gnwu1111的专栏

聚合（aggregations）可以让我们极其方便的实现对数据的统计、分析、运算。实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现近实时搜索效果。

之前说过，由于Elasticsearch对外暴露的接口都是Restful风格的接口，因此JavaAPI调用就是在发送Http请求。这里关键的API有两个，一个是request.source()，它构建的就是DSL中的完整JSON参数。这个参数的格式完全参考DSL查询语句的JSON结构，因此我们在学习的过程中，会不断的把JavaAPI与DSL语句对比。所有的查询条件都是由QueryBuilders来构建的，叶子查询也不例外。因此整套代码中变化的部分仅仅是query条件构造的方式，其它不动。

Elasticsearch提供了基于JSON的DSL（Domain Specific Language）语句来定义查询条件，其JavaAPI就是在组织DSL条件。在查询以后，还可以对查询的结果做处理。

索引库准备好以后，就可以操作文档了。

ES官方提供了各种不同语言的客户端，用来操作ES。这些客户端的本质就是组装DSL语句，通过http请求发送给ES。

根据rest风格，新增是post，查询应该是get，不过查询一般都需要条件，这里我们把文档id带上。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。局部修改是只修改指定id匹配的文档中的部分字段。

Index就类似数据库表，Mapping映射就类似表的结构。我们要向es中存储数据，必须先创建Index和Mapping。

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IK分词器有几种模式？ik_smart：智能切分，粗粒度ik_max_word：最细切分，细粒度IK分词器如何拓展词条？如何停用词条？利用config目录的IkAnalyzer.cfg.xml文件添加拓展词典和停用词典在词典中添加拓展词条或者停用词条。

我们先来回顾一下正向索引。其中的id字段已经创建了索引，由于索引底层采用了B+树结构，因此我们根据id搜索的速度会非常快。但是其他字段例如title，只在叶子节点上存在。因此要根据title搜索的时候只能遍历树中的每一个叶子节点，判断title数据是否符合要求。那搜索的大概流程如图：综上，根据id精确匹配时，可以走索引，查询效率较高。而当搜索条件为模糊匹配时，由于索引无法生效，导致从索引查询退化为全表扫描，效率很差。因此，正向索引适合于根据索引字段的精确搜索，不适合基于部分词条的模糊匹配。

elasticsearch中有很多独有的概念，与mysql中略有差别，但也有相似之处。

Elasticsearch的官方网站如下：Elasticsearch是由elastic公司开发的一套搜索引擎技术，它是elastic技术栈中的一部分。整套技术栈被称为ELK，经常用来做日志收集、系统监控和状态分析等等：整套技术栈的核心就是用来存储、搜索、计算的Elasticsearch，因此我们接下来学习的核心也是Elasticsearch。首先Elasticsearch不用多说，是提供核心的数据存储、搜索、分析功能的。