es一點都不會，但是分到一個資料統計的功能，資料都在es中，利用es查詢篩選出來結果集，然后利用web服務進行顯示，于是就·············又掉了好多頭發，

Elasticsearch基本概念

Elasticsearch是面向檔案型資料庫，一條資料在這里就是一個檔案，用JSON作為檔案序列化的格式，

#es一條資料存盤形式就如下所示：
{
  "_index": "user_info",
  "_type": "_doc",
  "_id": "1",
  "_version": 1,
  "_score": 0,
  "_source": {
    "name" :     "Xiang",
    "sex" :      "男",
    "age" :      23,
    "birthDate": "1998/05/01",
    "address" :    "北京"
	}
}

這里還要了解幾個有關ES的其他的基本概念

倒排索引（Inverted Index）

該索引表中的每一項都包括一個屬性值和具有該屬性值的各記錄的地址，由于不是由記錄來確定屬性值，而是由屬性值來確定記錄的位置，因而稱為倒排索引(inverted index)，

為什么稱之為倒排呢？在Mysql查找資料 就是通過 id索引去查詢該記錄的值，這是正常思維，而es卻不是這個做的，它是通過屬性值確定記錄的具體位置，

es將資料分詞然后針對單詞生成索引，流程如下圖：

1.es分詞
2.針對單詞出現的位置創建索引，
3.去重統計次數
4.排序得到索引表
5.查詢hello，遍歷索引表，
6.找到索引位置確定資料的位置 1,2
7.就能得到hello world，以及hello elasticsearch

Elasticsearch中的核心概念

索引 index

一個 索引 應該是因共同的特性被分組到一起的檔案集合，

型別 type

資料可能在索引中只是松散的組合在一起，但是通常明確定義一些資料中的子磁區是很有用的，

檔案 document

一個物件被序列化成 JSON 并存盤到 Elasticsearch 中被稱之為檔案，并指定了唯一 ID，

欄位 field

json檔案中一個鍵可以稱之為一個欄位，

映射 mapping

為了能夠將時間域視為時間，數字域視為數字，字串域視為全文或精確值字串， Elasticsearch 需要知道每個域中資料的型別，這個資訊包含在映射中，

ps:其實就是關系型資料庫的表結構，
與傳統的關系型資料庫不同的是 當你索引一個包含新域的檔案—?之前未曾出現-- Elasticsearch 會使用 動態映射 ，通過JSON中基本資料型別，嘗試猜測域型別，不需要我們開發人員自己創建映射，也就是不用我們在關注各個表欄位的型別，

與Mysql對比

ES 基本操作

1. 創建索引
   格式: PUT /索引名稱

   PUT /es_db
   

   類似Mysql中的創建資料庫
   creat Database 名稱

2. 查詢索引
   格式:GET /索引名稱

   GET /es_db
   

3. 洗掉索引
   格式: DELETE /索引名稱

   DELETE /es_db
   

   類似Mysql中的刪庫
   drop database 資料庫名稱

4. 添加檔案
   格式: PUT /索引名稱/型別/id

   PUT /es_db/_doc/1
   {
   	"name" : "Xiang",
   	"sex" : "男",
   	"age" : 23,
   	"birthDate": "1998/05/01",
   	"address" : "北京"
   }
   

   類似Mysql中的插入一條新欄位
   insert into table_name，
   但其實還是有區別的，因為在Mysql中，插入一條記錄需要 建一個表，以及表結構規定好，
   另外值得注意的是在es中有type有一個初始的_doc，而表結構則會在插入一個檔案時候會自動創建表的映射，這點在之前映射的概念也提到過，

5. 修改檔案
   格式: PUT /索引名稱/型別/id

   PUT /es_db/_doc/1
   {
   	"name" : "sun",
   	"sex" : "nv",
   	"age" : 23,
   	"birthDate": "1998/05/01",
   	"address" : "北京"
   }
   

   這里更新是和添加一樣的命令，當存在就會更新檔案內容，如果不存在就會新添加一個檔案

   注意:POST和PUT都能起到創建/更新的作用
   1、需要注意的是PUT需要對一個具體的資源進行操作也就是要確定id才能進行更新/創建，而POST是可以針對整個資源集合進行操作的，如果不寫id就由ES生成一個唯一id進行創建==新檔案，如果填了id那就針對這個id的檔案進行創建/更新
   2、PUT只會將json資料都進行替換, POST只會更新相同欄位的值
   3、PUT與DELETE都是冪等性操作, 即不論操作多少次, 結果都一樣

6. 查詢檔案
   格式: GET /索引名稱/型別/id

   GET /es_db/_doc/1
   

   類似Mysql中的根據主鍵id查記錄
   select * from table where id = 1

7. 洗掉檔案
   格式: DELETE /索引名稱/型別/id

   DELETE /es_db/_doc/1
   

   類似Mysql中的根據主鍵id洗掉一條記錄
   delete from table where id = 1

基本的概念以及操作已經講解完成，下面我們來研究es更加實用也相對比較復雜的查詢吧，

無條件查詢

select * from table

GET /data_analysis/_search
{
  "query": {
    "match_all": {}
  }
}

data_analysis 就代表著你要搜索的索引庫，_search 代表著 select，而query代表where ，而much_all代表著全部查詢，

GET /data_analysis/_search

其實這樣寫也是可以的，在kibana中直接這樣運行也是查詢所有，

拓展
有人問了，我只想查詢出來指定的列 select id,name from table,那 es怎么辦啊？

GET /data_analysis/_search
{
  "_source": ["id","name"], 
  "query": {
    "match_all": {}
  }
}

若帶有 "_source"欄位，會查詢出指定的欄位資訊，若不帶有此欄位默認是查詢所有欄位，

組合條件查詢

單個條件就不介紹了，實際開發都是復合多條件查詢，介紹DSL查詢陳述句之前，先介紹一個各個欄位，

must ：各個條件都必須滿足，即各條件是and的 關系
should ：各個條件有一個滿足即可，即各條件 是or的關系
must_not ：不滿足所有條件，即各條件是not的 關系
精確匹配
**term **: 單個條件相等 即條件 =
terms : 單個欄位屬于某個值陣列內的值 即條件in（）
range : 欄位屬于某個范圍內的值 即between and（）
exists : 某個欄位的值是否存在 及not null
模糊匹配
match: 通過關鍵詞模糊匹配條件內容 即 like ‘%關鍵詞%’
prefix : 前綴匹配 即 like ‘前綴%’

上面的其實就是DSL語法定義各中條件查詢的API，直接上案例吧，
案例：
es中有一個 test_csdn索引庫,包含了以下幾個欄位：

先查詢一下看看資料，總共8條資料，hits就是命中的資料的陣列，一個{}里是一個完整的檔案（就是資料庫一行資料），
需求1 ：查詢所有name叫“wang”的人的資訊
select * from test_csdn where name = 'wang'

GET /test_csdn/_search
{
  "query": {
    "bool": {
      "must": [
        {"term": {
          "name": {
            "value": "wang"
          }
        }}
      ]
    }
  }
}

需求2 ：查詢所有name叫“wang”和“qi”的人的資訊
select * from test_csdn where name in （'wang','qi'）

GET /test_csdn/_search
{
  "query": {
    "bool": {
      "must": [
        {"terms": {
          "name": [
            "wang",
            "qi"
          ]
        }}
      ]
    }
  }
}

需求3 ：(加點難度)查詢所有age 10-25 歲的，work 為 開發 以及 address 在北京 的
select * from test_csdn where age between 10 and 25 and work like '%開發%' and address like '北京'

GET /test_csdn/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "age": {
            "gte": 10,
            "lte": 25
            }
          }
        },
        {
          "match": {
            "work": "開發"
          }
        },
        {
          "match": {
            "address": "北京"
          }
        }
      ]
    }
  }
}

需求3 ：(加點難度) 查詢所有age 26 或者 21 歲的，work 為 開發或者運維 以及 address 在大連（嵌套查詢）
select * from test_csdn where （age = 26 or age = 21）and （work like '%開發%' or work like '%運維%'）and address like '大連'

GET /test_csdn/_search
{
  "query": {
    "bool": {
      "must": [
        {"bool": {
          "should": [
            {"term": {
              "age": {
                "value": "26"
              }
            }},
            {"term": {
              "age": {
                "value": "21"
              }
            }}
          ]
        }},
        {
          "bool": {
            "should": [
              {"match": {
                "work": "開發"
              }},
              {"match": {
                "work": "運維"
              }}
            ]
          }
        },
        {"match": {
          "address": "大連"
        }}
      ]
    }
  }
}

怎么樣是不是有點暈頭轉向，一時間看不懂，來我們細細剖析一下：首先需求中，age ，word以及 address 的限制其實都是并列必須滿足，也就是and，所以我們的最外層用一個must，
select * from test_csdn where （age限制）and （word限制）and address限制

這樣折疊起來看是不是更加清晰了，也就說每一個{}限制的條件都是and連接，
然后我們拆分看age限制：
（age = 26 or age = 21）是or，所以DSL應該用should對吧，should，must都需要一個bool連用，

這樣的話是不是在拆分word就很清晰了：
（work like '%開發%' or work like '%運維%'）

所以及時再復雜的嵌套查詢，其實DSL陳述句也不是很難對吧，

es分頁查詢

其實es默認就是使用分頁的，默認只會顯示10條資料，我們想要修改設定的話就要宣告from和size指定值，
from就是從第幾條資料開始，szie就是頁的大小，

這樣就是只會查看0-4 的資料也就是第一頁，第二頁就應該是from：5，size是不變的，
計算頁碼公式一般是 from：size*（第幾頁 -1）

排序

利用age欄位降序排列

"sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]

分組聚合

想要統計以age分組，各個年齡的人數

"aggs": {
    "work_groupby": {
      "terms": {
        "field": "age"
      }
    }
  }

好了好了，就這樣吧，本篇文章可以讓你快速入門進行使用es，但是想要真正的了解和熟悉使用es還是要潛心慢慢去研究的，