疫情已经持续了好几个月了，作为程序员滴我们也帮不上什么忙，只有老老实实呆在家里或者出门一定戴口罩准守一些规则，不给国家添乱。不过最近疫情开始有所扭转，但是还是对国家经济，对企业业务造成了很大的影响，我也被停止了实习。接下来，可能会面临着失业，破产等等严肃的问题。但是我们还是需要继续学习，提高自己的竞争力，才能在疫情过后，有自己的一席之地，可以在合适自己的地方发挥自己的作用。中国加油，武汉加油。
全文检索Elasticsearch
1. 相关特点：
- 分布式，无需人工搭建集群（solr需要人为配置，使用zookeeper作为注册中心）
- Restful风格，一切API都遵循Rest原则，容易上手
- 近实时搜索，数据更新在ElasticSearch中几乎是完全同步的。
2. 操作索引
- 基本概念：Elasticsearch是基于Lucene的全文检索库，本质也是存储数据，很多概念与MySql类似的。
-
// 对比关系
索引集（indices）------------------------------------------------Databases 数据库 类型（type）---------------------------------------------Table 数据表 文档（Document）-----------------------------Row 行 字段（Field）----------------------Columns列 - 相关解释：
-
- 类型（type）：一个索引库下可以有不同类型的索引，比如商品类型、订单类型，其数据格式不同。不过这回导致索引库混乱，因此未来版本会移除这个概念。
- 映射配置（mappings）：字段的数据类型、属性、是否索引、是否存储等特性。
- 分片（shard）：数据拆分后的各个部分。
- 副本（replica）：每个分片的复制。
-
注意：Elasticsearch本身就是分布式的，因此即使你只有一个节点，Elasticsearch默认也会对你的数据进行分片和副本操作，当你向集群添加数据时，数据也会在新加入的节点中进行平衡。
a、创建索引：
- 请求方式：PUT
- 请求路径：ip地址:端口号/索引库名(下文相关 HTTP请求路径 省略)
- 请求参数：json格式
- 例子：
{ // settings: 索引库的设置。 "settings": { "number_of_shards": 3, // 分片数量 "number_of_replicas": 2 // 副本数量 } }
b、删除索引
- 请求方式：DELETE
- 请求路径：/索引库名
c、查询索引
- 请求方式：GET
- 请求路径：/索引库名
d、创建映射字段
- 请求方式：PUT
- 请求路径：/索引库名/_mapping/类型名称
- 请求参数：json格式
- 例子：
{ "properties": { "字段名": { "type": "类型", "index": true, "store": true, "analyzer": "分词器" // 分词器 } } }
- 例子：
- 相关解释
- 类型名称：就是type的概念，类似于数据库中的不同表
- 字段名：任意写，可以指定许多属性，例如
- type类型，可以是String类型（text【可分词】、keyword【不可分词】）、long、short、date、integer、object等。
-
注意：如果存的是对象，比如：{girl: {name:"rose",age:21}} 会被处理成两个字段：girl.name和girl.age
-
- index：是否索引，默认为true。如果索引，则可以用来搜索。
- store：是否存储，默认为false。在Elasticsearch中，即便store设为false，也可以搜索到结果（原因：Elasticsearch在创建文档搜索时，会将文档中的原始数据备份，保存到一个叫做_source的属性中。而且我们可以通过过滤_source来选择那些需要显示，那些不显示。
3. 新增数据
- 随机生成id
- 请求方式：POST
- 请求路径：/索引库名/类型名称
- 请求参数： { "key": "value" }
- 自定义id
-
POST /索引库名/类型名称/id值 { ... } - 智能判断：
- solr：新增数据时，只能使用提前配置好映射属性的字段，否则会报错。
- Elasticsearch：不需要给索引库设置任何mapping映射，它也可以根据你输入的数据来判断类型，动态添加数据映射。（如果存储的是String类型数据，ES无智能判断，它会存入两个字段。例如：存入一个name字段，智能形成两个字段 name: text类型 name.keyword: keyword类型）
4. 修改数据：
- 请求方式： PUT
- 请求路径：/索引库名/类型名称/id值
- 注意：修改必须指定id。id对应的文档存在，则修改；id对应文档不存在，则新增。
5. 查询
- 基本查询：
GET /索引库名/_search { "query": { "查询类型": { "查询条件":"查询条件值" } } } 例子： GET /article/_search { "query": { "match": { "title": { "query": "广州上海", "operator":"and" } } } }- 查询类型：
- 查询所有（match_all）【全文检索】
- 多字段查询（multi_match）
-
GET /索引库名/_search { "query": { "multi_match": { "query": "查询内容", "fields": ["查询字段1","查询字段2"] } } } - 词条匹配（term）：查询被用于精确值匹配，这些精确值可能是数字、时间、布尔或者那些未分词的字符串。推荐除了text以外的类型用term，减少分词带来的消耗，例
GET /索引库名/_search { "query": { "term": { "查询字段":"查询内容" } } } - 结果过滤：{ "_source" : [ "过滤字段1" , "过滤字段2" ] }。
{ "_source": { # "includes": "过滤字段" # 和上面作用一样 "excludes":"排除过滤字段" } }
- 查询类型：
- 高级查询
- 模糊查询（fuzzy）
- 范围查询（range）
GET /索引库名/_search { "query": { "range": { "查询字段": { "gte": 数值, # 大于，可省略 "lte": 数值 # 小于，可省略 } } } } - 布尔查询和过滤
GET /索引库名/_search { "query": { "bool": { "must": [ {"match": { "查询字段": "查询内容" }} ], "filter": { "range": { "过滤字段": { "gte": 数值 } } } } } } - 排序
"sort": [ { "排序字段": { "order": "desc" # 降序排序 } } ] - 分页： "from" : 数值 "size" : 数值
6. 聚合aggregations：实现对数据的统计、分析
- 基本概念：包括多种类型，最常见的两种，一个叫 桶（bucket），一个叫 度量（metrics）
- 桶：作用：是按照某种方式对数据进行分组，每一组数据在es中称为一个桶（组）。
- Terms Aggregation：根据词条内容分组，词条内容完全匹配的为一组
- Range Aggregation：数值和日期的范围分组，指定开始和结束，然后按段分组
- Histogram Aggregation：根据数值阶梯（Inteval）分组
- Date Aggregation：根据日期阶梯分组，例如：给定阶梯为周，会自动每周分为一组
-
GET /索引库名/_search { "aggs": { "桶分组名称": { "桶分组方式": { "field": "分桶字段" } } } }
- 度量：分组完以后，一般会对组中的数据进行聚合运算，例如：求平均值、最大、最小、求和等，这些在es中称为度量
- Avg Aggregation：求平均值
- Max Aggregation：求最大值
- Min Aggregation：求最小值
- Percentiles Aggregation：求百分比
- Stats Aggregation：同时返回avg、max、min、sum、count等
- Sum Aggregation：求和
- Top hits Aggregation：求前几
- Value Count Aggregation：求总数
-
GET /索引库名/_search { "aggs": { "度量名称": { "度量运算": { "field": "运算字段" } } } } 例子：{ "size": 0, "aggs": { "popular_brand": { "terms": { "field": "make" }, "aggs": { "price_avg": { "avg": { "field": "price" } } } } } }
- 桶：作用：是按照某种方式对数据进行分组，每一组数据在es中称为一个桶（组）。