ElasticSearch学习笔记(二)

5.ES的核心概念

• 索引
• 字段类型（mapping）
• 文档(documents)

5.1关系行数据库和elasticsearch客观的对比

在前面的学习中，我们已经掌握了es是什么，同时也把es的服务已经安装启动，那么es是如何去存储数据，数据结构是什么，又是如何实现搜索的呢？
我们先来聊聊ElasticSearch的相关概念吧！

elasticsearch(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)，每个类型下又包含多个文档(行)，每个文档中又包含多个字段(列)。

5.2物理设计

elasticsearch在后台把每个索引划分成多个分片，每个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elasticsearch

5.3逻辑设计

一个索引类型中，包含多个文档，比如说文档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能索引到某个具体的文档。
注意：ID不必是整数，实际上它是个字符串。

---

1. 文档 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！（就是一个json对象，fastjson进行自动转换） 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。 2. 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。 3. 索引（就是数据库） 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。

5.4节点和分片如何工作

一个集群至少有一个节点，而一个节点就是一个elasricsearch进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有个5个分片（primary shard，又称主分片）构成的，每一个主分片会有一个副本（replica shard，又称复制分片）

上图是一个有3个节点的集群，可以看到主分片和对应的复制分片都不会在同一个节点内，这样有利于某个节点挂掉了，数据也不至于丢失。实际上，一个分片是一个Lucene索引，一个包含倒排索引的文件目录，倒排索引的结构使得elasticsearch在不扫描全部文档的情况下，就能告诉你哪些文档包含特定的关键字。不过，等等，倒排索引是什么鬼？

5.5倒排索引

elasticsearch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。例如，现在有两个文档，每个文档包含如下内容：

study every day，good good up to forever #文档1包含的内容
To forever，study every day，good good up #文档2包含的内容 
1
2

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：

两个文档都匹配，但是第一个文档比第二个匹配程度更高。如果没有别的条件，现在，这两个包含关键字的文档都将返回。
再来看一个示例，比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样的一个结构：
如果要搜索含有 python标签的文章，那相对于查找所有原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这一栏，然后获取相关的文章ID即可。
elasticsearch的索引和Lucene的索引对比：
在elasticsearch中，索引这个词被频繁使用，这就是术语的使用。在elasticsearch中，索引被分为多个分片，每份分片是一个Lucene的索引。所以一个elasticsearch索引是由多个Lucene索引组成的。别问为什么，谁让elasticsearch使用Lucene作为底层呢！
如无特指，说起索引都是指elasticsearch的索引。
接下来的一切操作都在kibana中Dev Tools下的Console里完成。基础操作！

6.IK分词器插件

6.1概念

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“我爱宝贝”会被分为“我””爱”，“宝”，”贝”，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！

如果要使用中文，建议使用IK分词器

6.2IK的安装

下载地址：https://github.com/medcl/elasticsearch-analysis-ik/releases
下载完成之后，解压放在elasticsearch的plugins文件下
重新启动elasticsearch

6.3使用kibana测试

其中ik_smart为最少切分

ik_max_word为最细粒度划分（穷尽词库）

当我们输入”我的世界观”，发现问题：我的世界观，被拆开了。
这种自己需要的词，需要自己加到我们的分词器的字典中。

6.4ik分词器增加自己的配置

重启kibana
再次测试下，输入”我的世界观”，看下效果

以后的话，我们需要自己配置分词就在自己定义的dic文件中进行配置即可！

7.restful风格说明

一种软件架构风格，而不是标准，只是提供了一组设计原则和约束条件。它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简洁，更有层次，更易于实现缓存等机制。

7.1关于索引的基本操作

创建一个索引
name这个字段需要指定类型吗？需要（毕竟我们关系型数据库是需要指定类型的）

7.2指定字段类型

7.3获得这个规则（可以通过GET请求获取具体的信息）

7.4查看默认信息

如果自己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：通过命令elasticsearch索引情况！（通过get_cat/可以获得es的当前的很多信息！）
GET _cat/health # 查看健康值

GET _cat/indices?v #查看所有东西的版本信息

7.5修改

提交，使用PUT，覆盖（弊端：如果漏掉一个字段，那么字段的值就没了）

新的修改方法：使用post提交（7.x.x版本和8.x.x版本提交方式不一样）

7.6删除

通过DELETE命令实现删除、根据你的请求来判断是删除索引还是删除文档记录！
使用RESTFUL风格是我们ES推荐大家使用的！

7.7基本操作（增删改查回顾）

7.7.1添加数据

7.7.2查询数据

7.7.3更新 PUT

7.7.4更新 POST

7.7.5简单操作（条件查询）

// 支持模糊查询 GET /kuangshen/_search?q=name:狂神说

7.7.6复杂操作（查询select：排序，分页，高亮，模糊查询，精准查询）

过滤字段查询（输出结果，不需要很多）：(我们之后使用java操作es，所有的方法和对象就是这里面的key！)

排序查询：

分页查询：（数据索引下标还是从0开始）
GET /kuangshen/_search/{currentPage}/{pageSize}

布尔值查询：
should（or），所有的条件都要符合 where id=1 or name=xxx

must_not (not)

filter查询过滤：

匹配多个条件：

精确查询：
（term 查询是直接通过倒排索引指定的词条进程精确的查找的！）
关于分词：

term：直接查询精确的。（两种情况：text、keyword）
match：会使用分词器解析！（先分析文档，然后在通过分析的文档进行查询！）
1
2

创建数据

分析数据，查看结果

查询数据（keyword类型的字段不会被分词器解析）


多个值匹配精确查询：

高亮查询：