1、我们都知道Elasticsearch是一个实时分布式搜索和分析引擎，是面向文档类型的。
首先我们先看一下关系型数据库和Elasticsearch的关系对比图
此时的可以认为的关系是关系型数据库的数据库（database）名相当于Elasticsearch的索引（indices）,数据库表（table）相当于Elasticsearch的的type，以此类推。（暂时这样可以理解方便）。
在关系型数据库中我们找数据库都是“找到数据库名->找到表名->找到所需要的行->找到列->最后找到字段的信息”。所以我们可以理解Elasticsearch的逻辑设计同样也是“找到索引indices->找到types->找到documents->找到field”，由此得到的逻辑结构是“索引-》类型-》文档ID-》文件体”。
前面所说的Elasticsearch是面向文档的，那么就意味着索引和搜索的数据的最小单位是文档，所以要理解文档的几个重要的属性：
（1）自我包含，即一篇文档同时包含字段和对应的值，也就是同时包含 key:value。就是key:value中又包含key:value。类似于(如下图) JSON的格式
（2）可以是层次型的，一个文档中包含自文档，复杂的逻辑实体就是这么来的
（3）灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对于字段是非常灵活的，有时候，我们可以忽略该字段，或者动态的添加一个
新的字段。
2、关于Elasticsearch的类型
类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。 类型中对于字段的定义称为映射，比如 name 映 射为字符串类型。 我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，
比如新增一个字段，那么elasticsearch是怎么做的呢?elasticsearch会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它
是整形。 但是elasticsearch也可能猜不对， 所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用。
简单地说就是elasticsearch可以是自己猜你所增加的字段的类型，当可能又猜不准，但MySql不会猜你的字段类型，直接报错，一次为了避免一些愚蠢的错误，我们设计是都合理地加上类型。
3、elasticsearch的索引
索引是映射类型的容器，elasticsearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置
4、先看一个表
如果要搜索含有 python 标签的文章，那相对于查找所有原始数据而言，查找倒排索引后的数据将会快的多。只需要查看标签这一栏，然后获取相关的文章ID即可。
传统的我们的检索是通过文章，逐个遍历找到对应关键词的位置。
而倒排索引，是通过分词策略，形成了词和文章的映射关系表，这种词典+映射表即为倒排索引。
5、ik分词器。其实就是将获得的一段文字划分为一个个关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词。
如果熟悉Python的词云那一部分知识的对于ik分词器就明白是什么意思。
IK提供了两个分词算法：ik_smart，ik_max_word。
ik_smart：粗粒度分词，优先匹配最长的词，一般只有一个词
ik_max_word：细粒度分词，会尽穷一个语句中所有分词的可能
6、增删改查命令
（1）增加数据
PUT /lamguage/php/1
{
“ID”:”php语言”,
“name”:”php语言”,
“desc”:”世界上最好的语言”
}
/lamguage/php/1的格式就是前面说的：索引-》类型-》文档ID
注意：put也有修改的功能（post也可以修改）：当执行 命令时，如果数据不存在，则新增该条数据，如果数据存在则修改该条数据。
（2）更新（修改）数据
我们使用 POST 命令，在 id 后面跟 _update（这个是修改功能固定的，不是自定义的），要修改的内容放到 doc 文档(属性)中即可。
POST /lamguage/php/1/_update
{
“doc”:{
“ID”:“1”
“name”:”php语言No1”,
“desc”:”世界上最好的语言”
}
}
（3）查询（无条件查询和有条件查询）
无条件查询：GET lamguage/php/_search
有条件查询：GET lamguage/php/_search?q=name: php语言No1
当然，也可以构建查询语句：格式
例子1：
GET lamguage/php/_search
{
“query”:{#查询关键词
“match”:{#查询条件
“name”:” php语言No1”
}
}
}
例子2：
GET lamguage/php/_search
{
“query”:{#查询关键词
“match_all”:{}
}
}
“match_all”:{}空值时表示没有查询条件，全部查找
例子3：
GET lamguage/php/_search
{
“query”:{#查询关键词
“match_all”:{}
},
“_source”:[“name”,”desc”]#通过_source来返回的属性name和desc
}
（4）排序查询，关键词：sort
注意:在排序的过程中，只能使用可排序的属性(数字、日期、ID)进行排序。其它的都不可用。
GET lamguage/php/_search
{
“query”:{#查询关键词
“match_all”:{}
},
“sort”:[
{
“ID”{
“order”:”desc”#desc降序，asc就是升序了
}
}
]
}
（5）分页查询：关键词：form和size
GET lamguage/php/_search
{
“query”:{#查询关键词
“match_all”:{}
},
“sort”:[
{
“ID”{
“order”:”desc”#desc降序，asc就是升序了
}
}
],
“from”：0, #从第n条开始
“size”：1 #返回n条数据
}
（6）布尔查询
1、关键词must(类似MySql语句的and)
GET person/user/_search
{
“query”:{ #查询
“bool”:{ #返回Boolean值
“must”:[ # must(类似MySql语句的and)
{
“match”:{ #条件1 match{条件内容}
“name”:”法外狂徒”
}
},
{
“match”：{ #条件2 match{条件内容}
“age”:27
}
}
]
}
}
}
2、关键词should(类似MySql语句的or)
GET person/user/_search
{
“query”:{ #查询
“bool”:{ #返回Boolean值
“should”:[ # should (类似MySql语句的or)
{
“match”:{ #条件1 match{条件内容}
“name”:”法外狂徒”
}
},
{
“match”：{ #条件2 match{条件内容}
“age”:27
}
}
]
}
}
}
3、关键词must_not(类似MySql语句的not)
GET person/user/_search
{
"query": {
"bool": {
"must_not": [ # must_not(类似MySql语句的not)
{ "match": {
"age": 18
}
}
]
}
}
}
4、Filter：过滤（比如数据库语句：大于多少，少于多少，在什么区间）
关键词：gt表示大于
gte表示大于等于
lt表示小于
lte表示小于等于
GET user/student/_search
{
“query”:{ #查找条件
“bool”:{ #判断返回结果
“must”[ #关系
{
“match”:{ #条件必须是类似where后面的条件
“name”:”张三狂徒”
}
}
],
“filter”:{ #过滤条件
“range”:{ #范围
“age”:{
“gte”:25, #大于等于
“lte”:30 #小于等于
}
}
}
}
}
}
5、短语检索（Mysql的模糊查询）
GET student/user/_search
{
"query":{
"match": {
"tags": "狂徒" #有狂徒的标签
}
}
}
6、精确查询（term查询）
term查询是直接通过倒拍索引指定的词条，也就是精确查找。
term和match的区别：
·match是经过分析（analyer）的，也就是说，文档是先被分析器处理了，根据不同的分析器，分析出的结果也会不同，在会根据分词 结果进行匹配。
·term是不经过分词的，直接去倒排索引查找精确的值。
（1）创建数据
PUT /testdb
{
“mappings”:{
“properties”:{
“name”:{
“type”:”text”
},
“desc”:{
“type”:”keyword”
}
}
}
}
有没有发现，这次添加的数据与其它有所不同，主要的就是用mappings properties去给多个字段（field）指定类型的时候，不能给我们的索引（/testdb）制定类型
（2）插入数据
插入第一条数据
PUT /testdb/_doc/1
{
“name”:” 张三狂徒”,
“desc”:”永远在刑法的路上”
}
插入第二条数据
PUT /testdb/_doc/1
{
“name”:” 张三狂徒”,
“desc”:”终于服刑了”
}
此时我们用分析器来对比keyword类型和standard类型
·keyword类型：不会被分析器处理
·standard类型：会被分析器处理，分成一个个
_analyze是Elasticsearch一个非常有用的API，它可以帮助你分析每一个field或者某个analyzer/tokenizer是如何分析和索引一段文字。
如1：
GET _analyze
{
“analyzer”:”keyword”, #属于keyword类型，不会被分析器处理
“text”:” 永远在刑法的路上” #整个text内容输出
}
如2：
GET _analyze
{
“analyze”:”standard”, #属于standard类型，会被分析器处理
“text”:” 永远在刑法的路上” #输出结果会被一个一个字拆开
}
7、查找多个精确值，关键词terms
例如：
GET testdb/_serch
{
“query”:{
“bool”:{
“should”:[
{
“term”:{
“t1”:”查找的数据”
}
}，
{
“term”:{
“t1”:” 查找的数据”
}
}
]
}
}
}
8、高亮显示：类似当你在百度输入一个词语是，查到的网页中显示的你输入的词语用不同的颜色表示
关键词：highlight
例1：默认显示高亮样式
GET student/user/_search
{
“query”:{
“match”:{
“name”:”张三”
}
}，
“highlight”:{ #显示高亮
“fileds”:{
“name”:{}
}
}
}
例1：自定义显示高亮样式
GET student/user/_search
{
“query”:{
“match”:{
“name”:”张三”
}
}
“hightlight”:{
“pre_tags”:”<b class =’key’ style=’color:red’>”,#自定标签样式：pre_tags代表前置标签
“post_tags”:”</b>”, #结束标签，post_tags代表结束标签
“fields”:{
“name”:{}
}
}
}