ElasticSearch概述
ElasticSearch是一个分布式、FESTful风格的搜索和数据分析引擎，能够解决不断涌现出的各种用例，作为ElasticSearch的核心，它集中存储数据，帮助发现意料之外以及意料之中的情况，ElasticSearch的底层是开源库Lucene，但是，我们没法直接用lucene，必须自己写代码去调用它的接口，Elastic是Lucene的封装，提供了REST API，开箱即用。
ELK：ElastSearch、Logstash、Kibana
Elasticsearch 的 solr区别
1、es基本是开箱即用（解压就可以用!)，非常简单。Solr安装略微复杂一丢丢!
2、Solr利用Zookeeper进行分布式管理，而 Elasticsearch自身带有分布式协调管理功能。3、Solr支持更多格式的数据，比如SON、XML、CSv，而Elasticsearch 仅支持json文件格式。
4、Solr官方提供的功能更多，而Elasticsearch本身更注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要kibana友好支撑~!
5、Solr查询快，但更新索引时慢（即插入删除慢），用于电商等查询多的应用;。ES建立索引快（即查询慢），即实时性查询快，用于facebook新浪等搜索。
。Solr是传统搜索应用的有力解决方案，但Elasticsearch更适用于新兴的实时搜索应用。
6、Solr比较成熟，有÷个更大，更成熟的用户、开发和贡献者社区，而Elasticsearch相对开发维护者较少，更新太快，学习使用成本较高。
ES安装
声明：jdk1.8 最低要求！ES客户端、界面。
ES7.6.1下载:https://blog.csdn.net/weixin_46024189/article/details/106736907
下载完成之后解压，进入bin，运行elasticsearch.bat文件。访问127.0.0.1:9300，
安装成功，
目录结构
bin 启动文件
config 配置文件
log4j2 日志配置文件
jvm.options java 虚拟机相关配置
elasticsearch.yml elasticsearch配置文件 默认9200端口，跨域
lib 相关jar包
logs 日志
modules 功能模块
plugins 插件，ik
下载ES客户端界面（ES head）：https://search.gitee.com/?q=ElasticSearch+head+&skin=rec&type=repository
要运行客户端界面，必须要要有nodejs；需要先学习前端是哦
解压，进入文件主目录，cmd，运行cnpm install,之后再启动项目npm run start
运行成功，
连接测试，解决跨域问题：
打开es的elasticsearch.yml配置文件，添加跨域配置：；
http.cors.enabled: true
http.cors.allow-origin: “*”
重新连接
连接成功。
了解ELK
ELK是Elasticsearch、Logstash、Kibana三大开源框架首字母大写简称。市面上也被成为Elastic Stack。其中Elasticsearch是一个基于Lucene、分布式、通过Restful方式进行交互的近实时搜索平台框架。像类似百度、谷歌这种大数据全文搜索引擎的场景都可以使用Elasticsearch作为底层支持框架，可见Elasticsearch提供的搜索能力确实强大,市面上很多时候我们简称Elasticsearch为es,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）收集的不同格式数据，经过过滤后支持输出到不同目的地（文件/MQ/redis/elasticsearch/kafka等 )。Kibana可以将elasticsearch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总称，但实际上ELK不仅仅适用于日志分析，它还可以支持其它任何数据分析和收集的场景，日志分析和收集只是更具有代表性。并非唯一性。
Kibana
Kibana是一个针对Elasticsearch的开源分析及可视化平台，用来搜索、查看交互存储在Elasticsearch索引中的数据。使用Ktband ,可以通过各种图表进行高级数据分析及展示。Kibana让海量数据更容易理解。它操作简单，基于浏览器的用户界面可以快速创建仪表板( dashboard )实时显示Elasticsearch查询动态。设置Kibana非常简单。无需编码或者额外的基础架构，几分钟内就可以完成Kibana安装并启动Elasticsearch索引监测。
安装Kibana
下载地址：https://blog.csdn.net/qq_42449963/article/details/109357234
下载完成，解压即可，然后运行进入bin文件运行Kibana.bat文件
运行成功！
汉化需要修改Kibana.yml里面加入i18n.locale: “zh-CN”
ES讲解
ES是面向文档，关系行数据库和ES客观的对比，一切都是JSON
| Relaational DB | ElasticSearch |
|---|---|
| 数据库（database） | 索引（indices） |
| 表（table） | types |
| 行（rows） | documents |
| columns | fields |
ES（集群）中可以包含多个索引（数据库），每个索引中可以包含多个类型（表），每个类型下又可以包含多个文档（行），每个文档中又可以包含多个字段（列）
物理设计
es在后台把每个索引划分成多个分片，每分分片都可以在集群中的不同服务器迁移
逻辑设计
每个索引类型中，包含多个文档，比如文档1、文档2.当我们索引一篇文档时，可以通过这样的一个顺序找到它：索引–>类型–>文档ID。通过这个组合我们就可以索引到某个具体的文档，注意：ID不必是证书，实际上它是字符串。
文档（就是一条条数据）
之前说elasticsearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，elasticsearch中；
文档有几个重要属性:·自我包含，一篇文档同时包含字段和对应的值，也就是同时包含key:value !可以是层次型的，一个文档中包含自文档，复杂的逻辑实体就是这么来的!灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对于字段是非常灵活的，有时候，我们可以忽略该字段，或者动态的添加一个新的字段。尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整形。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在elasticsearch中，类型有时候也称为映射类型。
类型
类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如name映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么elasticsearch是怎么做的呢?elasticsearch会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整形。但是elasticsearch也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用，别整什么么蛾子。
索引（数据库）
索引是映射类型的容器，elasticsearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。我们来研究下分片是如何工作的。
一个集群至少有一个节点，而一个节点就是一个ES进程，节点可以又多个索引默认的，如果传教索引，那么索引将会有五个分配（primary shard，又称为主分片）构成的，每一个主分片会有一个副本（replica shard），又称为复制分片。
上图有三个节点的集群，可以看到主分片和对饮的复制分片都不会在同一节点内，这样有理由某个节点挂掉之后，倒排索引的结构是的es在不扫描全部文档的群看下，就会告诉你哪些文档包含特定的关键字。
倒排索引
ES使用的是一种称为倒排索引的结构，采用Lucene倒排索作为底层。这种结构适用于快速的全文搜索，一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。为了创建倒排索引。我们首先要将每个文档拆分成独立的词（或称为词条或者tokens），然后创建一个包含所有不重复的词条的排序列表。然后列出每个词条出现在哪个文档。
ES的索引和Lucene的索引对比
在ES中，索引（库）频繁被使用，这就是术语的使用。在ES中，索引被分为多个分片，每片时一个Lucene的索引。所以以恶搞ES索引是由多个Lucene索引组成的。。索引是指es的索引
IK分词器
分词︰即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词，比如“我爱学习"会被分为"““我"∵爱”"学"∵"习”，这显然是不符合要求的，所以我们需要安装中文分词器ik来解决这个问题。
IK提供了两个分词算法:ik_smart和ik_max_word，其中 ik_smart为最少切分，ik_max_word为最细粒度划分!一会我们测试 !
安装
下载地址：https://blog.csdn.net/qq_42449963/article/details/109357299
下载下来放入到ES目录下的plugins目录下即可 接着重启ES，观察
IK分词器已被加载进来，
elasticsearch-plugin指令
elasticsearch-plugin list
IK分词器插件安装成功
使用kibana测试：
对于一些特殊的分词词组，自己取的专有名词，需要自己加入到IK分词器中，需要编写自己的dic文件，然后添加到配置文件中。
重启ES，查看过程，IK分词器和ty.dic自定义的词组加载进来。
自定义词组已经可以组合展示
RAST风格
一种软件架构风格，不是标准，只是提供了一组设计原则和约束条件。主要用于客户端和服务器交互类的软件。基于这个风格设计的软件可以更加简洁，更有层次，更易于实现缓存等机制。
基本指令说明
| method | url地址 | 描述 |
|---|---|---|
| put | local host:9200/索引名称/类型名称/文档id | 创建文档（指定文档id） |
| post | local host:9200/索引名称/类型名称 | 创建文档（随机文档id） |
| post | local host:9200/索引名称/类型名称/文档id/_update | 修改文档 |
| deletet | local host:9200/索引名称/类型名称/文档id | 删除文档 |
| get | local host:9200/索引名称/类型名称/文档id | 查询文档通过文档id |
| post | local host:9200/索引名称/类型名称/_search | 查询所有数据 |
测试
创建一个索引 PUT
put /索引名称/文档类型/id
字段类型
字符串类型：test、keyword
数值类型：long、integer、short、byte、double、float、half float、scaled float
日期类型：date
te布尔类型：boolean
二进制类型：binary
指数字段类型 PUT
获取信息 GET
默认名称
如果没有的文档字段没有指定，那么es就会给我们默认配置字段类型。
扩展：通过get _cat/可以查看es当前配置的很多信息！
修改POST
删除 delete
文档的基本操作(重点)
基础操作
添加数据
PUT /ty/user/1
{
"name":"学习ES",
"age":22,
"desc":"学不死，就接着学",
"tigs":["学习","Java","编程"]
}
获取数据 GET
更新PUT
推荐使用POST /索引名称/ _update 
_update 更新方式
搜索
简单的条件查询，可以根据默认的映射规则，产生基本的查询
复杂操作 搜索
简单查询
select（排序、分页、高亮、模糊查询、精准查询！）
查询的参数体使用Json格式
query和match
hit
可以通过score分数的值来查看谁最符合结果。
_score
对于输出结果进行过滤：例如：只需要名字name和年龄age
排序 sort
分页查询（from 从第几条开始，size一页多少条数据）
布尔值查询 精确查询
must 相当于and
should 相当于or
must_not(not)
filter
gt 大于 gte 大于等于 lt 小于 lte小于等于
精确查找
term查询时直接通过倒排索引指定的词条进行精确查询
关于分词：
term是直接查询精确的
match回使用分词器解析！（先分析文档，然后会通过分析的文档进行查找）
standard 可以被拆分 keyword 不可以被拆分
所以keyword类型的字段不会被分词器解析
多值匹配的精确查询
高亮查询
MySQL也可以做，只是它的效率比较低
匹配
按照条件查询
精确匹配
区间范围匹配
匹配字段过滤
多条件查询
高亮查询
SpringBoot集成ES
配置基本项目
问题：一定要保证 导入的依赖和本地的es版本一致
配置类
@Configuration
public class ElasticSearchConfig {
// beans id=restHighLevelClient class = RestHighLevelClient
@Bean
public RestHighLevelClient restHighLevelClient(){
RestHighLevelClient restHighLevelClient = new RestHighLevelClient(
RestClient.builder(
new HttpHost("localhost",9200,"http")
)
);
return restHighLevelClient;
}
}
索引操作
//索引的创建 Request
@Test
void testCreateIndexRequest() throws IOException {
//创建索引请求
CreateIndexRequest request = new CreateIndexRequest("ty_index");
//执行请求
CreateIndexResponse response = client.indices().create(request, RequestOptions.DEFAULT);
System.out.println(response);
}
//获取索引,只能判断是否存在
@Test
void testGetExistsIndexRequest() throws IOException {
GetIndexRequest index = new GetIndexRequest("ty_index");
boolean exists = client.indices().exists(index, RequestOptions.DEFAULT);
System.out.println(exists);
}
//删除索引
@Test
void testDeleteIndexRequest() throws IOException {
DeleteIndexRequest request = new DeleteIndexRequest("ty_index");
AcknowledgedResponse delete = client.indices().delete(request, RequestOptions.DEFAULT);
System.out.println(delete.isAcknowledged());
}
文档操作
//创建文档
@Test
void testAddDocument() throws IOException {
User user = new User("ty", 3); //创建对象
IndexRequest request = new IndexRequest("ty_index");//创建请求
request.id("1");
request.timeout(TimeValue.timeValueSeconds(1));
//将数据放入请求中
request.source(JSON.toJSONString(user), XContentType.JSON);
IndexResponse index = client.index(request, RequestOptions.DEFAULT); //执行请求
System.out.println(index.toString());
System.out.println(index.status()); //对应命令返回
}
//获取文档 判断是否存在， 保证效率
@Test
void testIsExists() throws IOException {
GetRequest request = new GetRequest("ty_index", "1");
//不获取上下文的_source
request.fetchSourceContext(new FetchSourceContext(false));
request.storedFields("_none");
boolean exists = client.exists(request, RequestOptions.DEFAULT);
System.out.println(exists);
}
//获取文档的信息
@Test
void testGetDocument() throws IOException {
GetRequest request = new GetRequest("ty_index","1");
GetResponse documentFields = client.get(request, RequestOptions.DEFAULT);
System.out.println(documentFields.getSourceAsString());
System.out.println(documentFields);
}
//更新文档的信息
@Test
void testUpdateDocument() throws IOException {
UpdateRequest updateRequest = new UpdateRequest("ty_index", "1");
updateRequest.timeout("1s");
User user = new User("ty---", 22);
updateRequest.doc(JSON.toJSONString(user),XContentType.JSON);
UpdateResponse updateResponse = client.update(updateRequest, RequestOptions.DEFAULT);
System.out.println(updateResponse);
System.out.println(updateResponse.status());
}
//删除文档
@Test
void testDeleteDocument() throws IOException {
DeleteRequest request = new DeleteRequest("ty_index","1");
request.timeout("1s");
DeleteResponse deleteResponse = client.delete(request, RequestOptions.DEFAULT);
System.out.println(deleteResponse);
System.out.println(deleteResponse.status());
}
//批量插入
@Test
void testBulkDocument() throws IOException {
BulkRequest request = new BulkRequest();
request.timeout();
ArrayList<User> list = new ArrayList<>();
list.add(new User("ty1",1));
list.add(new User("ty2",2));
list.add(new User("ty3",1));
list.add(new User("ty4",2));
list.add(new User("ty5",1));
list.add(new User("ty6",2));
for (int i = 0; i < list.size(); i++) {
//批量删除和更新修改这里即可
request.add(new IndexRequest("ty_index")
.id(""+(i+1))
.source(JSON.toJSONString(list.get(i)),XContentType.JSON));
}
BulkResponse bulk = client.bulk(request, RequestOptions.DEFAULT);
System.out.println(bulk.toString());
System.out.println(bulk.hasFailures()); //是否失败
}
//查询
@Test
void testSearchDocument() throws IOException {
SearchRequest searchRequest = new SearchRequest("ty_index");
//构建搜索查询条件
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
// termQuery 精确查询
//matchAllQuery 查询所有
TermQueryBuilder termQueryBuilder = QueryBuilders.termQuery("name", "ty1");
//MatchAllQueryBuilder matchAllQueryBuilder = QueryBuilders.matchAllQuery();
SearchSourceBuilder query = searchSourceBuilder.query(termQueryBuilder);
searchRequest.source(searchSourceBuilder);
query.timeout(new TimeValue(60,TimeUnit.SECONDS));
SearchResponse search = client.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(JSON.toJSONString(search.getHits()));
System.out.println("------------------");
for (SearchHit hit : search.getHits().getHits()) {
System.out.println(hit.getSourceAsMap());
}
System.out.println("------------------");
for (SearchHit hit : search.getHits()) {
System.out.println(hit.getSourceAsMap());
}
}
实战
爬虫
数据如何获取：数据库获取、消息队列、爬虫
爬取数据：获取请求返回的页面信息，筛选自己需要的即可
jsoup包！
前后端分离
搜索高亮
京东案例：
278
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
