全系的Elastic Stack技术栈包括：
官网：https://www.elastic.co/cn/products/elasticsearch
功能lasticsearch的功能
（1）分布式搜索和分析引擎
（2）全文检索，结构化检索，数据分析
（3）对海量数据进行近实时的处理
分布式：ES自动可以将海量数据分散到多台服务器上存储和检索
海量数据的处理：分布式以后，就可以采用大量的服务器去存储和检索数据，自然而然就可以实现海量数据的处理了
跟分布式/海量数据相反的，lucene,单机应用，只能在单台服务器上使用，最多只能处理单台服务器可以处理的数据量。
近实时：在秒级别对数据进行搜索和分析
yin
应用：
的适用11yingyong 场景
（1）维基百科，全文检索，高亮，搜索推荐
（2）新闻网站，用户日志+社交网络数据，分析
（3）Stack Overflow（国外的程序异常讨论论坛），全文检索，搜索相关问题和答案
（4）GitHub(开源代码管理)，搜索上亿行代码
（5）电商网站，检索商品
（6）日志数据分析，logstash采集日志，ES进行复杂的数据分析
（7）商品价格监控网站，用户设定某商品的价格阈值，当低于该阈值的时候，发视消息给用户
（8）BI系统，ES执行数据分析和挖掘，Kibana进行数据可视化
（9）国内，站内搜索(电商，招聘，门户)
（10）BI 系统，商业智能，分析用户消费趋势和用户群体的组成构成。
特点
- asticsearch的特点
（1）可以作为一个大型分布式集群（数百台服务器）技术，处理PB级数据，服务大公司，也可以运行在单机上，服务小公司
（2）Elasticsearch不是什么新技术，主要是将全文检索，数据分析以及分布式技术，合并在一起，才形成了独一无二的ES，lucene(全文检索)
（3）对用户而言，是开箱即用的，非常简单，作为中小型的应用，直接3分钟部署一下ES，就可以作为生产环境的系统来使用了，数据量不大，操作不是太复杂
（4）数据库的功能面对很多领域是不够的，优势：事务，各种联机事务型的操作，特殊的功能，比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据的近实时处理，Elasticsearch作为传统数据库的一个补充，提供了数据库所不能提供的很多功能。
{
"id":1002,
"name":"张三2",
"age":20,
"sex":"男"
}
{
"_index": "test",
"_type": "user",
"_id": "GD3qC3UBKjIIyQSLnnMI",
"_version": 1,
"result": "created",
"_shards": {
"total": 1,
"successful": 1,
"failed": 0
},
"_seq_no": 1,
"_primary_term": 1
}
搜索全部数据
条件查询 年龄等于20的
高亮查询
{ "query": { "match": { "name": "张三 李四"} },"highlight": { "fields": { "name": {} } } }
在Elasticsearch中，支持聚合操作，类似SQL中的group by操作。
{ "aggs": { "all_interests": { "terms": { "field": "age" } } } }
从结果可以看出，年龄20的有2条数据
{"create":{"_index":"haoke","_type":"user","_id":2001}}
{"id":2001,"name":"name1","age": 20,"sex": "男"}
{"create":{"_index":"haoke","_type":"user","_id":2002}}
{"id":2002,"name":"name2","age": 20,"sex": "男"}
{"create":{"_index":"haoke","_type":"user","_id":2003}}
{"id":2003,"name":"name3","age": 20,"sex": "男"}
批量删除
{"delete":{"_index":"haoke","_type":"user","_id":2001}}
{"delete":{"_index":"haoke","_type":"user","_id":2002}}
{"delete":{"_index":"haoke","_type":"user","_id":2003}}
{
"settings": {
"index": {
"number_of_shards": "2",
"number_of_replicas": "0"
}
},
"mappings": {
"properties": {
"name": {
"type": "text"
},
"age": {
"type": "integer"
},
"mail": {
"type": "keyword"
},
"hobby": {
"type": "text"
}
}
}
}
查看映射:
1 GET /person/_mapping效果如下：
插入数据:
1 POST /person/_bulk
2
3 {"index":{"_index":"person"}}
4 {"name":"张三","age": 20,"mail": "111@qq.com","hobby":"羽毛球、乒乓球、足球"}
5 {"index":{"_index":"person"}}
6 {"name":"李四","age": 21,"mail": "222@qq.com","hobby":"羽毛球、乒乓球、足球、篮球"}
7 {"index":{"_index":"person"}}
8 {"name":"王五","age": 22,"mail": "333@qq.com","hobby":"羽毛球、篮球、游泳、听音乐"}
9 {"index":{"_index":"person"}}
10 {"name":"赵六","age": 23,"mail": "444@qq.com","hobby":"跑步、游泳"}
11 {"index":{"_index":"person"}}
12 {"name":"孙七","age": 24,"mail": "555@qq.com","hobby":"听音乐、看电影"}
测试搜索:
1 POST /person/_search
2
3 {
4 "query": {
5 "match": {
6 "hobby": "音乐"
7 }
8 }
9 }
效果如下：
7、结构化查询
7.1、term查询
term 主要用于精确匹配哪些值，比如数字，日期，布尔值或 not_analyzed 的字符串(未经分析的文本数据类型):
1 { "term": { "age": 26 }}
2 { "term": { "date": "2014-09-01" }}
3 { "term": { "public": true }}
4 { "term": { "tag": "full_text" }}示例:
1 POST /person/_search
2
3 {
4 "query": {
5 "term": {
6 "age": 20
7 }
8 }
9 }
效果如下：
7.2、terms查询
terms 跟 term 有点类似，但 terms 允许指定多个匹配条件。 如果某个字段指定了多个值，那么文档需要一起去做匹配:
格式：
1 {
2 "terms": {
3 "tag": [
4 "search",
5 "full_text",
6 "nosql"
7 ]
8 }
9 }
示例：
1 POST /person/_search
2
3 {
4 "query": {
5 "terms": {
6 "age": [20, 21]
7 }
8 }
9 }
效果如下：
7.3、range查询
range 过滤允许我们按照指定范围查找一批数据:
1 {
2 "range": {
3 "age": {
4 "gt": 20,
5 "lt": 30
6 }
7 }
8 }
范围操作符包含:
- gt ::大于
- gte :: 大于等于
- lt ::小于
- lte :: 小于等于
示例：
示例：
1 POST /person/_search
2
3 {
4 "query": {
5 "range": {
6 "age": {
7 "gt": 20,
8 "lt": 30
9 }
10 }
11 }
12 }
效果如下：
7.4、exists 查询
exists 查询可以用于查找文档中是否包含指定字段或没有某个字段，类似于SQL语句中的IS_NULL条件
1 {
2 "exists": {
3 "field": "title"
4 }
5 }示例：
1 POST /person/_search
2
3 {
4 "query": {
5 "exists": {
6 "field": "name"
7 }
8 }
9 }
效果如下：
6.5、match查询
match 查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。
如果你使用 match 查询一个全文本字段，它会在真正查询之前用分析器先分析 match 一下查询字符:
1 {
2 "match": {
3 "tweet": "About Search"
4 }
5 }如果用match下指定了一个确切值，在遇到数字，日期，布尔值或者not_analyzed 的字符串时，它将为你搜索你 给定的值:
示例：
1 POST /person/_search
2
3 {
4 "query": {
5 "match": {
6 "name": "孙七"
7 }
8 }
9 }
效果如下：
7.6、bool查询
- bool 查询可以用来合并多个条件查询结果的布尔逻辑，它包含一下操作符: must :: 多个查询条件的完全匹配,相当于 and 。
- must_not :: 多个查询条件的相反匹配，相当于 not 。
- should :: 至少有一个查询条件匹配, 相当于 or 。
- 这些参数可以分别继承一个查询条件或者一个查询条件的数组:
1 {
2 "bool": {
3 "must": {
4 "term": {
5 "folder": "inbox"
6 }
7 },
8 "must_not": {
9 "term": {
10 "tag": "spam"
11 }
12 },
13 "should": []
14 }
15 }
示例效果：
7.7、过滤查询
前面讲过结构化查询，Elasticsearch也支持过滤查询，如term、range、match等。
示例:查询年龄为20岁的用户。
查询和过滤的对比
- 一条过滤语句会询问每个文档的字段值是否包含着特定值。
- 查询语句会询问每个文档的字段值与特定值的匹配程度如何。
- 一条查询语句会计算每个文档与查询语句的相关性，会给出一个相关性评分 _score，并且 按照相关性对匹配到的文档进行排序。 这种评分方式非常适用于一个没有完全配置结果的全文本搜索。
- 一个简单的文档列表，快速匹配运算并存入内存是十分方便的， 每个文档仅需要1个字节。这些缓存的过滤结果 集与后续请求的结合使用是非常高效的。
- 查询语句不仅要查找相匹配的文档，还需要计算每个文档的相关性，所以一般来说查询语句要比 过滤语句更耗 时，并且查询结果也不可缓存。
建议:
做精确匹配搜索时，最好用过滤语句，因为过滤语句可以缓存数据。
731
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
