NEST 基礎(chǔ)使用

1. 建立連接仙辟，創(chuàng)建client

var nodes = new[]
            {
    new Uri("http://localhost:9200")
};

var pool = new StaticConnectionPool(nodes);
var settings = new ConnectionSettings(pool); ;
var client = new ElasticClient(settings);

2.獲取所有索引

var indexs = client.Cat.Indices();

3. 創(chuàng)建一個(gè)索引

• 可以增加多個(gè)map 之類碍粥，多個(gè)之類相當(dāng)于屬性拼成了一個(gè)大表
• subClass1 與 subClass2之間如果有重復(fù)名稱的字段器腋，那么先map的會(huì)保留娩缰，后續(xù)的不會(huì)覆蓋前面的同名字段 —— 如下例：先map的Company，后map的Employee，那么生成index的時(shí)候，實(shí)際生成的是Company
  的 字段五芝， 也就是 string 類型的 Name

client.Indices.Create("indexTest1", c => c
    .Map(m => m
        .AutoMap<Company>()
        .AutoMap<Employee>()
    )
);
public abstract class Document
{
    public JoinField Join { get; set; }
}
public class Company : Document
{
    public string Name { get; set; }
    public List<Employee> Employees { get; set; }
}
public class Employee : Document
{
    public int Name { get; set; }
    public int Salary { get; set; }
    public DateTime Birthday { get; set; }
    public bool IsManager { get; set; }
    public List<Employee> Employees { get; set; }
    public TimeSpan Hours { get; set; }
}

image.png

4. 給Es的對象加上對應(yīng)的解析特性

• 類似JsonProperty那種,在創(chuàng)建索引的時(shí)候,或者查詢數(shù)據(jù)的時(shí)候，NEST可以根據(jù)Attribute來解析 —— 相應(yīng)的對應(yīng)類型說明https://www.elastic.co/guide/en/elasticsearch/client/net-api/current/auto-map.html

[ElasticsearchType(RelationName = "employee")]
public class Employee
{
    [Text(Name = "first_name", Norms = false, Similarity = "LMDirichlet")]
    public string FirstName { get; set; }

    [Text(Name = "last_name")]
    public string LastName { get; set; }

    [Number(DocValues = false, IgnoreMalformed = true, Coerce = true)]
    public int Salary { get; set; }

    [Date(Format = "MMddyyyy")]
    public DateTime Birthday { get; set; }

    [Boolean(NullValue = false, Store = true)]
    public bool IsManager { get; set; }

    [Nested]
    [PropertyName("empl")]
    public List<Employee> Employees { get; set; }

    [Text(Name = "office_hours")]
    public TimeSpan? OfficeHours { get; set; }

    [Object]
    public List<Skill> Skills { get; set; }
}

public class Skill
{
    [Text]
    public string Name { get; set; }

    [Number(NumberType.Byte, Name = "level")]
    public int Proficiency { get; set; }
}

5. 查詢

• 最簡單的查詢示例

var qr1 = client.Search<NodeLogSearchEntity>(s => s
                .Index("log.test_mix-2021.01.18")
                .Query(q => q
                    .MatchAll()
                    )
            );

• 較為復(fù)雜的查詢

var result = client.Search<VendorPriceInfo>(
                s => s
                    .Explain() //參數(shù)可以提供查詢的更多詳情辕万。
                    .FielddataFields(fs => fs //對指定字段進(jìn)行分析
                        .Field(p => p.vendorFullName)
                        .Field(p => p.cbName)
                    )
                    .From(0) //跳過的數(shù)據(jù)個(gè)數(shù)
                    .Size(50) //返回?cái)?shù)據(jù)個(gè)數(shù)
                    .Query(q =>
                        q.Term(p => p.vendorID, 100) // 主要用于精確匹配哪些值枢步，比如數(shù)字，日期渐尿，布爾值或 not_analyzed的字符串(未經(jīng)分析的文本數(shù)據(jù)類型)：
                        &&
                        q.Term(p => p.vendorName.Suffix("temp"), "姓名") //用于自定義屬性的查詢 （定義方法查看MappingDemo）
                        &&
                        q.Bool( //bool 查詢
                            b => b
                                .Must(mt => mt //所有分句必須全部匹配醉途，與 AND 相同
                                    .TermRange(p => p.Field(f => f.priceID).GreaterThan("0").LessThan("1"))) //指定范圍查找
                                .Should(sd => sd //至少有一個(gè)分句匹配，與 OR 相同
                                    .Term(p => p.priceID, 32915),
                                    sd => sd.Terms(t => t.Field(fd => fd.priceID).Terms(new[] {10, 20, 30})),//多值
                                    //||
                                    //sd.Term(p => p.priceID, 1001)
                                    //||
                                    //sd.Term(p => p.priceID, 1005)
                                    sd => sd.TermRange(tr => tr.GreaterThan("10").LessThan("12").Field(f => f.vendorPrice))
                                )
                                .MustNot(mn => mn//所有分句都必須不匹配砖茸，與 NOT 相同
                                    .Term(p => p.priceID, 1001)
                                    ,
                                    mn => mn.Bool(
                                        bb=>bb.Must(mt=>mt
                                            .Match(mc=>mc.Field(fd=>fd.carName).Query("至尊"))
                                        ))
                                )
                            )
                    )//查詢條件
                .Sort(st => st.Ascending(asc => asc.vendorPrice))//排序
                .Source(sc => sc.Include(ic => ic
                    .Fields(
                        fd => fd.vendorName,
                        fd => fd.vendorID,
                        fd => fd.priceID,
                        fd => fd.vendorPrice))) //返回特定的字段
               );

二结蟋、Elasticsearch的文本的查詢

es的text數(shù)據(jù)存儲，實(shí)際上插入一條數(shù)據(jù)的時(shí)候渔彰，會(huì)默認(rèn)的分詞，分詞后再倒排索引推正，后面方便查詢恍涂。text在被index的時(shí)候，會(huì)保留一個(gè)它的子字段 text.keyword植榕，改字段是不被分詞的text字段再沧。(ps: map的時(shí)候也可以設(shè)置不分析)

0. 查看一個(gè)text的分析

• 在kibana里面的devtool里面執(zhí)行即可

POST _analyze
{
  "analyzer": "standard",
  "text": "The 2 QUICK Brown-Foxes jumped over the lazy dog's bone."
}

標(biāo)準(zhǔn)分詞器分詞

1. 精準(zhǔn)匹配

2. 模糊匹配 —— 字符串 Levenshtein distance =》 fuzzy

fuzzy匹配是根據(jù) Levenshtein distance 來判斷是否匹配，一般長度為 0,1,2 太大將不會(huì)匹配尊残，因?yàn)榻Y(jié)果太多了

• eg： cat,kat,他們就一個(gè)字符不同所以 Levenshtein distance("kat","cat") = 1

3. 模糊匹配 —— 使用通配符 wildcard 匹配 =》 WildCard

WildCard 匹配 就很像我們SQL里面的like匹配 只不過這里使用 *或者? 來匹配

• eg: kiy, kity, kimchy 加入要匹配這三個(gè)