windows环境下怎么搭建electricSearch+kibana

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！