在互联网上，随处可见的搜索框。背后所用的技术大多数就是全文检索。
在全文检索领域，常见的库/组件有：Lucene、Solr、Sphinx、ElasticSearch等。
简单对比几种全文引擎的区别
- Lucene是一个基于Java开发的全文检索基础包，使用起来繁杂，且默认不支持分布式检索
- Solr是基于Lucene开发的一个搜索工具。抽象度更高，使用更简单，且提供一个控制面板。
- ElasticSearch也是基于Lucene开发的。同样是高度抽象，并提供了一个非常强大的DSL检索功能，可以很方便的检索出数据。
- Solr和ES的区别主要在于：ES有强大的实时检索能力而不怎么掉速，Solr创建索引的同时，检索速度会下降。如果不考虑实时检索，Solr的速度更快。Solr社区更成熟。ES使用更方便更现代化。
- Sphinx是俄罗斯人开发的一个全文检索引擎，使用C++开发。性能比Java开发的es和solr高，但是在社区繁荣度上，比ES和solr差很多。比如中文分词器，sphinx的coreseek插件已经停更了。sphinx有个非常好的地方就是可以作为MySQL插件使用。
环境搭建
随着容器化的发展，我们大部分环境都切换到Docker上了。本篇博文的环境通过Docker搭建。
ES在Docker中搭建
我使用的是ES7.4.2
docker run --name es -d -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" -e "ES_JAVA_OPTS=-Xms128m -Xmx128m" -v d:/elasticsearch/es7.4.2/data:/usr/share/elasticsearch/data -v d:/elasticsearch/es7.4.2/plugins:/usr/share/elasticsearch/plugins elasticsearch:7.4.2
我这里把Docker中的es数据目录和插件目录映射到本机，方便操作。实际线上部署也应该映射数据目录到宿主机，防止数据丢失。
搭建Kibana可视化环境。
docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.31.115:9200 -p 5601:5601 -e "I18N_LOCALE=zh-CN" -d kibana:7.4.2
运行成功后，在Docker控制面板上，就可以看到两个正在运行的容器了。
在本机浏览器访问 http://localhost:5601/ 即可打开Kibana仪表盘。
ElasticSearch基本概念
用数据库的概念来对比ES的概念
| 数据库 | ElasticSearch |
| database 库 | index 索引 |
| table 表 | type 类型 7.x已经废除 |
| row 行 | document 文档 |
| column 列 | field 字段 |
| chema 表结构 | mapping 映射 |
| SQL | DSL |
| select | GET |
| update | PUT |
| delete | delete |
上手ElasticSearch的DSL
ES有两种方式操作：1.url方式，2.http请求中的body提交json dsl
创建一个索引
PUT /qingcheng
删除一个索引
DELETE /qingcheng
创建mapping
PUT /qingcheng { "mappings": { "properties": { "name": { "type": "text" }, "age": { "type": "integer" }, "createtime": { "type": "date" } } } } 响应 { "acknowledged" : true, "shards_acknowledged" : true, "index" : "qingcheng" }
在ES7中已经不支持映射mapping的时候，指定_doc名称了。ES会给一个默认的_doc名称
新增字段
PUT /qingcheng/_mapping { "properties":{ "sex":{ "type":"integer" } } }
在ES中只能新增字段，无法修改已有字段。如果需要需改已有字段，只能重新创建索引，然后使用reindex迁移数据到新的索引。
查看索引
GET /qingcheng/_mapping 结果 { "qingcheng" : { "mappings" : { "properties" : { "age" : { "type" : "integer" }, "createtime" : { "type" : "date" }, "name" : { "type" : "text" }, "sex" : { "type" : "integer" } } } } }
插入以及数据
多次put同一个id到es，那就是更新了
POST /qingcheng/_doc/1 { "name":"青城", "age":30, "createtime":"2021-03-21", "sex":1 }
使用Post请求，在_doc的type中插入id为1的一条数据。id可以自定义格式，可以为数字以及自定义字符串
查看数据
GET /qingcheng/_doc/1
检索数据
数据检索的格式为 GET /索引名称/_search + json格式的body
基本搜索
GET /qingcheng/_search { "query": { "query_string": { "default_field": "name", "query": "青城" } } }
范围搜索
GET /qingcheng/_search { "query": { "range": { "age": { "gte": 10, "lte": 50 } } } }
分页搜索
GET /qingcheng/_search { "query": { "match": { "name": "青" } }, "from": 0, //从多少条开始 "size": 20 //取多少条 }
排序
GET /qingcheng/_search { "sort": [ { "age": { "order": "desc" } } ] }
复杂搜索
在ES搜索中，一般会存在多个条件，类似于sql的and or等操作。在ES中使用bool操作来连接多个条件，must 必须满足，should：满足最好，不满足也没关系（如果满足，es的搜索评分会更高，结果更靠前）
GET /qingcheng/_search { "query": { "bool": { "must": [ { "match": { "name": "青" } }, { "range": { "age": { "gte": 10, "lte": 50 } } } ], "should": [ { "range": { "age": { "gte": 10, "lte": 50 } } } ] } } }
聚合
在ES中，聚合使用eggs来操作。可快速求出最大、平均、等值。
GET /qingcheng/_search { "aggs": { "平均值": { "avg": { "field": "age" } } } }
配置中文分词器
ES默认的分词器是中文分词是按单个汉字分割。所以使用起来搜索结果不太准确。在ES的分词插件中，中文分词用的比较多的是IK分词器
github地址:https://github.com/medcl/elasticsearch-analysis-ik
下载好ES对应版本的插件，解压出来，放到ES的插件目录。重启ES，即可启用插件。
我们对比一下使用ES默认分词器和IK分词器的结果
默认分词器
使用IK分词器
IK分词器支持两种分词模式 1. ik_smart 2.ik_max_word
- ik_smart模式
- ik_max_word
两种分词模式的区别在于分词粒度的粗细问题。而standard分词直接按单个字符分割。
使用.NET Core的NEST客户端
ES的.NET客户端分为两个，一个是ElasticSearch.NET一个是NEST，NEST是高级的客户端库，提供更符合.NET程序员的操作api。ElasticSearch.NET更适合喜欢写DSL的程序员。一般我们都使用NEST。
创建索引
[ElasticsearchType(RelationName = "estest")] class ESTest { [Number(NumberType.Integer, Name = "id")] public int Id { get; set; } [Text(Name = "name")] public string Name { get; set; } [Number(NumberType.Integer, Name = "age")] public int Age { get; set; } [Text(Name = "info", Analyzer = "ik_smart")] public string Info { get; set; } [Date(Name = "createtime", Format = "yyyy-MM-dd||yyyy-MM-dd HH:mm:ss")] public DateTime CreateTime { get; set; } } var node = new Uri("http://localhost:9200"); var settings = new ConnectionSettings(node); var client = new ElasticClient(settings); //创建索引 var resp = client.Indices.Create("test", opt => { return opt.Map<ESTest>(m => m.AutoMap()); }); Console.WriteLine("创建索引结果:" + resp.Acknowledged); Console.WriteLine(resp.DebugInformation);
插入数据
var model = new ESTest() { Name = "青城1", Age = 20, Info = "顺其自然，不代表我们可以不努力，而是努力之后有勇气接受成败。", Id = 2, CreateTime = DateTime.Now }; var indexResp = client.Index(model, i => i.Index("test")); if (indexResp.IsValid) { }
检索数据
var res = client.Search<ESTest>(a => a.Index("test") .Query(a => a.Match(m => m.Field(f => f.Info).Query("顺其自然")))); foreach (var item in res.Documents) { Console.WriteLine(item.Name + " " + item.Info); }
检索数据的写法基本上和DSL语法结构一致。学会DSL，用C#也可以写出正确的查询语句。
学会以上的基本操作，就可以算是对ES有一个基本的了解了。更多深入的知识点可以去ES官方文档学习。
NEST库地址:https://github.com/elastic/elasticsearch-net
官方文档:https://www.elastic.co/guide/en/elasticsearch/client/net-api/current/introduction.html
