ElasticSearch：智能搜索，分布式的搜索引擎
是ELK的一个组成,是一个产品，而且是非常完善的产品，ELK代表的是：E就是ElasticSearch，L就是Logstach，K就是kibana
E：EalsticSearch 搜索和分析的功能
L：Logstach 搜集数据的功能，类似于flume（使用方法几乎跟flume一模一样），是日志收集系统
K：Kibana 数据可视化（分析），可以用图表的方式来去展示，文不如表，表不如图，是数据可视化平台
全文检索
全文检索是指计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。
全文检索的方法主要分为按字检索和按词检索两种。按字检索是指对于文章中的每一个字都建立索引，检索时将词分解为字的组合。对于各种不同的语言而言，字有不同的含义，比如英文中字与词实际上是合一的，而中文中字与词有很大分别。按词检索指对文章中的词，即语义单位建立索引，检索时按词检索，并且可以处理同义项等。英文等西方文字由于按照空白切分词，因此实现上与按字处理类似，添加同义处理也很容易。中文等东方文字则需要切分字词，以达到按词索引的目的，关于这方面的问题，是当前全文检索技术尤其是中文全文检索技术中的难点，在此不做详述。
倒排索引
以前是根据ID查内容，倒排索引之后是根据内容查ID，然后再拿着ID去查询出来真正需要的东西。
ES的由来
因为Lucene有两个难以解决的问题：
1）数据越大，存不下来，那我就需要多台服务器存数据，那么我的Lucene不支持分布式的，那就需要安装多个Lucene然后通过代码来合并搜索结果。这样很不好
2）数据要考虑安全性，一台服务器挂了，那么上面的数据不就消失了。
ES就是分布式的集群，每一个节点其实就是Lucene，当用户搜索的时候，会随机挑一台，然后这台机器自己知道数据在哪，不用我们管这些底层。
ES的优点
1.分布式的功能
2、数据高可用，集群高可用
3.API更简单
4.API更高级。
5.支持的语言很多
6.支持PB级别的数据
7.完成搜索的功能和分析功能
ES的核心概念
index 索引（索引库）
我们为什么使用ES？因为想把数据存进去，然后再查询出来。
我们在使用Mysql或者Oracle的时候，为了区分数据，我们会建立不同的数据库，库下面还有表的。
其实ES功能就像一个关系型数据库，在这个数据库我们可以往里面添加数据，查询数据。
ES中的索引非传统索引的含义，ES中的索引是存放数据的地方，是ES中的一个概念词汇
index类似于Mysql里面的一个数据
type类型
类型是用来定义数据结构的。在每一个index下面，可以有一个或者多个type，好比数据库里面的一张表。相当于表结构的描述，描述每个字段的类型。
document文档
文档就是最终的数据，可以认为一个文档就是一条记录。是ES里面最小的数据单元，就好比表里面的一条数据
Field 字段
好比关系型数据库中列的概念，一个document有一个或者多个field组成。
shard分片
一台服务器，无法存储大量的数据，ES把一个index里面的数据，分为多个shard，分布式的存储在各个服务器上面。
kafka：为什么支持分布式的功能，因为里面是有topic，支持分区的概念。所以topic A可以存在不同的节点上面。就可以支持海量数据和高并发，提升性能和吞吐量
从 7.x 版本开始，不设置 index 的 shard 数，缺省主分片由 5 改为了 1 个。
replica副本
一个分布式的集群，难免会有一台或者多台服务器宕机，如果我们没有副本这个概念。就会造成我们的shard发生故障，无法提供正常服务。
我们为了保证数据的安全，我们引入了replica的概念，跟hdfs里面的概念是一个意思。可以保证我们数据的安全。
在ES集群中，我们一模一样的数据有多份，能正常提供查询和插入的分片我们叫做 primary shard，其余的我们就管他们叫做 replica shard（备份的分片）
当我们去查询数据的时候，我们数据是有备份的，它会同时发出命令让我们有数据的机器去查询结果，最后谁的查询结果快，我们就要谁的数据（这个不需要我们去控制，它内部就自己控制了）
总结
在默认情况下，我们创建一个库的时候，默认会帮我们创建5个主分片（primary shrad）和5个副分片（replica shard），所以说正常情况下是有10个分片的。
同一个节点上面，副本和主分片是一定不会在一台机器上面的，就是拥有相同数据的分片，是不会在同一个节点上面的。
所以当你有一个节点的时候，这个分片是不会把副本存在这仅有的一个节点上的，当你新加入了一台节点，ES会自动的给你在新机器上创建一个之前分片的副本。
ES的相关命令
GET _cat/health 查看集群的健康状况
PUT 类似于SQL中的增
DELETE 类似于SQL中的删
POST 类似于SQL中的改
GET 类似于SQL中的查
index的操作：
PUT /[index] 增加一个[index]名称的index库
DELETE /[index] 删除一个[index]名称的index库
GET _cat/indices GET _all 查询ES中所有的index
ES的CURD操作示例
·插入一条数据
注意：我们插入数据的时候，如果我们的语句中指明了index和type，如果ES里面不存在，默认帮我们自动创建
·查询数据
语法： GET /index/type/id
·修改数据
使用POST来修改数据，其实使用PUT也可以实现修改数据，原理和hbase比较像。
PUT如果仅对一个字段进行修改，会丢失其他的字段数据,PUT进行的是全局的修改！
POST是局部更新数据，别的数据不动
·删除数据
·查看所有数据
took：耗费了318毫秒
shards：分片的情况
total：分片数量
hits：获取到的数据的情况
total：包含与搜索条件匹配的文档总数信息的对象
value：表示总命中计数的值
确切来说默认情况下，hits.total.value是不确切的命中计数，在这种情况下，当hits.total.relation的值是eq时，hits.total.value的值是准确计数。当hits.total.relation的值是gte时，hits.total.value的值是不准确的。
max_score：1 所有数据里面打分最高的分数
_index:"test_index" index名称
_type:"test_type" type的名称
_id:"2" id号
_score:1 分数，这个分数越大越靠前出来。
DSL语言
ES最主要是用来做搜索和分析的。所以DSL还是对于ES很重要的
下面示例的代码都是RESTful风格
query DSL:domain Specialed Lanaguage 在特定领域的语言
案例
·进行全表扫描使用DSL语言，查询所有的物料
使用match_all 可以查询到所有文档，是没有查询条件下的默认语句。
·查询所有客户里面包含客户1的物料信息，并通过数量升序排序
match查询是一个标准查询，不管你需要全文本查询还是精确查询基本上都要用到它。
·分页查询
·进行全表扫描，但返回指定字段的数据
·查询所有客户里面包含客户1的物料信息，并且数量大于4
如果需要多个查询条件拼接在一起就需要使用bool
bool 过滤可以用来合并多个过滤条件查询结果的布尔逻辑，它包含以下操作符：
must: 多个查询条件的完全匹配,相当于 and。
must_not: 多个查询条件的相反匹配，相当于 not。
should: 至少有一个查询条件匹配, 相当于 or。
这些参数可以分别继承一个过滤条件或者一个过滤条件的数组
·展示一个全文检索的效果
首先查询条件也会进行分词
UL
/
ROHS
并集
·不要把条件分词，要精确匹配
