Elasticsearch之建立索引、删除索引、索引設定、配置分析器、自定義分析器。

建立索引

通過添加一個文檔的方式建立一個索引。這個索引使用預設設定，新的屬性通過動态映射添加到分類中。現在我們需要對這個過程有更多的控制：我們需要確定索引被建立在适當數量的分片上，在索引資料之前設定好分析器和類型映射。

為了達到目标，我們需要手動建立索引，在請求中加入所有設定和類型映射，如下所示：

事實上，你可以通過在config/elasticsearch.yml 中添加下面的配置來防止自動建立索引。

action.auto_create_index:false

NOTE：自動預先配置索引，這在索引日志資料時尤其有效：你将日志資料索引在一個以日期結尾的索引上，第二天，一個新的配置好的索引會自動建立好。

删除索引

使用以下的請求來删除索引：

DELETE /my_index

你也可以用下面的方式删除多個索引

DELETE /index_one,index_two

DELETE /index_*

你甚至可以删除所有索引

DELETE /_all

索引設定

你可以通過很多種方式來自定義索引行為，但是：

提示：Elasticsearch提供了優化好的預設配置。除非你明白這些配置的行為和為什麼要這麼做，請不要修改這些配置。

下面是兩個最重要的設定：

number_of_shards

定義一個索引的主分片個數，預設值是“5”。這個配置在索引建立後不能修改。

number_of_replicas

每個主分片的複制分片個數，預設是“1”。這個配置可以随時在活躍的索引上修改。

例如，我們可以建立隻有一個主分片，沒有複制分片的小索引。

PUT /my_temp_index

{

"setting" : {

"number_of_shards" : 1,

"number_of_replicas" : 0

}

}

然後，我們可以用 update-index-settings API動态修改複制分片個數：

PUT /my_temp_index/_settings

{

"number_of_replicas" : 1

}

配置分析器

第三個重要的索引設定是 analysis 部分，用來配置已存在的分析器或建立自定義分析器來定制化你的索引。

standard 分析器是用于全文字段的預設分析器，對于大部分西方語言來說是一個不錯的選擇。它考慮了以下幾點：

• standard 分詞器，在詞層級上分割輸入的文本。
• standard 表征過濾器，被設計用來整理分詞器觸發的所有表征（但是目前什麼都沒做）。
• lowercase 表征過濾器，将所有表征轉換為小寫。
• stop 表征過濾器，删除所有可能會造成搜尋歧義的停用詞，如 a， the， and， is。

預設情況下，停用詞過濾器是被禁用的。如需啟用它，你可以通過建立一個基于standard分析器的自定義分析器，并且設定stopwords參數。可以提供一個停用詞清單，或者使用一個特定語言的預定停用詞清單。 在下面的例子中，我們建立了一個新的分詞器，叫做 es_std，并使用預定義的西班牙語停用詞： PUT /spanish_docs { "settings" : { "analysis" : { "analyzer" : { "es_std" : { "type" : "standard" , "stopwords" : "_spanish" } } } } } es_std分析器不是全局的，它僅僅存在于我們定義的 spanish_docs索引中。為了用 analyze API來測試他，我們需要使用特定的索引名。 GET /spanish_docs/_analyze?analyzer=es_std El veloz zorro marrón 下面簡化的結果中顯示停用詞 El 被正确的删除了：

自定義分析器

雖然Elasticsearch内置了一系列的分析器，但是真正的強大之處在于定制你自己的分析器。你可以通過在配置檔案中組合字元過濾器、分詞器和表征過濾器，來滿足特定資料的需求。 分析器是三個順序執行的元件的結合（字元過濾器、分詞器、表征過濾器）。 字元過濾器 字元過濾器是讓字元串在被分詞前變得更加“整潔”。例如，如果我們的文本是HTML格式，他可能會包含一些我們不想被索引的HTML标簽，諸如<p> 或<div>。 我們可以使用 html_strip 字元過濾器來删除所有的HTML标簽，并且将HTML實體轉換成對應的Unicode字元，比如将&Aacute;轉成Á。 一個分析器可能包含零到多個字元過濾器。 分詞器 一個分析器必須包含一個分詞器。分詞器将字元串分割成單獨的詞（terms）或表征（tokens）。standard分析器使用 standard 分詞器将字元串分割成單獨的字詞，删 除大部分标點符号，但是現存的其他分詞器會有不同的行為特征。 例如，keyword 分詞器輸出和它接收到的相同的字元串，不做任何分詞處理。【whitespace 分詞器】隻通過空格來分割文本。【pattern 分詞器】可以通過正規表達式 來分割文本。 表征過濾器 分詞結果的表征流會根據各自的情況，傳遞給特定的表征過濾器。 表征過濾器可能修改、添加或删除表征。我們已經提過 lowercase 和 stop 表征過濾器，但是Elasticsearch中有更多的選擇。stemmer 表征過濾器将單詞轉化為他們的 根形态（root form）。ascii_folding 表征過濾器會删除音符号，比如從très轉為tres。 ngram 和 edge_ngram 可以讓表征更适合特殊比對情況或自動完成。

建立自定義分析器

與索引設定一樣，我們預先配置好 es_std 分析器，我們可以在 analysis 字段下配置字元過濾器、分詞器和表征過濾器：

作為例子，我們來配置一個這樣的分析器： 1、用html_strip 字元過濾器去除所有的HTML标簽。 2、将&替換成 and，使用一個自定義的 mapping字元過濾器。 "char_filter" : { "&_to_and" : { "type" : "mapping", "mapping" : [ "&=>and" ] } } 1、使用standard 分詞器分割單詞 2、使用lowercase 表征過濾器将詞轉為小寫 3、用stop 表征過濾器去除一些自定義停用詞 "filter" : { "my_stopwords" : { "type" : "stop", "stopwords" : [ "the" , "a" ] } } 根據以上描述來将預定義好的分詞器和過濾器組合成我們的分析器： "analyzer" : { "my_analyzer" : { "type" : "custom", "char_filter" : ["html_strip" , "&_to_and"] , "tokenizer" : "standard", "filter" : [ "lowercase" , "my_stopwords" ] } } 用下面的方式可以将以上請求合并成一條： PUT /my_index  { "settings" : { "analysis" : { "char_filter" : { "&_to_and" : { "type" : "mapping" , "mapping" : [ "&=>and" ] }}, "filter" : { "my_stopwords" : { "type" : "stop", "stopwords" : [ "the" , "a" ] }}, "analyzer" : { "my_analyzer" : { "type" : "custom", "char_filter" : [ "html_strip", "&_to_and" ], "tokenizer" : "standard", "filter" : [ "lowercase", "mystopwords" ] } } } } } 建立索引後，用 analyze API 來測試新的分析器： GET /my_index/_analyze?analyzer=my_analyzer The quick & brown fox 下面的結果證明我們的分析器能正常工作了：

除非我們告訴Elasticsearch在哪裡使用，否則分析器不會起作用。我們可以通過下面的映射将它應用在一個string類型的字段上： PUT /my_index/_mapping/my_type { "properties" : { "title" : { "type" : "string", "analyzer" : "my_analyzer" } } }