@TOC
es的基础概念
1.cluster（集群）
一个集群就是由一个或多个es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”,多个节点使用这个名字加入集群、每个节点都有自己的名字，集群是通过集群的名字来加入一个集群的。另外，每一个集群节点都有它自己的名字。如上节中所讲的，master、salve1、slave2等。
2.node（节点）
一个节点是集群中的一个es实例，作为集群的一部分，它存储你的数据，参与集群的索引和搜索功能，和集群类似，一个节点也是由一个名字来标识，默认情况下，不配置会使用随机名称，这个明早再会在启动的时候赋予节点
3.Index（索引）
一个索引就是一个拥有相似特征的文档集合（类似mysql的数据库），一个索引由一个名字来标识，我们对索引中的文档进行索引、搜索时都需要用到这个名字
4.type(类型)
一个索引中，可以定义一个或多个类型，一个类型相当于索引的一个分类（类似myql的表）
5.document(文档)
一个文档是一个可被索引的基础信息单元（类似表中的一行记录），它是最小的存储单元，比如说一个用户的基本信息，一篇文章的数据等等，文档以json格式来表示。
6.Mapping（映射）
Mapping是对类型中的文档中的每个字段进行预先定义数据类型等功能，如定义文档中的某个字段为整形，使用什么分析器，是否可搜索等，一个索引可以定义多个mapping
7.Shards （分片）
Shard代表索引分片，es可以把一个完整的索引分成多个分片保存到不同的节点上，这样的好处是可以把一个大的索引拆成多个，分布到不同的节点上，构成分布式搜索，分片的数量只能在索引创建前指定，索引创建或不能修改
8.Replicas（副本）
代表索引副本，es可以对一个分片设置多个副本，副本的作用是提高系统的容错性，当每个节点某个分片损坏或丢失时可以从副本中恢复，二是提供es的搜索效率，es会对搜索请求进行负载均衡。
当一个主分片失败或者出现问题时，代替的分片就会代替其工作，从而提高了es的可用性，那么备份的分片还可以支持搜索操作，以分摊搜索的压力。es在创建索引时，会创建5个分片，一份备份，这个数量是可以修改的，备份是可以动态修改的。
物理设计
一个人就是一个集群
es在后台把每个索引划分成多个分片，每份分片可以在集群中的不同服务器间迁移。
一个人就是一个集群！默认的集群名称就是elasticsearch。
节点和分片如何工作
默认分片是5个，创建副本是1个，意思就是我们存的数据通过这个分片可以搭到不同的节点上，一个集群至少有一个节点，而一个节点就是一个es进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有5个分片（primary shard，又称为主分片）构成的，每一个主分片会有一个副本（replica shard,又称复制分片）如下：
下图是一个有3个节点的集群，可以看见主分片和对应的副本分片都不会在同一节点内，这样的好处在于某一个节点挂了，数据不至于丢失。实际上，一个分片是一个Lucene索引，一个包含倒排索引的文件目录，倒排索引的结构使得es在不扫描全部文档的情况下，就能告诉你哪些文档包含特定的关键词。
ElasticSearch VS Solr
- Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能;
- Solr 支持更多格式的数据，而 Elasticsearch 仅支持json文件格式；
- Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多有第三方插件提供；
- Solr 在传统的搜索应用中表现好于 Elasticsearch，但在处理实时搜索应用时效率明显低于 Elasticsearch。
- Solr 是传统搜索应用的有力解决方案，但 Elasticsearch 更适用于新兴的实时搜索应用。
es的RESTFul API
- API的基本格式http://<ip>:<port>/<索引>/<类型>/<文档id>
- 常用HTTP动词GET/PUT/POST/DELETE
索引创建
索引的创建主要分结构化和非结构化创建
结构化创建
点击索引->新建索引，输入book，默认分片数为5，副本数为1，然后再到概览里面就可以看见我们创建的book索引了，粗线框是主分片，而细线框是粗线线框的备份分片。
非结构化创建
索引的创建分为结构化和非结构化，那么如何区分结构化和非机构化的呢？在Head插件页面上点击信息->索引信息，可以看见一个关键词mappings，这关键词如果为空的，那么就为非结构化的索引。
创建结构化索引，在复合查询中，输入book/novel/_mappings，指定json结构：
{
"novel": {
"properties": {
"title": {
"type": "text"
}
}
}
}
提交一下请求，会显示创建成功
{
"acknowledged":true
}
然后再点击首页的索引信息，就可以看见mappings就不是空的了
"mappings":
postman模拟
采用postman提交索引的新建
PUT 127.0.0.1:9200/people
{
"settings ": {
"number_of_shards": 3,
"number_of_replicas": 1
},
"mappings": {
"man": {
"properties": {
"name": {
"type": "text"
},
"country": {
"type": "integer"
},
"age": {
"type": "date",
"format": "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis"
}
}
},
"woman": {
}
}
}
然后可以到head插件里面就可以看见刚才创建的people索引信息了
es的基本操作
插入
es的插入分为两种，指定文档id插入和自动产生文档id插入
指定文档id插入
我们在postman中插入：
PUT 127.0.0.1:9200/people/man/1
Body
{
"name": "keweizhou",
"country": "china",
"age": 30,
"date": "1987-03 -07"
}
- head插件里面的docs代表所有文档值
- 点击head里面的数据浏览就可以看见我们刚才插入的值了
自动产生文档id插入
不加id采用POST方式提交，es默认会自己帮你生成一个id，而不是我们指定的那个id
修改
指定文档id修改文档
针对文档id为1的进行修改
POST 127.0.0.1:9200/people/man/1/_update
body
{
"script": {
"lang": "painless",
"inline":"ctx._source.age+=10"
}
}
还可以通过参数的形式修改数据，如
{
"script": {
"lang": "painless",
"inline": "ctx._source.age+=params.age",
"params": {
"age": 100
}
}
}
然后我们去head插件里面就可以看见修改的数据了
ctx代表es的上下文，._source代表es的文档
删除
删除文档
进入postman，调用：DELETE 127.0.0.1:9200/people/man/1
删除索引
删除索引有两种方法
- 在head插件里面，动作下面有个删除的按键，然后点击删除，就可以将其删除了
- 或者在postman中调用 DELETE 127.0.0.1:9200/people，就可以将索引删除了
查询
简单查询
通过id为1查询当条记录：GET 127.0.0.1:9200/book/novel/1
条件查询
POST 127.0.0.1:9200/book/_serarch
查询所有的数据，body为：
{
"query": {
"match_all": {}
}
}
查询标题为elasticsearch的书籍：
{
"query": {
"match": {
"title": "elasticserarch"
}
}
}
也可以在后面加上条件限制
"from":1,
"size":1
指定排序字段和排序类型(默认升序排列的)：
{
"sort": [{
"publish_date": {
"order": "desc"
}
}]
}
聚合查询
aggs是聚合查询的关键词，可以按照这些字段进行聚合统计
{
"aggs": {
"group_by_word_count": {
"terms": {
"field": "word_count"
}
},
"group_by_publish_date": {
"terms": {
"field": "publish_date"
}
}
}
}
对word_count进行数学计算
{
"aggs": {
"grades_word_count": {
"stats": {
"field": "word_count"
}
}
}
}
也可以将stats换成min、max等等进行数学计算
高级查询
子条件查询（叶子条件查询）
特定字段查询所指特定值，它可以分为Query context和Filter context
Query context
在查询过程中，除了判断文档是否满足查询条件外，ES还会计算一个_score来标识匹配的程度，旨在判断目标文档和查询条件匹配的有多好。
常用查询分为全文本查询和字段级别查询
普通字段匹配找出作者是keweizhou的用户，但是用到习语就会有问题，比如我查询java开发这个习语，就会把所有和java以及开发的都找出来，那么这个就不行了，要将match换成match_phrase
POST 127.0.0.1:9200/book/_search
{
"query": {
"match": {
"author": "keweizhou"
}
}
}
查询习语
{
"query": {
"match_parase": {
"title": "java开发"
}
}
}
- 全文本查询： 针对文本类型数据
- 字段级别查询： 针对结构化数据，如数字，日期等
复合查询是以一定逻辑组合子条件查询，如：
查询author和title字段中包含张三的数据，语法查询经常在kibana中用
POST 127.0.0.1:9200/book/_search
{
"query": {
"multi_match": {
"query": "张三",
"fields": ["author", "title"]
}
}
}
语法查询
POST 127.0.0.1:9200/book/_search
查询出Elasticsearch和大法的信息
{
"query": {
"query_string": {
"query": "Elasticsearch AND 大法"
}
}
}
查询Elasticsearch和大法或者Python相关的
{
"query": {
"query_string": {
"query": "(Elasticsearch AND 大法) OR Python"
}
}
}
利用query_string查询多个字段：
{
"query": {
"query_string": {
"query": "张三 OR Elasticsearch",
"fields": ["title", "author"]
}
}
}
结构化查询（按照一些字段的查询）：
POST 127.0.0.1:9200/book/_search
如查询word_count字段等于1000的信息
{
"query": {
"term": {
"word_count": 1000
}
}
}
查询书籍字数(word_count)在1000~2000之间的
{
"query": {
"range": {
"word_count": {
"gte": 1000,
"lte": 2000
}
}
}
}
注意： 其中的e代表equals的意思，>=或者<=中的等于，它还可以用于日期类型上
Filter context
在查询过程中，只判断该文档是否满足条件，只有Yes或者No，主要是做数据过滤的，将符合条件的数据过滤出来。
POST 127.0.0.1:9200/book/_search
{
"query": {
"bool": {
"filter": {
"term": {
"word_count": 1000
}
}
}
}
}
复合条件查询
常用查询为固定分数查询、布尔查询
固定分数查询
POST 127.0.0.1:9200/_search
boot为指定分数为2，最后查询出来的score都是2
{
"query": {
"constant_score": {
"filter": {
"match": {
"title": "ElasticSearch"
}
},
"boot": 2
}
}
}
should是一个或的关系，只要满足其中的一个就行了。如何想要得到与的关系，那么必须将should关键词换成must
{
"query": {
"bool": {
"should": [{
"match": {
"author": "张三"
}
},
{
"match": {
"title": "ElasticSearch"
}
}
]
}
}
}
还可以配合着filter一起使用，如:
{
"query": {
"bool": {
"must": [{
"match": {
"author": "张三"
}
},
{
"match": {
"title": "ElasticSearch"
}
}
],
"filter": [{
"term": {
"word_count": 1000
}
}]
}
}
}
它还有一个关键词就是must_no，它的意识和must正好想法，代表的意思就是一定不相等的意思。
参考： https://github.com/nuptkwz/notes/tree/master/technology/elasticsearch
