目录
1.Elasticsearch概述
1.1 搜索是什么
1.2 数据库做搜索弊端
1.2.1 站内搜索（垂直搜索）：数据量小，简单搜索，可以使用数据库。
1.2.2 互联网搜索，肯定不会使用数据库搜索。数据量太大，属于PB级。
1.3 常见的搜索引擎
1.4 Elasticsearch 是什么
1.5 Elasticsearch的使用场景
2. ES的安装
2.1 Elasticsearch安装包
2.2 Windows安装Kibana
3.ES中常见的概念
4.ES常用API接口
4.1 基本的操作
4.1.1 创建一个索引
4.1.2 查询索引的结构
4.1.3 查询有哪些索引
4.1.4 添加文档---记录
4.1.5 查询文档---id查询
4.1.6 删除所有---数据库
4.1.7 删除文档--根据ID
4.1.8 修改文档
4.2 根据其他条件查询
4.2.1 查询所有的文档
4.2.2 根据条件搜索
4.2.3 查询的条件封装成json数据
4.3 多条件查询
4.3.1 must等价于and
4.3.2 should代表or
4.3.3 关于取反
4.4 高亮显示
1.Elasticsearch概述
1.1 搜索是什么
概念：用户输入想要的关键词，返回含有该关键词的所有信息。
场景：
（1）互联网搜索：谷歌、百度、各种新闻首页
（2）站内搜索（垂直搜索）：企业
OA
查询订单、人员、部门，电商网站内
部搜索商品（淘宝、京东）场景。
1.2 数据库做搜索弊端
1.2.1 站内搜索（垂直搜索）：数据量小，简单搜索，可以使用数据库。
问题出现：
（1）存储问题。电商网站商品上亿条时，涉及到单表数据过大必须拆分表，
数据库磁盘占用过大必须分库（
mycat
）。
（2） 性能问题：解决上面问题后，查询“
笔记本电脑
”
等关键词时，上亿条数据
的商品名字段逐行扫描，性能跟不上。
（3）不能分词。如搜索“
笔记本电脑
”
，只能搜索完全和关键词一样的数据，那
么数据量小时，搜索
“
笔记电脑
”
，
“
电脑
”
数据要不要给用户。
1.2.2 互联网搜索，肯定不会使用数据库搜索。数据量太大，属于PB级。
我们可以使用搜索引擎来解决数据库搜索的问题
:
搜索也是一款数据库，搜索可以进行分词搜索---搜索速度非常快
1.3 常见的搜索引擎
ElasticSearch与Solr比较
（1）当单纯的对已有数据进行搜索时，Solr更快
（2）当实时建立索引时，Solr会产生io阻塞，查询性能较差，ElasticSearch具有明显的优势。
（3）随着数据量的增加，Solr的搜索效率会变的更低，而ElasticSearch却没有明显的变化。
总结：
1、ES基本是开箱即用(解压就可以用!)非常简单。Solr安装略微复杂一丢丢! 2、Solr 利用Zookeeper进行分布式管理，而Elasticsearch自身带有分布式协调管理功能。 3、Solr 支持更多格式的数据，比如JSON、XML、 CSV ，而Elasticsearch仅支持json文件格式。 4、Solr 官方提供的功能更多，而Elasticsearch本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑。 5、Solr 查询快，但更新索引时慢(即插入删除慢) ，用于电商等查询多的应用； ES建立索引快(即查询慢) ，即实时性查询快，用于facebook新浪等搜索。 6、Solr是传统搜索应用的有力解决方案，但Elasticsearch更适用于新兴的实时搜索应用。 7、Solr比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，而Elasticsearch相对开发维护者较少，更新太快，学习使用成本较高。
1.4 Elasticsearch 是什么
The Elastic Stack, 包括
Elasticsearch
【搜索，分析】、
Kibana
【可视
化】、
Beats
和
Logstash
【数据的搜集】（也称为
ELK Stack
）。能够安
全可靠地获取任何来源、任何格式的数据，然后实时地对数据进行搜索、
分析和可视化。
Elaticsearch，简称为
ES
，
ES
是一个
开源的高扩展的分布式全文搜索引
擎
， 是整个
ElasticStack
技术栈的核心。
它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台
服务器，处理
PB
级别的数据。
1.5 Elasticsearch的使用场景
国外： 维基百科，类似百度百科，“网络七层协议”的维基百科，全文检索，高亮，搜索推荐。 Stack Overflow（国外的程序讨论论坛），相当于程序员的贴吧。遇到问题去上面发帖，热心网友下面回帖解答。 GitHub（开源代码管理），搜索上千亿行代码。 电商网站，检索商品。 日志数据分析，logstash采集日志，ES进行复杂的数据分析（ELK技术，elasticsearch+logst- tash+kibana） 商品价格监控网站，用户设定某商品的价格阈值，当低于该阈值的时候，发送通知消息给用户，比如说订阅《java编程思想》的监控，如果价格低于27块钱，就通知我，我就去买。 BI系统，商业智能（Business Intelligence）。大型连锁超市，分析全国网点传回的数据，分析各个商品在什么季节的销售量最好、利润最高。成本管理，店面租金、员工工资、负债等信息进行分析。从而部署下一个阶段的战略目标。
国内： 百度搜索，第一次查询，使用es。
OA、ERP系统站内搜索
ES:搜索的一款数据库，支持的数据格式json
2. ES的安装
安装
JDK
，至少
1.8.0_73
以上版本，验证：
java -version
。
2.1 Elasticsearch安装包
下载和解压缩Elasticsearch
安装包，查看目
录结构。
https://www.elastic.co/cn/downloads/elasticsearch
下载地址：
https://www.elastic.co/cn/downloads/
解压后，进入 bin 文件目录，点击 elasticsearch.bat 文件启动 ES 服务 。
注意： 9300 端口为 Elasticsearch 集群间组件的通信端口， 9200 端口为
浏览器访问的 http协议 RESTful 端口。
打开浏览器，输入地址：
http://localhost:9200
，测试返回结果，返回结果如下：
2.2 Windows安装Kibana
1、kibana是
es
数据的前端展现，数据分析时，可以方便地看到数据。作
为开发人员，可以方便访问
es
。
https://www.elastic.co/cn/downloads/
2、下载，解压
kibana
。
3、启动
Kibana
：
bin\kibana.bat
4、浏览器访问
http://localhost:5601
进入
Dev Tools
界面。像
sql
一样支
持代码提示。
3.ES中常见的概念
Elasticsearch 是
面向文档型数据库
，一条数据在这里就是一个文档。 为
了方便理解，将
Elasticsearch
里存储文档数据和关系型数据库
MySQL
存储数据的概念进行一个类比
ES 里的
Index
可以看做一个库，而
Types
相当于表，
Documents
则相当于表的行。这里
Types
的概念已经被逐渐弱化，
Elasticsearch 6.X
中，一
个
index
下已经只能包含一个
type
，
Elasticsearch 7.X
中
，Type
的概念已
经被删除了。
4.ES常用API接口
4.1 基本的操作
4.1.1 创建一个索引
(1) PUT /索引名称/类型名称/1 { 数据 } 创建索引并往索引中添加一条文档
（2）指定字段的类型（使用PUT）
类似于建库（建立索引和字段对应类型），也可看做规则的建立 PUT /索引名 PUT /wdqy151 { "mappings":{ "properties": { "name":{ "type": "text" }, "age":{ "type": "integer" } } } }
字段数据类型
字符串类型 text、keyword
text：支持分词，全文检索,支持模糊、精确查询，不支持聚合，排序操作；text类型的最大支持的字符长度无限制，适合大字段存储；
keyword：不进行分词，直接索引、支持模糊、支持精确匹配，支持 聚合、排序操作。keyword类型的最大支持的长度为——32766个UTF-8 类型的字符，可以通过设置ignore_above指定自持字符长度，超过给 定长度后的数据将不被索引，无法通过term精确匹配检索返回结果。
text: 它会为该字段的内容进行拆词操作，并放入倒排索引表中
keyword: 它不会进行拆词操作
使用match匹配查询---对匹配的关键字进行拆词操作，并和倒排索引表中对应。
使用term精准匹配---它不会对关键字进行拆词操作，而且把关键字作为一个整体和倒排索引表进行匹配
数值型 long、Integer、short、byte、double、float、half float、scaled float 日期类型 date 布尔类型 boolean 二进制类型 binary 等等......
4.1.2 查询索引的结构
GET /索引名
4.1.3 查询有哪些索引
GET /_cat/indices?v
4.1.4 添加文档---记录
# 必须指定id的值
PUT /wdqy151/test/2 { "name":"疏词", "age":25 }
# 不指定id
POST /wdqy151/test/ { "name":"一帆", "age":25 }
4.1.5 查询文档---id查询
查询的提交方式必须为GET
GET /索引名称/类型名称/id值
4.1.6 删除所有---数据库
DELETE /索引名
4.1.7 删除文档--根据ID
提交方式DELETE提交方式
根据不同的操作具有不同的提交方式restful风格
GET 查询 PUT 修改 POST 添加操作 DELETE 删除操作
4.1.8 修改文档
#修改--这种修改必须要求指定所有列，如果只指定部分列，则原来其他列消失
PUT /wdqy151/test/2 { "name":"小可", "age":18 }
PUT /wdqy151/test/2 { "name":"小孟", }
#部分修改--不会丢失数据
POST /wdqy151/test/2/_update { "doc":{ "age":23 } }
4.2 根据其他条件查询
4.2.1 查询所有的文档
GET /wdqy151/test/_search
4.2.2 根据条件搜索
GET /索引名称/类型名称/_search?q=字段名:值
4.2.3 查询的条件封装成json数据
#根据年龄生成对应数据的json对象
GET /wdqy151/test/_search { "query": { "match": { "age":23 } } }
#指定查询部分列
GET /wdqy151/test/_search { "query": { "match": { "age":23 } } , "_source":["name"] }
#分页查询数据
GET /wdqy151/test/_search
{ "query": { "match": { "age":23 } }, "_source": ["name"], "from": 0, "size":3 }
#年龄大于23的查询出来，使用模糊查询
GET /wdqy151/test/_search { "query": { "range": { "age":{ "gt":23 } } }, "_source":["name","age"], "from":0, "size": 3 }
#按年龄降序排序
GET /wdqy151/test/_search { "query": { "range": { "age": { "gt": 20 } } }, "_source": ["name","age"], "from": 0, "size": 5, "sort": [ { "age": { "order": "desc" } } ] }
4.3 多条件查询
4.3.1 must等价于and
GET /wdqy151/test/_search { "query": { "bool": { "must": [ { "match": { "age": 24 } }, { "match": { "name": "雪" } } ] } } }
4.3.2 should代表or
GET /wdqy151/test/_search { "query": { "bool": { "should": [ { "match": { "age": 28 } }, { "match": { "name": "雪" } } ] } } }
4.3.3 关于取反
GET /wdqy151/test/_search { "query": { "bool": { "must_not": [ { "match": { "age": 28 } } ] } } }
4.4 高亮显示
#查询出来的单字展现为红色
GET /wdqy151/test/_search { "query": { "match": { "name": "雪" } }, "highlight": { "pre_tags": "", "post_tags": "", "fields": { "name":{} } } }