一、相關概念
Index（索引）【同樣是名詞這里與mysql中的索引還是有區別的】
Index是名詞的時候就是我們平時理解的索引，好比導航一個可以方便我們查詢，但在es中Index（索引）常常是一個動詞應該被理解為添加。索引是一些具有相似特征的文檔集合，類似於MySql中數據庫的概念。
Near Realtime（近實時）
Elasticsearch是一個近乎實時的搜索平台，這意味着從索引文檔到可搜索文檔之間只有一個輕微的延遲(通常是一秒鍾)。
Cluster（集群）
群集是一個或多個節點的集合，它們一起保存整個數據，並提供跨所有節點的聯合索引和搜索功能。每個群集都有自己的唯一群集名稱，節點通過名稱加入群集。（集群分為主節點和從節點）
Node（節點）
節點是指屬於集群的單個Elasticsearch實例，elasticsearch 是java編寫的，所以每個節點本質上都是一個java進程，每個節點存儲數據並參與集群的索引和搜索功能。可以將節點配置為按集群名稱加入特定集群，默認情況下，每個節點都設置為加入一個名為elasticsearch的群集。
Type（類型）
類型是索引的邏輯類別分區，通常，為具有一組公共字段的文檔類型，類似MySql中表的概念。注意：在Elasticsearch 6.0.0及更高的版本中，一個索引只能包含一個類型（_doc）。
Document（文檔）
文檔是可被索引的基本信息單位，以JSON形式表示，類似於MySql中行記錄的概念，即一條信息就是一個文檔。
Feilds（列 column）
ES允許同一個字段有兩個不同的類型，例如一個字段可以擁有keyword類型來進行聚合與排序，也可以擁有text來做全文檢索。
Shards（分片）
當索引存儲大量數據時，可能會超出單個節點的硬件限制，為了解決這個問題，Elasticsearch提供了將索引細分為分片的概念。分片機制賦予了索引水平擴容的能力、並允許跨分片分發和並行化操作，從而提高性能和吞吐量。
Replicas（副本）
在可能出現故障的網絡環境中，需要有一個故障切換機制，Elasticsearch提供了將索引的分片復制為一個或多個副本的功能，副本在某些節點失效的情況下提供高可用性。
文檔的元數據用於標注穩定的相關信息（_index -文檔所屬的索引名，_type -文檔所屬的類型名，_source-文檔的原始Json數據，_version-文檔的版本，_score-相關性得分）
二、簡單操作
1、索引操作（index）
1）查看索引信息
GET /_cat/indices?v
2）創建索引
PUT /customer
3）刪除索引
DELETE /customer
2、文檔操作（document）
1）添加或者修改索引
PUT /customer/_doc/1 { "name": "John Doe" }
2）查看索引中的文檔
GET /customer/_doc/1
3）修改索引中的文檔
POST /customer/_doc/1/_update { "doc": { "name": "Jane Doe" } }
4）刪除索引中的文檔
DELETE /customer/_doc/1
5）批量添加
POST /_bulk { "create" : { "_index" : "wxkj", "_type" : "user", "_id" : "1" } } {"name":"jjl","age":30} { "create" : { "_index" : "wxkj", "_type" : "user", "_id" : "2" } } {"name":"xb","age":40}
3、數據搜索（對index下的document操作）
bank為索引名
1）查詢所有數據
GET /bank/_search
{ "query": { "match_all": {} } }
2）分頁搜索，from表示偏移量，從0開始，size表示每頁顯示的數量
GET /bank/_search { "query": { "match_all": {} }, "from": 0, "size": 10 }
3）搜索排序，使用sort表示，例如按balance字段降序排列
GET /bank/_search { "query": { "match_all": {} }, "sort": { "balance": { "order": "desc" } } }
4）搜索並返回指定字段內容，使用_source表示，例如只返回account_number和balance兩個字段內容
GET /bank/_search { "query": { "match_all": {} }, "sort": { "balance": { "order": "desc" } }, "_source": ["account_number", "balance"] }
5）條件搜索，使用match表示匹配條件，例如搜索出account_number為20的文檔
GET /bank/_search { "query": { "match": { "account_number": 20 } } }
6）文本類型字段的條件搜索，例如搜索address字段中包含mill的文檔，對比上一條搜索可以發現，對於數值類型match操作使用的是精確匹配，對於文本類型(text)使用的是模糊匹配
GET /bank/_search { "query": { "match": { "address": "mill" } }, "_source": [ "address", "account_number" ] }
7）短語匹配搜索，使用match_phrase表示，例如搜索address字段中同時包含mill和lane的文檔
GET /bank/_search { "query": { "match_phrase": { "address": "mill lane" } } }
8）組合搜索，使用bool來進行組合，must表示同時滿足，例如搜索address字段中同時包含mill和lane的文檔
GET /bank/_search { "query": { "bool": { "must": [ { "match": { "address": "mill" } }, { "match": { "address": "lane" } } ] } } }
9）組合搜索，should表示滿足其中任意一個，搜索address字段中包含mill或者lane的文檔
GET /bank/_search { "query": { "bool": { "should": [ { "match": { "address": "mill" } }, { "match": { "address": "lane" } } ] } } }
10）組合搜索，must_not表示同時不滿足，例如搜索address字段中不包含mill且不包含lane的文檔
GET /bank/_search { "query": { "bool": { "must_not": [ { "match": { "address": "mill" } }, { "match": { "address": "lane" } } ] } } }
11）組合搜索，組合must和must_not，例如搜索age字段等於40且state字段不包含ID的文檔
GET /bank/_search { "query": { "bool": { "must": [ { "match": { "age": "40" } } ], "must_not": [ { "match": { "state": "ID" } } ] } } }
4. 過濾搜索
1）搜索過濾，使用filter來表示，例如過濾出balance字段在20000~30000的文檔
GET /bank/_search { "query": { "bool": { "must": { "match_all": {} }, "filter": { "range": { "balance": { "gte": 20000, "lte": 30000 } } } } } }
5、搜索聚合
1）對搜索結果進行聚合，使用aggs來表示，類似於MySql中的group by，例如對state字段進行聚合，統計出相同state的文檔數量
GET /bank/_search { "size": 0, "aggs": { "group_by_state": { "terms": { "field": "state.keyword" } } } }
2）嵌套聚合，例如對state字段進行聚合，統計出相同state的文檔數量，再統計出balance的平均值
GET /bank/_search { "size": 0, "aggs": { "group_by_state": { "terms": { "field": "state.keyword" }, "aggs": { "average_balance": { "avg": { "field": "balance" } } } } } }
3）對聚合搜索的結果進行排序，例如按balance的平均值降序排列
GET /bank/_search { "size": 0, "aggs": { "group_by_state": { "terms": { "field": "state.keyword", "order": { "average_balance": "desc" } }, "aggs": { "average_balance": { "avg": { "field": "balance" } } } } } }
4）按字段值的范圍進行分段聚合，例如分段范圍為age字段的[20,30] [30,40] [40,50]，之后按gender統計文檔個數和balance的平均值
GET /bank/_search { "size": 0, "aggs": { "group_by_age": { "range": { "field": "age", "ranges": [ { "from": 20, "to": 30 }, { "from": 30, "to": 40 }, { "from": 40, "to": 50 } ] }, "aggs": { "group_by_gender": { "terms": { "field": "gender.keyword" }, "aggs": { "average_balance": { "avg": { "field": "balance" } } } } } } } }