主要知识点：
- 对类似文件系统这种的有多层级关系的数据进行建模
- 对上述模型数据进行搜索
一、文件系统数据构造
1、新建index,并自定义analyzer
新建一个index，自定义一个名为paths的analyzer,这个analyzer所用的分词器是path_hierarchy。语法：
PUT /fs
{
"settings": {
"analysis": {
"analyzer": {
"paths": {
"tokenizer": "path_hierarchy"
}
}
}
}
}
2、查看分词器：
GET /fs/_analyze
{
"text":"/a/b/c/d",
"analyzer": "paths"
}
path_hierarchy tokenizer会把/a/b/c/d这样一个路径分成： /a/b/c/d, /a/b/c, /a/b, /a 这四个路径
3、新建type的mapping
新建一个名为file的type，其中path所用的分词器是paths
PUT /fs/_mapping/file
{
"properties": {
"name": { "type": "keyword"},
"path": { "type": "keyword",
"fields": {"tree": { "type": "text","analyzer": "paths"}}
}
}
}
4、插入数据
PUT /fs/file/1
{
"name": "README.txt",
"path": "/workspace/projects/helloworld",
"contents": "这是我的第一个elasticsearch程序"
}
从这里也可以看出，新建的mapping和插入的数据可以不一一对应，本例中新建索引时没有建contents的mappings，但是在插入数据时插入了这个数据也不会报错。
二、对文件系统执行搜索
1、在特定目录下查找特定文件
文件搜索需求：查找一份，内容包括elasticsearch，在/workspace/projects/hellworld这个目录下的文件
GET /fs/file/_search
{
"query": {
"bool": {
"must": [{"match": {"contents": "elasticsearch"}},
{"constant_score": {"filter": {"term": {"path": "/workspace/projects/helloworld"}}}} ]
}
}
}
执行结果：
"hits": [
{
"_index": "fs",
"_type": "file",
"_id": "1",
"_score": 1.284885,
"_source": {
"name": "README.txt",
"path": "/workspace/projects/helloworld",
"contents": "这是我的第一个elasticsearch程序"
}
}
]
}
}
2、在指定目录下查找包含特定名称的所有的文件
搜索需求2：搜索/workspace目录下，内容包含elasticsearch的所有的文件
GET /fs/file/_search
{
"query": {
"bool": {
"must": [{"match": {"contents": "elasticsearch"}},
{"constant_score": {"filter": {"term": {"path.tree": "/workspace"}}}}]
}
}
}
为什么是path.tree
在本例中，上述两次搜索结果是一样的。