关于文档的基本操作 基本操作1、添加数据PUT /test01/user/1 { "name": "孙笑川", "age": 33, "birth": "2021-05-10", "tags": ["抽象","带师兄"] }2、获取数据GET /test01/user/13、更新数据 PUT4、POST 更新（推荐使用）5、搜索简单搜索复杂搜索select（排序，分页，高亮，模糊查询，精准查询）//查询参数体使用json构建 GET test01/user/_search { "query": { "match": { "name": "孙笑川" } } }结果过滤：排序：GET test01/user/_search { "query": { "match": { "name": "孙笑川" } }, "sort": [ { "age": { "order": "asc" } } ] }分页： //from等同于pageNum //size等同于pageSize GET test01/user/_search { "query": { "match": { "name": "孙笑川" } }, "sort": [ { "age": { "order": "asc" } } ], "from": 0, "size": 5 }布尔值多条件查询：must (and) 所有的条件都要匹配 where id = 1 and age = 10should (or) 条件匹配 where id = 1 or age = 10must_not (not)过滤器 filtergt # 大于 gte # 大于等于 lt # 小于 lte # 小于等于匹配多个条件精确查询term 通过倒排索引指定的词条进行精确查询分词term 直接精确查询match 查询时会使用分词器解析（先分析文档，再通过分析的文档进行查询）两个类型 text（会被分词器解析） keyword（不会被分词器解析）PUT test02 { "mappings": { "properties": { "name": { "type": "text" }, "desc": { "type": "keyword" } } } } PUT test02/_doc/1 { "name": "text keyword字段类型测试", "desc": "text keyword字段类型测试 desc" } PUT test02/_doc/2 { "name": "text keyword字段类型测试", "desc": "text keyword字段类型测试 desc02" } GET _analyze { "analyzer": "keyword", "text": "text keyword字段类型测试" } GET _analyze { "analyzer": "standard", "text": "text keyword字段类型测试" } GET test02/_search { "query": { "term": { "name": "测" } } } GET test02/_search { "query": { "term": { "desc": "text keyword字段类型测试 desc" } } } PUT test02/_doc/3 { "t1": "11", "t2": "2021-05-11" } PUT test02/_doc/4 { "t1": "22", "t2": "2021-05-11" } GET test02/_search { "query": { "bool": { "should": [ { "term": { "t1": "11" } }, { "term": { "t1": "22" } } ] } } }多个值匹配的精确查询高亮查询自定义高亮格式

关于索引的基本操作 1、创建一个索引PUT /索引名/类型名/文档id2、字段类型字符串：text、keyword数值：long、integer、short、byte、double、float、half float、scaled float日期：date布尔值：boolean二进制：binary3、指定字段的类型4、通过GET请求得到具体的信息5、查看默认的信息注：如果在文档中没有指定具体的字段，es会默认配置字段类型6、扩展通过GET _cat/获取es的信息7、修改PUTPOST8、删除索引DELETE /test 删除索引 DELETE /test/_doc/1 删除具体的文档

IK分词器 概述：把一段文字划分为一个个的关键字，我们在搜索时会把自己的信息进行分词，会把数据库中或索引库中的数据进行分词，然后进行匹配操作，默认的中文分词是将一个字看作一个词，如：你好谢谢，“你”，“好”，“谢”，“谢”，这种分词方式显然是不合理的，需要IK中文分词器来解决该问题。IK提供了ik_smart，ik_max_word两种分词算法不同的分词效果ik_smart 最少切分ik_max_word 最细粒度划分Ik分词器增加自己的配置重启es并测试

ElasticSearch相关概念 es与关系型数据库对比Relational DBElastic Search数据库(database)索引(indices)表(table)types(类型)（es8.0弃用）行(rows)documents(文档)字段(columns)fieldses（集群）中可以包含多个索引（数据库），每个索引中可以包含多个类型（表），每个类型下又包含多个文档（行），每个文档又包含多个字段（列）。物理设计：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逻辑设计：一个索引类型中包含多个文档，例如：文档1、文档2，当要搜索一篇文档时，大致流程为：索引 ---> 类型 ---> 文档ID（ID不必是整数，实际上是一个字符串）文档es是面向文档的，也就是说索引和搜索数据的最小单位是文档，其包含有几个重要属性：自我包含，一篇文档同时包含字段和对应的值，即key:value层次型的：一个文档中包含自文档（json对象，fastjson进行自动转换）灵活的结构：文档不依赖预先定义的模式，在关系型数据库中，要提前定义字段才能使用，而在es中，可以忽略一个字段或动态的添加一个新的字段在es中，每个字段的类型非常重要，它会保存字段和类型之间的映射及其他的设置，这种映射具体到每个映射的每种类型，这也是为什么在es中，类型有时候也称为映射类型类型类型是文档的逻辑容器（就像关系型数据库，表格是行的容器），类型中对于字段的定义称为映射，比如name映射为字符串类型。先定义好字段，再使用索引es中的索引就是数据库，索引是映射类型的容器，是一个非常大的文档集合，存储映射类型和其他设置，再被存放到各个分片上物理设计：节点和分片如何工作一个集群至少有一个节点，而一个节点就是一个es进程，创建索引时，默认5个分片（primary shard，主分片），每一个主分片会有一个副本（replica shard，复制分片）以上图3个节点的集群为例，可以看出主分片和对应的复制分片都不会在同一个节点内，可以避免级联故障。实际上，一个分片是一个Lucence索引，一个包含倒排索引的文件目录，倒排索引使得es可以在不扫描全部文档的情况下，检索出需要的内容。倒排索引es使用的是倒排索引结构，采用Lucence倒排索引作为底层。这种结构适用于快速全文搜索，一个索引由文档中所有不同的列表构成，对于每一个词，都有一个包含它的文档列表。例1：现在有两个文档，每个文档包含以下内容：# 文档1 Study every day,good good up to forever # 文档2 To forever,study every day, good good up为了创建倒排索引，先要将每个文档拆分成独立的词（或称为词条、tokens），然后创建一个包含所有不重复的词条的排序列表 文档1文档2Study√×To×√every√√forever√√day√√study×√good√√every√√to√×up√√现在试图搜索to forever，只需要查看包含每个词条的文档 文档1文档2to√×forever√√total21两个文档都匹配，但第一个文档比第二个文档匹配度更高，没有别的条件时，返回这两个包含关键字的文档例2：通过博客标签来搜索博客文章现搜索包含python标签的文章，相较于搜索原始数据，现只需要搜索标签这一栏，即可更快的获取文章id

Elastic Search 一、概述Elastic Search简称es，是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据，可以使用java开发并使用Lucence作为其核心来实现所有索引和搜索的功能，其目的是通过简单的RESTfull API来隐藏Lucence的复杂性，从而让全文搜索变得简单。二、ELKELK是Elastic Search、Logstash、Kibana的首字母简称，也成为Elastic Stack。其中Elastic Search是一个基于Lucence、分布式、通过Restfull方式进行交互的近实时搜索平台框架；Logstash是ELK的中央数据流引擎，用于从不同目标（文件/数据存储/MQ）收集的不同格式数据，经过过滤后支持输出到不同目的地（文件/MQ/rdis/elasticsearch/Kafka等）；Kibana可以将elasticsearch的数据通过友好的页面展示出来。提供实时分析的功能。三、安装1、elasticsearch官网地址：https://www.elastic.co/cn/elasticsearch/# 跨域问题须在/config/elasticsearch.yml配置文件末尾添加 http.cors.enabled: true http.cors.allow-origin: "*"2、Kibana官网地址：https://www.elastic.co/cn/kibana注意：es和kibana的版本必须一致