1.什么是ES

**ES** 全称 **ElasticSearch** 是一种分布式全文搜索引擎，基于Lucene(全文搜索框架)开发而来。
Lucene是公认的迄今为止的最好用的搜索引擎库，但是他所提供的API对于我们使用者来说，是非常苦恼的，常要花费大量时间去熟悉学习。ES的出现就很好的解决了这个问题，良好的封装，易用的API，链式书写方式，开瓶即饮。

2.ES特点

**ES** 虽然是以Lucene核心库开发的，但是却不是以它作为核心，**ES** 的贴点体现在：*分布式实时文件存储，每个字段皆能索引* *集群，可扩展(理论上无上限)**高度集成的服务(RESTful风格的API，各语言客户端)**易学易用，开瓶即饮*

3.ES安装

3.1下载

[ES官方下载地址:](https://www.elastic.co/downloads/elasticsearch)
ES安装环境只依赖JDK，以5.2.2版本为例，下载对应的文件即可

3.2安装

将压缩包解压，然后在解压后的目录下找到*bin*文件夹，点击名为**elasticsearch.bat** 文件运行。
测试是否安装成功：访问：http://localhost:9200/
![安装成功:](https://img-blog.csdnimg.cn/2018110517350745.png)**注意**：如果本机内存过小，或者磁盘空间不足会启动失败，手动修改*config*文件夹下**jvm.options**文件中的参数。打开**jvm.options**文件，搜索-Xms，得到结果如下：

################################################################
## IMPORTANT: JVM heap size
################################################################
##
## You should always set the min and max JVM heap
## size to the same value. For example, to set
## the heap to 4 GB, set:
##
## -Xms4g
## -Xmx4g
##
## See https://www.elastic.co/guide/en/elasticsearch/reference/current/heap-size.html
## for more information
##
################################################################# Xms represents the initial size of total heap space
# Xmx represents the maximum size of total heap space
#  '#'代表的是注释， -Xms 最小占用内存 -Xm最大占用内存 如果修改，默认启动时为2gb 这里可以修改一下
-Xms200m
-Xmx200m

辅助管理工具Kibana5

这里介绍一款辅助学习工具，避免了使用cmd的尴尬场景
[Kibana5.2.2下载地址:](https://www.elastic.co/downloads/kibana)

解压并编辑config/kibana.yml，设置elasticsearch.url 的值为已启动的ES
启动Kibana5 : bin\kibana.bat
默认访问地址：http://localhost:5601
菜单：
Discover：可视化查询分析器
Visualize：统计分析图表
Dashboard：自定义主面板（添加图表）
Timelion：Timelion是一个kibana时间序列展示组件（暂时不用）
Dev Tools ：Console（同CURL/POSTER，操作ES代码工具，代码提示，很方便）
Management：管理索引库(index)、已保存的搜索和可视化结果(save objects)、设置 kibana 服务器属性

ES使用

ES数据管理

ES文档

ES是面向文档(document oriented)的，这意味着它可以存储整个对象或文档(document)。然而它不仅仅是存储，还会索引(index)每个文档的内容使之可以被搜索。在ES中，你可以对文档（而非成行成列的数据）进行索引、搜索、排序、过滤。
ES使用Javascript对象符号(JavaScript Object Notation)，也就是JSON，作为文档序列化格式。JSON现在已经被大多语言所支持，而且已经成为NoSQL领域的标准格式。
ES存储的一个员工文档的格式示例：

 {_index : “crm”,_type : “user”,就_id : 1, _source : {"email": "nxh@itsource.cn","name": "倪先华","info": {"addr": "四川省成都市","age": 30,"interests": [ "美食", "美女" ]},"join_date": "2016-06-01"}}

尽管原始的 employee对象很复杂，但它的结构和对象的含义已经被完整的体现在JSON中了，在ES中将对象转化为JSON并做索引要比在表结构中做相同的事情简单的多。
文档的必须三个节点：

_index : “crm”, 文档存储位置(索引)
_type : “user”,文档映射类型
_id : 1,文档唯一标识(可以自定义也可以自动生成)

ES文档的CRUD

以员工对象为例，，类比传统的数据库来看：

关系数据库（MYSQL） -> 数据库DB-> 表TABLE-> 行ROW-> 列Column
Elasticsearch -> 索引库Indices -> 类型Types -> 文档Documents -> 字段Fields

ES集群可以包含多个索引(indices)（数据库），每一个索引库中可以包含多个类型(types)（表），每一个类型包含多个文档(documents)（行），然后每个文档包含多个字段(Fields)（列）。

//这里使用Kibana5编写的
# 创建crm
PUT crm# 保存数据
POST crm/user/1
{"age" : 1,"name": "fq"
}# 取值 (_source查看源数据)
GET crm/user/1//展示结果
{"_index": "crm","_type": "user","_id": "1","_version": 3,"found": true,"_source": {"age": 1,"name": "fq"}
}/*
这个API 似乎 允许你修改文档的局部，但事实上Elasticsearch
遵循与之前所说完全相同的过程，这个过程如下：
1. 从旧文档中检索JSON
2. 修改它
3. 删除旧文档
4. 索引新文档
*/
# 存在修改，不存在创建（先删除在创建）
POST crm/user/1
{"age" : 2,"name": "fqq"
}
# 取值(_source只看源数据)
GET crm/user/1/_source//展示结果
{"age": 2,"name": "fqq"
}# 删除文档
DELETE crm/user/1
//查询会查询不到，没有结果返回# 获取所有文档
GET _search# 分页查询
/*和SQL使用 LIMIT  关键字返回只有一页的结果一样，Elasticsearch接受 from  和 size  参数：
size  : 每页条数，默认 10
from  : 跳过开始的结果数，默认 0
*/
GET _search?size=5&from=10

DSL查询与过滤

概念

由ES提供丰富且灵活的查询语言叫做DSL查询(Query DSL),它允许你构建更加复杂、强大的查询。

DSL(Domain Specific Language特定领域语言)以JSON请求体的形式出现。

     //查询字符串模式：同样是使用Kibana5GET itsource/employee/_search?q=fullName:倪先华DSL模式：GET itsource/employee/_search{"query" : {"match" : {"fullName" : "倪先华"}}}

DSL查询

使用DSL查询，必须要传递query参数给ES。

 GET _search{"query": YOUR_QUERY_HERE}# 实例一个完整查询/*查询公司员工性别为女的员工，并按照加入时间降序、年龄升序排列，最终返回第21条至30条数据（只返回名字、年龄和email字段）*/GET itsource/employee/_search{"query": {"match": {"sex":"女"}},"from": 20, "size": 10," _source": ["fullName", "age", "email"],"sort": [{"join_date": "desc"},{"age": "asc"}]}

DSL过滤

DSL过滤语句和DSL查询语句非常相似，但是它们的使用目的却不同：
DSL过滤查询文档的方式更像是对于我的条件“有”或者“没有”，而DSL查询语句则像是“有多像”。
DSL过滤和DSL查询在性能上的区别：

过滤结果可以缓存并应用到后续请求。
查询语句同时匹配文档，计算相关性，所以更耗时，且不缓存。
过滤语句可有效地配合查询语句完成文档过滤。

原则上，使用DSL查询做全文本搜索或其他需要进行相关性评分的场景，其它全用DSL过滤

使用方式

{"query": {"bool": {# 必须条件"must": [{"match": {"description": "search" }}],# 过滤条件 "filter": {"term": {"tags": "lucene"}}}}
}//① 全匹配（match_all）
//普通搜索（匹配所有文档）：
{"query" : {"match_all" : {}}
}
//如果需要使用过滤条件（在所有文档中过滤，红色部分默认可不写）：
{"query" : {"bool" : {"must" : [{"match_all":{}}],"filter":{....}}}
}
/*② 标准查询（match和multi_match）
match查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。
如果你使用match查询一个全文本字段，它会在真正查询之前用分析器先分析查询字符：*/
{"query": {"match": {"fullName": "Steven King"}}
}
//上面的搜索会对Steven King分词，并找到包含Steven或King的文档，然后给出排序分值。//如果用 match  下指定了一个确切值，在遇到数字，日期，布尔值或者 not_analyzed的字符串时，它将为你搜索你给定的值，如：
{ "match": { "age": 26 }}
{ "match": { "date": "2014-09-01" }}
{ "match": { "public": true }}
{ "match": { "tag": "full_text" }}//multi_match  查询允许你做 match查询的基础上同时搜索多个字段：
{"query":{"multi_match": {"query": "Steven King",
"fields": [ "fullName", "title" ]
}
}
}
/*上面的搜索同时在fullName和title字段中匹配。
提示：match一般只用于全文字段的匹配与查询，一般不用于过滤。*///③单词搜索与过滤（Term和Terms）
{"query": {"bool": {"must": { "match_all": {} }, "filter": { "term": { "tags": "elasticsearch" } } } }
}
//Terms搜索与过滤
{"query": {"terms": {"tags": ["jvm", "hadoop", "lucene"],"minimum_match": 2}}
}
//minimum_match:至少匹配个数，默认为1/*④ 组合条件搜索与过滤（Bool）
组合搜索bool可以组合多个查询条件为一个查询对象，查询条件包括must、should和must_not。
例如：查询爱好有美女，同时也有喜欢游戏或运动，且出生于1990-06-30及之后的人。*/
{"query": {"bool": {"must": [{"term": {"hobby": "美女"}}],"should": [{"term": {"hobby": "游戏"}},{"term": {"hobby": "运动"}}],"must_not": [{"range" :{"birth_date":{"lt": "1990-06-30"}}} ],"filter": [...],"minimum_should_match": 1}}
}
//提示： 如果 bool 查询下没有must子句，那至少应该有一个should子句。但是 如果有 must子句，那么没有 should子句也可以进行查询。
/*
⑤ 范围查询与过滤（range）
range过滤允许我们按照指定范围查找一批数据:*/
{"query":{"range": {"age": {"gte": 20,"lt": 30}}}
}
//上例中查询年龄大于等于20并且小于30。
//gt:>    gte:>=   lt:<  lte:<=/*⑥ 存在和缺失过滤器（exists和missing）*/
{"query": {"bool": {"must": [{"match_all": {}}],"filter": {"exists": { "field": "gps" }}}}
}
/*提示：exists和missing只能用于过滤结果。
⑦ 前匹配搜索与过滤（prefix）
和term查询相似，前匹配搜索不是精确匹配，而是类似于SQL中的like ‘key%’*/
{"query": {"prefix": {"fullName": "倪"}}
}
//上例即查询姓倪的所有人。/*⑧ 通配符搜索（wildcard）
使用*代表0~N个，使用?代表1个。*/
{"query": {"wildcard": {"fullName": "倪*华"}}
}

ES(ElasticSearch)分布式全文搜索引擎介绍及使用方式相关推荐

分布式全文搜索引擎ElasticSearch
认识ElasticSearch 为什么要使用ElasticSearch 虽然全文搜索领域,Lucene可以被认为是迄今为止最先进.性能最好的.功能最全的搜索引擎库. 但是,Lucene只是一个库.想要 ...
Elasticsearch（全文搜索引擎）
Elasticsearch 一. 简介 Elasticsearch是一个搜索引擎,它底层是基于Lucene来实现的. Lucene是一个Java库,它存在着一定的问题,如果项目的开发语言不是J ...
ES（Elasticsearch）全文搜索引擎(最全)入门基本语法与在SpringBoot中的实战
注:本文较长,根据个人情况有些内容可以跳过,前面是基本的概述,中间是一些基于es的一个可视化工具进行操作,代码实现在最下边: 一.认识Elasticsearch 1.1.为什么要使用Elasticse ...
分布式全文搜索引擎——Elasticsearch
1.安装Elasticsearch a.下载:从官网下载 Elasticsearch,地址:https://www.elastic.co/cn/downloads/past-releases#elas ...
ElasticSearch全文搜索引擎
一.ElasticSearch简介 1.1 什么是ElasticSearch ElasticSearch简称ES,其中Elastic 从名字里我们可以知道,ES的特点就在于灵活的搜索,其实E ...
一文看懂-ElasticSearch全文搜索引擎
一文看懂-ElasticSearch全文搜索引擎一.ElasticSearch简介 1.1 什么是ElasticSearch ElasticSearch简称ES,其中Elastic 从名字里我们可以 ...
ElasticSearch——全文搜索引擎
一.为什么需要全文搜索引擎? 首先先来了解一个概念,在我们生活中一般来说有两种数据:结构化数据.非结构化数据结构化数据:指具有固定格式或有限长度的数据,如数据库,元数据等. 非结构化数据: 非结构化 ...
Elasticsearch实战---------相关名词介绍
ElasticSearch 分布式的搜索引擎和数据分析引擎应用场景 1.可以处理海量数据 2.elk 优点 1.ES有分片的概念,一个大的索引会被自动分成多个分片来进行存储数据,使用分布式的架构对分 ...
为什么要用全文搜索引擎：全文搜索引擎 VS 数据库管理系统
正文一:Full Text Search Engines vs. DBMS 发表于2009年正文二:Elasticsearch - A High-Performance Full-Text Sea ...

ES(ElasticSearch)分布式全文搜索引擎介绍及使用方式