es的query关键字中的match子关键字匹配查询，中文分词器（ik_smart 简易分词、ik_max_word 尽最大可能分词）

1、先了解一下es的语法语句关键字

2、最常用的，query关键字查询，query下还有match子关键字（匹配的意思）

GET movie_index/movie/_search
{
 "query": {
   "match": {
     "name": "red"
   }
 }
}

查询name字段带有red的，查到总共2条结果！

3、上面插入和查询的都是英文，那么要让es识别我们的中文，怎么办？

就是要让他做到分词处理，比如：红海行动，要让他分成：红海、行动才行的。

这里可以让他先分析一下：

es不能识别中文，它不知道这是什么意思，这里直接分析词，是很失败的分词。

4、故要加入一个中文分词器，创建索引，方便匹配，提高查询效率！

es启动的时候，会扫描这个插件目录/opt/es/elasticsearch-6.3.1/plugins。
注意：这个目录下的一个子目录为一个独立的插件。而且只扫描一层子目录！不能把插件的文件分散解压！

因为这里打包的rar文件，linux系统没有这个命令解压，所以在widow上直接解压出来，直接上传到这个文件夹使用即可了。


这个ik是一个中英文分词器，有两种：
（1）ik_smart 简易分词，在电商项目中，一般对商品的规格描述（数据比较大）进行分词，使搜索规格描述的词也能显示出来。
（2）ik_max_word 尽最大可能分词，在电商项目中，对商品标题（比较短的一句标题）的分词

5、cd到bin目录运行命令./elasticsearch重启es

再在kibana输入命令：

GET _analyze
{
  "analyzer": "ik_smart", 
  "text": "红海行动"
}

这是“红海行动”，不是很明显的分词效果，

6、换成“我是中国人”

引入尽最大可能分词插件：

GET _analyze
{
  "analyzer": "ik_max_word", 
  "text": "我是中国人"
}

引入简易分词插件：

GET _analyze
{
  "analyzer": "ik_smart", 
  "text": "我是中国人"
}

7、测试，插入三条中文的数据：

PUT /movie_chn/movie/1
{ "id":1,
  "name":"红海行动",
  "doubanScore":8.5,
  "actorList":[  
  {"id":1,"name":"张译"},
  {"id":2,"name":"海清"},
  {"id":3,"name":"张涵予"}
 ]
}
PUT /movie_chn/movie/2
{
  "id":2,
  "name":"湄公河行动",
  "doubanScore":8.0,
  "actorList":[  
{"id":3,"name":"张涵予"}
]
}

PUT /movie_chn/movie/3
{
  "id":3,
  "name":"红海事件",
  "doubanScore":5.0,
  "actorList":[  
{"id":4,"name":"张晨"}
]
}

查询name字段为红海的结果：

GET movie_chn/movie/_search
{
  "query": {
    "match": {
      "name": "红海"
    }
  }
}

返回关于name字符为“红海”的两条结果，测试成功！