mysql
estable
index(type)
rowdocument
column
field
schema
sqldsl
乙個es集群由乙個或多個節點（node）組成，每個集群都有乙個cluster name作為標識。
乙個es例項就是乙個 node，乙個機器可以有多個例項，所以並不能說一台機器就是乙個 node，大多數情況下每個node執行在乙個獨立的環境或虛擬機器上。
即一系列 documents 的集合。每個索引可以有多個type，不過7.0之後將會被廢棄，略過。
對映, 就像資料庫中的 schema ，描述了文件可能具有的字段或 屬性 、每個欄位的資料型別—比如 string, integer 或 date —以及lucene是如何索引和儲存這些欄位的。
es是分布式搜尋引擎，每個索引有乙個或多個分片，索引的資料被分配到各個分片上，相當於一桶水用了n個杯子裝。分片有助於橫向擴充套件，n個分片會被盡可能平均地（rebalance）分配在不同的節點上（例如你有2個節點，4個主分片(不考慮備份)，那麼每個節點會分到2個分片，後來你增加了2個節點，那麼你這4個節點上都會有1個分片，這個過程叫 relocation，es感知後自動完成)。分片是獨立的，對於乙個 search request 的行為，每個分片都會執行這個 request。
可以理解為備份分片，相應地有 primary shard（主分片)，主分片和備分片不會出現在同乙個節點上（防止單點故障），預設情況下乙個索引建立5個分片乙個備份（即5primary+5replica=10個分片）。如果你只有乙個節點，那麼5個 replica 都無法分配（unassigned），此時cluster status會變成yellow。
elasticsearch 使用一種稱為 倒排索引 的結構，它適用於快速的全文搜尋。乙個倒排索引由文件中所有不重複詞的列表構成，對於其中每個詞，有乙個包含它的文件列表。
document 中的資料是如何轉變成倒排索引的，以及查詢語句是如何轉換成乙個個詞(term)使高效率文字搜尋變得可行，這種轉換資料的過程就稱為文字分析(analysis)。
對於乙個索引，除非重建索引否則不能調整分片的數目（主分片數, number_of_shards），但可以隨時調整 replica 數(number_of_replicas)。
通過 docker 啟動乙個單節點集群
$ docker run -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" docker.elastic.co/elasticsearch/elasticsearch:6.7.2$ curl -xhttp://localhost:9200/?-d ''$ put foo_index
, ...
}}
$ put foo_index/_settings
}刪除索引
$ delete foo_index$ put foo_index/_doc/1
$ post foo_index/_doc
$ get foo_index/_doc/1curl -x get foo_index/_search -d 'body'來搜尋文件
match_all匹配所有文件，等價於空查詢{}
}}
}}
}
}}
}}
},
"must_not": },
"should": },
"filter": } }
}}
ElasticSearch快速入門
一.前言 上週公司在做乙個模組功能的時候 因為最後的結果資料量遠遠超過了預想的資料量 最後不得不把mysql換成elastic search，以前在學校的時候也沒有1接觸到這些東西 剛好這段時間處於專案空檔期 所以剛好趁機學習一下 二.介紹 elasticsearch是乙個分布式的restful風格...
Elastic Search快速上手（3） 搜尋
儲存好資料之後，便可通過restful api進行搜尋。詳細文件可參考 簡單搜尋 深入搜尋 注 對前文的乙個補充，可以使用analyze來檢視分詞器的分詞結果。get analyze 分詞結果 搜尋使用get方式，get請求的路徑中，可以包含目標索引 型別和文件 id。search 在所有的索引中搜...
Elasticsearch學習之快速入門案例
1.document資料格式 面向文件的搜尋分析引擎 1 應用系統的資料結構都是物件導向的，複雜的 2 物件資料儲存到資料庫中，只能拆解開來，變為扁平的多張表，每次查詢的時候還得還原回物件格式，相當麻煩 3 es是面向文件的，文件中儲存的資料結構，與物件導向的資料結構是一樣的，基於這種文件資料結構，...