上个厕所的功夫弄清楚了ES搜索服务器

ElasticSearch是一个基于Lucene的搜索服务器

是一个分布式、高扩展、高实时的搜索与数据分析引擎基于RESTful web接口Elasticsearch是用Java语言开发的，底层就是Lucene常用于海量信息的查询

补充知识：
Elasticsearch是ELK的一个组成，是其中的一个产品，而且是非常完善的产品，ELK代表的是：E就是ElasticSearch，L就是Logstach（数据采集和同步，操作日志），K就是kibana（数据可视化分析）

索引（index）

ElasticSearch存储数据的地方，可以理解成关系型数据库中的数据库概念。

映射（mapping）

mapping定义了每个字段的类型、字段所使用的分词器等。相当于关系型数据库中的表结构。

文档（document）

Elasticsearch中的最小数据单元，常以json格式显示。一个document相当于关系型数据库中的一行数据。

倒排索引

一个倒排索引由文档中所有不重复词的列表构成，对于其中每个词，对应一个包含它的文档id列表。

倒排索引是es的核心，我们正常操作数据库是根据ID查内容，倒排索引是根据内容查ID，然后再拿着ID去查询出来真正需要的东西。

类型（type）

一种type就像一类表。如用户表、角色表等。在Elasticsearch7.* 默认type为_doc。

总结上述内容将Elasticsearch和关系型数据术语对照：

关系数据库      ⇒ 数据库        ⇒  表         ⇒ 行              ⇒ 列(Columns)
 
Elasticsearch  ⇒ 索引(Index)   ⇒ 类型(type)  ⇒ 文档(Docments)  ⇒ 字段(Fields)  

说到ES的索引，那么我们不免会想到MySQL的索引，那么他们之间到底有啥区别呢，相信大家也都知道这是面试官们非常喜欢问的问题。

数据库索引是一种单独的、物理的 对数据库表中一列或多列的值进行排序的一种存储结构，你可以认为它类似于一本书的目录，你可以通过目录轻易的找到你所要的内容。
要知道MySQL5.5之后的版本索引都使用的是B+Tree，但是为什么使用B+Tree呢他尽力了漫长的优化想要详细了解请看 曾经，我以为我很懂MySQL索引 这里我只放一张图，大家懂得都懂，不懂就看上面的连接更深入的学习一哈！

ES 索引，在ES中使用的其实是倒排索引，那么什么又是倒排索引呢？为了方便理解我们先介绍正排索引
正排索引就是文档（document）和它的字段Fields正向对应的关系：也就是用id查内容

倒排索引就是用内容查找对应的id

倒排索引搞清楚了，但是怎么能高效的查询呢？
这里我们引用到两个新的概念：Term Dictionary，Term Index
我们将一个文本拆分成一个一个独立Term 其实就是我们常说的分词。而将所有 Term 合并在一起就是一个 Term Dictionary，也可以叫做单词词典。但是分词多了也就不高效了，所以有引入了Term Index，我们为Term Dictionary 创建一个索引然后放入内存中，这样就减少了io次数，提高了查询效率。

#添加
PUT http://ip:端口/索引名称

#查询
GET http://ip:端口/索引名称  # 查询单个索引信息
GET http://ip:端口/索引名称1,索引名称2...  # 查询多个索引信息
GET http://ip:端口/_all  # 查询所有索引信息

#删除
DELETE http://ip:端口/索引名称

#关闭、打开索引
POST http://ip:端口/索引名称/_close  
POST http://ip:端口/索引名称/_open 

#创建索引并添加映射
PUT /person
{
  "mappings": {
    "properties": {
      "name": {
        "type": "text"
      },
      "age": {
        "type": "integer"
      }
    }
  }
}

#查询映射
GET person/_mapping

#添加字段
PUT /person/_mapping
{
  "properties": {
    "name": {
      "type": "text"
    },
    "age": {
      "type": "integer"
    }
  }
}

添加文档，指定id
POST /person/_doc/1
{
  "name":"张三",
  "age":18,
  "address":"北京"
}

#查询所有文档
GET /person/_doc/1

#查询所有文档
GET /person/_search

#添加文档，不指定id
POST /person1/_doc/
{
  "name":"张三",
  "age":18,
  "address":"北京"
}

#删除指定id文档
DELETE /person/_doc/1

IKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。

IK提供两种分词模式：智能模式和细粒度模式
{ 智能（组粒度）：对应es的IK插件的ik_smart，细粒度：对应es的IK插件的ik_max_word }

①搭建SpringBoot工程

②引入ElasticSearch相关坐标

   
       org.elasticsearch.client
       elasticsearch-rest-high-level-client
       7.4.0
   
   
       org.elasticsearch.client
       elasticsearch-rest-client
       7.4.0
   
   
       org.elasticsearch
       elasticsearch
       7.4.0
   

application.yml

elasticsearch:
  host: 192.168.200.128
  port: 9200

③测试

ElasticSearchConfig

@Configuration
@ConfigurationProperties(prefix="elasticsearch")
public class ElasticSearchConfig {

    private String host;

    private int port;
    public String getHost() {
        return host;
    }

    public void setHost(String host) {
        this.host = host;
    }

    public int getPort() {
        return port;
    }

    public void setPort(int port) {
        this.port = port;
    }
    @Bean
    public RestHighLevelClient client(){
        return new RestHighLevelClient(RestClient.builder(
                new HttpHost(host,port,"http")
        ));
    }
}

@SpringBootTest
class ElasticsearchDay01ApplicationTests {

    @Autowired
    RestHighLevelClient client;

    
    @Test
    void contextLoads() {
        System.out.println(client);
    }
}

1.添加索引

    @Test
    public void addIndex() throws IOException {
       //1.使用client获取操作索引对象
        IndicesClient indices = client.indices();
        //2.具体操作获取返回值
        //2.1 设置索引名称
        CreateIndexRequest createIndexRequest=new CreateIndexRequest("itheima");

        CreateIndexResponse createIndexResponse = indices.create(createIndexRequest, RequestOptions.DEFAULT);
        //3.根据返回值判断结果
        System.out.println(createIndexResponse.isAcknowledged());
    }

2.添加索引，并添加映射

 
    @Test
    public void addIndexAndMapping() throws IOException {
       //1.使用client获取操作索引对象
        IndicesClient indices = client.indices();
        //2.具体操作获取返回值
        //2.具体操作，获取返回值
        CreateIndexRequest createIndexRequest = new CreateIndexRequest("itcast");
        //2.1 设置mappings
        String mapping = "{n" +
                "      "properties" : {n" +
                "        "address" : {n" +
                "          "type" : "text",n" +
                "          "analyzer" : "ik_max_word"n" +
                "        },n" +
                "        "age" : {n" +
                "          "type" : "long"n" +
                "        },n" +
                "        "name" : {n" +
                "          "type" : "keyword"n" +
                "        }n" +
                "      }n" +
                "    }";
        createIndexRequest.mapping(mapping,XContentType.JSON);

        CreateIndexResponse createIndexResponse = indices.create(createIndexRequest, RequestOptions.DEFAULT);
        //3.根据返回值判断结果
        System.out.println(createIndexResponse.isAcknowledged());
    }

3.查询索引

@Test
public void queryIndex() throws IOException {
  IndicesClient indices = client.indices();

  GetIndexRequest getRequest=new GetIndexRequest("itcast");
  GetIndexResponse response = indices.get(getRequest, RequestOptions.DEFAULT);
  Map mappings = response.getMappings();
  //iter 提示foreach
  for (String key : mappings.keySet()) {
    System.out.println(key+"==="+mappings.get(key).getSourceAsMap());
  }
}

4.删除索引

 
    @Test
    public void deleteIndex() throws IOException {
         IndicesClient indices = client.indices();
        DeleteIndexRequest deleteRequest=new DeleteIndexRequest("itheima");
        AcknowledgedResponse delete = indices.delete(deleteRequest, RequestOptions.DEFAULT);
        
        System.out.println(delete.isAcknowledged());

    }