Es的快速入门文档
1.对比数据库理解
ElasticSearch是面向文档型数据库，一条数据在这里就是一个文档。
注意：从ElasticSearch6.X开始，一个Index下只能包含一个Type，因此，在ElasticSearch7.X及之后的版本已经删除了Type的概念。
2.倒排索引
在关系型数据库中，我们经常通过索引找内容，但是在全文检索的场景中，关系型数据库通过like来逐行实现全文检索，数据量上来之后，显然不太现实。所以这时候就诞生了倒排索引，通过关键词建立索引，然后关联文档编号(id),通过关键词的匹配权重(score)来对文档进行排序。
3.IK分词器
github下载地址:https://github.com/medcl/elasticsearch-analysis-ik/releases
找到和es一样的版本，这里我用的es为7.13.4，ik也选7.13.4版本。
下载之后传到服务器上，创建ik文件夹，解压到ik目录下。创建Dockerfile文件，内容如下:
FROM elasticsearch:7.13.4 ADD ik /usr/share/elasticsearch/plugins/elasticsearch-analysis-ik
如上图，含有ik分词器的es镜像已制作好。替换原来的镜像，重启es即可。
若使用的KubeSphere部署的es，参考下图:
重启之后，验证ik分词器是否安装好了，如下图，则说明已安装好。
这里我以Kibana为例，我们知道，ik分词器提供了两个分词算法:分别为ik_smart(最少切分)和ik_max_word(最细粒度切分)。
我这里输入"少年攻城狮说Java"，期望切分成，"少年攻城狮"，"爱"，"中华人们共和国"。
ik_smart的切分结果:
ik_max_word的切分结果:
两种算法对比后，发现"少年攻城狮"没有被切到一起，这说明ik分词器字典里没有"少年攻城狮"这个词，这时候对于这种定制化名词，我们就需要自己添加到ik分词器的字典里。
修改成功后，重新打镜像，替换原来的elasticsearch_ik:7.13.4镜像，重启es。
如上图，显然，我们的字典已生效。
4.REST风格操作ES
常用数据类型
4.1.创建索引
第一种创建方式：类似设计表
PUT /test1
{
"mappings": {
"properties": {
"name": {
"type": "text"
},
"age": {
"type": "long"
},
"birthday": {
"type": "date"
}
}
}
}
第二种创建方式：默认识别类型
PUT /test2/_doc/1
{
"name": "少年攻城狮",
"age": 18,
"birth": "1998-02-16"
}
#查看索引库默认属性，确认字段类型的默认值
GET test2
4.2.查看全部索引信息
GET _cat/indices?v
4.3.修改文档数据（推荐）
这种修改，当字段没有传的时候，不会覆盖成null值。
POST /test2/_doc/1/_update
{
"doc": {
"name": "张无忌"
}
}
4.4.删除索引
DELETE test
4.5.删除文档数据
DELETE test2/_doc/1
4.6.新增或修改文档数据（不推荐使用这种修改，推荐使用4.3的修改）
这个方法，存在就修改，不存在就新增，用这种方法做修改，少写了某个字段的时候，少写的字段的值会被赋上null值。
PUT /student/user/1
{
"name": "张三",
"age": 16,
"desc": "一顿操作猛如虎",
"tags": ["抽烟","喝酒"]
}
PUT /student/user/2
{
"name": "里斯",
"age": 18,
"desc": "天王盖地虎",
"tags": ["学习","喝酒"]
}
PUT /student/user/3
{
"name": "王五",
"age": 22,
"desc": "宝塔镇河妖",
"tags": ["旅游","喝酒"]
}
#根据id查看数据
GET /student/user/1
4.7.简单的查询
#根据id查询
GET /student/user/1 #_search代表查询操作，q代表查询条件
GET student/user/_search?q=name:张三
4.8.复杂查询
标签：name,---,索引,ik,文档,es,student,ElasticSearch,Es From： https://www.cnblogs.com/hujunwei/p/16988570.html