前言
之前写过一个关于Elastic Search的文章，当时的我还不会使用markdown，还不知道怎么好好把自己所想的，总结成一个有条理的文章，所以我就想写下了这一篇新文章，帮助自己消化所学的东西，也可以把知识分享给大家。
| 使用 | 版本 |
|---|---|
| 操作系统 | MacOS |
| ES版本 | 6.3.0 |
| 可视化插件 | Head |
安装
1.单实例安装
elasticSearch 的安装我觉得相对简单一些，我们可以在官网或者是别的途径，下载到它，官网的下载地址为
https://www.elastic.co/downloads/elasticsearch,当前最新的版本为6.4.2。而我使用的版本是6.3.0，如果想要下载到原来版本的ES，可以进入以下网址进行下载
https://www.elastic.co/downloads/past-releases。
下载好后，执行bin目录下的elasticsearch即可。
启动后，在浏览器输入
http://localhost:9200/即可，效果如下：
image.png
2.Head插件安装
Head插件是依托于node环境的，我们在使用插件之前需要先下载node.js。node.js下载好后，通过node -v 查看是否安装成功，然后就可以通过以下网址下载Head插件。
Head 插件地址。下载好Head插件以及elasticsearch后，需要修改在elasticsearch 中的config的elasticsearch.yml中加上以下配置内容：
http.cors.enabled: true
http.cors.allow-original: "*"
保证了Es以及Head插件的连通性。
Head插件的启动
1.npm install [email protected] --ignore-scripts（之所以不使用npm install 是因为这个包，一直都取不到，但是它也不怎么影响使用。）
2.npm install
3.npm run start
http://localhost:9100，如果显示了相关内容即可。
3.分布式安装
分布式的安装和单实例安装大同小异，把下载下来的ElasticSearch复制两个副本，放在新创建的目录ES_slave（slave为随从奴隶的意思，在这里把我们之前安装好的当做一个master，然后其他的slave配合master形成一套分布式）中，如下图所示：
这里是创建了两个，如果有需求，可以根据需求继续拓展。
然后把两个slave中的elasticsearch.yml文件进行修改，加入以下配置：
#配置ElasticSearch的集群名称
cluster.name: harry
#节点的名称(另一个节点名称可以使用slave2)
node.name: slave1
#设置绑定的IP地址
network.host: 127.0.0.1
#设置对外服务的端口号，默认情况下为9200（这里只要使用没被使用的端口号即可）
http.port: 8200
#设置是否打开多播发现节点，如果不进行配置，不会被主节点发现。
discovery.zen.ping.unicast.hosts: ["127.0.0.1"]
配置好后，启动slave的elasticsearch即可。
Tips：我启动的时候报了一个错误。
[2018-10-07T11:57:44,907][INFO ][o.e.d.z.ZenDiscovery ] [slave1] failed to
send join request to master [{master}{dLNpAPsSTvCFgzow1nuM6g}
{lZIG2Xm3Sx-4Y4eHU5x9CA}{127.0.0.1}{127.0.0.1:9300}
{ml.machine_memory=8589934592, ml.max_open_jobs=20,
xpack.installed=true, ml.enabled=true}], reason
[RemoteTransportException[[master][127.0.0.1:9300]
[internal:discovery/zen/join]]; nested: IllegalArgumentException[can't add node
{slave1}{dLNpAPsSTvCFgzow1nuM6g}{4NUyj79cSxuaJL8BMtGejw}{127.0.0.1}
{127.0.0.1:9301}{ml.machine_memory=8589934592, ml.max_open_jobs=20,
xpack.installed=true, ml.enabled=true}, found existing node {master}
{dLNpAPsSTvCFgzow1nuM6g}{lZIG2Xm3Sx-4Y4eHU5x9CA}{127.0.0.1}
{127.0.0.1:9300}{ml.machine_memory=8589934592, xpack.installed=true,
ml.max_open_jobs=20, ml.enabled=true} with the same id but is a different
node instance]; ]
因为我是把master的Es复制过来，作为slave，但是data中还有原来的数据，所以报了这个错，只要把，Es中的data文件夹中的东西都删除就行。
我们现在把master 的ES启动，slave1的ES启动，slave2的ES启动，最后把Head也启动起来，然后浏览器输入
,效果如下，证明成功。
基本概念
1.索引，类型，文档
Elastic Search 与关系型数据库对比
| Elastic Search | 关系型数据库 |
|---|---|
| 索引 | 数据库 |
| 类型 | 表 |
| 文档 | 行 |
这里的Elastic Search 泛指的是全文检索。一个索引中，包含多个类型，一个类型中包含着多个文档。
在刚接触的时候，我想过这样一个问题，在关系型数据库mysql的like进行模糊查询的效果，与Elastic Search这样的全文检索，效果几乎就是一样的，那为什么还要用全文检索呢？
原因我觉得一共有两个：
第一个是查询的速度特别快。在关系型数据库中，数据是结构化的，我们当要进行模糊查询的时候，会从想要查询的表的第一条数据开始比对，如果不是，继续下一条，如果再不是，继续去查，就这样一直查下去，直到查到了，自己想要的那条数据。而Elastic Search呢？它其实使用了倒排索引。大概意思其实是这样的：现在一个有三篇文章
| id | content |
|---|---|
| 文章1 | Java是世界上最好的 . |
| 文章2 | 人生苦短，快学python |
| 文章3 | C++是世界上最难的 . |
这也是存储在关系型数据库中的存储形式，查询的话，他会一行行的进行查询。而如果存在了Elastic Search 中会变成什么样子呢？在全文检索中存在这分词器这么个东西，分词器会把输入的句子自动的进行一定规律进行分割，例如过空格分割，下划线分割，等等。如果是中文，也有插件可以对其进行语义分割。分割后的效果如下所示（只是举例子，真实情况未必如此）
| 关键词 | 文章号 |
|---|---|
| 世界 | 1，3 |
| 人生苦短 | 2 . |
| Java | 1 . |
| python | 2 |
| C++ | 3 |
当我们输入世界，立刻就知道出现在了第一个，和第三个文章中。
第二个是因为我们在做全文检索的时候，根本用不到那么复杂的逻辑，我们用到基础的增删改查就行，使用了Elastic Search 之后，我们在也不用折腾数据库那么多的数据了。
2.分片与索引
每一个索引包含了多个分片，每个分片是一个lucene索引（lucene是Elasticsearch的底层引擎。）只需要将分片拷贝一份，就完成了分片的备份。
3.集群和节点
每一个集群都有一个集群的名字，一个集群包含多个节点。我们只需要知道集群的名称，便可以拓展集群中的节点。
4.elasticsearch.yml
我上面在启动head插件和设置分布式集群的时候，有修改过这个文件，但是这个文件还有别的可配置属性，我在这里说明一下，以备不时之需。
cluster.name: elasticsearch
#设置集群名称，一个集群只可以有一个名称，ElasticSearch会自己去查找同一个网段下的所有节点
node.name: node-1
#设置节点名称
node.master: true
#设置该节点是否是master节点，默认为true
node.data: true
#设置该节点，是否存储索引数据，默认为true
index.number_of_shards: 5
#设置分片的数量，默认为5个，这个配置只在5.0版本之前好用
index.number_of_replicas: 1
#设置索引副本数量，默认为一个，同样也是只在5.0之前好用。
path.data: /path/to/data
#设置索引数据的存储路径，默认在data文件夹下，可以设置多个文件存储路径，用逗号分隔。
path.logs: /path/to/logs
#设置log日志的存储路径，默认情况下是在logs文件夹下。
bootstrap.mlockall: true
#设置为true来锁住内存
network.host: 0.0.0.0
#设置绑定的Ip地址，默认为0.0.0.0
http.port: 9200
#设置对外服务的HTTP端口号
transport.tcp.port: 9300
#设置节点间交互的TCP端口号，也是给Java API使用的端口号，默认是9300。
transport.tcp.compress: false
#是否压缩TCP传输的数据，默认为false
http.cors.enabled:true
#是否使用http提供对外的服务，默认为true
http.max_content_length: 100mb
#http传输内容的最大容量。
discovery.zen.minimum_master_nodes: 1
#发现master节点的数量，默认为1个。
discovery.zen.ping.timeout: 3s
#发现其他节点，超时的时间。
discovery.zen.ping.multicast.enabled:true
#是否打开多播发现节点。
discovery.zen.ping.unicast.hosts:["host1","host2:port","host3:[portX-portY]"]
#设置集群master几点的初始列表。
script.engine.groovy.inline.update: on
#开启groovy脚本的支持
script.inline: true
#开始所有脚本语言行内执行所有的操作。
基本用法
Elastic Search 我们可以使用REST API与其进行交互，说白了就是使用url地址，通过不同的method（get,post,put,delete）传入不同的json数据。
head插件虽然很好，但是也并不是万能的，我比较习惯用Post man进行api交互。下面讲讲具体的操作。
1.创建索引
| url地址 | method | 用途 |
|---|---|---|
| localhost:9200/索引名称 | put | 创建索引 |
在创建索引之前，我要先说两个概念分别是静态映射和动态映射。
动态映射是在创建索引之初，不添加索引的类型和文档中属性的格式，而是在添加文档的时候，格式会被自动转化。两种不同映射的设置，是由dynamic参数来决定的一共有三个可选值：
- true 动态映射自动添加字段
- false 静态映射，不会自动添加字段
- strict 静态映射，如果添加了新字段会报错
动态转换内容如下：
| JSON格式的数据 | 自动推测的字段类型 |
|---|---|
| null | 没有字段被添加 |
| true or false | boolean |
| 浮点类型数字 | float |
| 数字 | long |
| JSON对象 | object |
| 数组 | 有数组中第一个非空值决定 |
| string | 有可能是date类型（开启日企检测），double，long，text，keyword |
动态映射json体：
{
"settings":{
"number_of_shards":3,
"number_of_replicas":1
}
}
number_of_shards是用来设置分片数量的
number_of_replicas是用来设置副本数量的
静态映射Json体：
{
"settings":{
"number_of_shards":3,
"number_of_replicas":1
},
"mappings":{
"it": {
"dynamic":"strict",
"properties":{
"title":{
"type":"text"
},
"content":{
"type":"text"
},
"create_date":{
"type":"date"
}
}
}
}
}
这里的it指的就是类型，在properties中添加自己的字段，并且指定属性的类型。
另外发送请求的content-type一定得是application/json，这个值得注意，成功后，会返回一个属性acknowledged 是true的，就说明创建成功，其他的如下图（Tips：几个更换 json体，这里的截图只是一个示范）：
查看head插件，如下图
我们可以看到这里创建了三个分片（细线为粗线的副本）。
2.插入文档
| localhost:9200/索引名称/类型名称/文档id | 创建文档（指定文档id） | |
| localhost:9200/索引名称/类型名称 | post | 创建文档（随机文档id） |
3.修改文档
| localhost:9200/索引名称/类型名称/文档id/_update | 修改文档 |
json体：
{
"doc":{
"修改字段名称": "想要修改成的值"
}
}
4.删除文档
| delete | 删除文档 |
5.查询文档
这里先介绍简单的查询，复杂的地方，会在后面说到。
| get | 查询文档通过文档id | |
| localhost:9200/索引名称/类型名称/_search | 查询所有数据 |
简单查询数据结构体为
{
"query":{
"match_all":{}，（通过该属性查询所有数据）
"match":{
"需要查询的字段名称"："查询的值"
}
},
"from": "从第几个开始"（可选）,
"size": "要查询多少个"（可选） ,
"sort": [
{"字段名称":{"order": "desc 或者是 asc"}}（自定义排序，默认通过score元字段进行排序）
]
}
聚合查询结构体为:
(可以定义多个聚合条件，放在不同的聚合名称中)
{
"aggs":{
"聚合名称1（自定义）": {
"terms":{
"field": "通过该字段进行聚合"
}，
"status":{
"field": "通过该字段进行聚合"（status key可以计算这个聚合的相关参数）
}
}，
"聚合名称2（自定义）": {
"terms":{
"field": "通过该字段进行聚合"
}
}
}
}
后记
这篇文章是学习了慕课网上瓦力老师的教程并参考《从lucene到Elasticsearch全文检索实战》所写，课程地址为
https://www.imooc.com/learn/889，在此感谢你们的分享，我会在后续的文章中继续总结elasticsearch的更多查询语法，以及Spring Boot 集成 Elastic Search 的相关知识。