上善若水，水善利万物而不争。

当你使用 索引 API来更新一个文档时，我们先看到了原始文档，然后修改它，最后一次性地将整个新文档进行再次索引处理。Elasticsearch会根据请求发出的顺序来选择出最新的一个文档进行保存。但是，如果在你修改文档的同时其他人也发出了指令，那么他们的修改将会丢失。 但是有些时候如果我们丢失了数据就会出大问题。想象一下，如果我们使用Elasticsearch来存储一个网店的商品数量。每当我们卖出一

一、自动映射：ES通过查看定义某文档的json格式就能猜测到文档结构，我们称之为自动映射，在开发过程中需要注意这些特性。字段自动检测在某个字段第一次出现时，如果之前没有定义过映射，ES会自动检测它可能满足的类型，然后创建对应的映射。JSON数据ES中的数据类型null不会添加字段true or falsebooleanfloating point numberdoubleintegerlongob

模式映射用于定义索引结构。在建立mapping映射时需要指定字段的类型，以下详细介绍mapping属性常见字段类型。每个字段类型可以指定为ElasticSearch中某个特定的核心类型。ElasticSearch的核心类型如下：1）字符串类型2）数值类型3）日期型4）布尔型5）二进制型首先介绍一下通用属性。index_name：该属性是存储在索引中的字段名称。如果未指定，则默认为字段定义的对象的名

全文搜索引擎会用某种算法对要建索引的文档进行分析， 从文档中提取出若干Token(词元)， 这些算法称为Tokenizer(分词器)， 这些Token会被进一步处理， 比如转成小写等， 这些处理算法被称为Token Filter(词元处理器), 被处理后的结果被称为Term(词)， 文档中包含了几个这样的Term被称为Frequency(词频)。 引擎会建立Term和原文档的Inverted In

短语匹配(Phrase Matching)就像用于全文搜索的的match查询一样，当你希望寻找邻近的单词时，match_phrase查询可以帮你达到目的。GET /my_index/my_type/_search{ "query": { "match_phrase": { "title": "quick brown fox" }

现代搜索离不开自动补全功能。正是有了该功能，用户可以方便地找到那些不知如何拼写的条目。看如下索引配置：{"settings": { "analysis": { "analyzer": { "standardWithEdgeNGram": { "tokenizer": "standard",

elasticsearch-headelasticsearch-head是一个elasticsearch的集群管理工具，它是完全由html5编写的独立网页程序，你可以通过插件把它集成到es。或直接下载源码，在本地打开index.html运行它。该工具的git地址是： https://github.com/Aconex/elasticsearch-head 插件安装方法：1.elasticsearc

一、搜索类型：Elasticsearch允许用户选择其所希望的处理查询的方式。因为存在一些不同的情形，对其使用不同的搜索类型才是合适的。为了控制查询的执行方式，我们可以在请求中使用search_type参数，以有下类型可以选择。1、query_and_fetch：通常是最快也是最简单的搜索类型。查询语句在所有需检查的分片上并行执行，并且所有分片返回结果的规划为size参数的取值。因此，该类型返回的

我们常常会遇到问题，为什么指定的文档没有被搜索到。很多情况下， 这都归因于映射的定义和分析例程配置存在问题。针对分析过程的调试，ElasticSearch提供了专用的REST API。_analyze, _explain是Elasticsearch提供的辅助API，经常不为人所知和所用。_explain 用来帮助分析文档的relevance score是如何计算出来的，而_analyze是Elas

ES中使用自动检测对索引字段进行索引，例如IP、日期自动检测（默认开启）、数字自动检测（默认关闭）进行动态映射自动为文档设定索引，当需要为字段指定特定的类型时，可能使用Mapping在索引生成定义映射，Logstash中默认索引的设置是基于模板的。首先我们需要指定一个默认的映射文件，文件的内容大致如下：{ "template" : "logstash-*", "mappings" : {

新手需要特别注意ES中内置的分析器，否则查询结果很可能不是预期的，分析器它直接影响到Search与Index操作。Built-in AnalyzersHowever, Elasticsearch also ships with prepackaged analyzers that you can use directly. We list the most important ones next and, to demonstrate the difference in behavior, we show

Elasticsearch是一个分布式可扩展的实时搜索和分析引擎。它能帮助你搜索、分析和浏览数据，而往往大家并没有在某个项目一开始就预料到需要这些功能。Elasticsearch之所以出现就是为了重新赋予硬盘中看似无用的原始数据新的活力。 Elasticsearch每一个独立的部分都不是新创的。比如全文搜索早就已经被实现，统计系统和分布式数据库也早已存在。但是革命之处在于能将这些独立的功能结合成一

1.1. Scaling Lucene怎样在Lucene之上构建一个分布式、高度伸缩、接近实时的搜索引擎呢？让我们回顾一下在搜索引擎（基于lucene）伸缩性这条路上都做了那些尝试，并且elasticsearch是如何尝试并去解决这些挑战的。首先我们了解下最基础的理论知识 building blocks （这些理论基础是构建分布式近实时搜索引擎的基础）。 接着我们研究一下到底哪种才是最佳的分区策略

关于String类型——分词与不分词在Elasticsearch中String是最基本的数据类型，如果不是数字或者标准格式的日期等这种很明显的类型，其他的一般都会优先默认存储成String。同样的数据类型，Elasticsearch也提供了多种存储与分词的模式，不同的模式应用于不同的场景。很多人在初次使用Elasticsearch时，都会很纳闷...为什么我存储的一句话，却查询不到？为什么我输入了

我们简单的讲解一下什么是全文检索。　　比如，我们一个文件夹中，或者一个磁盘中有很多的文件，记事本、world、Excel、pdf，我们想根据其中的关键词搜索包含的文件。例如，我们输入Lucene，所有内容含有Lucene的文件就会被检查出来。这就是所谓的全文检索。　　因此，很容易的我们想到，应该建立一个关键字与文件的相关映射，盗用ppt中的一张图，很明白的解释了这种映射如何实现。　　在Lucene

Elasticsearch支持很多查询方式，除了通过9300（默认）端口通过TCP协议进行查询，另一种就是DSL，它是把请求写在JSON里面，然后进行相关查询。一个DSL例子GET _search{  "query": {     "bool": {       "must": [        { "match": { "name":   "Jim" }},         { "match":

日志监控和分析在保障业务稳定运行时，起到了很重要的作用，不过一般情况下日志都分散在各个生产服务器，且开发人员无法登陆生产服务器，这时候就需要一个集中式的日志收集装置，对日志中的关键字进行监控，触发异常时进行报警，并且开发人员能够查看相关日志。logstash+elasticsearch+kibana3就是实现这样功能的一套系统，并且功能更强大。logstash：是一个管理日志和事件的工具，你可以收

1.1. 配置详解elasticsearch的config文件夹里面有两个配置文 件：elasticsearch.yml和logging.yml，第一个是es的基本配置文件，第二个是日志配置文件，es也是使用log4j来记录日 志的，所以logging.yml里的设置按普通log4j配置文件来设置就行了。下面主要讲解下elasticsearch.yml这个文件中可配置的 东西。cluster.na

1. Java API1.1. 与集群交互可以通过两种方式来连接到elasticsearch（简称es）集群，第一种是通过在你的程序中创建一个嵌入es节点（Node），使之成为es集群的一部分，然后通过这个节点来与es集群通信。第二种方式是用TransportClient这个接口和es集群通信。1.1.1. Node方式创建嵌入节点的方式如下：    import static org.elast

对于学习Elasticsearch，掌握以下基本概念非常重要，你可以试着将以下概念和mysql（库、表、数据行、字段）进行对位。基本概念Elasticsearch 有几个核心概念。从一开始理解这些概念会对整个学习过程有莫大的帮助。接近实时（NRT）Elasticsearch 是一个接近实时的搜索平台。这意味着，从索引一个文档直到这个文档能够被搜索到有一个轻微的延迟（通常是1