es
0. 基础概念
es本质：一个基于Lucence开发出来的分布式搜索引擎
0.1 倒排索引
创建倒排索引后给词条创建索引，总计进行了两次查询
0.2 文档、索引
文档：一条数据记录
索引：类型相同的文档的集合
0.3 与mysql对比
交易等一致性要求高的mysql做
大范围搜索es做
1 基本操作
1.1 mapping 索引库操作
举例：注意object嵌套关系
禁止修改索引库，但是可以添加新字段
1.2 单个文档CRUD
文档查询：
_source字段下是查询到的原始文档
文档修改：
全量修改：旧的直接删除，新增改后的文档
增量修改：在旧的上面修改
3. DSL查询
dsl常见查询分类：
3.1 查询所有
3.2 全文检索
muti_match的方式能够额外指定针对哪些字段进行查询（任意一个字段包含即可）
3.3 精确查询
值是确定的，不可分割，不可分词，完全匹配
3.4 复合查询-相关性得分
相关性得分算法：（第三种 default）
es 自带的 query score:
自定义function score函数：
自定义score函数时主要确定三个部分：
- 哪些文档将进行加权
- 算分函数function score如何定义
- function score怎么与原始得分query score（BM25）进行加权
demo:
3.5 分页
深度分页问题：
from+size超过1w会直接报错，如果非要查一万条，不太现实，实际生产应用中会从业务层面避免查询1w条（从业务上拒绝），比如百度就是默认最多查70页，每页显示10条数据
3.6 高亮
高亮的结果解析是与_source同级的，需要额外注意：
3.7 总结
2. RestClient
将dsl语句对应到Java
上图中涉及了两个核心api：
source.query()/source()等:
QueryBuilders.各种查询query：
解析查询响应结果：
常见查询：
全文检索查询：
精确查询：
聚合：
4. aggs聚合
聚合操作与query同级，用于对文档进行统计、分析、计算（min/max/avg…）
常见聚合方式：
4.1 bucket（分桶）聚合
默认按照doc_count降序排序，如若修改排序方式：
4.2 metrics聚合
红框：
聚合名称：scoreAgg
聚合类型：stats
聚合字段：score
5. mysql与es数据同步
方案一缺点：业务之间耦合度强，调用耗时
方案二缺点：依赖mq的可靠性
demo：基于mq的实现方式
mq的消息模式：其中交换机用于将消息路由
定义模式：
然后定义绑定关系：将某个队列绑定到指定交换机、用哪个routingKey:
消息发送（两种消息：增改（公用一个key）和删（另一个key））：
消息监听与消费：
定义监听：
具体实现：
6. es集群
集群化：每个节点有多个副本（分片），副本与原始数据不存在与同一台机器上，这样可以方式有人宕机的时候丢失数据
数据分散存储再不同机器上，提升了并发性，加速查询
企业级es集群有多少台？几千？
6.1 节点角色
主节点：处理传来的增删改查请求
数据节点要求高
协调节点对cpu要求高但是对磁盘要求不高
总结一下各个节点的作用：
6.2 脑裂问题
主节点由于网络问题暂时跟别人断连，剩余的人选举了一个新的老大，旧老大网络问题恢复之后发现集群中出现了两个老大，这就是脑裂问题
6.3 添加文档过程
6.4 查询过程
查所有节点再汇总
228
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
