ElasticSearch

• ElasticSearch使用Java開發并且是當前最流行的ElasticSearch企業級搜索引擎；
• 能夠達到實時搜索，穩定，可靠，快速，安裝使用方便，
• 客戶端支持Java、.NET（C#）、PHP、Python、Ruby等多種語言，
• 官網：: https://www.elastic.co/
• 下載地址：：https://www.elastic.co/cn/start

ElasticSearch與Lucene

Lucene是性能最好，最先進，功能最全的搜索引擎框架，但是想要使用Lucene，必須使用Java作為開發語言并將其集成到你的應用中，且其配置與使用復雜，需要深入了解其是如何作業的，

Lucene缺點

1. 只能在Java專案中使用，要以jar包集成到專案中，
2. 不支持集群環境-索引資料不同步
3. 使用復雜
4. 索引資料如果太多就不行，索引庫和應用所在同一個服務器,共同占用硬碟.共用空間少.

這些缺點ES都能解決，ES底層對Lucene進行封裝與改進，達到更好的效果，

ES vs Solr

當單純的對已有資料進行搜索時，Solr更快，

當實時建立索引時, Solr會產生io阻塞，查詢性能較差, Elasticsearch具有明顯的優勢，

1. Solr使用Zookeeper進行分布式管理，而ElasticSearch本事帶有分布式協調管理功能
2. Solr 支持更多格式的資料，比如JSON、XML、CSV，而 Elasticsearch 僅支持json檔案格式，

ES與關系型資料庫

全文檢索

什么是全文檢索

• 通過一個程式掃描文本的每一個單詞，針對單詞建立索引，并保存該單詞在文本中的位置，以及出現的次數，
• 用戶查詢時，通過之前建立好的索引來查詢，將索引中單詞對應的文本位置，出現的次數回傳給用戶，因為有了具體文本的位置，就可以將具體的內容讀取出來了，

倒排索引

針對一組資料，首先會進行分詞、再進行去重，最后進行排序，這樣，一張由資料到索引的映射關系表就形成了，

再看一個實體

以下的倒排串列中不僅包含了資料出現的位置，還包含了包含資料的次數，

Elasticsearch中的核心概念

索引 index

• 一個索引就是一個擁有幾份相似特征的檔案的集合，
• 比如說，可以有一個客戶資料的索引，另一個產品目錄的索引，還有一個訂單資料的索引，
• 一個索引由一個名字來標識（必須全是小寫字母），并且當我們要對索引中的檔案進行操作時，都需要用到索引名，

映射Mapping

• 用來定義一個檔案
• mapping是處理資料的方式和規則方面做一些限制，如某個欄位的資料型別、默認值、分詞器、是否被索引等等，這些都是映射里面可以設定的

欄位Field

相當于是資料表的欄位/列

欄位型別 Type

每一個欄位都應該有一個對應的型別，例如：Text、Keyword、Byte等

檔案 document

一個檔案是一個可被索引的基礎資訊單元、類似一條記錄，檔案以JSON格式來標識，

集群 cluster

一個集群就是由一個或多個節點組織在一起，它們共同持有整個的資料，并一起提供索引和搜索功能

節點 node

• 一個節點是集群中的一個服務器，作為集群的一部分，它存盤資料，參與集群的索引和搜索功能
• 一個節點可以通過配置集群名稱的方式來加入一個指定的集群，默認情況下，每個節點都會被安排加入到一個叫做“elasticsearch”的集群中，
• 這意味著，如果在網路中啟動了若干個節點，并假定它們能夠相互發現彼此，它們將會自動地形成并加入到一個叫做“elasticsearch”的集群中
• 在一個集群里，可以擁有任意多個節點，而且，如果當前網路中沒有運行任何Elasticsearch節點，這時啟動一個節點，會默認創建并加入一個叫做“elasticsearch”的集群，

分片

• 一個索引可以存盤超出單個結點硬體限制的大量資料，比如，一個具有10億檔案的索引占據1TB的磁盤空間，而任一節點都沒有這樣大的磁盤空間；或者單個節點處理搜索請求，回應太慢
• 為了解決這個問題，Elasticsearch提供了將索引劃分成多份的能力，這些份就叫做分片
• 當創建一個索引的時候，可以指定你想要的分片的數量
• 每個分片本身也是一個功能完善并且獨立的“索引”，這個“索引”可以被放置到集群中的任何節點上
• 分片很重要，主要有兩方面的原因：允許水平分割/擴展你的內容容量；允許在分片之上進行分布式的、并行的操作，進而提高性能/吞吐量
• 至于一個分片怎樣分布，它的檔案怎樣聚合回搜索請求，是完全由Elasticsearch管理的，對于作為用戶來說，這些都是透明的

副本

• 在一個網路/云的環境里，失敗隨時都可能發生，在某個分片/節點不知怎么的就處于離線狀態，或者由于任何原因消失了，這種情況下，有一個故障轉移機制是非常有用并且是強烈推薦的，
• 為此目的，Elasticsearch允許你創建分片的一份或多份拷貝，這些拷貝叫做副本分片，或者直接叫副本
• 副本之所以重要，有兩個主要原因

1. 在分片/節點失敗的情況下，提供了高可用性，
   注意到復制分片從不與原/主要（original/primary）分片置于同一節點上是非常重要的
2. 擴展搜索量/吞吐量，因為搜索可以在所有的副本上并行運行，
   每個索引可以被分成多個分片，一個索引有0個或者多個副本
   一旦設定了副本，每個索引就有了主分片和副本分片，分片和副本的數量可以在索引創建的時候指定，
   在索引創建之后，可以在任何時候動態地改變副本的數量，但是不能改變分片，的數量

windows安裝ElasticSearch

網站：https://www.elastic.co/cn/downloads/elasticsearch；

1. 安裝Window版本、下載完解壓到本地即可，
2. 進入bin目錄、點擊elasticsearch.bat檔案運行
3. 打開瀏覽器輸入網站：localhost:9200；
4. 出現下面結果、則成功
   

window下載kibana客戶端

1. . 進入官網https://www.elastic.co/cn/downloads/kibana,下載Window版本

2. 解壓到本地，

3. 進入bin目錄、運行kibana.bat檔案，

4. 瀏覽器中輸入localhost:5601

5. 出現下面結果則運行成功：
   

6. 目錄下找到devtools，在這里練習使用es操作，

有需要的可以去下載IK分詞器，只需要下載解壓到ES的plugins目錄下即可，但是最好保持版本一直，不然容易閃退，

ES命令

通過使用kibana的網頁DevTools功能來測驗命令，

查看分詞效果_analyze

POST _analyze
{
  "analyzer" : "standard",
  "text" : "我愛你Chinese"
}

結果

如果你下載了IK分詞器、可使用其兩種分詞效果

POST _analyze
{
  "analyzer" : "ik_smart",
  "text" : "我愛你Chinese"
}
POST _analyze
{
  "analyzer" : "ik_max_word",
  "text" : "我愛你Chinese"
}

• ES的默認分詞器為Standard.
  這個在中文分詞時就比較尷尬了，會單字拆分，比如我搜索關鍵詞“清華大學”，這時候會按“清”，“華”，“大”，“學”去分詞，然后搜出來的都是些“清清的河水”，“中華兒女”，“地大物博”，“學而不思則罔”之類的莫名其妙的結果.
• 可以使用IK分詞器進行分詞
  兩種ik_smart和ik_max_word；
  ik_smart會將“清華大學”整個分為一個詞、最粗粒度，
  ik_max_word會將“清華大學”分為“清華大學”，“清華”和“大學”，按需選其中之一就可以了，
  修改默認分詞方法(這里修改school_index索引的默認分詞為：ik_max_word)

PUT /schoole_index
{
  "settings": {
    "index":{
      "analysis.analyzer.default.type": "ik_max_word"
    }
  }
}

MySQL檔案格式是JSON型別

{
  "email":"123",
  "name":"123",
  "age":10
}

索引操作

• 創建索引
  格式：PUT /索引名稱

PUT /es_db

• 查詢索引
  格式：GET /索引名稱

GET /es_db

• 洗掉索引
  格式：DELETE /索引名稱

DELETE /es_db

檔案操作

• 添加
  格式: PUT /索引名稱/型別/id

PUT /es_db/_doc/1
{
  "name": "yaoyang",
  "age": 20,
  "sex": 1
}
PUT /es_db/_doc/2
{
  "name": "yaoyao",
  "age": 15,
  "sex": 2
}
PUT /es_db/_doc/3
{
  "name": "yangguo",
  "age": 25,
  "sex": 1,
  "address": "donghu"
}
PUT /es_db/_doc/4
{
  "name": "yaoguai",
  "age": 1000,
  "sex": 1
}
PUT /es_db/_doc/5
{
  "name": "yaoxian",
  "age": 19,
  "sex": 1
}

• 修改檔案
  格式：PUT /索引名稱/型別/id

put /es_db/_doc/1
{
  "name":"白起",
  "age":30,
  "sex":0
}

• 查詢檔案
  GET /索引名稱/型別/id

GET /es_db/_doc/1

• 洗掉檔案
  格式: DELETE /索引名稱/型別/id

Delete /es_db/_doc/1

• 查詢索引庫下的某型別中的所有檔案
  格式： get /索引名/_search

get /es_db/_search

• 條件等值查詢
  格式: GET /索引名稱/型別/_search?q=:**

GET /es_db/_doc/_search?q=age:19

• 范圍查詢1
  格式: GET /索引名稱/型別/_search?q=***[ start TO end ]

GET /es_db/_doc/_search?q=age[20 TO 27]

• 范圍查詢2： >= ,<=
  查詢年齡小于等于20歲的 :<=

GET /es_db/_doc/_search?q=age:<=20

• 多個ID批量查詢_mget
  格式: GET /索引名稱/型別/_mget

GET /es_db/_doc/_mget
{
  "ids" : [2,3]
}
//SQL: select * from student where id in (1,2)

• 分頁查詢 from=&size=
  格式: GET /索引名稱/型別/_search?q=age[25 TO 26]&from=0&size=1

 GET /es_db/_doc/_search?q=age[25 TO 26]&from=0&size=1

• 只查詢某些欄位 _source
  格式: GET /索引名稱/型別/_search?_source=欄位,欄位

 GET /es_db/_doc/_search?_source=name,age&&q=age[25 TO 26]&from=0&size=1

• 查詢結果排序 sort=欄位:desc/asc
  格式: GET /索引名稱/型別/_search?sort=欄位 desc

 GET /es_db/_doc/_search?_source=name,age&&q=age[10 TO 50]&from=0&size=10&&sort=age:desc