學習elasticsearch不僅只會操作，基本的運行原理我們還是需要進行了解，以下內容我講對elasticsearch中的基本知識原理進行梳理，希望對大家有所幫助！
一、ES版本控制
1．Elasticsearch采用了樂觀鎖來保證數據的一致性，也就是說，當用戶對document進行操作時，並不需要對該document做加鎖和解鎖的操作，只需要指定要操作的版本即可。當版本號一致時，elasticsearch會允許該操作順利執行，而當版本號存在沖突時，elasticsearch會提示沖突並拋出異常（versionConfilctEngineException異常）。
2．Elasticsearch的版本號取值范圍為1到2^63-1.
1、內部版本控制：
（1）使用的是_version 版本號要與文檔的版本號一致
3．外部版本控制：elasticsearch在處理外部版本號時會對內部版本號的處理有些不同。他不在是檢查_version是否與請求中指定的數值相同，而是檢查當前的_version是否比指定的數值小。如果請求成功，那么外部的版本號就會被存儲到文檔中的_version中。
4．為保持_version與外部版本控制的數據一致，使用version_type=external
二、ES的mapping
1、核心數據類型（以下的數據類型與java的數據類型類似）
（1）字符型
①Text：被用來索引長文本，在建立索引前會將這項文本進行分詞，轉化為詞的組合，建立索引。允許ES來檢索這些詞語。Text類型不能用來排序和聚合。
②Keyword：不需要進行分詞，可以被用來檢索過濾、排序和聚合。Keyword類型字段只能用本身來進行檢索
（2）數字類型
①byte,short,integer,Long,double,float
（3）日期類型：date
（4）二進制類型：binary
2、Maping 支持的屬性
"type" : "text", #是數據類型一般文本使用text(可分詞進行模糊查詢)；keyword無法被分詞(不需要執行分詞器)，用於精確查找
"analyzer" : "ik_max_word", #指定分詞器，一般使用最大分詞：ik_max_word
"normalizer" : "normalizer_name", #字段標准化規則；如把所有字符轉為小寫；具體如下舉例
"boost" : 1.5, #字段權重；用於查詢時評分，關鍵字段的權重就會高一些，默認都是1；另外查詢時可臨時指定權重
"coerce" : true, #清理臟數據：1，字符串會被強制轉換為整數 2，浮點數被強制轉換為整數；默認為true
"copy_to" : "field_name", #自定_all字段；指定某幾個字段拼接成自定義；具體如下舉例
"doc_values" : true, #加快排序、聚合操作，但需要額外存儲空間；默認true，對於確定不需要排序和聚合的字段可false
"dynamic" : true, #新字段動態添加 true:無限制 false:數據可寫入但該字段不保留 'strict':無法寫入拋異常
"enabled" : true, #是否會被索引，但都會存儲;可以針對一整個_doc
"fielddata" : false, #針對text字段加快排序和聚合（doc_values對text無效）；此項官網建議不開啟，非常消耗內存
"eager_global_ordinals": true, #是否開啟全局預加載,加快查詢；此參數只支持text和keyword，keyword默認可用，而text需要設置fielddata屬性
"format" : "yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis" ,#格式化 此參數代表可接受的時間格式 3種都接受
"ignore_above" : 100, #指定字段索引和存儲的長度最大值，超過最大值的會被忽略
"ignore_malformed" : false ,#插入文檔時是否忽略類型 默認是false 類型不一致無法插入
"index_options" : "docs" ,
# 4個可選參數
# docs（索引文檔號）,
# freqs（文檔號 + 詞頻），
# positions（文檔號 + 詞頻 + 位置，通常用來距離查詢），
# offsets（文檔號 + 詞頻 + 位置 + 偏移量，通常被使用在高亮字段）
# 分詞字段默認是position，其他的默認是docs
"index" : true, #該字段是否會被索引和可查詢 默認true
"fields": {"raw": {"type": "keyword"}} ,#可以對一個字段提供多種索引模式，使用text類型做全文檢索，也可使用keyword類型做聚合和排序
"norms" : true, #用於標准化文檔，以便查詢時計算文檔的相關性。建議不開啟
"null_value" : "NULL", #可以讓值為null的字段顯式的可索引、可搜索
"position_increment_gap" : 0 ,#詞組查詢時可以跨詞查詢 既可變為分詞查詢 默認100
"properties" : {}, #嵌套屬性，例如該字段是音樂，音樂還有歌詞，類型，歌手等屬性
"search_analyzer" : "ik_max_word" ,#查詢分詞器;一般情況和analyzer對應
"similarity" : "BM25",#用於指定文檔評分模型，參數有三個：
# BM25 ：ES和Lucene默認的評分模型
# classic ：TF/IDF評分
# boolean：布爾模型評分
"store" : true, #默認情況false,其實並不是真沒有存儲，_source字段里會保存一份原始文檔。
# 在某些情況下，store參數有意義，比如一個文檔里面有title、date和超大的content字段，如果只想獲取title和date
"term_vector" : "no" #默認不存儲向量信息，
# 支持參數yes（term存儲），
# with_positions（term + 位置）,
# with_offsets（term + 偏移量），
# with_positions_offsets(term + 位置 + 偏移量)
# 對快速高亮fast vector highlighter能提升性能，但開啟又會加大索引體積，不適合大數據量用
3、復雜數據類型
（1）數組類型：數組類型不需要專門制定數組元素的type。例如：
①字符型數組：[“one”,”two”]
②整形數組:[1,2]
③數組型數組：[1,[2,3]]等價於[1,2,3]
④對象數組：[{“name”:”mary”,”age”:20},{“name”:”john”,”age”:10}]
（2）對象類型(Object datatype):_object_用於單個json對象
（3）嵌套類型(Nested datatype):_nested_ 用於json數組；
4、地理位置類型
（4）地理坐標類型（Geo-pint datatype）：_geo_point_ 用於經緯度坐標：
（5）地理形狀類型（Geo-shape datatype）:_geo_shape_用於類似於多邊形的復雜形狀；
5、特定類型
（6）IPv4 類型（IPv4 datatype）：ip 用於IPv4 地址
（7）Completion 類型（Completion datatype）：completion 提供自動補全建議
（8）Token count 類型（Token count datatype）：token_count 用於統計做子標記的字段的index數目，該值會一直增加，不會因為過濾條件而減少
（9）mapper-murmur3 類型：通過插件，可以通過_murmur3_來計算index的哈希值
（10）附加類型（Attachment datatype）：采用mapper-attachments插件，可支持_attachments_索引，例如 Microsoft office 格式，Open Documnet 格式， ePub，HTML等
下篇博客本人將記錄使用elasticsearch查詢的知識。若大家對本篇博客有所疑問或不同見解，歡迎大家進行評論。本人博客首頁地址:https://home.cnblogs.com/u/chenyuanbo/
技術在於溝通交流！