文章目录：
1.Elasticsearch中的数据格式
Elasticsearch是面向文档型数据库，一条数据在这里就是一个文档。为了方便大家理解，我们将 Elasticsearch 里存储文档数据和关系型数据库 MySQL 存储数据的概念进行一个类比。
ES里的 Index 可以看做一个库，而 Types 相当于表，Documents 则相当于表的行。这里 Types 的概念已经被逐渐弱化，Elasticsearch 6.X 中，一个 index 下已经只能包含一个 type，Elasticsearch 7.X 中, Type 的概念已经被删除了。
2.索引操作
2.1 创建索引
在ES中创建一个索引，就相当于在mysql中创建了一个数据库，而mysql中的数据库肯定是不能重复的，也即ES中的索引也不能重复，所以这是一个幂等性操作，需要发送PUT请求（如果重复发送PUT请求、重复添加索引，会返回错误信息），这里不能发送POST请求。
2.2 查看指定索引
在 Postman 中，向 ES 服务器发 GET 请求。这里的路径和上面的创建索引是一样的，只是请求方式不一样。
2.3 查看全部索引
在 Postman 中，向 ES 服务器发 GET 请求。
· health 当前服务器健康状态：green(集群完整) yellow(单点正常、集群不完整) red(单点不正常)
· status 索引打开、关闭状态
· index 索引名
· uuid 索引统一编号
· pri 主分片数量
· rep 副本数量
· docs.count 可用文档数量
· docs.deleted 文档删除状态（逻辑删除）
· store.size 主分片和副分片整体占空间大小
· pri.store.size 主分片占空间大小
2.4 删除索引
在 Postman 中，向 ES 服务器发 DELETE 请求。
3.文档操作
3.1 创建文档
索引已经创建好了，接下来我们来创建文档，并添加数据。这里的文档可以类比为关系型数据库中的表数据，添加的数据格式为 JSON 格式
在 Postman 中，向 ES 服务器发 POST 请求。
{ "title":"小米手机", "category":"小米", "image":"http://www.szh.com/szh.jpg", "price":3999.00 }
上面的数据创建后，由于没有指定数据唯一性标识（ID），默认情况下，ES 服务器会随机生成一个。
如果想要自定义唯一性标识，需要在创建时指定。推荐使用下面这种方式创建文档。
3.2 查看单个文档：主键查询
查看文档时，需要指明文档的唯一性标识，类似于 MySQL 中数据的主键查询。在 Postman 中，向 ES 服务器发 GET 请求。
3.3 查看所有文档：全查询
# "query"：这里的 query 代表一个查询对象，里面可以有不同的查询属性
# "match_all"：查询类型，例如：match_all(代表查询所有)， match，term ， range 等等
# {查询条件}：查询条件会根据类型的不同，写法也有差异
3.4 修改文档中的全部字段
修改数据时，也可以只修改某一给条数据的局部信息，也可以修改所有字段信息。
修完完之后，再次发送GET请求，查看修改后的文档内容。
{ "title":"OPPO手机", "category":"OPPO", "images":"http://www.szh.com/szh.jpg", "price":2400.00 }
3.5 修改文档中的某个字段
{ "doc" : { "title":"VIVO手机", "category":"VIVO" } }
3.6 删除文档
删除一个文档不会立即从磁盘上移除，它只是被标记成已删除（逻辑删除）。在 Postman 中，向 ES 服务器发 DELETE 请求。
3.7 条件查询文档内容
match匹配类型查询，会把查询条件进行分词，然后进行查询，多个词条之间是 or 的关系。
在 Postman 中，向 ES 服务器发 GET 请求。
上面这种查询方式的请求参数是直接跟在请求路径之后的，这种方式不太好，因为有可能造成乱码问题。
所以一般采用下面这种方式，将请求参数存放在请求体中。
{ "query" : { "match" : { "category" : "华为" } } }
默认情况下，Elasticsearch 在搜索的结果中，会把文档中保存在_source 的所有字段都返回。如果我们只想获取其中的部分字段，我们可以添加_source 的过滤
sort可以让我们按照不同的字段进行排序，并且通过 order 指定排序的方式。desc 降序，asc 升序。
from：当前页的起始索引，默认从 0 开始。 from = (pageNum - 1) * size。
size：每页显示多少条。
{ "query" : { "match_all" : { } }, "from" : 0, // (页码-1)*每页条数, 第一页：(1-1)*2=0, 第二页：(2-1)*2=2 "size" : 2, "_source" : ["title","price"], "sort" : { "price" : { "order" : "desc" } } }
3.9 多条件查询：and
`bool`把各种其它查询通过`must`（必须 and ）、`must_not`（必须不）、`should`（应该 or）的方式进行组合。
{ "query" : { "bool" : { "must" : [ { "match" : { "category" : "小米" } }, { "match" : { "price" : 3999.00 } } ] } } }
3.10 多条件查询：or
`bool`把各种其它查询通过`must`（必须 and ）、`must_not`（必须不）、`should`（应该 or）的方式进行组合。
{ "query" : { "bool" : { "should" : [ { "match" : { "category" : "VIVO" } }, { "match" : { "price" : 5999.00 } } ] } } }
3.11 多条件查询：大于、小于
range查询找出那些落在指定区间内的数字或者时间。range 查询允许以下字符：
gt 大于> gte 大于等于>= lt 小于< lte 小于等于<=
{ "query" : { "bool" : { "must" : [ { "match" : { "category" : "小米" } } ], "filter" : { "range" : { "price" : { "gt" : 3000.00, "lt" : 4000.00 } } } } } }
3.12 全文查询 + 高亮显示
在进行关键字搜索时，搜索出的内容中的关键字会显示不同的颜色，称之为高亮。
在使用 match 查询的同时，加上一个 highlight 属性：
· pre_tags：前置标签
· post_tags：后置标签
· fields：需要高亮的字段
· title：这里声明 title 字段需要高亮，后面可以为这个字段设置特有配置，也可以空
{ "query" : { "match_phrase" : { "category" : "小" } }, "highlight" : { "fields" : { "category" : {} } } }
当我们将查询条件中的 match_phrase 改为 match 之后，再次查询，结果仍然是有的。这就很奇怪了，我文档中分类信息只有小米、没有小啊，为什么还能查询到结果呢？ 这是因为ES在保存文档数据时，会将数据进行分词、拆解操作，并将拆解后的数据保存到倒排索引中，这样即使使用文字的一部分（小米可以查询到、小也可以查询到）也能查询到数据，这种方式就称为全文检索。 也就是说文档中的category是小米，通过小、米、小米均可以查询到。
如果我们写的是小华，则ES会帮我们查询出：%小%、%华% 相关的所有数据，这里就是进行了数据分词、拆解，进而采用倒排索引的方式查询。
假如说，我不想采用采用这种全文检索的匹配模式，需要将 match 改为 match_phrase。
3.13 聚合查询：根据价格分组、对价格求平均值
聚合允许使用者对 es 文档进行统计分析，类似与关系型数据库中的 group by，当然还有很多其他的聚合，例如取最大值、平均值等等。
· 对某个字段取最大值 max
· 对某个字段取最小值 min
· 对某个字段求和 sum
· 对某个字段取平均值 avg
· 对某个字段的值进行去重之后再取总数 distinct
{ "aggs" : { //聚合操作 "price_group" : { //名称，自定义 "terms" : { //分组 "field" : "price" //分组字段 } } }, "size" : 0 }
{ "aggs" : { //聚合操作 "price_avg" : { //名称，自定义 "avg" : { //分组 "field" : "price" //分组字段 } } }, "size" : 0 }
4.映射操作
有了索引库，等于有了数据库中的 database。
接下来就需要建索引库(index)中的映射了，类似于数据库(database)中的表结构(table)。创建数据库表需要设置字段名称，类型，长度，约束等；索引库也一样，需要知道这个类型下有哪些字段，每个字段有哪些约束信息，这就叫做映射(mapping)。
映射数据说明：
· 字段名：任意填写，下面指定许多属性，例如：title、subtitle、images、price
· type：类型，Elasticsearch 中支持的数据类型非常丰富，说几个关键的：
String 类型，又分两种：
text：可分词keyword：不可分词，数据会作为完整字段进行匹配
Numerical：数值类型，分两类
基本数据类型：long、integer、short、byte、double、float、half_float
浮点数的高精度类型：scaled_float
Date：日期类型
Array：数组类型
Object：对象· index：是否索引，默认为 true，也就是说你不进行任何配置，所有字段都会被索引。
true：字段会被索引，则可以用来进行搜索
false：字段不会被索引，不能用来搜索· store：是否将数据进行独立存储，默认为 false
原始的文本会存储在_source 里面，默认情况下其他提取出来的字段都不是独立存储的，是从_source 里面提取出来的。当然你也可以独立的存储某个字段，只要设置"store": true 即可，获取独立存储的字段要比从_source 中解析快得多，但是也会占用更多的空间，所以要根据实际业务需求来设置
· analyzer：分词器，这里的 ik_max_word 即使用 ik 分词器
首先是http://127.0.0.1:9200/user，发送PUT请求，创建一个user索引，然后在这个索引下创建一个映射。
就类似于在mysql中创建一个名为 user 的数据库，在这个数据库中定义一张表的结构如下：👇👇👇
text类型为true表示 name 字段可以支持分词、拆解操作的查询；而 keyword 类型为true表示 sex 字段仅支持完全匹配的模式；最后 keyword 类型为false表示 tel 字段不支持查询。
{ "properties" : { "name" : { "type" : "text", "index" : true }, "sex" : { "type" : "keyword", "index" : true }, "tel" : { "type" : "keyword", "index" : false } } }
索引有了，映射也有了（数据库有了、表结构有了，就差向表中添加数据了），也就是需要添加文档内容。
因为name字段是支持 text 模式查询，即支持分词、拆解操作，做倒排索引，所以虽然文档中的name字段为张起灵，但是经过分词拆解，name为张、起、灵、起灵这几种都可以查询出数据。
由于 sex 字段不支持text分词拆解，仅支持keyword完全匹配的模式，所以源文档数据中 sex 为 man，这里只写个 m 是查询不到的。
最后的 tel 字段是最苛刻的，压根不支持 text、keyword 两种查询模式，所以这里就算是写成和文档中的 tel 一样，也查询不到，因为 tel 字段不支持查询。
