ES入门宝典（详细截图版）
本文使用版本基于elasticsearch-6.4.0
1、什么是ES？
官网： https://www.elastic.co/products/elasticsearch
中文官网：https://www.elastic.co/cn/products/elasticsearch
ES是一个全文检索引擎，提到全文检索，就要说一下以下几个概念：
搜索：寻找想要的信息，根据关键字找到想要的信息。
倒排索引：反向索引，提取关键字建立索引，不需要全部遍历，提高效率，减少扫描次数。
lucene，就是一个jar包 里面有倒排索引和一些算法 可以基于lucene api进行全文检索的开发，api复杂。
了解全文检索，可以关注这篇文章什么是全文检索
ES也就是Elasticsearch又是什么呢？
封装lucene 提供企业级服务;
基于Apache lucene构建得开源搜索引擎;
java编写 简单易用得RESTFul API;
横向扩展 支持PB级的结构化或非结构化数据处理;
ES的功能:
1）分布式的搜索引擎和数据分析引擎。
2）全文检索，结构化检索，数据分析。
3）对海量数据进行近实时的处理。
应用场景：
海量数据的分析引擎;站内搜索引擎;数据仓库。
国外：维基百科，Stack Overflow，GitHub
国内：站内搜索（电商，招聘，门户，等等），IT系统搜索（OA，CRM，ERP，等等），数据分析（ES热门的一个使用场景）
2、主要概念
索引index
逻辑存储 相当于关系型数据库的表
每个索引有一或多个分片（shard） 每个分片有多个副本（replica）
分片shard
单台机器无法存储大量数据，es可以将一个索引中的数据切分为多个shard，分布在多台服务器上存储。有了shard就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提升吞吐量和性能。每个shard都是一个lucene index。
副本replica
任何一个服务器随时可能故障或宕机，此时shard可能就会丢失，因此可以为每个shard创建多个replica副本。replica可以在shard故障时提供备用服务，保证数据不丢失，多个replica还可以提升搜索操作的吞吐量和性能。
文档document
es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，一条订单数据，通常用JSON数据结构表示，每个index下的type中，都可以去存储多个document。一个document里面有多个field，每个field就是一个数据字段。
面向文档存储
（1）应用系统的数据结构都是面向对象的，复杂的
（2）对象数据存储到数据库中，只能拆解开来，变为扁平的多张表，每次查询的时候还得还原回对象格式，相当麻烦
（3）ES是面向文档的，文档中存储的数据结构，与面向对象的数据结构是一样的，基于这种文档数据结构，es可以提供复杂的索引，全文检索，分析聚合等功能
（4）es的document用json数据格式来表达
映射mapping
文档中的每个字段根据不同类型做相应分析。
ES核心概念 vs. 数据库核心概念
索引（indices）-------------Table 数据表
文档（Document）--------Row 行
字段（Field）-------Columns 列
3、安装部署
安装JDK，至少1.8.0_73以上版本
win下部署ES
下载win版本
解压 放在d盘
同步命令行启动
C:\Users\JN>d:
D:>cd
D:\elasticsearch-6.4.0>cd bin
D:\elasticsearch-6.4.0\bin>elasticsearch.bat
kibana也是
C:\Users\JN>d:
D:>cd kibana-6.4.0-windows-x86_64
D:\kibana-6.4.0-windows-x86_64>cd bin
D:\kibana-6.4.0-windows-x86_64\bin>kibana.bat
部署成功： 可以通过localhost:9200访问es
localhost:5601访问kibana
linux下部署ES
下载linux版本ES
curl -L -O https://artifacts.elastic.co/downloads/elasticsearch/elasticsearch-6.4.0.tar.gz
新建 切换用户
useradd es
passwd es
su es
解压
tar -zxvf elasticsearch-6.4.0.tar.gz
修改配置
cd conf
vim elasticsearch.yml es配置：集群 日志位置 数据位置 访问限制等等
vim jvm.options jvm配置
启动
./bin/elasticsearch
9300：集群节点间通讯接口
9200：客户端访问接口
访问9200可以看见数据返回
curl localhost:9200
4、简单Restful Api操作
网页访问kibana
localhost:5601 选择 Dev Tools
基本操作
集群健康 GET /_cat/health
1556162587 11:23:07 elasticsearch green 1 1 1 1 0 0 0 0 - 100.0%
查看索引 GET /_cat/indices?v
green open .kibana NHt9dbSkRWaom_Df6cyi6w 1 0 1 0 4kb 4kb
创建索引 PUT /test_index?pretty
删除索引 DELETE /test_index?pretty
CRUD操作
PUT /index/type/id
{
”json数据“
}
例子：
PUT /blog01/article/1
{
"id": "1",
"title": "elasticsearch"
"desc":"elasticsearch"
}
PUT /blog01/article/2
{
"id": "2,
"title": "kibana "
"desc":"kibana "
}
es会自动建立index和type，不需要提前创建，而且es会默认对document的每个field都建立倒排索引，让其可以被搜索。
查询 GET /blog01/article/1
修改
（替换方式） 替换必须带所有信息
PUT /blog01/article/1
{
"id": "1",
"title": "elasticsearch"
"desc":"elasticsearch_new"
}
（更新方式）
POST /blog01/article/2/_update
{
"doc": {
"desc":"elasticsearch_new"
}
}
删除 DELETE /blog01/article/1
简单搜索
query string search
search参数http附带
took：整个搜索请求花费了多少毫秒
timed_out：是否超时
_shards：切片
hits.total：本次搜索，返回了几条结果
hits.max_score：本次搜索的所有结果中，最大的相关度分数是多少，每一条document对于search的相关度，越相关，_score分数越大，排位越靠前
GET /blog01/article/_search?q=desc:kibana
{
"took": 4,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 1,
"max_score": 0.2876821,
"hits": [
{
"_index": "blog01",
"_type": "article",
"_id": "2",
"_score": 0.2876821,
"_source": {
"id": "2",
"title": "kibana ",
"desc": "kibana "
}
}
]
}
}
query DSL
Domain Specified Language
带json请求体查询
GET /blog01/article/_search
{
"query": {
"match_all": {}
}
}
query filter
bool可以封装多个条件 “must”必须匹配 “filter”过滤
GET /blog01/article/_search
{
"query" : {
"bool" : {
"must" : {
"match" :{
"desc" : "kibana"
}
}
}
}
}
全文检索 full text search
会根据两个词 去倒排索引查找 匹配上任意一个就会返回 匹配度最高的文档排在前面
GET /blog01/article/_search
{
"query" : {
"match" :{
"desc" : "kibana test"
}
}
}
短语搜索 phrase search
两个词必须都包含
GET /blog01/article/_search
{
"query" : {
"match_phrase" :{
"desc" : "kibana test"
}
}
}
高亮结果 highlight search
GET /blog01/article/_search
{
"query" : {
"match" :{
"desc" : "kibana"
}
},
"highlight":{
"fields":{
"desc" :{}
}
}
}
大数据流动 专注于大数据实时计算，数据治理，数据可视化等技术分享与实践。
请在后台回复关键字下载相关资料。相关学习交流群已经成立，欢迎加入~
