介绍：
Elasticsearch是一个开源的分布式搜索和分析引擎，最初由Elastic公司开发。它构建在Apache Lucene搜索引擎库之上，提供了一个强大的全文搜索和分析引擎，它结合kibana、Logstash、Beats，是一整套技术栈，被叫做ELK，适用于各种用例，包括文本搜索、日志分析、实时数据分析、监控和报警等。
官网：
官网地址：Elastic — The Search AI Company | Elastic，目前最新的版本是8.x.x，国内大多使用6.x.x和7.x.x。
优势：
elasticsearch具备以下优势：
**·**支持分布式。可水平拓展
**·**提供Restful接口，可被任何语言调用
es在处理海量数据搜索时，速度非常的快，是因为它底层采用倒排索引。
★倒排索引：
首先介绍一下正向索引：
倒排索引：
总结：
IK分词器：
上述配置文件即表示添加扩展词典ext.dic，它就会在当前配置文件所在的目录中找这个文件。
总结：
基础概念：
与MySQL对比：
索引库操作
Mapping映射属性：
索引库操作：
总结：
文档处理：
CRUD：
新增：
查找、删除：
修改：
全量修改：
这种方式在文档id不存在时，就会相当于一个新增操作。
增量修改：
批量处理：
JavaRestClient：
客户端初始化：
商品表Mapping映射：
以商品表举例：
在kibana中写出即为：
PUT /items { "mappings": { "properties": { "id": { "type":"keyword" }, "name":{ "type": "text", "analyzer": "ik_smart" }, "price":{ "type": "integer" }, "image":{ "type": "keyword", "index": false }, "category":{ "type": "keyword" }, "brand":{ "type": "keyword" }, "sold":{ "type": "integer" }, "comment_count":{ "type": "integer", "index": false }, "isAD":{ "type": "boolean" }, "update_time":{ "type": "date" } }索引库操作：
创建索引库的JavaAPI与Restful接口API对比：
操作步骤：
代码演示：
class ItemTest { private RestHighLevelClient client; @BeforeEach void setUp() { // 初始化 RestHighLevelClient 对象 client = new RestHighLevelClient(RestClient.builder( HttpHost.create("http://192.168.178.130:9200") )); } @AfterEach void tearDown() throws IOException { client.close(); } @Test void testCreateIndex() throws IOException { //1.准备Request对象 CreateIndexRequest request = new CreateIndexRequest("items"); //2.准备请求参数 request.source(MAPPING_TEMPLATE, XContentType.JSON); //3.发送请求 client.indices().create(request, RequestOptions.DEFAULT); } @Test void testGetIndex() throws IOException { //1.准备Request对象 GetIndexRequest request = new GetIndexRequest("items"); //2.发送请求 boolean exists = client.indices().exists(request, RequestOptions.DEFAULT); System.out.println("exists: " + exists); } @Test void testDeleteIndex() throws IOException { //1.准备Request对象 DeleteIndexRequest request = new DeleteIndexRequest("items"); //2.发送请求 client.indices().delete(request, RequestOptions.DEFAULT); } private static final String MAPPING_TEMPLATE = "{ " + " "mappings": { " + " "properties": { " + " "id": { " + " "type":"keyword" " + " }, " + " "name":{ " + " "type": "text", " + " "analyzer": "ik_smart" " + " }, " + " "price":{ " + " "type": "integer" " + " }, " + " "image":{ " + " "type": "keyword", " + " "index": false " + " }, " + " "category":{ " + " "type": "keyword" " + " }, " + " "brand":{ " + " "type": "keyword" " + " }, " + " "sold":{ " + " "type": "integer" " + " }, " + " "comment_count":{ " + " "type": "integer", " + " "index": false " + " }, " + " "isAD":{ " + " "type": "boolean" " + " }, " + " "update_time":{ " + " "type": "date" " + " } " + "} " + "} " + "}"; }文档操作：
新增文档：
运行代码：
@SpringBootTest(properties = "spring.profiles.active=local") class ESDocTest { private RestHighLevelClient client; @Autowired private IItemService itemService; @BeforeEach void setUp() { // 初始化 RestHighLevelClient 对象 client = new RestHighLevelClient(RestClient.builder( HttpHost.create("http://192.168.178.130:9200") )); } @AfterEach void tearDown() throws IOException { client.close(); } @Test void testIndexDoc() throws IOException { //获取数据 Item item = itemService.getById(317578L); ItemDoc itemDoc = BeanUtil.copyProperties(item, ItemDoc.class); //创建request对象 IndexRequest request = new IndexRequest("item").id(itemDoc.getId()); //准备JSON文档 request.source(JSONUtil.toJsonStr(itemDoc), XContentType.JSON); //发送请求 client.index(request, RequestOptions.DEFAULT); } }删除文档：
查询文档：
修改文档：
全量更新：可以使用新增文档的代码，在得到ItemDoc后修改它的属性值在新增即可。
局部更新：
文档操作基本步骤：
批处理：
代码示例：
DSL查询：
快速入门：
注意：单次查询默认最大数据数为10000，最多返回10条数据
叶子查询：
全文检索：
FIELD为要搜索的字段，TEXT为要搜索的内容
精确查询：
term查询一般用来搜不分词的字段，比如品牌等。如果搜分词的字段，VALUE只能写分好的词条，比如“脱脂”、“牛奶”等，才能搜到
range查询中gte和lte也可以写成gt和lt这样就是大于和小于。
ids查询：（批量查询id）
总结：
复合查询：
布尔查询：
示例：
搜索“智能手机”，但品牌必须是华为，价格必须是900~1599
排序和分页：
排序：
示例：
搜索商品，按照销量排序，销量一样则按照价格排序。
分页：
示例：
搜索商品，查询出销量排名前10的商品，销量一样时按照价格升序。
深度分页问题：
解决方案：
高亮显示：
(↑标签默认就为em)
搜索完整语法：
JavaRestClient查询:
快速入门：
构建查询条件：
全文检索查询：
精确查询：
布尔查询：
排序和分页：
高亮显示：
聚合：
聚合的分类：
DSL实现聚合：
Java客户端实现聚合：
构造请求参数：
解析结果：
。)
