elasticSearch

elasticSearch

1.下载elasticSearch，双击elasticSearch.bat启动，访问localhost：9200得到如下信息：
{
“name” : “DESKTOP-NISBGPH”,
“cluster_name” : “elasticsearch”,
“cluster_uuid” : “XnQoQ8EVScu0FdTqc0fstw”,
“version” : {
“number” : “7.6.1”,
“build_flavor” : “default”,
“build_type” : “zip”,
“build_hash” : “aa751e09be0a5072e8570670309b1f12348f023b”,
“build_date” : “2020-02-29T00:15:25.529771Z”,
“build_snapshot” : false,
“lucene_version” : “8.4.0”,
“minimum_wire_compatibility_version” : “6.8.0”,
“minimum_index_compatibility_version” : “6.0.0-beta1”
},
“tagline” : “You Know, for Search”
}

2.安装es head可视化插件
下载文件
启动：npm install下载依赖 ，npm run start启动
连接测试发现，存在跨域问题，配置es：
http.cors.enabled: true
http.cors.allow-origin: “*”
重启es服务，然后再次连接，访问localhost:9100看到一个可视化界面

这个head我们把它当做一个数据展示工具，后面的查询，kibana

了解ELK
elk是elasticSearch，logstash,kibana三大开源框架首字母大写的简称，市面上也成为Elastic Stack，其中elasticSearch基于lucene、分布式、通过restful方式进行交互的近实时搜索平台框架，像类似于百度谷歌这种大数据全文搜索引擎的场景都可以使用es作为底层支持框架，logstash是ELK的中央数据流引擎，用于从不同目标（文件/数据存储/MQ）收集不同格式的数据，经过过滤后支持输出到不同的目的地（redis/MQ/文件/es/kafka），Kibana可以将es的数据通过友好的页面展示出来，提供实时分析的功能。
市面上很多开发只要提到ELK能够一致说出它是一个日志分析架构技术栈的总称，但实际上ELK不仅仅适用于日志分析，它还可以支持其他任何数据分析和收集的场景，日志分析和收集 更具有代表性，并非唯一性。

下载kibana文件,解压后修改kibana.yml配置文件的语言为中文ZH-CN,然后启动批处理命令，访问localhost:5601

物理设计：
es在后台把每个索引分成多个分片，每分分片可以在集群中的不同服务器间迁移，一个人就是一个集群，默认的集群名字就elasticsearch
逻辑设计：
一个索引类型中，包括多个文档，比如说文档一，文档二，当我们索引一篇文档时，可以通过这样一个顺序找到：索引->类型->文档ID，通过这个组合我们就能索引到某个具体的文档，注意：ID是一个字符串

倒排索引：

elasticsearch和lucene索引的区别：
在elasticsearch中，索引（库）这个词被使用的广泛，在es中，索引被分成很多分片，每个分片就是一个lucene的索引，所以一个es索引是由多个lucene索引组成的。

es核心概念：
1.索引
2.字段类型（mapping）
3.文档（documents）

IK分词器：
提供了ik_smart最少切分和ik_max_word最细粒度切分两种分词算法
下载重启

配置自定义分词：

然后重启es，重启kibana

基础测试：
自动添加索引：PUT /索引名/类型名/文档id
{请求体（json格式）}

创建索引及规则，可以通过GET请求获得创建的信息GET test2

如果文档的字段没有指定，那么es就会给我们默认配置字段类型

基本rest命令：

关于文档的操作：
修改数据：
PUT命令修改，如果不传递值就会被覆盖,推荐使用POST的修改,灵活性更高：
POST 索引名/类型名/文档id/_update
{
“doc”:{
“键”：“值“
}
}

查询数据：
GET 索引名/类型名/_search
{
“query”:{
“bool”: { //多条件匹配
“must”: [ //must且，should或；还有must_not过滤此条件的结果
{
“match”: {
“name”: “法外狂徒”
}
},
{
“match”: {
“age”: “20”
}
}
]
},
“match”:{
“键”：“值”
}
}，
“_source”:[“name”,“desc”], //查询的字段（结果的过滤）
“sort”: [ //排序 age排序的字段， desc降序
{
“age”: {
“order”: “desc”
}
}
],
“from”: 0, //分页，开始索引
“size”: 1 //查询条数
}

过滤：

高亮查询：

ElasticSearch集成SpringBoot：
引入依赖：

org.elasticsearch.client
elasticsearch-rest-high-level-client
${elasticsearch.version}


commons-logging
commons-logging




org.springframework.boot
spring-boot-starter-data-elasticsearch

    es配置文件:

测试案例：

获取并插入多条数据

查询数据