ES存储数据的地方。文档集合

（索引命名：英文数字不能包含下划线）

一个索引对应一个映射。映射表示存储数据的格式：（类似于Mysql中的数据表形式）映射又指定了数据文档的格式。

索引中指定了映射（文档的格式）

索引是文档的集合

一种type就是一类表。比如用户表，角色表

ES7.x默认type为_doc

指定了文档的格式

定义每个字段的类型，字段所使用的分词器，相当于关系数据库的表结构

ES数据最小单元，常以json格式显示。一个document相当于关系型数据库的一行数据

一个倒排索引由文档中所有不重复的词列表构成。

对于其中每个词，对应一个包含它的文档id列表

两种方式操作ES

1. Restful风格：restful都是到根据不同的请求方式就可以实现不同的结果
2. java的代码：使用java的api调用完成。底层也是使用请求的形式

这里先直接展示结果

上面通过postman进行测试，发现是没问题的

kibana有着更好的结构和提示

boolean

基本上不用

binary

数组：[]

对象：{}

当然内部的属性名称不是固定的

根据上图发现四种请求方式

1. POST：新增
2. Get：查询
3. Delete：删除
4. Put：存在就更新，不存在就添加。（必须带着id）

索引中指定了映射（文档的格式）

索引是文档的集合

分词器：将一段文本，按照一定逻辑，分析成多个词语。

（比如：华为手机：华为，手，手机）

ElasticSearch内置多个分词器

ElasticSearch内置的分词器对中文不是很友好（中文按照一个一个的拆分），所以我们接下来会介绍IK分词器

ElasticSearch要使用ik，就要构建ik的jar包，这里要用到maven包管理工具，而maven需要java环境。

Elastic内置JDK，所以将JAVA_HOME设置为ElasticSearch内置的jdk

进入vim编辑器
vim /etc/profile


文件的末尾添加
export JAVA_HOME=/usr/src/elasticsearch-7.4.0/jdk
export PATH=$PATH:${JAVA_HOME}/bin


保存后
重新加载该文件
source /etc/profile

解压maven安装包

配置文件地内容

下载IK对应自己地ElasticSearch版本

wget https://github.com/medcl/elasticsearch-analysis-ik/archive/v7.4.0.zip

由于治理是zip不是gz包，所以使用unzio命令进行解压

切换到
cd 解压后地目录
maven进行打包
mvn package

package执行完毕后会在当前目录下生成

/target/releases目录

该目录中存在一个压缩文件。

下面就是操作该文件即可

视频地解释操作在这里

加载日志可以发现加载进入了Ik插件

有关于日志异常可以不用去管

存在两种模式

1. ik_smart：粗粒度
2. ik_max_word：细粒度

这里的操作性很多。

使用Kibana进行发送命令，更加友好，有着提示等功能

如果添加文档时候带入了，映射没有指定的数据

会进行动态的生成映射。但是还是不值得推荐这么写

查询的条件字符串和词条完全匹配

会将差选条件进行分词查询。

再去查询出现的交集

这两个查询需要在多个示例中找到规律。不过看意思也是能感觉出来的。
只是这里我没有展示很多的示例图