ElasticSearch的作用是什么，針對這個(gè)問題，這篇文章詳細(xì)介紹了相對應(yīng)的分析和解答，希望可以幫助更多想解決這個(gè)問題的小伙伴找到更簡單易行的方法。
創(chuàng)新互聯(lián)一直秉承“誠信做人，踏實(shí)做事”的原則，不欺瞞客戶，是我們最起碼的底線！ 以服務(wù)為基礎(chǔ)，以質(zhì)量求生存，以技術(shù)求發(fā)展，成交一個(gè)客戶多一個(gè)朋友！為您提供成都網(wǎng)站制作、網(wǎng)站建設(shè)、外貿(mào)網(wǎng)站建設(shè)、成都網(wǎng)頁設(shè)計(jì)、重慶小程序開發(fā)公司、成都網(wǎng)站開發(fā)、成都網(wǎng)站制作、成都軟件開發(fā)、手機(jī)APP定制開發(fā)是成都本地專業(yè)的網(wǎng)站建設(shè)和網(wǎng)站設(shè)計(jì)公司，等你一起來見證！
ElasticSearch的目標(biāo)就是實(shí)現(xiàn)搜索。在數(shù)據(jù)量少的時(shí)候，我們可以通過索引去搜索關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)，但是如果數(shù)據(jù)量很大，搜索的效率就會(huì)很低，這個(gè)時(shí)候我們就需要一種分布式的搜索引擎。Elasticsearch是一個(gè)基于Lucene的搜索服務(wù)器。它提供了一個(gè)分布式多用戶能力的全文搜索引擎，基于RESTful web接口。
ES主要用于全文檢索、結(jié)構(gòu)化搜索以及分析。ES的應(yīng)用十分廣泛，比如維基百科、Github等都使用ES實(shí)現(xiàn)搜索。
ES既然是用來搜索的，那么它必然也需要存儲(chǔ)數(shù)據(jù)。在MySQL等關(guān)系型數(shù)據(jù)庫中，數(shù)據(jù)的存儲(chǔ)遵循下面的邏輯：
一個(gè)數(shù)據(jù)庫（database）中有多個(gè)表（tables），每個(gè)表有多行數(shù)據(jù)（rows），每一行數(shù)據(jù)由多個(gè)字段（columns）組成。
ES中的存儲(chǔ)是這樣的：
一個(gè)索引（indeces）相當(dāng)于一個(gè)數(shù)據(jù)庫（database），每個(gè)索引中有多個(gè)類型types（相當(dāng)于表結(jié)構(gòu)），每個(gè)索引中有多個(gè)documents（相當(dāng)于行），每個(gè)documents由多個(gè)fields組成（相當(dāng)于字段）。
你可以把ES理解為他是一個(gè)面向文檔的數(shù)據(jù)庫。下面用一張圖描述ES和關(guān)系型數(shù)據(jù)庫之間的相似之處：
值得注意的是，在ES7.x版本中，types將慢慢被遺棄，在8.x版本中，types將會(huì)徹底棄用。
ES中的索引和Mysql中的索引不是同一種東西，ES中的索引是一個(gè)文檔的集合，索引就是一個(gè)數(shù)據(jù)庫。
前面說了ES是面向文檔的，文檔是ES中最重要的單位，文檔就是一條條的數(shù)據(jù)。文檔中有幾個(gè)重要的概念：
1、一篇文檔中包含多個(gè)key：value
2、文檔其實(shí)就是一個(gè)JSON字符串
我們通過EShead創(chuàng)建一個(gè)索引時(shí)，他會(huì)讓我們選擇分片數(shù)量和副本數(shù)量
ES是一個(gè)分布式搜索引擎，分片就是把一堆數(shù)據(jù)分布到多個(gè)分片中。而索引是對每個(gè)分片的一個(gè)備份，這些副本同樣能處理查詢請求。
現(xiàn)在假設(shè)集群有兩個(gè)node節(jié)點(diǎn)，設(shè)置分片數(shù)是5個(gè)，副本數(shù)是1個(gè)，那么數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)將變成下面這樣，可以保證副本和分片在不同的節(jié)點(diǎn)上：
為什么ES的搜索這么快，和其中所使用的倒排索引也有一定的關(guān)系。倒排索引建立的是分詞和文檔之間的映射關(guān)系。下面通過一個(gè)簡單的例子來講解一下什么是倒排索引
原來的數(shù)據(jù)中我們通過文檔ID去關(guān)聯(lián)標(biāo)簽，但是在查詢時(shí)就需要遍歷所有文檔。通過倒排索引，我們可以通過關(guān)鍵詞來找到最匹配的文檔。
ES是基于Restful風(fēng)格進(jìn)行操作的，因此對于習(xí)慣了寫crud的程序員來說，ES很容易上手。ES的操作可以使用Kibana，也可以使用Postman直接調(diào)用，因?yàn)闅w根結(jié)底它就是一個(gè)restful的操作。我這里使用Idea的ES插件直接調(diào)用。 3.1 創(chuàng)建文檔
重慶分公司
重慶分公司
PUT http://ip:port/索引名/類型名/文檔id
{
"key":"value"
}因?yàn)轭愋兔诤罄m(xù)的版本中將會(huì)被刪除，這里可以用_doc代表默認(rèn)類型：
PUT http://ip:port/索引名/_doc/文檔id
下面給出操作截圖
通過put創(chuàng)建一個(gè)索引之后，我們可以在head中看到對應(yīng)的數(shù)據(jù)
3.1中創(chuàng)建數(shù)據(jù)時(shí)，沒有指定具體的數(shù)據(jù)類型，我們當(dāng)然也可以為索引指定數(shù)據(jù)類型
PUT http://ip:port/索引名
參數(shù)示例：
{
"mappings": {
"properties": {
"name": {
"type": "text"
},
"address": {
"type": "text"
}
}
}
}ES中的核心數(shù)據(jù)類型如下：
（1）字符串類型： text, keyword （2）數(shù)字類型：long, integer, short, byte, double, float, half_float, scaled_float （3）日期：date （4）日期 納秒：date_nanos （5）布爾型：boolean （6）Binary：binary （7）Range: integer_range, float_range, long_range, double_range, date_range
通過GET請求可以查看索引以及文檔的信息：
GET http://ip:port/索引名 #查看索引 GET http://ip:port/索引名/類型名/文檔ID #查看文檔
修改數(shù)據(jù)和創(chuàng)建數(shù)據(jù)一樣，通過PUT操作就會(huì)更新原來的數(shù)據(jù)：
PUT http://ip:port/索引名/類型名/文檔id
{
"key":"value"
}如果是修改的話，響應(yīng)結(jié)果中的version就會(huì)增加。
另外一種方法是使用Post請求：
POST http://ip:port/索引名/類型名/文檔id/_update
參數(shù)實(shí)例：
{
"doc": {
"name": "javayz4"
}
}更推薦使用這種方式，如果使用PUT方法忘了加某個(gè)key，更新就會(huì)變成新增
通過DELETE的方式刪除數(shù)據(jù)
DELETE http://ip:port/索引名/類型名/文檔id #刪除具體的文檔 DELETE http://ip:port/索引名 #刪除索引
ES最重要的就是它的搜索操作了。
直接將搜索的參數(shù)帶到鏈接中：
GET http://ip:port/索引名/_search?q=key:value
結(jié)果如下：
除了將參數(shù)放到鏈接當(dāng)中，還可以將參數(shù)通過JSON請求體的方式傳遞，其中from和size是分頁的參數(shù)，query中傳遞查詢條件，_source表示結(jié)果中要展示的列，不寫就表示展示所有。
GET http://ip:port/索引名/_search
參數(shù)示例：
{
"from": 0,
"size": 20,
"query": {
"match": {
"name": "javayz2"
}
},
"_source": ["name","address"]
}除了上面示例中的這些參數(shù)之外，還有很多參數(shù)可以使用，比如排序：
"sort": [
{
"age": {
"order": "desc"
}
}
]多條件查詢：must表示下面的兩個(gè)條件都要滿足，還可以填should，表示任意滿足其中一個(gè)條件即可，或者是must_not，表示must的相反值
"query": {
"bool": {
"must": [
{
"match": {
"name": "javayz"
}
},
{
"match": {
"address": "hz"
}
}
]
}
}如果你的數(shù)據(jù)中存在集合，可以通過空格對多個(gè)條件進(jìn)行查詢：
查詢過程中還支持高亮查詢
"highlight":{
"pre_tags": "",
"post_tags": "",
"fields": {
"name": {}
}
}
所謂分詞器，就是將一段話分成一個(gè)個(gè)關(guān)鍵字，搜索時(shí)就按照這些關(guān)鍵字進(jìn)行搜索。比較好用的分詞器有中文的IK分詞器。
給出下載鏈接：https://github.com/medcl/elasticsearch-analysis-ik/releases
下載和自己ES相同的版本，在plugin目錄下新建一個(gè)ik文件夾，將下載的文件解壓到ik目錄下，重新啟動(dòng)即可。
IK分詞器提供了兩種算法：
1、ik_smart：最少切分
2、ik_max_word：最細(xì)粒劃分
首先最少切分是根據(jù)字典給出最少的切分：
ik_max_word是最細(xì)粒劃分，他會(huì)給出最多的結(jié)果：
{
"analyzer": "ik_max_word",
"text": "我是Java工程師"
}結(jié)果：
{
"tokens": [
{
"token": "我",
"start_offset": 0,
"end_offset": 1,
"type": "CN_CHAR",
"position": 0
},
{
"token": "是",
"start_offset": 1,
"end_offset": 2,
"type": "CN_CHAR",
"position": 1
},
{
"token": "java",
"start_offset": 2,
"end_offset": 6,
"type": "ENGLISH",
"position": 2
},
{
"token": "工程師",
"start_offset": 6,
"end_offset": 9,
"type": "CN_WORD",
"position": 3
},
{
"token": "工程",
"start_offset": 6,
"end_offset": 8,
"type": "CN_WORD",
"position": 4
},
{
"token": "師",
"start_offset": 8,
"end_offset": 9,
"type": "CN_CHAR",
"position": 5
}
]
}對于一些名詞，IK自帶的字典無法區(qū)分，比如我的博客名Java魚仔，它分詞后是這樣的：
因此我們需要手動(dòng)去增加這樣的字典，IK目錄下的config/IKAnalyzer.cfg.xml中可以添加自己的字典，首先我在config下新建一個(gè)my.dic文件，里面的詞匯現(xiàn)在只寫了一個(gè)Java魚仔。然后在配置文件中配置自己的my.dic
