目录

1.Elasticsearch概述

2.1 搜索是什么

2.2 数据库做搜索弊端

2.2.1站内搜索（垂直搜索）：数据量小，简单搜索，可以使用数据库。

2.2.2互联网搜索，肯定不会使用数据库搜索。数 据量太大。PB级。

 2.3 常见的搜索引擎

2.4 Elasticsearch 是什么

2.5 Elasticsearch的使用场景

2.6  倒排索引

3. ES的安装

4.Windows安装Kibana

​编辑

 5. ES中常见的概念

6. ES常用API接口

 6.1 基本操作

6.1.1创建索引---数据库

6.1.2删除所有---数据库

6.1.3 查询有哪些索引

 6.1.4 查询索引的结构

6.1.5 添加文档---记录

6.1.6 查询文档---id查询

6.1.7 删除文档---

6.1.8 修改文档

6.1.9 根据其他条件查询

 6.1.10 多条件查询

 6.1.11. 高亮显示

---

1.Elasticsearch概述

 2.3 常见的搜索引擎

ElasticSearch 与 Solr 比较

1. 当单纯的对已有数据进行搜索时， Solr 更快

 

2. 当实时建立索引时， Solr 会产生 io 阻塞，查询性能较差，

ElasticSearch 具有明显的优势

 

3. 随着数据量的增加， Solr 的搜索效率会变得更低，而 ElasticSearch

却没有明显的变化

 

  总结

  1 、 es 基本是开箱即用 ( 解压就可以用 !) 【南京】 , 非常简单。 Solr

安装略微复杂一丢丢 !

  2 、 Solr 利用 Zookeeper 进行分布式管理 , 而

Elasticsearch 自身带有分布式协调管理功能 。

  3 、 Solr 支持更多格式的数据 , 比如 JSON 、 XML 、 CSV , 而

Elasticsearch 仅支持 json 文件格式。

  4 、 Solr 官方提供的功能更多 , 而 Elasticsearch 本身更注重于核心

功能，高级功能多有第三方插件提供，例如图形化界面需要 kibana 友

好支撑

  5.Solr 查询快 , 但更新索引时慢 ( 即插入删除慢 ) ，用于电商等查询

多的应用 ;

6 ES 建立索引快 ( 即查询慢 ) ，即实时性查询快，用于 facebook 新浪等

搜索。

 7 Solr 是传统搜索应用的有力解决方案，但 Elasticsearch 更适用于

新兴的实时搜索应用。

8 Solr 比较成熟，有一个更大，更成熟的用户、开发和贡献者社区，

而 Elasticsearch 相对开发维护者较少 , 更新太快 , 学习使用成本较

高

2.4 Elasticsearch 是什么

The Elastic Stack, 包括 Elasticsearch 【搜索，分析】、 Kibana 【可视

化】、 Beats 和 Logstash 【数据的搜集】（也称为 ELK Stack ）。能够安

全可靠地获取任何来源、任何格式的数据，然后实时地对数据进行搜索、

分析和可视化。

Elaticsearch ，简称为 ES ， ES 是一个 开源的高扩展的分布式全文搜索引

擎 ， 是整个 ElasticStack 技术栈的核心。

它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台

服务器，处理 PB 级别的数据。

2.5 Elasticsearch的使用场景

 

国外：

维基百科，类似百度百科， “ 网络七层协议 ” 的维基百科，全文检索，高

亮，搜索推荐

Stack Overflflow （国外的程序讨论论坛），相当于程序员的贴吧。遇到

it 问题去上面发帖，热心网友下面回帖解答。

GitHub （开源代码管理），搜索上千亿行代码。

电商网站，检索商品

日志数据分析， logstash 采集日志， ES 进行复杂的数据分析（ ELK 技

术， elasticsearch+logstash+kibana ）

商品价格监控网站，用户设定某商品的价格阈值，当低于该阈值的时

候，发送通知消息给用户，比如说订阅《 java 编程思想》的监控，如果

价格低于 27 块钱，就通知我，我就去买。

BI 系统，商业智能（ Business Intelligence ）。大型连锁超市，分析全

国网点传回的数据，分析各个商品在什么季节的销售量最好、利润最

高。成本管理，店面租金、员工工资、负债等信息进行分析。从而部署

下一个阶段的战略目标。

国内：

百度搜索，第一次查询，使用 es 。

OA 、 ERP 系统站内搜索。

es: 搜索的一款数据库，支持的数据格式 json.---->

 5. ES中常见的概念

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

6. ES常用API接口

 6.1 基本操作

6.1.1创建索引---数据库

PUT /索引名称/类型名称/1
{
   数据
}
创建索引并往索引中添加一条文档
 
（1）创建索引---但是不添加数据。
PUT /索引名/类型
PUT /qy150
{
   "mappings":{
      "properties": {
          "name":{
             "type": "text"
          },
          "age":{
             "type": "integer"
          }
      }
   }
}

6.1.2删除所有---数据库

DELETE /索引名

 

6.1.3 查询有哪些索引

GET /_cat/indices?v

 6.1.4 查询索引的结构

 

6.1.5 添加文档---记录

# 必须指定id的值
PUT /qy151/student/2
{
   "name":"李四",
   "age":25
}
 
# 不指定id
POST /qy151/student/
{
   "name":"王五",
   "age": 32
}

6.1.6 查询文档---id查询

查询的提交方式必须为GET

GET /索引名称/类型名称/id值

 

6.1.7 删除文档---

提交方式DELETE提交方式

根据不同的操作具有不同的提交方式restful风格

GET 查询
PUT 修改
POST 添加操作
DELETE 删除操作

6.1.8 修改文档

# 修改---这种修改必须要求指定所有列，如果只指定部分列，则原来其他列消失
PUT /qy151/student/2
{
  "name":"王五",
  "age":28
}
 
PUT /qy151/student/2
{
  "name":"刘德华"
}
 
 
# 只修改部分列
POST /qy151/student/1/_update
{
   "doc":{
       "name":"刘德华",
       "age":22
   }
}

6.1.9 根据其他条件查询

(1)查询所有文档

 （2）根据条件搜索

GET /索引名称/类型名称/_search?q=字段名:值

 

（3）查询的条件封装成json

 

PUT /user/_doc/1 {
 "name":"刘民谐",
 "age": 18,
 "desc": ["有趣","幽默","开朗"] 
}
PUT /user/_doc/2 
{ 
"name":"马老师",
 "age": 18, 
"desc": ["严谨","冷漠"] 
}
PUT /user/_doc/3 
{ 
"name":"流油",
 "age": 3, 
"desc":["美丽","年轻","苗条"]
 }

 (4)只想查询部分列

 (5)分页查询

 

(6)排序

 6.1.10 多条件查询

must====等价于and

 should

 

 6.1.11. 高亮显示