关于docker安装使用的ES
安装
使用docker最好，简单方便，使用接口的方式使用。
1、分布式的实时文件存储，每个字段都被索引并可被搜索
2、分布式的实时分析搜索引擎
3、可以扩展到成百上千台服务器，处理PB级结构化或非结构化数据。
elasticsearch：全文检索工具，使用方式是在linux安装，需要java环境，中文分词需要ik分词器扩展插件，然后通过接口的方式，存入数据，读取数据，查询数据
注意数据库数据的同步更新，以及es防止挂掉的脚本定时任务，
安装PHP扩展，实例化es之后，将文档加入索引，在添加的时候就创建了索引，索引就是表，文档就是行记录，然后通过
$params = [ 'index' => 'articles_index', 'type' => 'articles_type', 'id' => 'articles_1'];
//index相当于数据库名字 type相当于表名 。。
$res = $client->get($params);
获取数据。 或者delete或者indices（）-》delete（）删除索引
网页案例
使用场景
企业里对数据的查询一般可以分为三种：列表查询、详情查询和统计查询。列表一般就是列表页对应的查询，详情查询一般就是具体id对应的详情查询，而统计查询一般都是在看一些数值之类的报表，也就是一堆count值
可以使用sql转换ES查询语句的方式，提供统一的查询api，例如，框架中ORM方式先得出sql语句，之后使用扩展工具类将sql转换为ES查询语句，再使用ESapi进行查询。
基本知识
查询方式可以使用composer的插件将sql语句转变为ES查询语句的json，比如query"{"match":"zhongguo"}"ES查询有各种样式的语句可以使用
eg：match系列
1、match：返回所有匹配的分词。
2、match_all：查询全部。
3、match_phrase：短语查询，在match的基础上进一步查询词组，可以指定slop分词间隔。
4、match_phrase_prefix：前缀查询，根据短语中最后一个词组做前缀匹配，可以应用于搜索提示，但注意和max_expanions搭配。其实默认是50.......
5、multi_match：多字段查询，使用相当的灵活，可以完成match_phrase和match_phrase_prefix的工作
还有排序查询（sort）；分页（from，size）；bool查询（must，should）;查询结果过滤（_source）；高亮显示（highlight）；精确查询与模糊查询（terms）；聚合查询（avg、max、min、sum）；分组查询（aggs，range分组，field为字段，from，to范围）；
ES基本语句使用
安装logstash
需要使用docker 安装Logstash，来收集文件/var/log/messages
pull与es对应版本的logstash， 然后 run 等待30秒 查看日志，docker logs -f logstash
将拷贝数据 授予权限
docker cp logstash:/usr/share/logstash /data/elk7/
mkdir /data/elk7/logstash/config/conf.d
chmod 777 -R /data/elk7/logstash
vi修改 logstash配置文件
vi /data/elk7/logstash/config/logstash.yml ： 指定名称，host，es的地址hosts
新建文件syslog.conf，用来收集/var/log/messages
vi /data/elk7/logstash/config/conf.d/syslog.conf
权限 chmod 644 /var/log/messages
重新启动logstash
docker安装logstash
安装kibana
kibana是ES的可视化工具 使用docker安装，需要pull 与es对应版本的kibana，然后写入配置文件 指定名称，host，es的地址hosts，启动的时候开启默认的5601端口，并 将配置文件映射到容器中的config.yml位置,之后等待30秒或者docker logs -f kibana日志发现搭建成功，可以访问5601端口。
kibana的安装
