1. 为什么ES不将数据存储为二进制文件，而使用JSON格式存储
答：ES不仅要存储文档数据，还做对其创建索引
2. 三个基本概念
> mapping: 映射，处理数据中每个字段如何存储
> analysis：分析，全文如何被索引到
> Query DSL：ES提供的灵活强大的检索语言
> 提醒：倒排索引检索中间件，匹配规则都是：模糊匹配+source。与Mysql等结构化匹配都不同
3. select *
> GET /_search ： 查询所有的文档
> GET /_index1,index2/_search ：查询索引index1和index2下的所有文档
> GET /_type1,type2,_type3*/_search ：查询类型type1、type2、type3下的所有文档
> GET /_all/tweet*/_search ：查询所有索引下的tweet开头类型下的所有文档
- 以此类推 GET /_index/_type/_search，支持正则匹配，多个_index、_type使用","隔开
注意： url中每个位置不可以空缺，使用_all填充。例如：/_all/_type/_search
4. select * from table offset 1 limit 10
> GET /_search?size=10&from=1
重点： 结构化数据库和分布式系统查询，在分页中，我们都知道，随着分页深度的增加，排序的成本成指数增
加，分布式系统和ElasticSearch的分片存储，类似Mysql的分库分表，排序的成本都是极高的。所以建议Web型
检索对任何结果都不要超过1000。（查询结果不要超过1000，不是分页大小，可以理解为结果集不要超过1000，
随着分页深度的增加，排序后，丢弃无用数据也在指数增加（目标分页前的数据都将丢弃））
5. 请求参数：q
> GET /_search?q=+name:John
- “+”：标识必须匹配
- “-”：标识必须不可以匹配
- “” ：不加标识，表示 或
- 如果同时使用“+”“-”但符号一定要编码
6. 原理
> 倒排索引
> 分析：文档分词+标准化分词 （简单解释：字符过滤器-去除非字符、分词器-分 词、Token过滤器-大小写转换）
> 映射：
- 一般而言：只指定type属性就行
- "type":"string":
index: analyzed(全文检索)、no_analyzed(精确匹配)、no(不被索引到)
analyzed：whitespace 、 simple 和 english
7. 请求体查询：
> query:
> match_all:
> match:
{
"query": {
"match": {
"tweet": "elasticsearch"
}
}
}
{
"query": {
"match_all": {}
}
}
> bool:
> bool.must:
> bool.should:
> bool.must_not:
> bool.filter:
{
"bool": {
"must": { "match": { "email": "business opportunity" }},
"should": [
{ "match": { "starred": true }},
{ "bool": {
"must": { "match": { "folder": "inbox" }},
"must_not": { "match": { "spam": true }}
}}
],
"minimum_should_match": 1
}
}
> multi_match: 匹配多个字段同一查询
{
"multi_match": {
"query": "full text search",
"fields": [ "title", "body" ]
}
}
> range: 范伟查询
{
"range": {
"age": {
"gte": 20,
"lte": 30,
"lt": 30,
"gt": 30
}
}
}
> term: 精准匹配单个值（精准匹配）
{
"term": {
"age": 26
}
}
> terms: 精准匹配多个值（精准匹配）
{
"terms": {
"tag": [
"search",
"full_text",
"nosql"
]
}
}
> exists：存在
> missing：不存在
{
"exists": {
"field": "title"
}
}
> constant_score: 同filter，性能相同
8. 匹配和过滤
- 匹配： 指的是相似性，携带_score （由于需要计算相关性，性能较差【都是基于同等量的数据】）
- 过滤： 指的是完全比匹配（只获取yes、no的结果，性能较好）
9. 复合查询
{
"bool": {
"must": { "match": { "title": "how to make millions" }},
"must_not": { "match": { "tag": "spam" }},
"should": [
{ "match": { "tag": "starred" }}
],
"filter": {
"bool": {
"must": [
{ "range": { "date": { "gte": "2014-01-01" }}},
{ "range": { "price": { "lte": 29.99 }}}
],
"must_not": [
{ "term": { "category": "ebooks" }}
]
}
}
}
}
10. 查询分析
> GET /gb/tweet/_validate/query : _validate-校验Api合法性
> GET /gb/tweet/_validate/query?explain : explain-分析查询效率，等同于Mysql的explain
