一.Elasticsearch介绍
ElasticSearch是一个开源的高扩展的分布式全文检索引擎，它也是使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。
作者说：“Elasticsearch is schemaless. It can eat anything you feed it and process it for later querying. “
优点：
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。
主要解决的问题：
检索相关数据；
返回统计结果；
速度快
ES可以部署在独立的单个搜索服务器。为了处理大型数据集，实现容错和高可用性，ES可以运行在许多互相合作的服务器上，成为一个集群。
2.Node：节点。形成集群的每个服务器即是节点。
3.Shard：分片。当有大量的文档时，由于内存的限制、磁盘处理能力不足、无法足够快的响应客户端的请求等，一个节点可能不够。这种情况下，数据可以分为较小的分片。每个分片放到不同的服务器上，分片再组合这个过程用户是感知不到的。
为提高查询吞吐量或实现高可用性，可以使用分片副本。
副本是一个分片的精确复制，每个分片可以有零个或多个副本。ES中可以有许多相同的分片，其中之一被选择更改索引操作，这种特殊的分片称为主分片。
当主分片丢失时，该分片所在的数据不可用时，集群将副本提升为新的主分片。
全文检索就是对一篇文章进行索引，可以根据关键字搜索，类似于mysql里的like语句。
全文索引就是把内容根据词的意义进行分词，然后分别创建索引。
为清楚区分关系型数据库和ES的概念，罗列一个表格：
关系型数据库 | ES | |||
Database | 数据库 | Index | 索引 | |
Table | 表 | Type | 类型 | |
Row | 行 | document | 文档 | |
Column | 列 | Field | 字段 | |
Schema | 图表 | Mapping | 映射 | |
Index | 索引 | Everything is indexed | 所有内容都已编入索引 | |
SQL | SQL语句 | Query DSL | DSL命令行 | |
SELECt * FROM…. | 查询语句 | GET http://.... | 查询语句 | |
UPDATE table SET… | 修改语句 | PUT/POST http://.... | 修改语句 |
1.关系型数据库中的数据库（Database），等价于ES中的索引（Index）
2.一个数据库下面有N张表（Table），等价于1个索引Index下面有N多类型（Type），
3.一个数据库表（Table）下的数据由多行（ROW）多列（column，属性）组成，等价于1个Type由多个文档（document）和多Field组成。
4.在一个关系型数据库里面，schema定义了表、每个表的字段，还有表和字段之间的关系。 与之对应的，在ES中：Mapping定义索引下的Type的字段处理规则，即索引如何建立、索引类型、是否保存原始索引JSON文档、是否压缩原始JSON文档、是否需要分词处理、如何进行分词处理等。
5.在数据库中的增insert、删delete、改update、查search操作等价于ES中的增PUT/POST、删Delete、改_update、查GET.
它们相似又有区别，需要区分开。
三.Elasticsearch的CRUD操作
关键字：
GET：获取请求对象的当前状态。
POST：改变对象的当前状态。
PUT：创建一个对象。
DELETE：销毁对象。
HEAD：请求获取对象的基础信息。
一.新建（对应insert）
http://localhost:8899/imooc/ariticle/1 put
{
"title":"New version of Elasticsearch released!",
"content":"Version 1.0 released today!",
"tags":["announce","elasticsearch","release"]
}新建成功：
{
- "_index": "imooc",
- "_type": "ariticle",
- "_id": "1 -d",
- "_version": 1,
- "_shards": {
- "total": 2,
- "successful": 1,
- "failed": 0
- },
- "created": true
}二.查找（对应select）
curl -XGET http://localhost:8899/imooc/ariticle/1
查找成功结果为
{
- "_index": "imooc",
- "_type": "ariticle",
- "_id": "1",
- "_version": 1,
- "found": true,
- "_source": {
- "title": "New version of Elasticsearch released!",
- "content": "Version 1.0 released today!",
- "tags": [
- "announce"
- ,
- "elasticsearch"
- ,
- "release"
- ]
- }
}如果查找失败
{
- "_index": "imooc",
- "_type": "ariticle",
- "_id": "11",
- "found": false
}根据关键字检索：
查询cotent列包含版本为1.0的信息
http://localhost:8899/imooc/_search?pretty&q=content:1.0
2.查询title中包含“enhance”字段的数据信息
curl -XGET http://localhost:8899/imooc/ariticle/_search?pretty -d `
>{"query":{
> "term":
> {"title":"enhance"}
> }
>}'3.查询ID值为3,5,7的数据信息
curl‑XGET http://localhost:8899/imooc/ariticle/_search?pretty -d `
>{ "query" : {"terms" :
> {"_id" : [ "3", "5", "7" ] }
> }
>}'三.更新修改(对应update)
curl ‑XPUT "http://localhost:8989/imooc/ariticle/1" ‑d '
{"script":"ctx._source.content = "new version 2.0 20160714""}查询更新后结果
{
- "_index": "blog",
- "_type": "ariticle",
- "_id": "1",
- "_version": 2,
- "found": true,
- "_source": {
- "title": "New version of Elasticsearch released!",
- "content": "new version 2.0 20160714",
- "tags": [
- "announce"
- ,
- "elasticsearch"
- ,
- "release"
- ]
- }
}四.删除(对应delete)
curl‑XDELETE http://localhost:8899/imooc/ariticle/1
以上便是ES的CRUD操作，需要动手操作熟悉一波。
前面讲了这么多基础性的知识，下面来看看在Java代码如何和使用功能强大的ES。
Elasticsearch的Java客户端功能强大; 它可以启动嵌入式实例并在必要时运行管理任务。但在这里，我专注于针对您已经运行的节点运行应用程序任务。
使用Elasticsearch运行Java应用程序时，可以使用两种操作模式。应用程序可以在Elasticsearch集群中采用更主动或更被动的角色。在更活跃的情况下，称为节点客户端，应用程序实例接收来自集群的请求，并确定哪个节点应该像正常节点那样处理请求。（应用程序甚至可以托管索引并提供请求。）另一种模式（称为传输客户端）只是将任何请求转发到另一个Elasticsearch节点，该节点确定最终目标。
获取传输客户端Client client = TransportClient.builder().build()
.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("localhost"), 9300));如果要连接到Elasticsearch集群，则构建器可以接受多个地址。（在这种情况下，您只有一个localhost节点。）连接到端口9300，而不是像cURL那样连接到CS200用于REST API。Java客户端使用此特殊端口，使用9200将无法正常工作。（其他Elasticsearch客户端 - 一个Python客户端 - 使用9200来访问REST API。）
在服务器启动时创建客户端，并在整个请求处理过程中使用它。Spark使用Mustache模板引擎的Java实现呈现页面。
1.基本搜索
Spark.get("/", (request, response)‑>{
SearchResponse searchResponse = client.prepareSearch("music").setTypes("lyrics").execute().actionGet();
SearchHit[] hits = searchResponse.getHits().getHits();
Map attributes = new HashMap<>();
attributes.put("songs", hits);
return new ModelAndView(attributes, "index.mustache");
}, new MustacheTemplateEngine()); 2.高级查询和匹配突出显示
Spark.get("/search", (request, response) ‑> {
SearchRequestBuilder srb = client.prepareSearch("music").setTypes("lyrics");
String lyricParam = request.queryParams("query");
QueryBuilder lyricQuery = null;
if(lyricParam != null && lyricParam.trim().length() > 0){
lyricQuery = QueryBuilders.matchQuery("lyrics", lyricParam);
}
String artistParam = request.queryParams("artist");
QueryBuilder artistQuery = null;
if(artistParam != null && artistParam.trim().length() > 0){
artistQuery = QueryBuilders.matchQuery("artist", artistParam);
}
if(lyricQuery != null && artistQuery == null){
srb.setQuery(lyricQuery).addHighlightedField("lyrics", 0, 0);
}else if(lyricQuery == null && artistQuery != null){
srb.setQuery(artistQuery);
}else if(lyricQuery != null && artistQuery != null){
srb.setQuery(QueryBuilders.andQuery(artistQuery,
lyricQuery)).addHighlightedField("lyrics", 0, 0);
}
SearchResponse searchResponse = srb.execute().actionGet();SearchHit[] hits = searchResponse.getHits().getHits();
Map attributes = new HashMap<>();
attributes.put("songs", hits);
return new ModelAndView(attributes, "index.mustache");}, new MustacheTemplateEngine()); 三.插入索引Spark.post("/save", (request, response) ‑> {
StringBuilder json = new StringBuilder("{");
json.append(""name":""+request.raw().getParameter("name")+"",");
json.append(""artist":""+request.raw().getParameter("artist")+"",");
json.append(""year":"+request.raw().getParameter("year")+",");
json.append(""album":""+request.raw().getParameter("album")+"",");
json.append(""lyrics":""+request.raw().getParameter("lyrics")+""}");
IndexRequest indexRequest = new IndexRequest("music", "lyrics",
UUID.randomUUID().toString());
indexRequest.source(json.toString());
IndexResponse esResponse = client.index(indexRequest).actionGet();
Map attributes = new HashMap<>();
return new ModelAndView(attributes, "index.mustache");
}, new MustacheTemplateEngine()); 在这里，您可以通过直接生成JSON字符串来创建它StringBuilder。在生产应用程序中，使用像Boon或Jackson这样的库。
执行Elasticsearch工作的部分是：
IndexRequest indexRequest = new IndexRequest("music", "lyrics", UUID.randomUUID().toString());在这种情况下，使用UUID生成ID。
关于ElasticSearch(弹性搜索)的原理与用法的内容就是这些，希望对大家有所帮助~~
