為什么使用 ES？
在傳統的數據庫中，如果使用某列記錄某件商品的標題或簡介。在檢索時要想使用關鍵詞來查詢某個記錄，那么是很困難的，假設搜索關鍵詞 "小米"，那么 sql 語句就是
select * from product where title like concat("%","小米","%")
這樣即使 title 列上包含索引，索引也會失效。而如果使用全文索引，因為 B+ 樹不支持全文索引，所以選擇了全文索引就失去了 B+ 遍歷高效的優點。所以 ES 就登場了，ES 之所以能高效檢索，主要原因就是其倒排索引的特點。常規的索引，也就是正向索引，查詢的過程是獲取整條數據，然后從整條數據中來匹配關鍵詞，如果包含就返回。而倒排索引是將數據拆分成多個關鍵詞，每個關鍵詞都作為一個倒排索引，然后查詢時直接判斷匹配，如果存在就返回該數據。這樣因為使用了索引效率就極大的提高了。
概念
索引：相當於 MySQL 的庫概念。
類型：相當於 MySQL 的表概念，在 ES7被移除。
文檔：相當於 MySQL 的行記錄概念。
字段：相當於 MySQL 的列概念。
分片：將某一類字段的文檔拆分出來作為一個分片，查詢時如果是這個字段的，直接去這個分片里查，可以提高系統整體的吞吐量。
副本：分片的復制，可以提高吞吐量（查詢請求可以直接走副本）和分區容錯性（分片所在的節點宕機后包含該分片副本的節點可以代替分片作用）
語法結構
query條件
Match：匹配查詢
Balance：用於匹配的字段（相當於列名）,會對條件值進行分詞，再去 查詢，條件之間是 or 關系
字段后面加一個“.keyword”表示查詢完全匹配的字段。以address:”abc”為例，address必須為abc才算匹配。
Match_phrase：短語匹配
和 match 一樣也是先分詞再查詢，只不過條件是 and 關系
{
"query": {
"match_phrase": {
"content" : {
"query" : "我的寶馬多少馬力",
"slop" : 1 #允許少匹配的分詞個數
}
}
}
}
Match_all：所有字段匹配，其相反的是 match_none
Multi_match：多字段匹配
match 匹配的多字段匹配，多個字段只要有一個包含就滿足，返回，同時也支持分詞匹配
Address、city列只要有一個包含 mill和movico其中一個就滿足
Bool：復合查詢（多條件復雜查詢）
Must:必須滿足的
Match:匹配查詢，字符串模糊查詢，數字精確查詢
Must_not：必須不滿足
Should:可以滿足可以不滿足，滿足的得分更高，排在前面。
Filter：與must一樣，但是不會貢獻得分
Term：精確匹配
精確匹配，查詢完全匹配的字段值所對應的文檔
Terms：類似於 term，匹配多個值
如果字段是給定幾個值中的一個就返回
其他
分頁，指定返回的字段
結果分析
聚合
聚合就是在查詢結果的基礎上，進行分組統計，聚合可以迭代。
AVG：平均值聚合
Terms：類型聚合
...等等
Aggs：表示是聚合，與query一樣
ageAgg:聚合名,
Terms：類型聚合
Field：字段名
Size：取多少種
結果分析
Key：年齡
Doc_count:結果數
ageAvg：子聚合
Value：子聚合的值
Mapping 映射
映射主要指的是 ES 字段的單位。主要包括 Integer、long、keyword、text、nested（嵌入式，防止扁平化處理）。
查看某個索引下的映射
Get /bank/_mapping
添加索引並指定其字段映射
為某個索引添加新的字段並指定映射
修改字段映射
不支持對已存在的索引進行映射修改。可以使用數據遷移來完成。
1、創建臨時索引
2、將之前的索引數據遷移到創建的臨時索引中。
Source：原來的索引, index 來指定索引名也可以在index后面指定type，但是因為7開始移除了類型（相當於數據庫表），所以不需要指定了。
Dest：要轉移的索引名， index 來指定索引名。以當前例子來看就是 newbank
3、將原索引刪除，再創建新的索引，指定映射。
DELETE bank
4、最后將臨時索引數據遷移到新創建的索引中。
扁平化
由於扁平化的占用，在檢索 first 為 John，last 為 white 的文檔時，也會檢索到。所以對於子類中包含兩個或以上屬性的，應該將父類字段映射設為 nested 類型來防止 ES 的扁平化處理。（默認空間的不會進行扁平化，也就是properties下第一層的不會）
例子如下：
映射：
查詢：
聚合：
映射結果分析
分詞
分詞是 ES 的倒排索引，所以分詞器就決定了 ES 的倒排索引是什么，默認的分詞器是選擇空格隔開的英文作為一個分詞，中文的話每一個字都會是一個分詞。測試分詞效果：
如果想使用常用的中文分詞，可以使用 ik 分詞器，可以滿足絕大多數的中文分詞，而對於一些特殊的分詞，可以使用配置自定義的分詞，然后將保存自定義分詞的文件配置到 ik 分詞器中。
原理
ES架構
ES 是一個開源的高拓展的分布式全文搜索引擎，這句話表現出 ES 的兩個重要特點，全文搜索和高拓展分布式。其中全文搜索可以通過倒排索引體現出，而高拓展的分布式則可以通過其架構體現出。上面就是一個 ES 集群的架構圖，Node1、Node2、Node3 是三個節點服務器，其中 Node1 是主節點。在 ES 中配置了三個分片（P0、P1、P2，這三個分片保存着 ES 整個數據），同時，為了保證 ES 的分區容錯性以及查詢效率，每個分片還配置了一個副本（分別是 R0、R1、R2），原分片處理讀和寫操作，副本處理讀操作。在分布中將副本與原分片拆開放置，避免某個節點宕機該分片的數據無法使用。並且在增加節點后，集群會自動分配分片和副本，保證均勻分布在不同的節點上。比如：
單節點：
二節點：
三節點：
操作過程
存儲：根據存儲數據的 hash 取余計算分配的節點位置，選擇分片進行保存，隨后再將保存數據更新到所有副本中。默認情況下當大多數副本都同步完成時，就返回存儲完成的通知。這個可以通過 consistency 參數配置，all 表示必須所有的 副本都同步完成才返回存儲完成的通知，one 表示只要主分片同步完成就返回存儲完成的通知（檢索結果可能會被還未同步的副本處理，造成未檢索到），默認值是 quornum。
查詢：輪詢數據所在的分片和副本，發送請求。
更新：和存儲一樣，取余得到節點位置，找到分片后更新，再同步到其他副本，等到所有副本都同步完成后再返回更新成功的提示。
倒排索引的結構：倒排索引是無法修改的，好處是不用擔心讀寫不一致的問題，但是缺點也非常明顯，會大量的占用空間。為了減少空間占用，引入了段的概念，每個倒排索引都擁有一個段，在每次更新時都會將補充索引寫入段中，然后檢索時就會結合段中的數據和補充索引返回數據。
刪除：每個段中都有一個 .del 文件，當該倒排索引被下達刪除請求后，就會在 .del 文件進行標記，隨后檢索就會跳過當前段，也就是邏輯刪除。當倒排索引特別多時，會進行合並，此時會將那些邏輯刪除的段徹底刪除。
持久化：ES 數據的保存和檢索都在內存中，這也是它檢索速度快的原因之一，而其也會定期持久化到磁盤。
在分片執行更新、保存數據時，底層還伴隨着定期持久化，在寫入時，會先更新內存，隨后寫入內存中的 translog 里（避免斷電導致內存數據丟失，類似於 mysql 中的 redo log）。然后進行 refresh（默認1s執行一次）到文件系統緩存，更新到系統緩存后數據才能被檢索到。並且后台還會定期 flush（默認30min執行一次） ，將數據持久化到磁盤上。
本文主要參考某谷的ES視頻