共计 3574 个字符，预计需要花费 9 分钟才能阅读完成。
Hello，明天给各位童鞋们分享 ElasticSearch，连忙拿出小本子记下来吧！
（一）介绍
ElasticSearch 的指标就是实现搜寻。在数据量少的时候，咱们能够通过索引去搜寻关系型数据库中的数据，然而如果数据量很大，搜寻的效率就会很低，这个时候咱们就须要一种分布式的搜索引擎。Elasticsearch 是一个基于 Lucene 的搜寻服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于 RESTful web 接口。
ES 次要用于全文检索、结构化搜寻以及剖析。ES 的利用非常宽泛，比方维基百科、Github 等都应用 ES 实现搜寻。
（二）外围概念了解
2.1 数据结构
ES 既然是用来搜寻的，那么它必然也须要存储数据。在 Mysql 等关系型数据库中，数据的存储遵循上面的逻辑：
一个数据库（database）中有多个表（tables），每个表有多行数据（rows），每一行数据由多个字段（columns）组成。
ES 中的存储是这样的：
一个索引（indeces）相当于一个数据库（database），每个索引中有多个类型 types（相当于表构造），每个索引中有多个 documents（相当于行），每个 documents 由多个 fields 组成（相当于字段）。
你能够把 ES 了解为他是一个面向文档的数据库。上面用一张图形容 ES 和关系型数据库之间的相似之处：
值得注意的是，在 ES7.x 版本中，types 将缓缓被遗弃，在 8.x 版本中，types 将会彻底弃用。
2.2 索引（indeces）和文档（documents）
ES 中的索引和 Mysql 中的索引不是同一种货色，ES 中的索引是一个文档的汇合，索引就是一个数据库。
后面说了 ES 是面向文档的，文档是 ES 中最重要的单位，文档就是一条条的数据。文档中有几个重要的概念：
1、一篇文档中蕴含多个 key：value
2、文档其实就是一个 JSON 字符串
2.3 分片
ES 是一个分布式搜索引擎，分片就是把一堆数据分布到多个分片中。而索引是对每个分片的一个备份，这些正本同样能解决查问申请。
当初假如集群有两个 node 节点，设置分片数是 5 个，正本数是 1 个，那么数据存储构造将变成上面这样，能够保障正本和分片在不同的节点上：
2.4 倒排索引
为什么 ES 的搜寻这么快，和其中所应用的倒排索引也有肯定的关系。倒排索引建设的是分词和文档之间的映射关系。上面通过一个简略的例子来解说一下什么是倒排索引
原来的数据中咱们通过文档 ID 去关联标签，然而在查问时就须要遍历所有文档。通过倒排索引，咱们能够通过关键词来找到最匹配的文档。
（三）ES 的基本操作
ES 是基于 Restful 格调进行操作的，因而对于习惯了写 crud 的程序员来说，ES 很容易上手。ES 的操作能够应用 Kibana，也能够应用 Postman 间接调用，因为归根结底它就是一个 restful 的操作。我这里应用 Idea 的 ES 插件间接调用。
3.1 创立文档
PUT http://ip:port/ 索引名 / 类型名 /…
{
"key":"value"
}
因为类型名在后续的版本中将会被删除，这里能够用_doc 代表默认类型：
PUT http://ip:port/ 索引名 /_doc/ 文 …
上面给出操作截图
通过 put 创立一个索引之后，咱们能够在 head 中看到对应的数据
3.2 创立带有数据类型的索引
3.1 中创立数据时，没有指定具体的数据类型，咱们当然也能够为索引指定数据类型
PUT http://ip:port/ 索引名
参数示例：
{
“mappings”: {
"properties": {
"name": {"type": "text"},
"address": {"type": "text"}
}
}
}
ES 中的外围数据类型如下：
（1）字符串类型：text, keyword
（2）数字类型：long, integer, short, byte, double, float, half_float, scaled_float
（3）日期：date
（4）日期 纳秒：date_nanos
（5）布尔型：boolean
（6）Binary：binary
（7）Range: integer_range, float_range, long_range, double_range, date_range
3.3 查看索引或者文档的数据
通过 GET 申请能够查看索引以及文档的信息：
GET http://ip:port/ 索引名 #查看索引
GET http://ip:port/ 索引名 / 类型名 /… #查看文档
3.4 批改数据
批改数据和创立数据一样，通过 PUT 操作就会更新原来的数据：
PUT http://ip:port/ 索引名 / 类型名 /…
{
"key":"value"
}
如果是批改的话，响应后果中的 version 就会减少。
另外一种办法是应用 Post 申请：
POST http://ip:port/ 索引名 / 类型名 /…
参数实例：
{
“doc”: {
"name": "javayz4"
}
}
更举荐应用这种形式，如果应用 PUT 办法忘了加某个 key，更新就会变成新增
3.5 删除数据
通过 DELETE 的形式删除数据
DELETE http://ip:port/ 索引名 / 类型名 /… #删除具体的文档
DELETE http://ip:port/ 索引名 #删除索引
（四）ES 的搜寻操作
ES 最重要的就是它的搜寻操作了。
4.1 简略搜寻
间接将搜寻的参数带到链接中：
GET http://ip:port/ 索引名 /_search…
后果如下：
4.2 通过 param 传递参数
除了将参数放到链接当中，还能够将参数通过 JSON 申请体的形式传递，其中 from 和 size 是分页的参数，query 中传递查问条件，_source 示意后果中要展现的列，不写就示意展现所有。
GET http://ip:port/ 索引名 /_search
参数示例：
{
“from”: 0,
“size”: 20,
“query”: {
"match": {"name": "javayz2"}
},
“_source”: [“name”,”address”]
}
除了下面示例中的这些参数之外，还有很多参数能够应用，比方排序：
“sort”: [
{
"age": {"order": "desc"}
}
]
多条件查问：must 示意上面的两个条件都要满足，还能够填 should，示意任意满足其中一个条件即可，或者是 must_not，示意 must 的相同值
“query”: {
"bool": {
"must": [
{
"match": {"name": "javayz"}
},
{
"match": {"address": "hz"}
}
]
}
}
如果你的数据中存在汇合，能够通过空格对多个条件进行查问：
查问过程中还反对高亮查问
“highlight”:{
“pre_tags”: ““,
“post_tags”: “”,
“fields”: {
"name": {}
}
}
（五）分词器
所谓分词器，就是将一段话分成一个个关键字，搜寻时就依照这些关键字进行搜寻。比拟好用的分词器有中文的 IK 分词器。
根本应用
给出下载链接：https://github.com/medcl/elas…
下载和本人 ES 雷同的版本，在 plugin 目录下新建一个 ik 文件夹，将下载的文件解压到 ik 目录下，重新启动即可。
IK 分词器提供了两种算法：
1、ik_smart：起码切分
2、ik_max_word：最细粒划分
首先起码切分是依据字典给出起码的切分：
![上传中 …]()
ik_max_word 是最细粒划分，他会给出最多的后果：
{
“analyzer”: “ik_max_word”,
“text”: “ 我是 Java 工程师 ”
}
后果：
{
“tokens”: [
{
"token": "我",
"start_offset": 0,
"end_offset": 1,
"type": "CN_CHAR",
"position": 0
},
{
"token": "是",
"start_offset": 1,
"end_offset": 2,
"type": "CN_CHAR",
"position": 1
},
{
"token": "java",
"start_offset": 2,
"end_offset": 6,
"type": "ENGLISH",
"position": 2
},
{
"token": "工程师",
"start_offset": 6,
"end_offset": 9,
"type": "CN_WORD",
"position": 3
},
{
"token": "工程",
"start_offset": 6,
"end_offset": 8,
"type": "CN_WORD",
"position": 4
},
{
"token": "师",
"start_offset": 8,
"end_offset": 9,
"type": "CN_CHAR",
"position": 5
}
]
}
好啦，明天的文章就到这里，心愿能帮忙到屏幕前迷茫的你们！