有勇气接受成败。", Id = 2, CreateTime = DateTime.Now }; var indexResp = client.Index(model, i => i.Index("test")); if (indexResp.IsValid) { }

检索数据

var res = client.Search<ESTest>(a => a.Index("test") .Query(a => a.Match(m => m.Field(f => f.Info).Query("顺其自然")))); foreach (var item in res.Documents) { Console.WriteLine(item.Name + " " + item.Info); }

检索数据的写法基本上和DSL语法结构一致。学会DSL，用C#也可以写出正确的查询语句。

原文地址：https://www.cnblogs.com/boxrice/p/14562673.html