環境：elasticsearch6.1.2 kibana6.1.2
基礎概念：
1、_index元數據
（1）代表一個document存放在哪個index中
（2）類似的數據放在一個索引，非類似的數據放不同索引：product index（包含了所有的商品），sales index（包含了所有的商品銷售數據），inventory index（包含了所有庫存相關的數據）。如果你把比如product，sales，human resource（employee），全都放在一個大的index里面，比如說company index，不合適的。
（3）index中包含了很多類似的document：類似是什么意思，其實指的就是說，這些document的fields很大一部分是相同的，你說你放了3個document，每個document的fields都完全不一樣，這就不是類似了，就不太適合放到一個index里面去了。
（4）索引名稱必須是小寫的，不能用下划線開頭，不能包含逗號。
2、_type元數據
（1）代表document屬於index中的哪個類別（type）
（2）一個索引通常會划分為多個type，邏輯上對index中有些許不同的幾類數據進行分類：因為一批相同的數據，可能有很多相同的fields，但是還是可能會有一些輕微的不同，可能會有少數fields是不一樣的，舉個例子，就比如說，商品，可能划分為電子商品，生鮮商品，日化商品，等等。
（3）type名稱可以是大寫或者小寫，但是同時不能用下划線開頭，不能包含逗號
3、_id元數據
（1）代表document的唯一標識，與index和type一起，可以唯一標識和定位一個document
（2）我們可以手動指定document的id（put /index/type/id），也可以不指定，由es自動為我們創建一個id
一、插入
數據准備（插入）：es會自動建立index和type，不需要提前創建，而且es默認會對document每個field都建立倒排索引，讓其可以被搜索。
PUT /ecommerce/product/1 { "name" : "gaolujie yagao", "desc" : "gaoxiao meibai", "price" : 30, "producer" : "gaolujie producer", "tags": [ "meibai", "fangzhu" ] } PUT /ecommerce/product/2 { "name" : "jiajieshi yagao", "desc" : "youxiao fangzhu", "price" : 25, "producer" : "jiajieshi producer", "tags": [ "fangzhu" ] } PUT /ecommerce/product/3 { "name" : "zhonghua yagao", "desc" : "caoben zhiwu", "price" : 40, "producer" : "zhonghua producer", "tags": [ "qingxin" ] }
插入數據時的id生成策略：
手動指定document id：當es的數據來源於其他系統，比如mysql而這些數據都有主鍵ID，建議使用該方式，可以直接將mysql的主鍵作為es中的ID。
自動生成的id：當我們的數據是直接存儲到es中時，建議采用該方式。該方式的特點，長度為20個字符，URL安全，base64編碼，GUID，分布式系統並行生成時不可能會發生沖突。
POST /test_index/test_type { "test_content": "my test" }
結果： { "_index": "test_index", "_type": "test_type", "_id": "fkSoJ2EBuYE9HLKhxglD", "_version": 1, "result": "created", "_shards": { "total": 2, "successful": 1, "failed": 0 }, "_seq_no": 0, "_primary_term": 1 }
二、修改
1、document的全量替換型修改：該方式是直接替換類型是 product id=1的文檔。該方式必須帶上所有的field，才能去進行信息的修改。
PUT /ecommerce/product/1 { "name" : "jiaqiangban gaolujie yagao", "desc" : "gaoxiao meibai", "price" : 30, "producer" : "gaolujie producer", "tags": [ "meibai", "fangzhu" ] }
注意：
1、document的全量替換
（1）語法與創建文檔是一樣的，如果document id不存在，那么就是創建；如果document id已經存在，那么就是全量替換操作，替換document的json串內容
（2）document是不可變的，如果要修改document的內容，第一種方式就是全量替換，直接對document重新建立索引，替換里面所有的內容
（3）es會將老的document標記為deleted，然后新增我們給定的一個document，當我們創建越來越多的document的時候，es會在適當的時機在后台啟動線程刪除標記為deleted的document，釋放空間。
2、partial update 指定修改內容修改（推薦該方式）
POST /ecommerce/product/1/_update { "doc": { "name": "jiaqiangban gaolujie yagao" } }
該方式發生的步驟與全量替換基本一樣，不過該方式將這些流程放在es內部，這樣減少了放了請求，減少並發沖突發的概率。他同樣會生成兩份document，老的document標記為deleted，partial update 修改的數據更新到新的document中。
retry_on_conflict（重策略）：當執行索引和更新的時候，有可能另一個進程正在執行更新。這個時候就會造成沖突，這個參數就是用於定義當遇到沖突時，再過多長時間執行操作，通過retry_on_conflict參數設置重試次數來自動完成，這樣update操作將會在發生錯誤前重試——這個值默認為0。
例如：
POST /test_index/test_type/1/_update?retry_on_conflict=5 { "doc": { "test_name": "update book re", "test_id":11122 } }
三、刪除
根據類型的Id直接刪除
DELETE /ecommerce/product/1
注意： 不是物理刪除，只會將其標記為deleted，當數據越來越多的時候，在后台啟動線程自動刪除，釋放空間。
四、查詢
（一）、query string search
什么是query string search：search參數都是以http請求的query string來附帶的
語法：
/_search 在所有的索引中搜索所有的類型 /gb/_search 在 gb 索引中搜索所有的類型 /gb,us/_search 在 gb 和 us 索引中搜索所有的文檔 /g*,u*/_search 在任何以 g 或者 u 開頭的索引中搜索所有的類型 /gb/user/_search 在 gb 索引中搜索 user 類型 /gb,us/user,tweet/_search 在 gb 和 us 索引中搜索 user 和 tweet 類型 /_all/user,tweet/_search 在所有的索引中搜索 user 和 tweet 類型
當在單一的索引下進行搜索的時候，Elasticsearch 轉發請求到索引的每個分片中，可以是主分片也可以是副本分片，然后從每個分片中收集結果。多索引搜索恰好也是用相同的方式工作的--只是會涉及到更多的分片。
demo：
1、搜索全部商品：
GET /ecommerce/product/_search
{
}
結果分析：
took：耗費了幾毫秒
timed_out：是否超時，這里是沒有
_shards：數據拆成了5個分片，所以對於搜索請求，會打到所有的primary shard（或者是它的某個replica shard也可以）
hits.total：查詢結果的數量，3個document
hits.max_score：score的含義，就是document對於一個search的相關度的匹配分數，越相關，就越匹配，分數也高
hits.hits：包含了匹配搜索的document的詳細數據
2、搜索商品名稱中包含yagao的商品，並按照價格倒序：
GET /ecommerce/product/_search?q=name:yagao&sort=price:desc
{
}
（二）、query DSL
DSL：Domain Specified Language，特定領域的語言
http request body：請求體，可以用json的格式來構建查詢語法，比較方便，可以構建各種復雜的語法。
1、分頁查詢所有商品並按照價格倒序
GET /ecommerce/product/_search { "query": { "match_all": {} }, "sort": [ { "price": "desc" } ], "from": 0, "size": 3 }
query:包裝查詢條件
sort：包裝排序條件
form：第幾頁
size：每頁幾條
2、根據名稱查詢，並按照價格倒序
GET /ecommerce/product/_search { "query": { "match": { "name":"yagao" } }, "sort": [ { "price": "desc" } ] }
3、指定返回結果的列（field）
GET /ecommerce/product/_search { "query": { "match_all": {} }, "_source": ["name", "price"] }
_source元數據：就是說，我們在創建一個document的時候，使用的那個放在request body中的json串，默認情況下，在get的時候，會原封不動的給我們返回回來。我們可以指定_source中，返回哪些field。
在分布式系統中深度分頁
理解為什么深度分頁是有問題的，我們可以假設在一個有 5 個主分片的索引中搜索。 當我們請求結果的第一頁（結果從 1 到 10 ），每一個分片產生前 10 的結果，並且返回給 協調節點 ，協調節點對 50 個結果排序得到全部結果的前 10 個。
現在假設我們請求第 1000 頁--結果從 10001 到 10010 。所有都以相同的方式工作除了每個分片不得不產生前10010個結果以外。 然后協調節點對全部 50050 個結果排序最后丟棄掉這些結果中的 50040 個結果。
可以看到，在分布式系統中，對結果排序的成本隨分頁的深度成指數上升。這就是 web 搜索引擎對任何查詢都不要返回超過 1000 個結果的原因。
（三）、query filter
1、搜索商品名稱包含yagao，而且售價大於25元的商品
GET /ecommerce/product/_search { "query" : { "bool" : { "must" : { "match" : { "name" : "yagao" } }, "filter" : { "range" : { "price" : { "gt" : 25 } } } } } }
（四）full-text search （全文檢索）
全文檢索會將輸入的搜索串拆解開來，去倒排索引里面去一一匹配，只要能匹配上任意一個拆解后的單詞，就可以作為結果返回。
1、根據一段文字進行查找
GET /ecommerce/product/_search { "query" : { "match" : { "producer" : "yagao producer" } } }
producer這個字段，會先被拆解，建立倒排索引。根據es中這個字段的所有數據分詞后有 jiajieshi、gaolujie、zhonghua、producer
查詢條件producer 也會被分詞 ，分詞為 yagao 和 producer
結果分析： "max_score": 0.2876821 匹配度
（五）、phrase search （短語查找）
輸入的搜索串，必須在指定的字段文本中，完全包含一模一樣的，才可以算匹配，作為結果返回。
GET /ecommerce/product/_search { "query" : { "match_phrase" : { "producer" : "yagao producer" } } }
結果為空
(六)、highlight search （高亮搜索結果）
GET /ecommerce/product/_search { "query" : { "match" : { "producer" : "producer" } }, "highlight": { "fields" : { "producer" : {} } } }