相对于Hadoop、hive、storm、spark以及其他大数据组件的优势
a、使用门槛低、开发周期短、上线快。
b、性能好、查询快、实时展示结果。
c、扩容方便、可以快速支持迅猛增长的数据（可支持到TB、PB级别的数据）。
Elastic Stack包含哪些组件
Kibana、Elasticsearch、Logstash、Beats
Kibana：数据的探索与可视化分析。
Elasticsearch：数据存储、查询与分析。
Logstash、Beats：数据收集与处理，可以理解为ETL工具，支持多种数据源的数据采集；例如：日志文件、excel、网络数据、mysql等等。同时还可以自定义，给拓展待来了无限的可能。
常见术语
Doucment（文档）：用户存储在es中的数据文档，类似于mysql中的一条数据。
Index（索引）：有具有相通字段的文档列表组成，类似于mysql中的表。
Node（节点）：一个Elasticsearsh运行的实例节点，集群的构成单元。
Cluster（集群）：由一个或者多个Node组成，对外提供服务。
Doucment介绍
结构由json格式构成。常见的数据类型：
字符串：text、keyword；text是分词的，keyword不分词。
数值类型：long、integer、short、byte、double、float、half_float、scaled_float。
布尔类型：boolean。
日期：date。
二进制：binary。
范围类型：integer_range、float_range、long_range、double_range、date_range。
每一个Doucment都有一个唯一的标示，可以自行指定，如果不指定es自动生成。
Document Meta Data
元数据，用与标注文档的相关信息。
_index：文档所在的索引名称。
_type：文档所在的类型名。
_id：文档id。
_uid：组合id，由_type+_id组成（6.x版本以后_type不再起作用，此值与_id相同）。
_source：文档的原始json数据，可以从这里获取每一个字段的内容。
_all：整合所有字段内容到该字段，可以对整个doucment直接进行查询，针对所有字段内容进行分词，新版本中官方已经不推荐使用，默认禁用。缺点是占用大量的磁盘空间性能也不是很好。
Index介绍
索引中存储具有相同结构的文档（Document）集合。
每个索引都有自己的mapping定义（类似于mysql的表结构），用于定义字段名和类型。
一个集群可以有多个索引，比如：nginx日志存储的时候可以日期每天生成一个索引来存储。
nginx-2022-02-21
nginx-2022-02-22
nginx-2022-02-23
Index Rest Api
es支持通过http请求的方式对Index进行操作，创建、修改、查询、删除。
创建
http method=PUT，/test_index，test_index为Index的名称。
成功后返回：
查询所有Index
http method=GET，_cat/indices。
成功后返回：
删除索引
http method=DELETE，/test_index，test_index为Index的名称。
成功后返回：
Document Rest Api
指定id创建文档
http method=PUT，/test_index/doc/1，doc为type（高级版本将会去掉type），1为指定的id。(创建文档时如果对应的Index不存在es会自动创建对应的Index和type)
{
"username":"alfred",
"age":1
}
上述的json为文档的内容。
成功后返回：
不指定id创建文档
http method=POST，/test_index/doc，es会自动生成id。
{
"username":"tom",
"age":20
}
上述的json为文档的内容。
成功后返回：
根据id查询文档
http method=GET，/test_index/doc/1
成功后返回：
不存在的返回：
查询所有文档
http method=GET，/test_index/doc/_search
成功后返回：
通过_search api指定查询条件查询
http method=GET，/test_index/doc/_search
{
"query":{
"term":{
"_id":"1"
}
}
}
成功后返回：
来源：
324
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
