ES基础学习二

学习地址为极客时间《Elasticsearch核心技术与实战》，这只是我做的笔记，仅供参考；

三、`Elasticsearch`入门

1. `Elasticsearch`基本概念

1.1 文档

Elasticsearch是面向文档的，文档是所有可搜索数据的最小单位
- 日志文件中的日志项
- 一本电影的具体信息/一张唱片的详细信息
- MP3播放器里的一首歌/一篇PDF文档中的具体内容
文档会被序列化成Json格式，保存在Elasticsearch中
- Json对象由字段组成
- 每个字段都有对应的字段类型(字符串/数值/布尔/日期/二进制/范围类型)
每个文档都有一个UniqueID
- 你可以自己指定ID
- 或者通过Elasticsearch自动生成

1.1.1 Json文档

一篇文档包含了一系列的字段。类似数据库表中一条记录
Json文档，格式灵活，不需要预先定义格式
- 字段的类型可以指定或者通过Elasticsearch自动推算
- 支持数据/支持嵌套

1.1.2 文档元数据

{
    "index" : "movies",
    "_type" : "_doc",
    "_id" : "1",
    "_score" : 14.69302,
    "_source" : {
        "year" : 1995,
        "@version" : "1",
        "genre" : [
            "Adventure",
            "Animation",
            "Children",
            "Comedy",
            "Fantasy"
        ],
        "id" : "1",
        "title" : "Toy Story"
    }
},

元数据，用于标注文档的相关信息
- _index: 文档所属的索引名
- _type: 文档所属的类型名
- _id: 文档唯一ID
- _source: 文档的原始JSON数据
- _all: 整合所有字段内容到该字段，已被废除
- _version: 文档的版本信息
- _score: 相关性打分

1.2 索引

{
  "movies" : {
    "settings" : {
      "index" : {
        "creation_date" : "1604218204918",
        "number_of_shards" : "1",
        "number_of_replicas" : "1",
        "uuid" : "F9-uy1bUTemm1Hs_LaDMQQ",
        "version" : {
          "created" : "7010099"
        },
        "provided_name" : "movies"
      }
    }
  }
}

index: 索引是文档的容器，是一类文档的结合
- index体现了逻辑空间的概念：每个索引都有自己的Mapping定义，用于定义包含文档的字段名和字段类型
- Shard体现了物理空间的概念：索引中的数据分散在Shard中
索引的Mapping与Setting
- Mapping定义文档字段的类型
- Setting定义不同的数据分布

1.2.1 索引的不同语义

image

名词：一个Elasticsearch集群中，可以创建很多不同的索引
动词：保存一个文档到Elasticsearch的过程也叫索引(indexing)
- ES中，创建一个倒排索引的过程
名词：一个B树索引，一个倒排索引

1.2.2 `Type`(这个我也不知道是干什么的)

image

1.2.3 `ES`和`RDBMS`对比

RDBMS	Elasticsearch
Table	index(Type)
Row	Document
Column	Filed
Schema	Mapping
SQL	DSL

传统关系型数据库和Elasticsearch的区别
- Elasticsearch
  - Schemaless:数据组织更加灵活
  - 相关性：算相关度
  - 高性能全文检索
- RDBMS
  - 事务
  - Join

1.3 `REST API`

image

1.4 `kibana`上索引管理

image

//查看索引相关信息
GET movies

//查看索引的文档总数
GET movies/_count

//查看前10条文档，了解文档格式
POST movies/_search{
  
}

//_cat indices API
//查看indices
GET /_cat/indices/movies*?v&s=index

//查看状态未绿的索引
GET /_cat/indices?v&health=green

//按照文档个数排序
GET /_cat/indices?v&s=docs.count:desc

//查看具体的字段
GET /_cat/indices/movies*?pri&v&h=health,index,pri,rep,docs.count,mt

//How much memory is used per index?
GET /_cat/indices?v&h=i,tm&s=tm:desc

1.5 分布式系统的可用性和扩展性

1.5.1 高可用

服务可用性-运行有节点停止服务
数据可用性-部分节点丢失，不会丢失数据

1.5.2 可扩展性

请求量提升/数据的不断增长(将数据分布到所有节点上)

1.6 `ES`的分布式特性

1.6.1 `ES`的分布式架构的好处

存储的水平扩容
提高系统的可用性，部分节点停止服务，整个集群的服务不受影响

1.6.2 `ES`的分布式架构

不同的集群通过不同的名字来区分，默认名字elasticsearch
通过配置文件修改，或者在命令行中 -E cluster.name=node1进行设定
一个集群可以有一个或者多个节点

1.7 `ES`节点

节点是一个Elasticsearch的实例
- 本质上就是一个Java进程
- 一台机器上可以运行多个Elasticsearch进程，但是生产环境一般建议一台机器上只运行一个Elasticsearch实例
每一个节点都有名字，通过配置文件配置，或者启动时候 -E node.name=node1指定
每一个节点在启动之后，会分配一个UID，保存在data目录下

1.8 `Master-eligible nodes`和`Master Node`

每个节点启动后，默认就是一个Master eligible节点
- 可以设置 node.master:false禁止
Master-eligible节点可以参加选主流程，成为Master节点
当第一个节点启动时候，它会将自己选举成Master节点
每个节点上都保存了集群的状态，只有Master节点才能修改集群的状态信息
- 集群状态(Cluster State),维护了一个集群中，必要的信息
  - 所有的节点信息
  - 所有的索引和其相关的Mapping和Setting信息
  - 分片的路由信息
- 任意节点都能修改信息会导致数据的不一致性

1.8 `Data Node & Coordinating Node`

Data Node
- 可以保存数据的节点，叫做Data Node。负责保存分片数据。在数据扩展上起到了至关重要的作用
Coordinating Node
- 负责接受Client的请求，将请求分发到合适的节点，最终把结果汇集到一起
- 每个节点默认都起到了Coordinating Node的职责

1.9 其他节点类型

Hot 和 Warm Node
- 不同硬件配置的 Data Node,用来实现 Hot 和 Warm架构，降低集群部署的成本
Machine Learing Node
- 负责跑机器学习的 Job,用来做异常检测
Tribe Node
- (5.3开始使用Cross Cluster Serarch)Tribe Node 连接到不同的Elasticsearch集群，并且支持将这些集群当成一个单独的集群处理

1.10 配置节点类型

开发环境中一个节点可以承担多种角色
生产环境中，应该设置单一的角色的节点(dedicated node)

节点类型	配置参数	默认值
master eligible	node.master	true
data	node.data	true
ingest	node.ingest	true
coordinating only	无	每个节点默认都是 `coordinating` 节点。设置其他类型全部为`false`
machine learing	node.ml	true(需 enable x-pack)

1.11 分片(`Primary Shard` & `Replica Shard`)

主分片，用以解决数据水平扩展的问题。通过主分片，可以将数据分布到集群内的所有节点之上
- 一个分片是一个运行的Lucene的实例
- 主分片数在索引创建时指定，后续不允许修改，除非Reindex
副本，用以解决数据高可用的问题。分片时主分片的拷贝
- 副本分片数，可以动态的调整
- 增加副本数，还可以在一定程度上提高服务的可用性(读取的吞吐)
一个三节点的集群中，blogs索引的分片分布情况
- 思考：增加一个节点或改大主分片数对系统的影响？
  
  image

1.12 分片的设定（主分片是在创建时设定的，后期不能改，除非`reindex`）

对与生产环境中分片的设定，需要提前做好容量规划
- 分片数设置过小
  - 导致后续无法增加节点实现水平扩展
  - 单个分片的数据量太大，导致数据重新分配耗时(数据倾斜)
- 分片数设置过大，7.0 开始，默认主分片设置成1，解决了over-sharding的问题
  - 影响搜索结果的相关性打分，影响统计结果的准确性
  - 单个节点上过多的分片，会导致资源浪费，同时也会影响性能

1.13 查看集群的健康状况

GET _cluster/health

image

Green：主分片与副本都正常分配
Yellow：主分片全部正常分配，有副本分片未能正常分配
Red：有主分片未能分配
- 例如：当服务器的磁盘容量超过85%时，去创建了一个新的索引

2. 文档的基本CRUD与批量操作

2.1 文档的CRUD

类型	API
Index	`PUT my_index/_doc/1` {"user":"mike","comment":"xxxx"}
Create	`PUT my_index/_create/1` {"user":"mike","comment":"xxxx"} `POST my_index/_doc`(不指定ID，自动生成) {"user":"mike","comment":"xxxx"}
Read	`GET my_index/_doc/1`
Update	`POST my_index/_update/1` {"doc":{"user":"mike","comment":"xxxx"}}
Delete	`DELETE my_index/_doc/1`

Type名，约定都用_doc
Create：如果ID已经存在，会失败
Index：如果ID不存在，创建新的文档。否则，先删除现有的文档，再创建新的文档，版本会增加
Update：文档必须已经存在，更新只会对相应字段做增量修改

2.1.1 `Create`一个文档

image

支持自动生成文档Id和指定文档Id两种方式
通过调用post users/_doc
- 系统会自动生成document Id
使用HTTP PUT user/_create/1创建时，URI中显示指定_create,此时如果该id的文档已经存在，操作失败

image

image

//create document. 自动生成 _id
POST users/_doc
{
  "user" : "Mike",
    "post_date" : "2020-11-15T19:38:42",
    "message" : "trying out Kibana"
}
//create document. 指定Id。如果id已经存在，报错
PUT users/_doc/1?op_type=create
{
  "user" : "Mike",
    "post_date" : "2020-11-15T19:38:42",
    "message" : "trying out Elasticsearch"
}

2.1.2 `Get`一个文档

image

找到文档，返回HTTP 200
- 文档元信息
  - _index/_type/
  - 版本信息，同一个Id的文档，即使被删除，Version号也会不断增加
  - _source中默认包含了文档的所有原始信息
找不到文档，返回HTTP 404

image

image

//Get document by Id
GET users/_doc/1

2.1.3 `Index`文档

//Index,如果文档已经存在，就会删除旧文档，写入新文档，版本号会+1
PUT users/_doc/1
{
  "user" : "Mike"
}

Index和Create不一样的地方：如果文档不存在，就索引新的文档。否则现有文档会被删除，新的文档被索引。版本信息+1

image

image

image

image

2.1.4 `Update`文档

Update方法不会删除原来的文档，而是实现真正的数据更新
Post方法 /Payload 需要包含再doc中

image

image

image

//Update,在原文档的基础上增加字段
POST users/_update/1/
{
  "doc":{
    "post_date" : "2020-11-15T19:59:42",
    "message" : "trying out Elasticsearch"
  }
}

2.2 批量操作

2.2.1 `Bulk API`

image

在一次REST请求中，重新建立网络连接是非常损耗性能的
支持在一次API调用中，对不同的索引进行操作
支持四种类型操作
- Index
- Create
- Update
- Delete
可以在URI中指定Index,也可以在请求的Payload中进行
操作中单挑操作失败，并不会影响其他操作
返回结果包含了每一条操作执行的结果

image

//Bulk 操作
//执行两次，查看每次的结果

//执行第一次
POST _bulk
{"index":{"_index":"test","_id":"1"}}
{"field1":"value1"}
{"delete":{"_index":"test","_id":"2"}}
{"create":{"_index":"test2","_id":"3"}}
{"field1":"value3"}
{"update":{"_id":"1","_index":"test"}}
{"doc":{"field2":"value2"}}

2.2.2 批量读取-`mget`

批量操作，可以减少网络连接所产生的开销，提高性能

image

image

// mget 操作
GET /_mget
{
  "docs":[
      {
        "_index":"test",
        "_id":"1"
      },
      {
        "_index":"test",
        "_id":"2"
      }
    ]
}

2.2.3 批量查询-`msearch`

### msearch 操作
POST kibana_sample_data_ecommerce/_msearch
{}
{"query" : {"match_all" : {}},"size":1}
{"index" : "kibana_sample_data_flights"}
{"query" : {"match_all" : {}},"size":2}

image

2.2.4 常见错误返回

问题	原因
无法连接	网络故障或集群挂了
连接无法关闭	网路故障或节点出错
429	集群过于繁忙
4xx	请求体格式有错
500	集群内部错误

3. 正排与倒排索引

3.1 正排

image

3.2 倒排索引

如果你想找某个词，在书中的具体页码，那正排就不能满足了，那我们可以建一个内容->文档Id的一种索引结构，就可以满足我们的需求了

image

3.2.1 倒排索引的核心组成

倒排索引包含两部分

单词词典(Term Dictionary),记录所有文档的单词，记录单词到倒排列表的关联关系
- 单词词典一般比较大，可以通过B+树或哈希拉链法实现，以满足高性能的插入和查找
倒排序列(Posting List)记录了单词对应的文档结合，由倒排索引项组成
- 倒排索引项(Posting)
  - 文档Id
  - 词频TF-该单词在文档中出现的次数，用于相关性评分
  - 位置(Position)-单词在文档中分词的位置。用于语句搜索(phrase query)
  - 偏移(Offset)-记录单词的开始结束位置，实现高亮显示

3.2.2 `Elasticsearch`的一个例子

image

3.2.3 `Elasticsearch`的倒排索引

Elasticsearch的Json文档中的每个字段，都有自己的倒排索引
可以指定对某些字段不做索引
- 优点：节省存储空间
- 缺点：字段无法被搜索

4. 通过`Analyzer`进行分词

4.1 `Analysis`与`Analyzer`

Analysis：文本分析是把全文本转换一系列单词(term\token)的过程，也叫分词
Analysis是通过Analyzer来实现的
- 可使用Elasticsearch内置的分析器/或者按需定制化分析器
除了在数据写入时转换词条，匹配Query语句时候也需要用相同的分析器对查询语句进行分析

image

4.2 `Analyzer`的组成

分词器时专门处理分词的组件，Analyzer由三部分组成
- Character Filters(针对原始文本处理，例如去除html)
- Tokenizer(按照规则切分为单词)
- Token Filter(将切分的单词进行加工，小写，删除stopword,增加同义词)

image

5. `Elasticsearch`的内置分词器

Standard Analyzer：默认分词器，按词切分，小写处理
Simple Analyzer：按照非字母切分（符号被过滤），小写处理
Stop Analyzer：小写处理，停用词过滤(the,a,is)
Whitespace Analyzer：按照空格切分，不转小写
Keyword Analyzer：不分词，直接将输入当作输出
Patter Analyzer：正则表达式，默认\w+(非字符分割)
Language：提供了30多种常用语言的分词器
Customer Analyzer：自定义分词器

5.1 使用`_analyzer API`

5.1.1 直接指定`Analyzer`进行测试

image

# 直接指定Analyzer进行测试
GET _analyze
{
  "analyzer": "standard",
  "text":"Mastering Elasticsearch,elasticsearch in Action"
}

5.2.2 指定索引的字段进行测试

image

# 指定索引的字段进行测试
POST users/_analyze
{
  "field":"message",
  "text":"Mastering Elasticsearch"
}

5.2.3 自定义分词器进行测试

image

# 自定义分词器进行测试
POST _analyze
{
  "tokenizer": "standard",
  "filter": ["lowercase"],
  "text": "Mastering Elasticsearch"
}

5.2 `Standard Analyzer`分词器(`Elasticsearch`的默认分词器)

默认分词器
按词切分
小写处理

image

5.3 `Simple Analyzer`

按照非字母切分，非字母的都被去除
小写处理

image

image

# Simple Analyzer
GET _analyze
{
  "analyzer": "simple",
  "text":"2 runing Quick brown-foxes leap over lazy dogs in the summer evening"
}

5.3 `Whitespace Analyzer`

按照空格切分

image

5.4 `Stop Analyzer`

相比Simple Analyzer
多了stop filter
- 会把the、a、is等修饰性词语去掉
  
  image

5.5 `Keyword Analyzer`

不分词，直接将输入当一个term输出

image

image

# Keyword Analyzer
GET _analyze
{
  "analyzer": "keyword",
  "text":"2 runing Quick brown-foxes leap over lazy dogs in the summer evening"
}

5.5 `Pattern Analyzer`

通过正则表达式进行分词
默认是\w+,非字符的符号进行分割

image

image

# Pattern Analyzer
GET _analyze
{
  "analyzer": "pattern",
  "text":"2 runing Quick brown-foxes leap over lazy dogs in the summer evening"
}

5.6 `Language Analyzer`

对不同国家的语言进行分词

image

# Language Analyzer
POST _analyze
{
  "analyzer": "english",
  "text":"2 runing Quick brown-foxes leap over lazy dogs in the summer evening"
}

5.7 中文分词的难点

中文句子，切分成一个一个词(不是一个个字)
英文中，单词有自然的空格作为分隔
一句中文，在不同的上下文，有不同的理解
- 这个苹果，不大好吃/这个苹果，不大，好吃！
例子
- 他说的确实在理/这事的确定不下来

5.8 `ICU Analyzer`

需要安装plugin
- Elasticsearch-plugin install analysis-icu
提供了Unicode的支持，更好的支持亚洲语言

image

POST _analyze
{
  "analyzer": "icu_analyzer",
  "text":"他说的确实在理"
}

GET /movies/_search

5. `Search API`概述

URI Search
- 在URL中使用查询参数
Request Body Search
- 使用Elasticsearch提供的，基于JSON格式的更加完备的Query Domain Specific Language(DSL)

5.1 指定查询的索引

语法	范围
/_search	集群上所有的索引（用`_search`来标明这是一个搜索的请求）
/index1/_search	指定索引的名称为index1
/index1,inde-2/_search	可以指定多个索引，index1和index-2
/index*/_search	以index开头的索引

5.2 `URI`查询

使用"q"，指定查询字符串
"query string syntax",KV键值对

curl -XGET "http://elasticsearch:9200/kibana_sample_data_ecommerce/_search?q=customer_first_name:Eddie"

image

5.3 `Request Body`查询

image

5.4 搜索的返回结果（Response）

image

5.5 相关性

5.5.1 搜索的相关性

搜索时用户和搜索引擎的对话
用户关心的时搜索结果的相关性
- 是否可以找到所有相关的内容
- 有多少相关的内容被返回了
- 文档的打分是否合理
- 结合业务需求，平衡结果排名

5.5.2 衡量相关性

Information Retrieval(计算机领域的一门学课)
- Precision(查准率): 尽可能返回较少的无关文档
- Recall(查全率)：尽可能返回较多的相关文档
- Ranking：是否能够按照相关度进行排序

5.5.3 `Precision` and `Recall`

image

5.6 `URI Search`:通过`URI query`实现搜索

GET /movies/_search?q=2012&df=title&sort=year:desc&from=o&size=10&timeout=1s
{
    "profile":true
}

q：指定查询语句，使用Query String Syntax(Query String Syntax)
df：默认字段，不指定时，会对所有字段进行查询
Sort：排序/from 和 size 用于分页
Profile：可以查看查询时如何被执行的

5.6.1 指定字段查询 VS 范查询

q=title:2012 / q=2012

image

# 指定字段查询 VS 范查询
# 指定字段查询
GET /movies/_search?q=2012&df=title
{
    "profile":true
}
# 范查询
GET /movies/_search?q=2012
{
    "profile":true
}

5.6.2 `Term` VS `Phrase`

Beautiful Mind等效于Beautiful OR Mind，意思是只要有一个包含，就会返回
"Beautiful Mind",等效于Beautiful AND Mind。Phrase查询(注意:要使用Phrase查询，需要将内容用引号引起来)，还要求前后顺序保持一致;意思是这两个词都要包含
分组与引号
- title:(Beautiful AND Mind)分组
- title:"Beautiful Mind"

image

# Term VS Phrase
# Phrase 精确查找
GET /movies/_search?q=title:"Beautiful Mind"
{
  "profile": "true"  
}

GET /movies/_search?q=title:Beautiful Mind
{
  "profile": "true"
}

# TermQuery 分组，Bool查询
GET /movies/_search?q=title:(Mind Beautiful)
{
  "profile": "true"
}

TermQuery需要用()括号来把要查找的词括起来代表一个分组，不然就会变成上面的那种情况，两个Term在一起的时候默认是or的关系
PhraseQuery就是需要包含所有词，且保证顺序不变

5.6.3 布尔操作和分组操作

AND/OR/NOT 或者 &&/||/!
- 必须大写
- title:(matrix NOT reloaded)
分组
- +表示must
- -表示must_not
- title:(+matrix -reloaded)
  
  image

image

# TermQuery 分组，Bool查询
GET /movies/_search?q=title:(Mind Beautiful)
{
  "profile": "true"
}

# AND
GET /movies/_search?q=title:(Mind AND Beautiful)
{
  "profile": "true"
}
# NOT
GET /movies/_search?q=title:(Beautiful NOT Mind)
{
  "profile": "true"
}

# +
GET /movies/_search?q=title:(Beautiful %2BMind)
{
  "profile": "true"
}

5.6.4 范围查询和算数符号

范围查询
- 区间表示:[]闭区间，{}开区间
  - year:{2019 TO 2018}
  - year:[* TO 2018]
算数符号
- year:>2010
- year:(>2010 && <=2018)
- year:(+>2010 +<=2018)

image

# 所有的电影年份必须>=1980
GET /movies/_search?q=year:>=1980
{
  "profile": "true"
}

5.6.5 通配符查询、正则表达式、模糊匹配与近似查询

通配符查询(通配符查询效率低，占用内存大，不建议使用。特别是放在最前面)
- ?代表 1 个字符，*代表 0 或多个字符
  - title:mi?d
  - title:be*
正则表达式
- title:[bt]oy
模糊匹配与近似查询
- title:befutifl~1
- title:“lord rings”~2

image

# 通配符查询
GET /movies/_search?q=title:b*
{
  "profile": "true"
}

# 模糊匹配&近似匹配
GET /movies/_search?q=title:beautifl~1
{
  "profile": "true"
}

GET /movies/_search?q=title:"lord Ring"~2
{
  "profile": "true"
}

5.7 `Request Body`与`Query DSL`简介

5.7.1 `Request Body Search`

将查询语句通过HTTP Request Body发送给Elasticcsearch
Query DSL

image

5.7.2 分页

From从0开始，默认返回10个结果
获取靠后的翻页成本较高

image

5.7.3 排序

最好在"数字型"与"日期型"字段上排序
因为对于多值类型或分析过的字段排序，系统会选一个值，无法得知该值

image

image

//对日期排序
POST kibana_sample_data_ecommerce/_search
{
  "profile": "true",
  "sort": [{"order_date": "desc"}],
  "query": {
    "match_all": {} 
  }
}

5.7.4 `_source filtering`

如果_source没有存储，那就只返回匹配的文档的元数据
_source支持使用通配符：_source["name*,"desc"]

image

image

//source filstering
POST kibana_sample_data_ecommerce/_search
{
  "_source": ["order_date"],
  "query": {
    "match_all": {}
  }
}

5.7.5 脚本字段

用例：订单中有不同的汇率，需要结合汇率对订单价格进行排序

image

//脚本字段
GET kibana_sample_data_ecommerce/_search
{
  "script_fields": {
    "new_field": {
      "script": {
        "lang": "painless",
        "source": "doc['order_date'].value+'_hello'"
      }
    }
  },
  "query": {
    "match_all": {}
  }
}

5.7.6 使用查询表达式：`Match Query`(我们之前学了`Term Query`,`Phrase Query`)

image

//matchQuery OR
POST movies/_search
{
  "query": {
    "match": {
      "title": "last Christmas"
    }
  }
}
//matchQuery AND
POST movies/_search
{
  "query": {
    "match": {
      "title": {
        "query": "last Christmas",
        "operator": "and"
      }
    }
  }
}

5.7.7 短语搜索：`Match Phrase`查询

image

//matchPhrase
POST movies/_search
{
  "query": {
    "match_phrase": {
      "title": "one love"
    }
  }
}
//matchPhrase slop:1
POST movies/_search
{
  "query": {
    "match_phrase": {
      "title": {
        "query": "one love",
        "slop": 1
      }
    }
  }
}

5.8 几种查询方式的总结

image

5.9 `Query String`和`Simple Query String`查询

5.8.1 `Query String Query`

类似URI Query

image

image

image

5.8.1 `Simple Query String Query`

类似Query String,但是会忽略错误的语法，同时只支持部分查询语法
不支持AND、OR、NOT,会当作字符串处理
Term之间默认的关系是OR,可以指定Operator
支持部分逻辑
- +代替AND
- |代替OR
- -代替NOT

image

PUT /users/_doc/1
{
  "name":"Ruan Yiming",
  "about":"java,golang,node,swift,elasticsearch"
}

PUT /users/_doc/2
{
  "name":"Li Yiming",
  "about":"Hadoop"
}

# Query String
POST users/_search
{
  "query": {
    "query_string": {
      "default_field": "name",
      "query": "Ruan AND Yiming"
    }
  }
}

POST users/_search
{
  "query": {
    "query_string": {
      "fields": ["name","about"], 
      "query": "(Ruan AND Yiming) OR (Hadoop)"
    }
  }
}

# Simple Query String 默认operator是 OR
POST users/_search
{
  "query": {
    "simple_query_string": {
      "query": "Ruan AND Yiming",
      "fields": ["name"]
    }
  }
}

POST users/_search
{
  "query": {
    "simple_query_string": {
      "query": "Ruan Yiming",
      "fields": ["name"],
      "default_operator": "AND"
    }
  }
}

5.10 es match、match_phrase、query_string和term的区别

https://www.cnblogs.com/chenmz1995/p/10199147.html

6. `Dynamic Mapping`和常见字段类型

6.1 什么是`Mapping`

Mapping类似数据库中的schema的定义，作用如下
- 定义索引中的字段的名称
- 定义字段的数据类型，例如字符串，数字，布尔......
- 字段，倒排索引的相关配置，(Analyzed or Not Analyzed,Analyzer)
Mapping会把Json文档映射成Lucene所需要的扁平格式
一个Mapping属于一个索引的Type
- 每个文档都属于一个Type
- 一个Type有一个Mapping定义
- 7.0开始，不需要在Mapping定义中指定type信息

6.2 `Elasticsearch`字段的数据类型

简单类型
- Text/Keyword
- Date
- Integer/Floating
- Boolean
- IPv4 & IPv6
复杂类型：对象和嵌套对象
- 对象类型/嵌套类型
特殊类型
- geo_point & geo_shape/percolator

6.3 什么是`Dynamic Mapping`

在写入文档时，如果索引不存在，会自动创建索引
Dynamic Mapping的机制，使得我们无需手动定义Mappings,Elasticsearch会自动根据文档信息，推算出字段的类型
但是有时候推算的不对，例如地理位置信息
当类型如果设置不对时，会导致一些功能无法正常运行，例如Range查询

image

6.4 类型的自动识别

`JSON`类型	`Elasticsearch`类型
字符串	匹配日期格式，设置成`Date` 配置数字设置为`float`或者`long`,该选项默认关闭设置为`Text`，并且增加`keyword`子字段
布尔值	`boolean`
浮点数	`float`
整数	`long`
对象	`Object`
数组	由第一个非空数值的类型所决定
空值	忽略

image

//写入文档，查看Mapping
PUT mapping_test/_doc/1
{
  "firstName":"Chan",
  "lastName":"Jackie",
  "loginDate":"2018-07-24T10:29:48.103Z"
}

//查看Mapping
GET mapping_test/_mapping

//Delete index 删除索引
DELETE mapping_test

//dynamic mapping,推断字段的类型
PUT mapping_test/_doc/1
{
  "uid":"123",
  "isVip":false,
  "isAdmin":"true",
  "age":19,
  "heigh":180
}

#查看Mapping
GET mapping_test/_mapping

6.5 能否更改`Mapping`的字段类型

两种情况
- 新增字段
  - Dynamic设为true时，一旦有新增字段的文档写入，Mapping也同时被更新
  - Dynamic设为false,Mapping不会被更新，新增字段的数据无法被索引，但是信息会出现在_source中
  - Dynamic设置成Strict,文档写入失败
- 对已有字段，一旦一句有数据写入，就不再支持修改字段定义
  - Lucene实现的倒排索引，一旦生成后，就不允许修改
- 如果希望改变字段类型，必须Reindex API,重建索引
原因
- 如果修改了字段的数据类型，会导致已被索引的属于无法被搜索
- 但是如果是增加新的字段，就不会有这样的影响

6.6 控制`Dynamic Mappings`

image

	`"true"`	`"false"`	`"strict"`
文档可索引	`YES`	`YES`	`NO`
字段可索引	`YES`	`NO`	`NO`
`Mapping`被更新	`YES`	`NO`	`NO`

当 dynamic被设置成false时候，存在新增字段的数据写入，该数据可以被索引，但是新增字段被丢弃
当设置成Strict模式时候，数据写入直接出错

image

#默认Mapping支持dynamic，写入的文档中加入新的字段
PUT dynamic_mapping_test/_doc/1
{
  "newField":"someValue"
}

POST dynamic_mapping_test/_search
{
  "query": {
    "match": {
      "newField": "someValue"
    }
  }
}

#修改dynamic的值为false
PUT dynamic_mapping_test/_mapping
{
  "dynamic":false
}

#新增 anotherField字段,字段依旧可以存入ES
PUT dynamic_mapping_test/_doc/10
{
  "anotherField":"someValue"
}

#但是，该字段不可以被搜索，因为dynamic的值被我们设置为了false
POST dynamic_mapping_test/_search
{
  "query": {
    "match": {
      "anotherField": "anotherField"
    }
  }
}

#查看索引的Mapping文件
GET dynamic_mapping_test/_mapping

#修改dynamic的值为strict
PUT dynamic_mapping_test/_mapping
{
  "dynamic":"strict"
}

#写入数据出错，HTTP Code 400
PUT dynamic_mapping_test/_doc/12
{
  "lastField":"value"
}

7 显示`Mapping`设置与常见参数

7.1 如何显示定义一个`Mapping`

image

7.2 自定义`Mapping`的一些建议

可以参考API手册，纯手写
为了减少输入的工作量，减少出错概率，可以依照以下步骤
- 创建一个临时的index,写入一些样本数据
- 通过访问Mapping API获得该临时文件的动态Mapping定义
- 修改后用，使用该配置创建你的索引
- 删除临时索引

7.3 控制当前字段是否被索引

Index:控制当前字段是否被索引。默认为true。如果设置成false,该字段不可被搜索

image

image

image

DELETE dynamic_mapping_test
#设置 index 为 false
DELETE users
PUT users
{
  "mappings": {
    "properties": {
      "firstName":{
        "type": "text"
      },
      "lastName":{
        "type": "text"
      },
      "mobile":{
        "type": "text",
        "index": false
      }
    }
  }
}

PUT users/_doc/1
{
  "firstName":"Ruan",
  "lastName":"Yiming",
  "mobile":"123456789"
}

POST /users/_search
{
  "query": {
    "match": {
      "mobile": "123456789"
    }
  }
}

7.3 `index Options`

对于倒排索引的建立，es提供了四种不同级别的index Options配置，可以控制倒排索引记录的内容
- docs:记录doc id
- freqs:记录doc id和term frequencies
- positions:记录doc id/term frequencies/term position
- offsets:记录doc id/term frequencies/term position/character offects
Text类型默认记录postions,其他默认为docs
记录内容越多，占用存储空间越大

image

7.4 `null_value`

需要对null值实现搜索
只有keyword类型支持设定Null_Value

image

image

#设定Null_value
DELETE users
PUT users
{
    "mappings": {
    "properties": {
      "firstName":{
        "type": "text"
      },
      "lastName":{
        "type": "text"
      },
      "mobile":{
        "type": "keyword",
        "null_value": "NULL"
      }
    }
  }
}

PUT users/_doc/1
{
  "firstName":"Ruan",
  "lastName":"Yiming",
  "mobile":null
}

GET users/_search
{
  "query": {
    "match": {
      "mobile": "NULL"
    }
  }
}

7.5 `copy_to`设置

_all在7中被copy_to所替代
满足一些特定的搜索需求
copy_to将字段的数值拷贝到目标字段，实现类似_all的作用
copy_to的目标字段不出现在_source中

image

image

#设置 Copy to
DELETE users
PUT users
{
  "mappings": {
    "properties": {
      "firstName":{
        "type": "text",
        "copy_to": "fullName"
      },
      "lastName":{
        "type": "text",
        "copy_to": "fullName"
      }
    }
  }
}

PUT users/_doc/1
{
  "firstName":"Ruan",
  "lastName":"Yiming"
}

GET users/_search
{
  "query": {
    "match": {
      "fullName": {
        "query": "Ruan Yiming",
        "operator": "and"
      }
    }
  }
}

当你索引一个文档的时候，它如果包含了firstName和lastName，我们都会把这个值拷贝到fullName字段上去，当你要查询时，就可以用fullName来查询了

7.6 数组类型

Elasticsearch中不提供专门的数组类型。但是任何字段，都可以包含多个相同类型的数值

image

image

image

#数组类型
PUT users/_doc/1
{
  "name":"onebird",
  "interests":"reading"
}

PUT users/_doc/1
{
  "name":"twobirds",
  "interests":["reading","music"]
}

POST users/_search
{
  "query": {
    "match_all": {}
  }
}

GET users/_mapping

8. 多字段特性及`Mapping`中配置自定义`Analyzer`

8.1 多字段类型

image

多字段特性
- 厂商名字实现精确匹配
 - 增加一个keyword的子字段
- 使用不同的analyzer
 - 不同语言
 - pingyin字段的搜索
 - 还支持为搜索和索引指定不同的analyzer

8.2 `Exact Values`(精确值) VS `Full Text`(全文本)

Exact values vs Full Text
- Exact Value:包括数字/日期/具体一个字符串(例如："Apple Store")
  - Elasticsearch中的keyword
- 全文本，非结构化的文本数据
  - Elasticsearch中的text

image

8.2.1 `Exact Values`不需要被分词（Exact Values和Full Text最大的区别）

Elasticsearch为每一个字段创建一个倒排索引
- Exact Value在索引时，不需要做特殊的分词处理

image

8.3 自定义分词

当Elasticsearch自带的分词器无法满足时，可以自定义分词器。通过组合不同的组件实现（下面这三个组件是Analyzer的组成,可看上面4.2）
- Character Filter
- Tokenizer
- Token Filter

8.3.1 `Character Filters`

在Tokenizer之前对文本进行处理，例如增加删除及替换字符。可以配置多个Character Filters。会影响Tokenizer的position和offset信息
一些自带的Character Filter
- HTML strip: 去除html标签
- Mapping: 字符串替换
- Pattern replace: 正则匹配替换

image


POST _analyze
{
  "tokenizer": "keyword",
  "char_filter": ["html_strip"],
  "text": "<b>hello world</b>"
}

//使用 char filter进行替换(将'-'替换为'_')
POST _analyze
{
  "tokenizer": "standard",
  "char_filter": [
    {
      "type":"mapping",
      "mappings":["- => _"]
    }
  ],
  "text": "123-456,I-test! test-990 650-555-1234"
}

//char filter替换表情符号
POST _analyze
{
  "tokenizer": "standard",
  "char_filter": [
    {
      "type":"mapping",
      "mappings": [":) => happy",":( => sad"]
    }
  ],
  "text": ["I am felling :)","Felling :( today"]
}

//正则表达式
GET _analyze
{
  "tokenizer": "standard",
  "char_filter": [
    {
      "type": "pattern_replace",
      "pattern": "http://(.*)",
      "replacement": "$1"
    }
  ],
  "text": ["http://www.elastic.co"]
}

8.3.2 `Tokenizer`

将原始的文本按照一定的规则，切分为词(term or token)
Elasticsearch内置的Tokenizers
- whitespace/standard/uax_url_email/pattern/keyword/path hierarchy
可以用java开发插件，实现自己的Tokenizer

image

# Tokenizer
POST _analyze
{
  "tokenizer": "path_hierarchy",
  "text": "/user/ymruan/a/b/c/d/e"
}

8.3.3 `Token Filters`

将Tokenizer输出的单词(term),进行增加，修改，删除
自带的Token Filters
- Lowercase/stop/synonym(添加近义词)

image

# Token Filters

#whitespace与stop
#按照空格切分，且将一些特定词过滤，比如 on in the ,这些词称之为stop，但是这里的第一个大写的The不会被去除
GET _analyze
{
  "tokenizer": "whitespace",
  "filter": ["stop"],
  "text": ["The rain in Spain falls mainly on the plain."]
}

#加入 lowercase后，The被当成 stopword 删除
#先做了小写处理
GET _analyze
{
  "tokenizer": "whitespace",
  "filter": ["lowercase","stop"],
  "text": ["The girls in China are playing this game!"]
}

# 如何自定义一个 analyzer 去满足自己特定的需求
DELETE my_index
PUT my_index
{
  "settings": {
    "analysis": {
      "analyzer": {
        "my_custom_analyzer": {
          "typpe":"custom",
          "char_filter": [
            "emoticons"
          ],
          "tokenizer": "punctuation",
          "filter": [
            "lowercase",
            "english_stop"
          ]
        }
      },
      "tokenizer": {
        "punctuation":{
          "type": "pattern",
          "pattern": "[.,!?]"
        }
      },
      "char_filter": {
        "emoticons": {
          "type":"mapping",
          "mappings": [
            ":) => _happy_",
            ":( => _sad_"
          ]
        }
      },
      "filter": {
        "english_stop": {
          "type":"stop",
          "stopwords": "_english_"
        }
      }
    }
  }
}

POST my_index/_analyze
{
  "analyzer": "my_custom_analyzer",
  "text": "I'm a :) person,and you?"
}

9. `Index Template`和`Dynamic Template`

9.1 什么是`Index Template`

随着时间的推移，你的集群上会有越来越多的索引，那比如说你的集群是用来做日志管理的，你会每天为这些日志生成一个新的索引，因为这样的方式可以让你的数据管理更加合理，另外集群会有一个更好的性能；
Index Template：帮助你设定Mappings和Settings，并按照一定的规则，自动匹配到新创建的索引之上
- 模板仅在一个索引被创建时，才会产生作用。修改模板不会影响已创建的索引
- 你可以设定多个索引模板，这些设置会被merge在一起
- 你可以指定order的数值，控制merging的过程
  
  image

9.1.1 `Index Template`的工作方式

当一个索引被创建时
- 应用Elasticsearch默认的settings和mappings
- 应用order数值低的Index Template中的设定
- 应用order高的Index Template中的设定，之前的设定会被覆盖
- 应用创建索引时，用户指定的Settings和Mappings,并覆盖之前模板中的设定

9.1.2 Demo

创建2个Index Template
查看根据名字查看Template
查看所有templates,_tmplate/*
创建一个临时索引，查看replica和数据类型推断
将所有名字设为能与Index Template匹配时，查看所生成的Index的Mappings和Settings

image

# 创建一个模板
PUT _template/template_default
{
  "index_patterns": ["*"],
  "order" : 0,
  "version" : 1,
  "settings" : {
    "number_of_shards" : 1,
    "number_of_replicas" : 1
  }
}
# 创建第二个模板
PUT /_template/template_test
{
  "index_patterns": ["test*"],
  "order" : 1,
  "settings" : {
    "number_of_shards" : 1,
    "number_of_replicas" : 2
  },
  "mappings" : {
    "date_detection" : false,
    "numeric_detection" : true 
  }
}

# 查看template信息
GET /_template/template_default
GET /_template/temp*

# 写入新的数据，index以test开头
PUT testtemplate/_doc/1
{
  "someNumber" : "1",
  "someDate" : "2020/12/05"
}
GET testtemplate/_mapping
GET testtemplate/_settings

# 自己设定的settings的优先级高于template
PUT testmy
{
  "settings": {
    "number_of_replicas": 5
  }
}

PUT testmy/_doc/1
{
  "key" : "value"
}

GET testmy/_settings

9.2 什么是`Dynamic Template`

根据Elasticseach识别的数据类型，结合字段名称，来动态设定字段类型
- 所有的字符串类型都设定成Keyword,或者关闭keyword字段
- is开头的字段都设置成boolean
- long_开头的都设置成long类型

9.2.1 `Dynamic Template`

image

Dynamic Template是定义在某个索引的Mapping中
Template有一个名称
匹配规则是一个数组
为匹配到字段设置Mapping

image

GET my_index/_mapping
DELETE my_index
PUT my_index
{
  "mappings": {
    "dynamic_templates": [
      {
        "string_as_boolean": {
          "match_mapping_type": "string",
          "match" : "is*",
          "mapping": {
            "type": "boolean"
          }
        } 
      },
      {
        "string_as_keywords": {
          "match_mapping_type" : "string",
          "mapping" : {
            "type" : "keyword"
          }
        }
      }
    ]
  }
}

PUT my_index/_doc/1
{
  "firstName" : "Ruan",
  "isVip" : "true"
}

GET my_index/_mapping

10. `Elasticsearch`聚合分析简介

10.1 什么是聚合？

Elasticsearch除了搜索之外，提供的针对ES数据进行统计分析的功能
- 实时性高
- Hadoop(T+1)
通过聚合，我们会得到一个数据的概览，是分析和总结全套的数据，而不是寻找单个文档
- 尖沙咀和香港岛的客房数量
- 不同的价格区间，可预定的经济型酒店和五星级酒店的数量
高性能，只需要一条语句，就可以从Elasticsearch得到分析结果
- 无需再客户端自己去实现分析逻辑
Kibana中大量的可视化报表，都是聚合分析来的

10.2 聚合的分类

Bucket Aggregation:一些列满足特定条件的文档的集合（类似Group BY）
Metric Aggregation:一些数学运算，可以对文档字段进行统计分析(最大值、最小值、平均值)
Pipeline Aggregation:对其他的聚合结果进行二次聚合
Matrix Aggregation:支持多个字段的操作并提供一个结果矩阵

10.3 `Bucket` & `Metric`

Bucket: 可以理解为SQL中的Group
Metric: 可以理解为SQL中的Count,可以执行一系列的统计方法

10.3.1 `Bucket`

image

一些例子
- 杭州属于浙江/一个演员属于男或女
- 嵌套关系：杭州属于浙江属于中国属于亚洲
Elasticsearch提供了很多类型的Bucket，帮助你用多种方式划分文档
- Term & Range(时间/年龄区间/地理位置)

image

10.3.2 `Metric`

Metric会基于数据集计算结果，除了支持在字段上进行计算，同样也支持在脚本(painless script)产生的结果之上进行计算
大多数Metric是数学计算，仅输出一个值
- min/max/sum/avg/cardinality
部分metric支持输出多个数值
- stats/percentiles/percentile_ranks

image

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 203,362评论 5赞 477
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 85,330评论 2赞 381
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 150,247评论 0赞 337
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 54,560评论 1赞 273
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 63,580评论 5赞 365
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 48,569评论 1赞 281
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 37,929评论 3赞 395
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 36,587评论 0赞 258
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 40,840评论 1赞 297
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 35,596评论 2赞 321
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 37,678评论 1赞 329
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 33,366评论 4赞 318
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 38,945评论 3赞 307
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 29,929评论 0赞 19
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 31,165评论 1赞 259
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 43,271评论 2赞 349
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 42,403评论 2赞 342

ES基础学习二

三、Elasticsearch入门

1. Elasticsearch基本概念

1.1 文档

1.1.1 Json文档

1.1.2 文档元数据

1.2 索引

1.2.1 索引的不同语义

1.2.2 Type(这个我也不知道是干什么的)

1.2.3 ES和RDBMS对比

1.3 REST API

1.4 kibana上索引管理

1.5 分布式系统的可用性和扩展性

1.5.1 高可用

1.5.2 可扩展性

1.6 ES的分布式特性

1.6.1 ES的分布式架构的好处

1.6.2 ES的分布式架构

1.7 ES节点

1.8 Master-eligible nodes和Master Node

1.8 Data Node & Coordinating Node

1.9 其他节点类型

1.10 配置节点类型

1.11 分片(Primary Shard & Replica Shard)

1.12 分片的设定（主分片是在创建时设定的，后期不能改，除非reindex）

1.13 查看集群的健康状况

2. 文档的基本CRUD与批量操作

2.1 文档的CRUD

2.1.1 Create一个文档

2.1.2 Get一个文档

2.1.3 Index文档

2.1.4 Update文档

2.2 批量操作

2.2.1 Bulk API

2.2.2 批量读取-mget

2.2.3 批量查询-msearch

2.2.4 常见错误返回

3. 正排与倒排索引

3.1 正排

3.2 倒排索引

3.2.1 倒排索引的核心组成

3.2.2 Elasticsearch的一个例子

3.2.3 Elasticsearch的倒排索引

4. 通过Analyzer进行分词

4.1 Analysis与Analyzer

4.2 Analyzer的组成

5. Elasticsearch的内置分词器

5.1 使用_analyzer API

5.1.1 直接指定Analyzer进行测试

5.2.2 指定索引的字段进行测试

5.2.3 自定义分词器进行测试

5.2 Standard Analyzer分词器(<font size = 3 color = red>Elasticsearch的默认分词器</font>)

5.3 Simple Analyzer

5.3 Whitespace Analyzer

5.4 Stop Analyzer

5.5 Keyword Analyzer

5.5 Pattern Analyzer

5.6 Language Analyzer

5.7 中文分词的难点

5.8 ICU Analyzer

5. Search API概述

5.1 指定查询的索引

5.2 URI查询

5.3 Request Body查询

5.4 搜索的返回结果（Response）

5.5 相关性

5.5.1 搜索的相关性

5.5.2 衡量相关性

5.5.3 Precision and Recall

5.6 URI Search:通过URI query实现搜索

5.6.1 指定字段查询 VS 范查询

5.6.2 Term VS Phrase

5.6.3 布尔操作和分组操作

5.6.4 范围查询和算数符号

5.6.5 通配符查询、正则表达式、模糊匹配与近似查询

5.7 Request Body与Query DSL简介

5.7.1 Request Body Search

5.7.2 分页

5.7.3 排序

5.7.4 _source filtering

三、`Elasticsearch`入门

1. `Elasticsearch`基本概念

1.2.2 `Type`(这个我也不知道是干什么的)

1.2.3 `ES`和`RDBMS`对比

1.3 `REST API`

1.4 `kibana`上索引管理

1.6 `ES`的分布式特性

1.6.1 `ES`的分布式架构的好处

1.6.2 `ES`的分布式架构

1.7 `ES`节点

1.8 `Master-eligible nodes`和`Master Node`

1.8 `Data Node & Coordinating Node`

1.11 分片(`Primary Shard` & `Replica Shard`)

1.12 分片的设定（主分片是在创建时设定的，后期不能改，除非`reindex`）

2.1.1 `Create`一个文档

2.1.2 `Get`一个文档

2.1.3 `Index`文档

2.1.4 `Update`文档

2.2.1 `Bulk API`

2.2.2 批量读取-`mget`

2.2.3 批量查询-`msearch`

3.2.2 `Elasticsearch`的一个例子

3.2.3 `Elasticsearch`的倒排索引

4. 通过`Analyzer`进行分词

4.1 `Analysis`与`Analyzer`

4.2 `Analyzer`的组成

5. `Elasticsearch`的内置分词器

5.1 使用`_analyzer API`

5.1.1 直接指定`Analyzer`进行测试

5.2 `Standard Analyzer`分词器(<font size = 3 color = red>`Elasticsearch`的默认分词器</font>)

5.3 `Simple Analyzer`

5.3 `Whitespace Analyzer`

5.4 `Stop Analyzer`

5.5 `Keyword Analyzer`

5.5 `Pattern Analyzer`

5.6 `Language Analyzer`

5.8 `ICU Analyzer`

5. `Search API`概述

5.2 `URI`查询

5.3 `Request Body`查询

5.5.3 `Precision` and `Recall`

5.6 `URI Search`:通过`URI query`实现搜索

5.6.2 `Term` VS `Phrase`

5.7 `Request Body`与`Query DSL`简介

5.7.1 `Request Body Search`

5.7.4 `_source filtering`

5.7.6 使用查询表达式：`Match Query`(我们之前学了`Term Query`,`Phrase Query`)

5.7.7 短语搜索：`Match Phrase`查询

5.9 `Query String`和`Simple Query String`查询

5.8.1 `Query String Query`

5.8.1 `Simple Query String Query`

6. `Dynamic Mapping`和常见字段类型

6.1 什么是`Mapping`

6.2 `Elasticsearch`字段的数据类型

6.3 什么是`Dynamic Mapping`

6.5 能否更改`Mapping`的字段类型

6.6 控制`Dynamic Mappings`

7 显示`Mapping`设置与常见参数

7.1 如何显示定义一个`Mapping`

7.2 自定义`Mapping`的一些建议

7.3 `index Options`

7.4 `null_value`

7.5 `copy_to`设置

8. 多字段特性及`Mapping`中配置自定义`Analyzer`

8.2 `Exact Values`(精确值) VS `Full Text`(全文本)

8.2.1 `Exact Values`不需要被分词（Exact Values和Full Text最大的区别）

8.3.1 `Character Filters`

8.3.2 `Tokenizer`

8.3.3 `Token Filters`

9. `Index Template`和`Dynamic Template`

9.1 什么是`Index Template`

9.1.1 `Index Template`的工作方式

9.2 什么是`Dynamic Template`

9.2.1 `Dynamic Template`

10. `Elasticsearch`聚合分析简介

10.3 `Bucket` & `Metric`

10.3.1 `Bucket`

10.3.2 `Metric`