Elasticsearch（高性能分布式搜索引擎）
搜索引擎技术排名：
- Elasticsearch: 开源的分布式搜索引擎
- Splunk: 商业项目
- Solr: Apache的开源搜索引擎
Elasticsearch结合Kibana、Logstash、Beats，是一整套技术栈，被叫做ELK。被广泛应用在日志数据分析、安全监控等领域。
倒排索引
elasticsearch采用倒排索引：
- 文档（document）：每条数据就是一个文档
- 词条（term）：文档按照语义分成的词语
业务流程
文档、词条、正向索引与倒排索引说明
- 每一条数据就是一个文档。
- 对文档中的内容分词，得到的词语就是词条。
基于文档id创建索引的方式称为正向索引，其特点是根据id查询快，但是查询词条时必须先找到文档，而后判断是否包含词条。
对文档内容分词，对词条创建索引，并记录词条所在文档的id，这种方式称为倒排索引，查询时会先根据词条查询到文档id，而后根据文档id查询文档。
IK分词器
中文分词往往需要根据语义分析，比较复杂，这就需要用到中文分词器，例如IK分词器。IK分词器是林良益在2006年开源发布的，其采用的正向迭代最细粒度切分算法一直沿用至今。
其安装的方式也比较简单，只要将资料提供好的分词器放入elasticsearch的插件目录即可。
在Kibana的DevTools中可以使用下面的语法来测试IK分词器：
POST /_analyze { "analyzer": "standard", "text": "黑马程序员学习java太棒了" }语法说明：
- POST：请求方式
- /_analyze：请求路径，这里省略了http://192.168.150.101:9200，由kibana帮我们补充
- 请求参数，json风格：
- analyzer：分词器类型，这里是默认的standard分词器
- text：要分词的内容
IK分词器允许我们配置拓展词典来增加自定义的词语。
分词器的作用是什么？
- 创建倒排索引时，对文档分词
- 用户搜索时，对输入的内容分词
IK分词器有几种模式？
- ik_smart：智能切分，粗粒度
- ik_max_word：最细切分，细粒度IK分词器
如何拓展分词器词库中的词条？
- 利用config目录的IkAnalyzer.cfg.xml文件添加拓展词典
- 在词典中添加拓展词条
ES基础概念
索引（index）：相同类型的文档的集合
对比传统mysql数据库
索引库操作- Mapping 映射属性
Mapping映射属性
mapping是对索引库中文档的约束，常见的mapping属性包括：
- type：字段数据类型，常见的简单类型有：
- 字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）
- 数值：long、integer、short、byte、double、float、
- 布尔：boolean
- 日期：date
- 对象：object
- index：是否创建索引，默认为true
- analyzer：使用哪种分词器
- properties：该字段的子字段
索引库操作-索引库的CRUD
PUT(新增）(不支持修改）
索引库和mapping一旦创建无法修改，但是可以添加新的字段，语法如下：
PUT /索引库名/_mapping { "properties": { "新字段名":{ "type": "integer" } } }示例：
PUT /heima/_mapping { "properties": { "age":{ "type": "integer" } } }文档操作-文档CRUD
文档操作-批量处理
Elasticsearch中允许通过一次请求中携带多次文档操作，也就是批量处理，语法格式如下：
POST /_bulk { "index" : { "_index" : "索引库名", "_id" : "1" } } { "字段1" : "值1", "字段2" : "值2" } { "index" : { "_index" : "索引库名", "_id" : "1" } } { "字段1" : "值1", "字段2" : "值2" } { "index" : { "_index" : "索引库名", "_id" : "1" } } { "字段1" : "值1", "字段2" : "值2" } { "delete" : { "_index" : "test", "_id" : "2" } } { "update" : {"_id" : "1", "_index" : "test"} } { "doc" : {"field2" : "value2"} }
