Elaticsearch环境搭建与基本使用

https://www.elastic.co/guide/en/elasticsearch/client/java-api/6.2/java-search.html

ElasticSearch API 官网

 

https://blog.csdn.net/yx1214442120/article/details/55102298

 

环境搭建： es的安装 + head可视化操作 + node.js

 

https://blog.csdn.net/wzygis/article/details/52055844

es系列学习文章深入浅出：（es基本操作 + head使用 + logstash）

 

http://www.cnblogs.com/xing901022/p/4993189.html

Elaticsearch REST API常用技巧

 

https://blog.csdn.net/u012516166/article/details/76643882

面试小结之Elasticsearch篇

 

https://www.cnblogs.com/wenbronk/p/6432990.html

QueryBuilders中的丰富查询

 

https://blog.csdn.net/thomas0yang/article/category/6361353

elasticsearch系列文章：

 

 

【基本知识点】：

https://www.cnblogs.com/duanxz/p/6528161.html

1、如何理解Aggregations需要理解两个概念：

• 桶(Buckets)：符合条件的文档的集合，相当于SQL中的group by。比如，在users表中，按“地区”聚合，一个人将被分到北京桶或上海桶或其他桶里；按“性别”聚合，一个人将被分到男桶或女桶

• 指标(Metrics)：基于Buckets的基础上进行统计分析，相当于SQL中的count,avg,sum等。比如，按“地区”聚合，计算每个地区的人数，平均年龄等

 

2、matchQuery 与 termQuery 区别实例：

matchQuery 检查field是否分词，分词则分词查询、未分词则直接匹配查询。

termQuery 不分词查询字符串，再查询（针对keyword类型是） 不分词直接去匹配查询。

 

3、index、type、id区别？

index，有限度的添加index

Index 存储在多个分片中，其中每一个分片都是一个独立的 Lucene Index。这就应该能提醒你，添加新 index 应该有个限度：每个 Lucene Index 都需要消耗一些磁盘，内存和文件描述符。因此，一个大的 index 比多个小 index 效率更高：Lucene Index 的固定开销被摊分到更多文档上了。

在搜索时，每个分片都需要搜索一次， 然后 ES 会合并来自所有分片的结果。例如，你要搜索 10 个 index，每个 index 有 5 个分片，那么协调这次搜索的节点就需要合并 5x10=50 个分片的结果。这也是一个你需要注意的地方：如果有太多分片的结果需要合并，或者你发起了一个结果巨大的搜索请求，合并任务会需要大量 CPU 和内存资源。这是第二个让 index 少一些的理由。

 

type，是允许在一个index中存储的多种数据类型；

type 允许我们在一个 index 里存储多种类型的数据，这样就可以减少 index 的数量了。在使用时，向每个文档加入 _type 字段，在指定 type 搜索时就会被用于过滤。使用 type 的一个好处是，搜索一个 index 下的多个 type，和只搜索一个 type 相比没有额外的开销 —— 需要合并结果的分片数量是一样的。

只在某个 type 里存在的字段，在其他没有该字段的 type 中也会消耗资源。这是 Lucene Index 带来的常见问题：它不喜欢稀疏。由于连续文档之间的差异太大，稀疏的 posting list 的压缩效率不高。

得分是由 index 内的统计数据来决定的。也就是说，一个 type 中的文档会影响另一个 type 中的文档的得分。 

这意味着，只有同一个 index 的中的 type 都有类似的映射 (mapping) 时，才应该使用 type。否则，使用多个 type 可能比使用多个 index 消耗的资源更多。

 

id： 类似主键， 不手动添加，es会自动为文档生成一个id； 建议指定有规律的id，以提升检索效率；