Elasticsearch基础入门
Centos7安装Elasticsearch和Kibana
搜索引擎基础---分词和倒排索引简述
此前的es和kibana安装
Elasticsearch是什么？
ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索，基于RESTful web接口。也就说它就是一个索引库，用来存储上面分词之后创建的索引的，对外提供检索服服务，http协议。对内就是一个nosql数据库。
资料：
基于es2.x版本的，核心的东西还是可以看看，中文的：
https://www.elastic.co/guide/cn/elasticsearch/guide/cn/index.html
Es6.x API：
ES分布式索引介绍
number_of_shards：分片数量，类似于数据库里面分库分表，一经定义不可更改。为什么不能修改呢，它不像redis的集群，添加或者减少主从时，集群会重新分配slots。所以如果修改分片数量，会导致取模之后可能找不数据了，比如原来3个，4%3=1，现在变成4个分片4%4=0了。
number_of_replicas：副本数，用于备份分片的，小于分片数。和主分片里面的数据保持一致，主要响应读操作，副本越多读取就越快。副本会在另外的分片上面去存放。比如分片数量3，副本数2,数据1 hash之后落在分片1，那么会在分片2和分片3上面去放副本。
如果副本数设置1，那么分片2和3就只会有一个区备份。
它的写操作是需要副本数过半成功才成功的。
Es基础语法：
首先我们先安装一个中文分词的插件。安装和自己es对应版本的：
./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v6.6.0/elasticsearch-analysis-ik-6.6.0.zip
安装好了需要重启才会生效
Es的基础操作（kibana中）
打开kibana—>dev tools，控制台可以执行操作
Management—>Index Management 可以看到我们创建好的索引
索引创建及设值
1.创建索引：
我的是单机，所以分片设置的1，备份0
PUT /test { "settings":{ "number_of_shards": 1, "number_of_replicas": 0 } }
2.创建索引，指定id建立索引
PUT /test/_doc/1 { "name": "张三", "age": 30 }
3.不设置id会默认生成一个,指定ID是PUT
POST /test/_doc { "name": "张三默认", "age": 30 }
4.全量修改值。Id为1的数据全覆盖
PUT /test/_doc/1 { "name": "张三1", }
5.部分修改，只会修改对应的字段
POST /test/_doc/1/_update { "doc":{ "name":"张三00" } }
6.指定_create防止重复创建,如果已经存在则失败,第二次会报错
POST /test/_doc/2/_create { "name":"李四", "age":20 }
删除：
指定ID删除文档
DELETE /test/_doc/1
{
}
删除索引
DELETE /test
{
}
查看分词结果，默认使用的stander分词器是每个词都分开
GET /test/_analyze { "field": "name", "text": "成都市天府广场" }
结构化索引创建：可以指定一些约束，比如分词器，字段类型之类的
stander: 每个词都分开
english： 英文分词器，会按照英文的语法来处理一些词比如eating，eated 都会被处理成eat
ik_max_word： 中文分词器，最大拆分，能分出来的词都分出来
“武汉市长江大桥”->武汉，武汉市，市长，长江，大桥，长江大桥，江大桥
ik_smart: 中文分词器，尽可能分词长的
“武汉市长江大桥”->武汉市，长江大桥
ik_max_word和ik_smart 需要装中文分词器插件
name字段分词使用ik_max_word，查询时使用ik_smart
enname 分词查询都是用english
PUT /test2 { "settings": { "number_of_shards": 1, "number_of_replicas": 0 }, "mappings": { "_doc":{ "properties": { "name":{"type":"text","analyzer":"ik_max_word","search_analyzer": "ik_smart"}, "sname":{"type": "text","analyzer":"ik_smart"}, "enname":{"type":"text","analyzer":"english"}, "age":{"type": "integer"} } } } }
现在我们看test2的sname字段的分词结果：sname使用的中文分词ik_smart
GET /test2/_analyze { "field": "sname", "text": "成都市天府广场" }
我们再看下对于test2的name字段使用的是ik_max_word
GET /test2/_analyze { "field": "name", "text": "成都市天府广场" }
可以看到对于同样的文本，使用不同的分词方式，出来的结果是不一样。
查询：
1.根据id查询
GET /testtest/_doc/1
{
}
2.查询索引所有，query加不加都可以
GET /test/_search { "query":{ "match_all": {} } }
3.按条件查询，并分页，注意分页不能太多，因为es的分页都是在内存中做的，太多了会撑爆内存
GET /test/_search { "query": { "match": { "name": "张三" } }, "from": 0, "size": 20 }
可以看下淘宝的搜索也是限制了的一页40个，最多100页
4.排序
GET /test/_search { "query": { "match": { "name": "张三" } }, "sort": [ { "age": { "order": "desc" } } ], "from": 0, "size": 20 }
更多API操作见文档：
