一、顾名思义：
Elastic：灵活的；Search：搜索引擎
二、官方简介：
Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。
三、优势：
天然分片，天然集群，天然索引--->正如他的名字一样，查询速度快，是他最大的优势。
四、业务场景：
在大数据场景下，面对千万级数据，我们一般都会在mysql上进行分库分表。
比如我们根据公司名称查询公司详细信息，数据库已经被分成若干个，表分成若干个，
我们是不知道具体在哪个库，哪个表。分库分表后，每个表都有一个唯一标识id，
这个id可以解析出库表的后缀。那怎么根据名称获取这个id呢，有一种思路就是公司名称的md5，
然后解析到指定的索引库表，然后我们就可以查询到id，再根据id获取其他信息。
按照传统模式，我们需要从mysql查询两次，第一次从索引库查询id，
然后根据id获取其他信息。面对亿级数据，每过一次数据库，效率都要打折扣。
于是es携带其天生的全文高速检索优势正式亮相：有以下3种方案：
1、将索引库整合导入es，我们优先从es中进行精确或者模糊匹配，然后再去mysql查询具体数据。
2、将所有数据库整合导入es，直接从es查询。
3、每次先从es查询，es没有从mysql查询，然后更新到es。
大概分析下各自的优缺点。
1、可以大大提高检索效率，但需要消耗巨大存储与内存空间。
2、可以高效的支持精确与模糊查询，空间与效率折中。中庸之道。
3、业务环节变多，风险多，查询速度较低。
五、掀起盖头来（探索底层的奥秘）
很遗憾，这篇文章是掀不起来了，多次提笔，却发现自己还是没真正领悟，
无法用自己语言通俗的写出来，后续专门写一篇《掀起ElasticSearch的盖头》
六、重要知识点：
6.1、核心数据类型：
text：文本，默认会采用指定分词器进行分词，然后按照分词进行倒排索引。
keyword：一个串就是一个整体，直接按照keyword进行倒排索引。
6.2、分词：
分词是模糊匹配的基础，比如“中华人民共和国”，不同的分词器拆分不同，假设会将其拆分成“中华”，“人民”，“共和国”。
于是当我们利用“中华“进行模糊查询时，中华人民共和国就会被我们检索到。
6.3、常用工具：
Kibana（ELK中的K）：功能强大，酷炫。使用起来没有eshead的”德福感“（丝滑）
es_head：小而精悍，你要的他都有。
七、事上炼：
SpringBoot+ElasticSearch
7.1、es数据来源：
7.1.1、利用logstash导入
7.1.2、利用java api导入
7.2、es操作：
ES 7.0版本中将弃用TransportClient客户端，已证明存在性能问题
目前大都采用：ElasticsearchTemplate
7.3、例子
7.3.1、es中的结构
"name": {
"type": "text", #支持text，用于模糊匹配
"fields": {
"keyword": {
"ignore_above": 256,
"type": "keyword" #支持keyword，用户精确匹配
}
}
}7.3.2、模糊匹配
1、将要查询的词，先进行分词，再进行匹配（MatchQuery）
2、将要查询的词，作为一个整体，进行匹配（MatchPraseQuery），主要用这种
/**
* 模糊匹配*/
public List getEidsFromEs(String name) {
QueryBuilder queryBuilder = QueryBuilders.matchPhraseQuery(name, "name");
Pageable pageable = PageRequest.of(0, 10); //分页
NativeSearchQuery searchQuery = new NativeSearchQueryBuilder()
.withQuery(queryBuilder)
.withIndices("index")
.withTypes("_doc")
.withPageable(pageable)
.build();
AggregatedPage<doc> docs = template.queryForPage(searchQuery, doc.class);
List<doc> eids = docs.getContent();
return eids;
}
7.3.3精确匹配场景
1、单条件，单字段（条件：”中华“，查询es中name字段）->termQuery
2、单条件，多字段（条件：”中华“，查询es中name，ename，com_name字段）->termQuery+boolQuery
3、多条件，单字段（条件：”中华“，”中国“，查询es中name）->termsQuery
4、多条件，多字段（条件：”中华“，”中国“，查询es中name，ename，com_name字段）->termQuery+boolQuery
/**
* <单条件，单字段>模糊匹配*/
public List getEidsFromEs(String name) {
name = name + ".keyword"; //这很关键，增加后缀，启用keyword精确匹配
QueryBuilder queryBuilder = QueryBuilders.termQuery(name, "name");
Pageable pageable = PageRequest.of(0, 10); //分页
NativeSearchQuery searchQuery = new NativeSearchQueryBuilder()
.withQuery(queryBuilder)
.withIndices("index")
.withTypes("_doc")
.withPageable(pageable)
.build();
AggregatedPage<doc> docs = template.queryForPage(searchQuery, doc.class);
List<doc> eids = docs.getContent();
return eids;
}
/**
* <单条件，多字段>模糊匹配*/
Map<String, Object> boolQueryMap = new HashMap<>();
Map<String, Object> boolQuery = new HashMap<>();
for (String key : keys) {
boolQueryMap.put(key+".keyword", name);
boolQuery.put(key+".keyword", Constants.SHOULD);
}
SearchQueryBean searchQueryBean = new SearchQueryBean()
.setIndex(Constants.CBI_COMMON_INDEX).setType(Constants.CBI_COMMON_DOC)
.setBoolQuery(boolQuery).setBoolQueryMap(boolQueryMap)
.setPageNum(0).setPageSize(10)
.setClazz(EsIndexDocument.class);
BoolQueryBuilder booleanBoolQuery = QueryBuilders.boolQuery();
Iterator var3 = searchQueryBean.boolQueryMap.keySet().iterator();
while(var3.hasNext()) {
Object key = var3.next();
if (searchQueryBean.getBoolQuery().containsKey(key)) {
QueryBuilder queryBuilder = QueryBuilders.termQuery(key.toString(), searchQueryBean.boolQueryMap.get(key));
Method method = booleanBoolQuery.getClass().getMethod(searchQueryBean.getBoolQuery().get(key).toString(), QueryBuilder.class);
method.invoke(booleanBoolQuery, queryBuilder);
}
}
NativeSearchQuery searchQuery = this.buildNativeSearchQuery(searchQueryBean, booleanBoolQuery);
return this.elasticsearchTemplate.queryForPage(searchQuery, searchQueryBean.getClazz());
写到这里，文章已经到了尾声，此篇文章，主要讲述了es的入门步骤，也仅仅是入门，学习还是在个人。
对文中有任何异议，可随时留言或者邮箱反馈：wpt191@163.com，您的反馈是我们共同进步的催化剂。
还是那句话：学一门，爱一门，精一门，从知道到做到，还需要不停的努力与付出。
来源：oschina
链接：https://my.oschina.net/u/4383937/blog/4312749