主页 > IT业界 >

ElasticSearch02

IT业界
2025-07-21 19:26:30

ElasticSearch客户端操作

ElasticSearch 版本：7.8 学习视频：尚硅谷笔记： zgtsky.top/

实际开发中，主要有三种方式可以作为elasticsearch服务的客户端：

第一种，使用elasticsearch提供的Restful接口直接访问

第二种，elasticsearch-head插件

第三种，使用elasticsearch提供的API进行访问

ElasticSearch的接口语法

Elasticsearch提供了基于JSON的完整查询DSL（Domain Specific Language领域特定语言）来定义查询。将查询DSL视为查询的AST（抽象语法树），它由两种子句组成：

叶子查询子句:

叶查询子句中寻找一个特定的值在某一特定领域，如 match，term或 range查询。这些查询可以自己使用。

复合查询子句

复合查询子句包装其他叶查询或复合查询，并用于以逻辑方式组合多个查询（例如 bool或dis_max查询），或更改其行为（例如 constant_score查询）。

我们在使用ElasticSearch的时候，避免不了使用DSL语句去查询，就像使用关系型数据库的时候要学会SQL语法一样。如果我们学习好了DSL语法的使用，那么在日后使用和使用Java Client调用时候也会变得非常简单。

Postman 操作索引 index

创建索引

请求url：put localhost:9200/blog

发送请求，响应数据

elasticsearch-head查看：请求localhost:9200

如果重复创建索引，会报错：

查看索引

get localhost:9200/log

删除索引

delete localhost:9200/blog

关闭索引

post localhost:9200/blog/_close

打开索引

post localhost:9200/blog/_open

创建索引index并且进行映射mapping 请求url ：PUT localhost:9200/blog1 请求体：{ "mappings": { "properties": { "id": { "type": "long", "store": true, "index":true }, "title": { "type": "text", "store": true, "index":true, "analyzer":"standard" }, "content": { "type": "text", "store": true, "index":true, "analyzer":"standard" } } } }

注意：

key需要使用双引号，不可以省略

mappings、properties等都是关键字，区分大小写

mapping中的字段类型一旦设置，禁止直接修改，因为 lucene实现的倒排索引生成后不允许修改，应该重新建立新的索引，然后做reindex操作。

如果没有mapping所有text类型属性默认都使用standard分词器。所以如果希望使用IK分词就必须配置自定义mapping。

store含义：默认false。当某个数据字段很大，我们可以指定其它字段store为true，这样就不用从_source中取数据。 store 的意思是，是否在 _source 之外在独立存储一份。当你索引数据的时候， elasticsearch 会保存一份源文档到 _source ，如果文档的某一字段设置了 store 为 true，这时候会在 _source 存储之外再为这个字段独立进行存储，这么做的目的主要是针对内容比较多的字段，放到 _source 返回的话，因为_source 是把所有字段保存为一份文档，命中后读取只需要一次IO，包含内容特别多的字段会很占带宽影响性能，通常我们也不需要完整的内容返回(可能只关心摘要)，这时候就没必要放到 _source 里一起返回了(当然也可以在查询时指定返回字段)。

index含义：默认值是true。es默认大多数及常用数据字段类型就是索引的，这也是es职责之所在，但是有时会有部分字段只是做存储，不做检索，这也会提高es性能。

elasticsearch-head查看：

kibana 操作索引和映射 # 创建索引 PUT person # 查询索引 GET person # 删除索引 DELETE person # 查询映射 GET person/_mapping # 添加映射 PUT person/_mapping { "properties":{ "name":{ "type":"keyword" }, "age":{ "type":"integer" } } } # ------------------------------------------------ # 创建索引并添加映射 PUT person { "mappings": { "properties": { "name":{ "type": "keyword" }, "age":{ "type":"integer" } } } } # 索引库中添加字段 PUT person/_mapping { "properties":{ "address":{ "type":"text" } } } # 判断索引是否存在 HEAD person

打开kibana，在此操作。前提是elasticsearch也在开着。

操作文档document

• 添加文档 • 查询文档 • 修改文档 • 删除文档

• 判断文档是否存在

# 查询索引 GET person # 添加文档，指定id PUT person/_doc/1 { "name":"张三", "age":20, "address":"深圳宝安区" } # 查询文档 GET person/_doc/1 # 添加文档,不指定id,自动生成id POST person/_doc/ { "name":"李四", "age":20, "address":"深圳南山区" } # 查询文档 GET person/_doc/u8b2QHUBCR3n8iTZ8-Vk # 添加文档,不指定id,自动生成id POST person/_doc { "name":"李四", "age":20, "address":"深圳南山区" } # 查询文档 GET person/_doc/u8b2QHUBCR3n8iTZ8-Vk # 查询所有文档 GET person/_search # 删除文档 DELETE person/_doc/1 # 修改文档根据id，id存在就是修改，id不指定报405请求方式不支持，使用POST方式 PUT person/_doc/2 { "name":"硅谷", "age":20, "address":"深圳福田保税区" } #如果我们只需要判断文档是否存在，而不是查询文档内容，那么可以这样： HEAD shangguigu/_doc/1001 #存在返回：200 - OK #不存在返回：404 – Not Found

注意：

put：id存在是修改（以现在提供字段为全部字段），id不存在是添加

post：id存在是添加，id不存在自动生成id，

查询全部

GET person/_search GET person/_search { "query": { "match_all": { } } } 全文查询-match查询

全文查询会分析查询条件，先将查询条件进行分词，然后查询，求并集

# match 先会对查询的字符串进行分词，在查询，求并集 GET person/_search { "query": { "match": { "address": "深圳保税区" } } }

结果按照得分进行排序

查询文档-term查询

词条查询不会分析查询条件，只有当词条和查询字符串完全匹配时才匹配搜索。term主要用于精确匹配哪些值，比如数字，日期，布尔值或 not_analyzed 的字符串(未经分析的文本数据类型)

# 查询所有数据 GET person/_search # 查询带某词条的数据 GET person/_search { "query": { "term": { "address": { "value": "深圳南山区" } } } }

这个结果与使用的分词器有关。根据address字段，建立倒排索引时，需要对其分词，产生多个词条，而词条集合中没有"深圳南山区"的词条，故而查询不到数据。

大家可以查询“深”或“南山区”或“深圳”试试。

这里之前没有指定ik分词器，所以中文都是一个一个的，此处用深可以查出。

注意：

默认情况下，hits.total.value是不确切的命中计数，当hits.total.relation的值是eq时，hits.total.value的值是准确计数。

当hits.total.relation的值是gte时，hits.total.value的值是不准确的。

hits.hits 是存储搜索结果的实际数组（默认为前10个文档）

terms查询

terms 跟 term 有点类似，但 terms 允许指定多个匹配条件。如果某个字段指定了多个值，那么文档需要一起去做匹配：

POST person/_search { "query" : { "terms" : { "age" : [20,21] } } } exists 查询

exists 查询可以用于查找文档中是否包含指定字段或没有某个字段，类似于SQL语句中的 IS_NULL 条件

# "exists": 必须包含 POST person/_search { "query": { "exists": { "field": "name" } } } range查询

range 过滤允许我们按照指定范围查找一批数据：

范围操作符包含：

gt :: 大于

gte :: 大于等于

lt :: 小于

lte :: 小于等于

POST person/_search { "query": { "range": { "age": { "gte": 20, "lte": 22 } } } } 复合查询（bool）

复合查询就是多条件查询

GET 索引名/类型名/_search { "query": { "bool": { "must": [ #数组中的多个条件必须同时满足 { "range": { "字段名": { "lt": 条件 } } } ], "must_not":[ #数组中的多个条件必须都不满足 { "match": { "字段名": "条件" } }, { "range": { "字段名": { "gte": "搜索条件" } } } ], "should": [# 数组中的多个条件有任意一个满足即可。 { "match": { "字段名": "条件" } }, { "range": { "字段名": { "gte": "搜索条件" } } } ] } } }

bool 可以用来合并多个过滤条件查询结果的布尔逻辑，它包含这如下几个操作符:

· must : 多个查询条件的完全匹配,相当于 and，有评分。

· filter: 多个查询条件的完全匹配,相当于 and，无评分。

· must_not ::多个查询条件的相反匹配，相当于 not。

· should : 至少有一个查询条件匹配, 相当于 or。

多添加数据，方便展示

PUT person/_doc/1001 { "id":"1001", "name":"张三", "age":20, "sex":"男" } PUT person/_doc/1002 { "id":"1002", "name":"李四", "age":25, "sex":"女" } PUT person/_doc/1003 { "id":"1003", "name":"王五", "age":30, "sex":"女" } PUT person/_doc/1004 { "id":"1004", "name":"赵六", "age":30, "sex":"男" } GET person/_search

复合查询示例：

GET shangguigu/_search { "query": { "bool": { "must": [ {"range": { "age": { "gte": 25, "lte": 33 } }}, { "term": { "sex": { "value": "女" } } } ], "must_not": [ {"match": { "name": "王五" }} ], "should": [ {"exists": { "field": "address" }} ] } } }

高亮显示

在浏览器搜索时，我们搜索的关键词汇，在给出的搜索列表里对应的词汇会高亮。

GET person/_search { "query":{ "match":{ "name": "张三李四" } }, "highlight": { "fields": { "name": {} } } }

扩展：可以自定义高亮的样式：

“pre_tags”: “”,

“post_tags”: “”

自定义样式

指定响应字段

在响应的数据中，如果我们不需要全部的字段，可以指定某些需要的字段进行返回

GET person/_doc/1001?_source=id,name 等价于 GET /person/_search { "query": { "match": { "id": "1001" } }, "_source": ["id","name"] }

聚合

在Elasticsearch中，支持聚合操作，类似SQL中的group by操作。

注意：

"all_ages"名称是任意的。

GET person/_search { "aggs": { "all_ages": { "terms": { "field": "age" } } } }

如果聚合查询报错：在es中，text类型的字段使用一种叫做fielddata的查询时内存数据结构。当字段被排序，聚合或者通过脚本访问时这种数据结构会被创建。它是通过从磁盘读取每个段的整个反向索引来构建的，然后存存储在java的堆内存中。fileddata默认是不开启的。Fielddata可能会消耗大量的堆空间，尤其是在加载高基数文本字段时。一旦fielddata已加载到堆中，它将在该段的生命周期内保留。此外，加载fielddata是一个昂贵的过程，可能会导致用户遇到延迟命中。这就是默认情况下禁用fielddata的原因。如果尝试对文本字段进行排序，聚合或脚本访问，将看到以下异常：

修改后的语句：

{ "aggs": { "all_ages": { "terms": { "field": "age.keyword" } } } } 批量操作

有些情况下可以通过批量操作以减少网络请求。如：批量查询、批量插入数据。

批量查询 POST person/_doc/_mget { "ids" : [ "1001", "1003" ] }

如果，某一条数据不存在，不影响整体响应，需要通过found的值进行判断是否查询到数据。

1006 不存在

{ "ids" : [ "1001", "1006" ] }

_bulk操作

在Elasticsearch中，支持批量的插入、修改、删除操作，都是通过_bulk的api完成的。

请求格式如下：（请求格式不同寻常）

不要有多余的空行

{ action: { metadata }}\n { request body }\n { action: { metadata }}\n { request body }\n ...

批量插入：

POST _bulk {"create":{"_index":"person","_id":2001}} {"id":2001,"name":"name1","age": 20,"sex": "男"} {"create":{"_index":"person","_id":2002}} {"id":2002,"name":"name2","age": 20,"sex": "男"} {"create":{"_index":"person","_id":2003}} {"id":2003,"name":"name3","age": 20,"sex": "男"}

批量删除：

由于delete没有请求体，所以，action的下一行直接就是下一个action。

POST _bulk {"delete":{"_index":"atguigu","_id":2001}} {"delete":{"_index":"atguigu","_id":2002}} {"delete":{"_index":"atguigu","_id":2003}} 分页

和SQL使用 LIMIT 关键字返回只有一页的结果一样，Elasticsearch接受 from 和 size 参数：

插入数据：

size: 结果数，默认10 from: 跳过开始的结果数，默认0 POST person/_bulk {"index":{"_index":"person"}} {"name":"张三","age": 20,"mail": "111@qq ","hobby":"羽毛球、乒乓球、足球"} {"index":{"_index":"person"}} {"name":"李四","age": 21,"mail": "222@qq ","hobby":"羽毛球、乒乓球、足球、篮球"} {"index":{"_index":"person"}} {"name":"王五","age": 22,"mail": "333@qq ","hobby":"羽毛球、篮球、游泳、听音乐"} {"index":{"_index":"person"}} {"name":"赵六","age": 23,"mail": "444@qq ","hobby":"跑步、游泳"} {"index":{"_index":"person"}} {"name":"孙七","age": 24,"mail": "555@qq ","hobby":"听音乐、看电影"}

测试分页：

POST person/_search { "query" : { "match" : { "hobby" : "音乐羽毛球" } }, "from": 0, "size": 2 }

注意事项：批量操作中index和create区别

index 和 create 都会检查 _version 版本号。index 插入时分两种情况：没有指定 _version，那对于已有的doc，_version会递增，并对文档覆盖。指定_version，如果与已有的文档 _version 不相等，则插入失败；如果相等则覆盖，_version递增。 create 插入时对于已有的文档，不会创建新文档，即插入失败，会抛出一个已经存在的异常。通过查询字符串搜索数据

ElasticSearch除了提供DSL查询语法之外，还提供了query string search。

query string search：search的参数都是类似http请求头中的字符串参数提供搜索条件的。GET [/index_name/]_search[?parameter_name=parameter_value&…]

query DSL：请求参数以JSON形式提供，是在请求体传递的。在Elasticsearch中，请求体的字符集默认为UTF-8。

# 查询名字等于张三的用户 GET person/_search?q=name:张三 # 查询所有字段中带张三的用户 GET person/_search?q=张三

如果你想每页显示5个结果，页码从1到3，那请求如下：

GET person/_search?size=5 GET person/_search?size=5&from=5 GET person/_search?size=5&from=10

排序：

GET person/_search?size=1&from=2 GET person/_search?sort=age:desc GET person/_search?size=5&sort=age:desc 重建索引

随着业务需求的变更，索引的结构可能发生改变。

ElasticSearch的索引一旦创建，只允许添加字段，不允许改变字段。因为改变字段，需要重建倒排索引，影响内部缓存结构，性能太低。

那么此时，就需要重建一个新的索引，并将原有索引的数据导入到新索引中。

原索引库：student_index_v1

新索引库：student_index_v2

# 新建student_index_v1索引，索引名称必须全部小写 PUT student_index_v1 { "mappings": { "properties": { "birthday":{ "type": "date" } } } } # 查询索引 GET student_index_v1 # 添加数据 PUT student_index_v1/_doc/1 { "birthday":"2020-11-11" } # 查询数据 GET student_index_v1/_search # 随着业务的变更，换种数据类型进行添加数据，程序会直接报错 PUT student_index_v1/_doc/1 { "birthday":"2020年11月11号" } # 业务变更，需要改变birthday数据类型为text # 1：创建新的索引 student_index_v2 # 2：将student_index_v1 数据拷贝到 student_index_v2 # 创建新的索引 PUT student_index_v2 { "mappings": { "properties": { "birthday":{ "type": "text" } } } } DELETE student_index_v2 # 2：将student_index_v1 数据拷贝到 student_index_v2 POST _reindex { "source": { "index": "student_index_v1" }, "dest": { "index": "student_index_v2" } } # 查询新索引库数据 GET student_index_v2/_search # 在新的索引库里面添加数据 PUT student_index_v2/_doc/2 { "birthday":"2020年11月13号" } ElasticSearch集群搭建相关概念单节点故障问题

单台服务器，往往都有最大的负载能力，超过这个阈值，服务器性能就会大大降低甚至不可用。单点的elasticsearch也是一样，那单点的es服务器存在哪些可能出现的问题呢？

单台机器存储容量有限

单服务器容易出现单点故障，无法实现高可用

单服务的并发处理能力有限

所以，为了应对这些问题，我们需要对elasticsearch搭建集群

集群中节点数量没有限制，大于等于2个节点就可以看做是集群了。一般出于高性能及高可用方面来考虑集群中节点数量都是3个以上。集群的相关概念

**1)**集群 cluster

一个集群就是由一个或多个节点组织在一起，它们共同持有整个的数据，并一起提供索引和搜索功能。一个集群由一个唯一的名字标识，这个名字默认就是“elasticsearch”。这个名字是重要的，因为一个节点只能通过指定某个集群的名字，来

加入这个集群。

2) 节点 node

一个节点是集群中的一个服务器，作为集群的一部分，它存储数据，参与集群的索引和搜索功能。

一个节点也是由一个名字来标识的，默认情况下，这个名字是一个随机的漫威漫画角色的名字，这个名字会在启动的时候赋予节点。这个名字对于管理工作来说挺重要的，因为在这个管理过程中，你会去确定网络中的哪些服务器对应于

ElasticSearch集群中的哪些节点。

一个节点可以通过配置集群名称的方式来加入一个指定的集群。默认情况下，每个节点都会被安排加入到一个叫做“elasticsearch”的集群中，这意味着，如果你在你的网络中启动了若干个节点，并假定它们能够相互发现彼此，它们将会自动地

形成并加入到一个叫做“elasticsearch”的集群中。

在一个集群里，只要你想，可以拥有任意多个节点。而且，如果当前你的网络中没有运行任何Elasticsearch节点，这时启动一个节点，会默认创建并加入一个叫做“elasticsearch”的集群。

分片和复制 shards&replicas

一个索引可以存储超出单个节点硬件限制的大量数据。比如，一个具有10亿文档的索引占据1TB的磁盘空间，而任一节点都没有这样大的磁盘空间；或者单个节点处理搜索请求，响应太慢。为了解决这个问题，ElasticSearch提供了将索引划分

成多份的能力，这些份就叫做分片。当你创建一个索引的时候，你可以指定你想要的分片的数量。每个分片本身也是一个功能完善并且独立的“索引”，这个“索引”可以被放置到集群中的任何节点上。

分片很重要，主要有两方面的原因：

1）允许你水平分割/扩展你的内容容量。

2）允许你在分片（潜在地，位于多个节点上）之上进行分布式的、并行的操作，进而提高性能/吞吐量。

至于一个分片怎样分布，它的文档怎样聚合回搜索请求，是完全由ElasticSearch管理的，对于作为用户的你来说，这些都是透明的。

在一个网络/云的环境里，失败随时都可能发生，在某个分片/节点不知怎么的就处于离线状态，或者由于任何原因消失了，这种情况下，有一个故障转移机制是非常有用并且是强烈推荐的。为此目的，ElasticSearch允许你创建分片的一份或多

份拷贝，这些拷贝叫做复制分片( 副本)。

复制之所以重要，有两个主要原因：在分片/节点失败的情况下，提供了高可用性。因为这个原因，注意到复制分片从不与原/主要（original/primary）分片置于同一节点上是非常重要的。扩展你的搜索量/吞吐量，因为搜索可以在所有的复制上

并行运行。

总之，每个索引可以被分成多个分片。一个索引也可以被复制0次（意思是没有复制）或多次。一旦复制了，每个索引就有了主分片（作为复制源的原来的分片）和复制分片（主分片的拷贝）之别。分片和复制的数量可以在索引创建的时候指

定。在索引创建之后，你可以在任何时候动态地改变复制的数量，但是存储数据后不能改变分片的数量。

默认情况下:

Elasticsearch6.x中的每个索引被分片5个主分片和1个复制，这意味着，如果你的集群中至少有两个节点，你的索引将会有5个主分片和另外5个复制分片（1个完全拷贝），这样的话每个索引总共就有10个分片。

Elasticsearch7.x中的每个索引被分片1个主分片和1个复制，这意味着，如果你的集群中至少有两个节点，你的索引将会有1个主分片和另外1个复制分片（1个完全拷贝），这样的话每个索引总共就有2个分片。

集群搭建准备三台elasticsearch服务器

创建elasticsearch-cluster文件夹，在内部复制三个elasticsearch服务

修改每台服务器配置

修改elasticsearch-cluster\node*\config\elasticsearch.yml配置文件

node1节点：按照(新)的来,discovery.zen.ping.unicast.hosts这个参数用discovery.seed_hosts替换

#节点1的配置信息： #集群名称，保证唯一 cluster.name: my-elasticsearch

#默认为true。设置为false禁用磁盘分配决定器。

cluster.routing.allocation.disk.threshold_enabled: false

#节点名称，必须不一样 node.name: node-1 #必须为本机的ip地址 network.host: 127.0.0.1 #服务端口号，在同一机器下必须不一样 http.port: 9201 #集群间通信端口号，在同一机器下必须不一样 transport.tcp.port: 9301 #设置集群自动发现机器ip集合 #discovery.zen.ping.unicast.hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

#（新）

# es7.x 之后新增的配置，写入候选主节点的设备地址，在开启服务后可以被选为主节点

# es7之后，不需要上面discovery.zen.ping.unicast.hosts这个参数，用discovery.seed_hosts替换

# discovery.zen.ping.unicast.hosts: [“10.19.1.9:9200”,“10.19.1.10:9200”,“10.19.1.11:9200”]

discovery.seed_hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

# es7.x 之后新增的配置，初始化一个新的集群时需要此配置来选举master

cluster.initial_master_nodes: [“node-1”]

node2节点：

#节点2的配置信息： #集群名称，保证唯一 cluster.name: my-elasticsearch

#默认为true。设置为false禁用磁盘分配决定器。

cluster.routing.allocation.disk.threshold_enabled: false

#节点名称，必须不一样 node.name: node-2 #必须为本机的ip地址 network.host: 127.0.0.1 #服务端口号，在同一机器下必须不一样 http.port: 9202 #集群间通信端口号，在同一机器下必须不一样 transport.tcp.port: 9302 #设置集群自动发现机器ip集合 #discovery.zen.ping.unicast.hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

#（新）

# es7.x 之后新增的配置，写入候选主节点的设备地址，在开启服务后可以被选为主节点

# es7之后，不需要上面discovery.zen.ping.unicast.hosts这个参数，用discovery.seed_hosts替换

# discovery.zen.ping.unicast.hosts: [“10.19.1.9:9200”,“10.19.1.10:9200”,“10.19.1.11:9200”]

discovery.seed_hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

# es7.x 之后新增的配置，初始化一个新的集群时需要此配置来选举master

cluster.initial_master_nodes: [“node-1”]

node3节点：

#节点3的配置信息： #集群名称，保证唯一 cluster.name: my-elasticsearch

#默认为true。设置为false禁用磁盘分配决定器。

cluster.routing.allocation.disk.threshold_enabled: false

#节点名称，必须不一样 node.name: node-3 #必须为本机的ip地址 network.host: 127.0.0.1 #服务端口号，在同一机器下必须不一样 http.port: 9203 #集群间通信端口号，在同一机器下必须不一样 transport.tcp.port: 9303 #设置集群自动发现机器ip集合 #discovery.zen.ping.unicast.hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

#（新）

# es7.x 之后新增的配置，写入候选主节点的设备地址，在开启服务后可以被选为主节点

# es7之后，不需要上面discovery.zen.ping.unicast.hosts这个参数，用discovery.seed_hosts替换

# discovery.zen.ping.unicast.hosts: [“10.19.1.9:9200”,“10.19.1.10:9200”,“10.19.1.11:9200”]

discovery.seed_hosts: [“127.0.0.1:9301”,“127.0.0.1:9302”,“127.0.0.1:9303”]

# es7.x 之后新增的配置，初始化一个新的集群时需要此配置来选举master

cluster.initial_master_nodes: [“node-1”]

启动各个节点服务器

先清理掉之前数据：删除elasticsearch-cluster\node*\data目录下的nodes目录这个目录很有必要删除，没删除时，集群不成功，elasticsearch head插口看不到集群

在各个节点安装ik分词器

双击elasticsearch-cluster\node*\bin\elasticsearch.bat

启动节点1：

启动节点2：

启动节点3：

集群测试使用elasticsearch-head查看集群情况

地址栏通过http://localhost:9201/，http://localhost:9202/，http://localhost:9203分别查看集群中节点情况。

浏览器elasticsearch head插件中通过http://localhost:9201/，http://localhost:9202/，http://localhost:9203分别访问集群。可以看到3个节点，一切正常（绿色）。没有任何索引。

安装kibana连接集群

修改kibana的conf/kibana.yml中配置

#elasticsearch.hosts: [“http://localhost:9200”]

elasticsearch.hosts: [“http://localhost:9201”,“http://localhost:9202”,“http://localhost:9203”]

双击bin/kibana.bat确定kibana。

再次通过浏览器elasticsearch head插件访问集群

集群测试

创建索引及映射

# 请求方法：PUT PUT /shopping { "settings": {}, "mappings": { "properties": { "title":{ "type": "text", "analyzer": "ik_max_word" }, "subtitle":{ "type": "text", "analyzer": "ik_max_word" }, "images":{ "type": "keyword", "index": false }, "price":{ "type": "float", "index": true } } } }

添加文档

POST /shopping/_doc/1 { "title":"小米手机", "images":"http:// .gulixueyuan /xm.jpg", "price":3999.00 } 再次使用elasticsearch-head查看集群情况

GET _cluster/health

{

“cluster_name” : “my-jio”,

“status” : “green”,

“timed_out” : false,

“number_of_nodes” : 3,

“number_of_data_nodes” : 3,

“active_primary_shards” : 7,

“active_shards” : 14,

“relocating_shards” : 0,