批量操作
首先创建一个用于演示的索引
_mget批量查询
也可以这样写
bulk批量导入
批量导入可以合并多个操作，比如index,delete,update,create等等。也可以帮助从一个索引导入另一个索引。需要注意的是，每一条数据都由两行构成(delete除外)，其它命令比如index和create都是由元信息行和数据行组成，update比较特殊，它的数据行可能是doc，也可能是upset或者script,如果不了解的朋友可以参考前面的update的翻译。
action_and_meta_data\n
optional_source\n
举个例子：
{"index":{"_index":"test","_type":"type1","_id":"1"}}
{"field1":"value1"}
bulk各种操作
映射
定义：创建索引的时候，可以预先定义字段的类型以及相应属性
elasticsearch会根据JSON源数据的基础类型猜测你想要的字段映射。将输入的数据转变成可搜索的索引项。Mapping就是我们自己定义的字段的数据类型，同时告诉elasticsearch如何索引数据以及是否可以被搜索。
作用：会让索引建立的更加细致和完善
类型：静态映射和动态映射
内置类型
string类型：text,keyword(string类型在es5开始已经废弃)
数字类型：long,integer,short,byte,double,float
日期类型：date
bool类型：boolen
binary类型：binary
复杂类型：object,nested
geo类型：geo-point,geo-shape
专业类型：ip,competion
常用属性
属性：描述
store：值为yes表示存储，为no表示不存储，默认为no，适合所有类型
index：yes表示分析，no表示不分析，默认值为true，适合string类型
null_value：如果字段为空，可以设置一个默认值，比如“NA”，适合所有类型
analyzer：可以设置索引和搜索时用的分析器，默认使用的是standard分析其，还可以使用whitespace,simple.english
include_in_all：默认es为每个文档定义一个特殊域_all，它的作用是让每个字段被搜索到，如果不想某个字段被搜索到，可以设置为false，适合所有类型
format：时间格式字符串的模式，适合date类型
创建映射例子：
对应这个映射创建一条数据
当然，映射也是可以获取的
查询
elasticsearch是功能非常强大的搜索引擎，使用它的目的就是为了快速的查询到需要的数据。
查询分类：
基本查询：使用elasticsearch内置查询条件进行查询
组合查询：把多个查询组合在一起进行复合查询
过滤：查询同时，通过filter条件在不影响打分的情况下筛选数据
match查询:会将被查询对象先进行分词处理，在作为关键词进行查询。如下图就把title中包含python的数据查询出来了。
我们将title换成python网站，发现也可以检索出这两条信息，原因是match操作会将title中的字段进行分词，然后作为关键字进行搜索，类似于or的关系。
term查询:会将被查询对象作为一个关键字直接进行查询，如下图：
terms查询:将对一组关键字进行查询，如下图：
_search操作还有两个参数from和size分别表示从第from条数据开始，返回size条数据。
也可以这样写，返回所以数据
短语查询：
会将被查询对象进行分词作为一个数据，然后查找满足这个数组中所有关键词的字段。
slop的值表示分词之间的最大距离
多字段查询
一些属性
store_field
我们还可以设置store_field,限定只返回哪些字段里store属性设置为true的字段
sort
如图表示对“comments”字段表示升序排列，desc换成asc表示降序
range
当然我们也可以设置查询范围,其中gte表示大于等于，lte表示小于等于，gt／lt表示大于/小于，boost表示权重。
组合查询：
bool查询
注意，老版本的filtered已经被bool替换
先建立测试数据
bool接受四种值：must、filter、should、must_not
filter:字段过滤，不参与打分
must:数据里所有查询都必须满足
should:数据里所有查询满足一个就行了
must_not:数据里所有查询都必须不满足
以下查询等价于SQL语句“SELECT * FROM testjob WHERE salary=20”
将scrapy中爬取的数据写入ES
首先安装一个应用：elasticsearch-dsl
>>>pip3 install elasticsearch-dsl
以下是文档中的使用说明
在Scrapy中构建数据模型
在scrapy项目根目录下仿照 django的结构构建一个models文件夹，并在文件夹内创建一个数据模型文件：
然后我们运行这个脚本，在head页面中就能看到刚创建了一个对应的索引
然后，我们回到scrapy，打开pipeline,写一个将item中数据传入Doctype保存的逻辑
然后在scrapy中执行这个脚本，便能在ES中发现数据。
添加搜索推荐功能：
在需要添加推荐功能的DocType类中添加一个字段，如下所示：
而在items中则需要添加相应的 items搜索建议池
