前言
之前写过一个关于Elastic Search的文章，当时的我还不会使用markdown，还不知道怎么好好把自己所想的，总结成一个有条理的文章，所以我就想写下了这一篇新文章，帮助自己消化所学的东西，也可以把知识分享给大家。
| 使用 | 版本 |
|---|---|
| 操作系统 | MacOS |
| ES版本 | 6.3.0 |
| 可视化插件 | Head |
安装
1.单实例安装
elasticSearch 的安装我觉得相对简单一些，我们可以在官网或者是别的途径，下载到它，官网的下载地址为https://www.elastic.co/downloads/elasticsearch,当前最新的版本为6.4.2。而我使用的版本是6.3.0，如果想要下载到原来版本的ES，可以进入以下网址进行下载https://www.elastic.co/downloads/past-releases。
下载好后，执行bin目录下的elasticsearch即可。
启动后，在浏览器输入http://localhost:9200/即可，效果如下：
2.Head插件安装
Head插件是依托于node环境的，我们在使用插件之前需要先下载node.js。node.js下载好后，通过node -v 查看是否安装成功，然后就可以通过以下网址下载Head插件。Head 插件地址。下载好Head插件以及elasticsearch后，需要修改在elasticsearch 中的config的elasticsearch.yml中加上以下配置内容：
http.cors.enabled: true
http.cors.allow-original: "*"
保证了Es以及Head插件的连通性。
Head插件的启动
1.npm install phantomjs-prebuilt@2.1.15 --ignore-scripts（之所以不使用npm install 是因为这个包，一直都取不到，但是它也不怎么影响使用。）
2.npm install
3.npm run start
启动后，在浏览器输入http://localhost:9100，如果显示了相关内容即可。
3.分布式安装
分布式的安装和单实例安装大同小异，把下载下来的ElasticSearch复制两个副本，放在新创建的目录ES_slave（slave为随从奴隶的意思，在这里把我们之前安装好的当做一个master，然后其他的slave配合master形成一套分布式）中，如下图所示：
这里是创建了两个，如果有需求，可以根据需求继续拓展。
然后把两个slave中的elasticsearch.yml文件进行修改，加入以下配置：
#配置ElasticSearch的集群名称
cluster.name: harry
#节点的名称(另一个节点名称可以使用slave2)
node.name: slave1
#设置绑定的IP地址
network.host: 127.0.0.1
#设置对外服务的端口号，默认情况下为9200（这里只要使用没被使用的端口号即可）
http.port: 8200
#设置是否打开多播发现节点，如果不进行配置，不会被主节点发现。
discovery.zen.ping.unicast.hosts: ["127.0.0.1"]
配置好后，启动slave的elasticsearch即可。
Tips：我启动的时候报了一个错误。
[2018-10-07T11:57:44,907][INFO ][o.e.d.z.ZenDiscovery ] [slave1] failed to
send join request to master [{master}{dLNpAPsSTvCFgzow1nuM6g}
{lZIG2Xm3Sx-4Y4eHU5x9CA}{127.0.0.1}{127.0.0.1:9300}
{ml.machine_memory=8589934592, ml.max_open_jobs=20,
xpack.installed=true, ml.enabled=true}], reason
[RemoteTransportException[[master][127.0.0.1:9300]
[internal:discovery/zen/join]]; nested: IllegalArgumentException[can't add node
{slave1}{dLNpAPsSTvCFgzow1nuM6g}{4NUyj79cSxuaJL8BMtGejw}{127.0.0.1}
{127.0.0.1:9301}{ml.machine_memory=8589934592, ml.max_open_jobs=20,
xpack.installed=true, ml.enabled=true}, found existing node {master}
{dLNpAPsSTvCFgzow1nuM6g}{lZIG2Xm3Sx-4Y4eHU5x9CA}{127.0.0.1}
{127.0.0.1:9300}{ml.machine_memory=8589934592, xpack.installed=true,
ml.max_open_jobs=20, ml.enabled=true} with the same id but is a different
node instance]; ]
因为我是把master的Es复制过来，作为slave，但是data中还有原来的数据，所以报了这个错，只要把，Es中的data文件夹中的东西都删除就行。
我们现在把master 的ES启动，slave1的ES启动，slave2的ES启动，最后把Head也启动起来，然后浏览器输入http://localhost:9100,效果如下，证明成功。
基本概念
1.索引，类型，文档
Elastic Search 与关系型数据库对比
| Elastic Search | 关系型数据库 |
|---|---|
| 索引:index | 数据库 |
| 类型:type | 表 |
| 文档:document | 行 |
tips:在elastic search 6.0之后的版本已经对type 这个概念逐渐淡化。
所以把索引比作数据库中的表，文档比作行更为恰当。
在官方文档中我们看到这样一席话：
Indices created in Elasticsearch 6.0.0 or later may only contain a single mapping type. Indices created in 5.x with multiple mapping types will continue to function as before in Elasticsearch 6.x. Mapping types will be completely removed in Elasticsearch 7.0.0.更详细的地址
这里的Elastic Search 泛指的是全文检索。一个索引中，包含多个类型，一个类型中包含着多个文档。
在刚接触的时候，我想过这样一个问题，在关系型数据库mysql的like进行模糊查询的效果，与Elastic Search这样的全文检索，效果几乎就是一样的，那为什么还要用全文检索呢？
原因我觉得一共有两个：
第一个是查询的速度特别快。在关系型数据库中，数据是结构化的，我们当要进行模糊查询的时候，会从想要查询的表的第一条数据开始比对，如果不是，继续下一条，如果再不是，继续去查，就这样一直查下去，直到查到了，自己想要的那条数据。而Elastic Search呢？它其实使用了倒排索引。大概意思其实是这样的：现在一个有三篇文章
| id | content |
|---|---|
| 文章1 | Java是世界上最好的 . |
| 文章2 | 人生苦短，快学python |
| 文章3 | C++是世界上最难的 . |
这也是存储在关系型数据库中的存储形式，查询的话，他会一行行的进行查询。而如果存在了Elastic Search 中会变成什么样子呢？在全文检索中存在这分词器这么个东西，分词器会把输入的句子自动的进行一定规律进行分割，例如过空格分割，下划线分割，等等。如果是中文，也有插件可以对其进行语义分割。分割后的效果如下所示（只是举例子，真实情况未必如此）
| 关键词 | 文章号 |
|---|---|
| 世界 | 1，3 |
| 人生苦短 | 2 . |
| Java | 1 . |
| python | 2 |
| C++ | 3 |
当我们输入世界，立刻就知道出现在了第一个，和第三个文章中。
第二个是因为我们在做全文检索的时候，根本用不到那么复杂的逻辑，我们用到基础的增删改查就行，使用了Elastic Search 之后，我们在也不用折腾数据库那么多的数据了。
2.分片与索引
每一个索引包含了多个分片，每个分片是一个lucene索引（lucene是Elasticsearch的底层引擎。）只需要将分片拷贝一份，就完成了分片的备份。
3.集群和节点
每一个集群都有一个集群的名字，一个集群包含多个节点。我们只需要知道集群的名称，便可以拓展集群中的节点。
4.elasticsearch.yml
我上面在启动head插件和设置分布式集群的时候，有修改过这个文件，但是这个文件还有别的可配置属性，我在这里说明一下，以备不时之需。
cluster.name: elasticsearch
#设置集群名称，一个集群只可以有一个名称，ElasticSearch会自己去查找同一个网段下的所有节点
node.name: node-1
#设置节点名称
node.master: true
#设置该节点是否是master节点，默认为true
node.data: true
#设置该节点，是否存储索引数据，默认为true
index.number_of_shards: 5
#设置分片的数量，默认为5个，这个配置只在5.0版本之前好用
index.number_of_replicas: 1
#设置索引副本数量，默认为一个，同样也是只在5.0之前好用。
path.data: /path/to/data
#设置索引数据的存储路径，默认在data文件夹下，可以设置多个文件存储路径，用逗号分隔。
path.logs: /path/to/logs
#设置log日志的存储路径，默认情况下是在logs文件夹下。
bootstrap.mlockall: true
#设置为true来锁住内存
network.host: 0.0.0.0
#设置绑定的Ip地址，默认为0.0.0.0
http.port: 9200
#设置对外服务的HTTP端口号
transport.tcp.port: 9300
#设置节点间交互的TCP端口号，也是给Java API使用的端口号，默认是9300。
transport.tcp.compress: false
#是否压缩TCP传输的数据，默认为false
http.cors.enabled:true
#是否使用http提供对外的服务，默认为true
http.max_content_length: 100mb
#http传输内容的最大容量。
discovery.zen.minimum_master_nodes: 1
#发现master节点的数量，默认为1个。
discovery.zen.ping.timeout: 3s
#发现其他节点，超时的时间。
discovery.zen.ping.multicast.enabled:true
#是否打开多播发现节点。
discovery.zen.ping.unicast.hosts:["host1","host2:port","host3:[portX-portY]"]
#设置集群master几点的初始列表。
script.engine.groovy.inline.update: on
#开启groovy脚本的支持
script.inline: true
#开始所有脚本语言行内执行所有的操作。
基本用法
Elastic Search 我们可以使用REST API与其进行交互，说白了就是使用url地址，通过不同的method（get,post,put,delete）传入不同的json数据。
head插件虽然很好，但是也并不是万能的，我比较习惯用Post man进行api交互。下面讲讲具体的操作。
1.创建索引
| url地址 | method | 用途 |
|---|---|---|
| localhost:9200/索引名称 | put | 创建索引 |
在创建索引之前，我要先说两个概念分别是静态映射和动态映射。
动态映射是在创建索引之初，不添加索引的类型和文档中属性的格式，而是在添加文档的时候，格式会被自动转化。两种不同映射的设置，是由dynamic参数来决定的一共有三个可选值：
- true 动态映射自动添加字段
- false 静态映射，不会自动添加字段
- strict 静态映射，如果添加了新字段会报错
动态转换内容如下：
| JSON格式的数据 | 自动推测的字段类型 |
|---|---|
| null | 没有字段被添加 |
| true or false | boolean |
| 浮点类型数字 | float |
| 数字 | long |
| JSON对象 | object |
| 数组 | 有数组中第一个非空值决定 |
| string | 有可能是date类型（开启日企检测），double，long，text，keyword |
动态映射json体：
{
"settings":{
"number_of_shards":3,
"number_of_replicas":1
}
}
number_of_shards是用来设置分片数量的
number_of_replicas是用来设置副本数量的
静态映射Json体：
{
"settings":{
"number_of_shards":3,
"number_of_replicas":1
},
"mappings":{
"it": {
"dynamic":"strict",
"properties":{
"title":{
"type":"text"
},
"content":{
"type":"text"
},
"create_date":{
"type":"date"
}
}
}
}
}
这里的it指的就是类型，在properties中添加自己的字段，并且指定属性的类型。
另外发送请求的content-type一定得是application/json，这个值得注意，成功后，会返回一个属性acknowledged 是true的，就说明创建成功，其他的如下图（Tips：几个更换 json体，这里的截图只是一个示范）：
查看head插件，如下图
我们可以看到这里创建了三个分片（细线为粗线的副本）。
2.插入文档
| url地址 | method | 用途 |
|---|---|---|
| localhost:9200/索引名称/类型名称/文档id | put | 创建文档（指定文档id） |
| localhost:9200/索引名称/类型名称 | post | 创建文档（随机文档id） |
3.修改文档
| url地址 | method | 用途 |
|---|---|---|
| localhost:9200/索引名称/类型名称/文档id/_update | post | 修改文档 |
json体：
{
"doc":{
"修改字段名称": "想要修改成的值"
}
}
4.删除文档
| url地址 | method | 用途 |
|---|---|---|
| localhost:9200/索引名称/类型名称/文档id | delete | 删除文档 |
5.查询文档
这里先介绍简单的查询，复杂的地方，会在后面说到。
| url地址 | method | 用途 |
|---|---|---|
| localhost:9200/索引名称/类型名称/文档id | get | 查询文档通过文档id |
| localhost:9200/索引名称/类型名称/_search | post | 查询所有数据 |
简单查询数据结构体为
{
"query":{
"match_all":{}，（通过该属性查询所有数据）
"match":{
"需要查询的字段名称"："查询的值"
}
},
"from": "从第几个开始"（可选）,
"size": "要查询多少个"（可选） ,
"sort": [
{"字段名称":{"order": "desc 或者是 asc"}}（自定义排序，默认通过score元字段进行排序）
]
}
聚合查询结构体为:
(可以定义多个聚合条件，放在不同的聚合名称中)
{
"aggs":{
"聚合名称1（自定义）": {
"terms":{
"field": "通过该字段进行聚合"
}，
"status":{
"field": "通过该字段进行聚合"（status key可以计算这个聚合的相关参数）
}
}，
"聚合名称2（自定义）": {
"terms":{
"field": "通过该字段进行聚合"
}
}
}
}
后记
这篇文章是学习了慕课网上瓦力老师的教程并参考《从lucene到Elasticsearch全文检索实战》所写，课程地址为https://www.imooc.com/learn/889，在此感谢你们的分享，我会在后续的文章中继续总结elasticsearch的更多查询语法，以及Spring Boot 集成 Elastic Search 的相关知识。
