一、ElasticSearch基础概念
1.1 文档和字段：
ElasticSearch是面向文档（Document）存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json格式后存储在ElasticSearch中。
原本数据库中的一行数据就是ES中的一个JSON文档；而数据库中每行数据都包含很多列，这些列就转换为JSON文档中的字段（Field）。
1.2 索引和映射：
索引（index）：相同类型的文档的集合。
映射（mapping）：索引中文档的字段约束信息，类似表的结构约束。
1.3 正向索引和倒排索引：
什么是正向索引？
基于文档id创建索引。根据id查询快，但是查询词条时必须先找到文档，而后判断是否包含词条。
什么是倒排索引？
对文档内容分词，对词条创建索引，并记录词条所在文档的id。查询时先根据词条查询到文档id，而后根据文档id查询文档。
ElasticSearch结合kibana、Logstash、Beats，是一整套技术栈，被叫做ELK。被广泛应用在日志数据分析、实时监控等领域。
二、普通分词器和IK分词器
倒排索引的关键就是要对文档分词得到词条，然后对词条创建索引。而中文分词往往需要根据语义分析，比较复杂，这就需要用到中文分词器，例如IK分词器。
2.1 默认分词器
使用默认分词器（标准分词器），会对对中文会一个个字切分，没有中文语义，形成不了有效的词条。
使用默认分词器：
POST /_analyze
{"analyzer": "standard","text": "我要去学习java！太棒了！"
}
2.2 IK分词器
中文分词器：IK分词器。
IK分词器包含两种模式：
ik_smart：智能语义切分 。
ik_max_word：最细粒度切分 。
ik 分词器包含两种模式：
ik_smart（最大粒度：按照最长的词条进行分词；更适合搜索的时候）。
ik_max_word（最细粒度：按照最短的词条进行分词，分的词条会比较多；更适合在创建索引的时候使用）。
使用IK分词器：
POST /_analyze
{"analyzer": "ik_smart","text": "我要去学习java！太棒了！"
}POST /_analyze
{"analyzer": "ik_max_word","text": "我要去学习java！太棒了！"
}
分词器的作用是什么？
创建倒排索引时，对文档分词。用户搜索时，对输入的内容分词。
三、索引库操作
3.1 Mapping映射属性
Mapping是对索引库中文档的约束，常见的Mapping属性包括：
type：字段数据类型，常见的简单类型有：
字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家、ip地址）。
数值：long、integer、short、byte、double、float。
布尔：boolean。
日期：date。
对象：object。
index：是否创建索引，默认为true。
analyzer：使用哪种分词器。
properties：该字段的子字段。
对应的每个字段映射（Mapping）：
3.2 索引库操作
Elasticsearch采用的是Restful风格的API，因此其请求方式和路径都比较规范，而且请求参数也都采用JSON风格。我们使用Kibana的DevTools来编写请求。
1. 创建索引库和映射
基本语法：
请求方式：PUT
请求路径：/索引库名，可以自定义
请求参数：mapping映射
PUT /testMapping
{"mappings": {"properties": {"info":{"type": "text","analyzer": "ik_smart"},"email":{"type": "keyword","index": false},"name":{"properties": {"firstName":{"type": "keyword"},"lastName":{"type": "keyword"}}}}}
}
2. 查询索引库
基本语法：
请求方式：GET
请求路径：/索引库名
请求参数：无
示例：
GET /testMapping
3. 修改索引库
倒排索引结构虽然不复杂，但是一旦数据结构改变（比如改变了分词器），就需要重新创建倒排索引。因此索引库一旦创建，无法修改mapping。
虽然无法修改mapping中已有的字段，但是却允许添加新的字段到mapping中，因为不会对倒排索引产生影响。因此修改索引库能做的就是向索引库中添加新字段，或者更新索引库的基础属性。
示例：
#对原有的映射添加域（field）
PUT /testMapping/_mapping
{"properties":{"age":{"type": "integer"}}
}
4. 删除索引库
语法：
请求方式：DELETE
请求路径：/索引库名
请求参数：无
示例：
DELETE /testMapping
四、文档操作
4.1 新增文档
语法：
POST /索引库名/_doc/文档id
{"字段1": "值1","字段2": "值2","字段3": {"子属性1": "值3","子属性2": "值4"},
}
示例：
# 新增文档
POST /testMapper/_doc/1
{"info": "IT讲师","email": "zy@163.cn","name": {"firstName": "云","lastName": "赵"}
}
4.2 查询文档
查询一般都需要条件，这里我们把文档id带上。
语法：
GET /{索引库名称}/_doc/{id}
示例：
GET /testMapper/_doc/1
4.3 删除文档
删除使用DELETE请求，同样，需要根据id进行删除。
语法：
DELETE /{索引库名}/_doc/id值
示例：
DELETE /testMapper/_doc/1
4.4 修改文档
修改有两种方式：
全量修改：直接覆盖原来的文档。
局部修改：修改文档中的部分字段。
1、全量修改
全量修改是覆盖原来的文档，其本质是两步操作：
根据指定的id删除文档。
新增一个相同id的文档。
注意：如果根据id删除时，id不存在，第二步的新增也会执行，也就从修改变成了新增操作了。
语法：
PUT /{索引库名}/_doc/文档id
{"字段1": "值1","字段2": "值2",// ... 略
}
示例：
PUT /testMapper/_doc/1
{"info": "IT讲师","email": "zy@163.cn","name": {"firstName": "云","lastName": "赵"}
}
2、 局部修改
局部修改是只修改指定id匹配的文档中的部分字段。
语法：
POST /{索引库名}/_update/文档id
{"doc": {"字段名": "新的值",}
}
示例：
POST /testMapper/_update/1
{"doc":{"email":"ZhaoYun@163.cn"}
}
4.5、文档批处理操作
批处理采用POST请求，基本语法如下：
POST _bulk
{ "index" : { "_index" : "test", "_id" : "1" } }
{ "field1" : "value1" }
{ "delete" : { "_index" : "test", "_id" : "2" } }
{ "create" : { "_index" : "test", "_id" : "3" } }
{ "field1" : "value3" }
{ "update" : {"_id" : "1", "_index" : "test"} }
{ "doc" : {"field2" : "value2"} }
其中：
-index代表新增操作：
_index：指定索引库名。
_id指定要操作的文档id。
{ “field1” : “value1” }：则是要新增的文档内容。
-delete代表删除操作：
_index：指定索引库名。
_id指定要操作的文档id。
-update代表更新操作：
_index：指定索引库名。
_id指定要操作的文档id。
{ “doc” : {“field2” : “value2”} }：要更新的文档字段。
注意：index 之后的数据要写在一行。
示例，批量新增：
POST /_bulk
{"index":{"_index":"testMapper", "_id":3}}
{"info":"IT讲师", "email":"ww@163.cn","name":{"firstName":"王", "lastName":"五"}}
{"index":{"_index":"testMapper", "_id":4}}
{"info":"IT助教", "email":"zs@163.cn","name":{"firstName":"张", "lastName":"三"}}
批量删除：
POST /_bulk
{"delete":{"_index":"testMapper", "_id":3}}
{"delete":{"_index":"testMapper", "_id":4}}
![洛谷 P5658 [CSP-S 2019] 括号树 题解](http://pic.xiahunao.cn/洛谷 P5658 [CSP-S 2019] 括号树 题解)
