疫情已經持續了好幾個月了，作為程序員滴我們也幫不上什么忙，只有老老實實呆在家里或者出門一定戴口罩准守一些規則，不給國家添亂。不過最近疫情開始有所扭轉，但是還是對國家經濟，對企業業務造成了很大的影響，我也被停止了實習。接下來，可能會面臨着失業，破產等等嚴肅的問題。但是我們還是需要繼續學習，提高自己的競爭力，才能在疫情過后，有自己的一席之地，可以在合適自己的地方發揮自己的作用。中國加油，武漢加油。
全文檢索Elasticsearch
1. 相關特點：
- 分布式，無需人工搭建集群（solr需要人為配置，使用zookeeper作為注冊中心）
- Restful風格，一切API都遵循Rest原則，容易上手
- 近實時搜索，數據更新在ElasticSearch中幾乎是完全同步的。
2. 操作索引
- 基本概念：Elasticsearch是基於Lucene的全文檢索庫，本質也是存儲數據，很多概念與MySql類似的。
-
// 對比關系
索引集（indices）------------------------------------------------Databases 數據庫 類型（type）---------------------------------------------Table 數據表 文檔（Document）-----------------------------Row 行 字段（Field）----------------------Columns列 - 相關解釋：
-
- 類型（type）：一個索引庫下可以有不同類型的索引，比如商品類型、訂單類型，其數據格式不同。不過這回導致索引庫混亂，因此未來版本會移除這個概念。
- 映射配置（mappings）：字段的數據類型、屬性、是否索引、是否存儲等特性。
- 分片（shard）：數據拆分后的各個部分。
- 副本（replica）：每個分片的復制。
-
注意：Elasticsearch本身就是分布式的，因此即使你只有一個節點，Elasticsearch默認也會對你的數據進行分片和副本操作，當你向集群添加數據時，數據也會在新加入的節點中進行平衡。
a、創建索引：
- 請求方式：PUT
- 請求路徑：ip地址:端口號/索引庫名(下文相關 HTTP請求路徑 省略)
- 請求參數：json格式
- 例子：
{ // settings: 索引庫的設置。 "settings": { "number_of_shards": 3, // 分片數量 "number_of_replicas": 2 // 副本數量 } }
b、刪除索引
- 請求方式：DELETE
- 請求路徑：/索引庫名
c、查詢索引
- 請求方式：GET
- 請求路徑：/索引庫名
d、創建映射字段
- 請求方式：PUT
- 請求路徑：/索引庫名/_mapping/類型名稱
- 請求參數：json格式
- 例子：
{ "properties": { "字段名": { "type": "類型", "index": true, "store": true, "analyzer": "分詞器" // 分詞器 } } }
- 例子：
- 相關解釋
- 類型名稱：就是type的概念，類似於數據庫中的不同表
- 字段名：任意寫，可以指定許多屬性，例如
- type類型，可以是String類型（text【可分詞】、keyword【不可分詞】）、long、short、date、integer、object等。
-
注意：如果存的是對象，比如：{girl: {name:"rose",age:21}} 會被處理成兩個字段：girl.name和girl.age
-
- index：是否索引，默認為true。如果索引，則可以用來搜索。
- store：是否存儲，默認為false。在Elasticsearch中，即便store設為false，也可以搜索到結果（原因：Elasticsearch在創建文檔搜索時，會將文檔中的原始數據備份，保存到一個叫做_source的屬性中。而且我們可以通過過濾_source來選擇那些需要顯示，那些不顯示。
3. 新增數據
- 隨機生成id
- 請求方式：POST
- 請求路徑：/索引庫名/類型名稱
- 請求參數： { "key": "value" }
- 自定義id
-
POST /索引庫名/類型名稱/id值 { ... } - 智能判斷：
- solr：新增數據時，只能使用提前配置好映射屬性的字段，否則會報錯。
- Elasticsearch：不需要給索引庫設置任何mapping映射，它也可以根據你輸入的數據來判斷類型，動態添加數據映射。（如果存儲的是String類型數據，ES無智能判斷，它會存入兩個字段。例如：存入一個name字段，智能形成兩個字段 name: text類型 name.keyword: keyword類型）
4. 修改數據：
- 請求方式： PUT
- 請求路徑：/索引庫名/類型名稱/id值
- 注意：修改必須指定id。id對應的文檔存在，則修改；id對應文檔不存在，則新增。
5. 查詢
- 基本查詢：
GET /索引庫名/_search { "query": { "查詢類型": { "查詢條件":"查詢條件值" } } } 例子： GET /article/_search { "query": { "match": { "title": { "query": "廣州上海", "operator":"and" } } } }- 查詢類型：
- 查詢所有（match_all）【全文檢索】
- 多字段查詢（multi_match）
-
GET /索引庫名/_search { "query": { "multi_match": { "query": "查詢內容", "fields": ["查詢字段1","查詢字段2"] } } } - 詞條匹配（term）：查詢被用於精確值匹配，這些精確值可能是數字、時間、布爾或者那些未分詞的字符串。推薦除了text以外的類型用term，減少分詞帶來的消耗，例
GET /索引庫名/_search { "query": { "term": { "查詢字段":"查詢內容" } } } - 結果過濾：{ "_source" : [ "過濾字段1" , "過濾字段2" ] }。
{ "_source": { # "includes": "過濾字段" # 和上面作用一樣 "excludes":"排除過濾字段" } }
- 查詢類型：
- 高級查詢
- 模糊查詢（fuzzy）
- 范圍查詢（range）
GET /索引庫名/_search { "query": { "range": { "查詢字段": { "gte": 數值, # 大於，可省略 "lte": 數值 # 小於，可省略 } } } } - 布爾查詢和過濾
GET /索引庫名/_search { "query": { "bool": { "must": [ {"match": { "查詢字段": "查詢內容" }} ], "filter": { "range": { "過濾字段": { "gte": 數值 } } } } } } - 排序
"sort": [ { "排序字段": { "order": "desc" # 降序排序 } } ] - 分頁： "from" : 數值 "size" : 數值
6. 聚合aggregations：實現對數據的統計、分析
- 基本概念：包括多種類型，最常見的兩種，一個叫 桶（bucket），一個叫 度量（metrics）
- 桶：作用：是按照某種方式對數據進行分組，每一組數據在es中稱為一個桶（組）。
- Terms Aggregation：根據詞條內容分組，詞條內容完全匹配的為一組
- Range Aggregation：數值和日期的范圍分組，指定開始和結束，然后按段分組
- Histogram Aggregation：根據數值階梯（Inteval）分組
- Date Aggregation：根據日期階梯分組，例如：給定階梯為周，會自動每周分為一組
-
GET /索引庫名/_search { "aggs": { "桶分組名稱": { "桶分組方式": { "field": "分桶字段" } } } }
- 度量：分組完以后，一般會對組中的數據進行聚合運算，例如：求平均值、最大、最小、求和等，這些在es中稱為度量
- Avg Aggregation：求平均值
- Max Aggregation：求最大值
- Min Aggregation：求最小值
- Percentiles Aggregation：求百分比
- Stats Aggregation：同時返回avg、max、min、sum、count等
- Sum Aggregation：求和
- Top hits Aggregation：求前幾
- Value Count Aggregation：求總數
-
GET /索引庫名/_search { "aggs": { "度量名稱": { "度量運算": { "field": "運算字段" } } } } 例子：{ "size": 0, "aggs": { "popular_brand": { "terms": { "field": "make" }, "aggs": { "price_avg": { "avg": { "field": "price" } } } } } }
- 桶：作用：是按照某種方式對數據進行分組，每一組數據在es中稱為一個桶（組）。