本文目录导航：
如何用elasticsearch5.2成功全文索引
一、ElasticSearch是什么？ElasticSearch是一个基于Lucene的搜查主机。
它提供了一个散布式多用户才干的全文搜查引擎，基于RESTful web接口。
Elasticsearch是用Java开发的，并作为Apache容许条款下的开明源码颁布，是第二盛行的企业搜查引擎。
能够到达实时搜查，稳固，牢靠，极速，装置经常使用繁难，零性能和齐全收费。
咱们先说说ES的基本概念。
1、索引(Index)ES将数据存储于一个或多个索引中，索引是具有相似特性的文档的汇合。
类比传统的相关型数据库畛域来说，索引相当于SQL中的一个数据库，或许一个数据存储打算(schema)。
索引由其称号(必定为全小写字符)启动标识，并经过援用此称号成功文档的创立、搜查、降级及删除操作。
一个ES集群中可以按需创立恣意数目标索引。
2、类型(Type)类型是索引外部的逻辑分区(category/partition)，但是其意义齐全取决于用户需求。
因此，一个索引外部可定义一个或多个类型(type)。
普通来说，类型就是为那些领有相反的域的文档做的预约义。
例如，在索引中，可以定义一个用于存储用户数据的类型，一个存储日志数据的类型，以及一个存储评论数据的类型。
类比传统的相关型数据库畛域来说，类型相当于“表”。
3、文档(document)文档是Lucene索引和搜查的原子单位，它是蕴含了一个或多个域的容器，基于JSON格局启动示意。
文档由一个或多个域组成，每个域领有一个名字及一个或多个值，有多个值的域理论称为“多值域”。
每个文档可以存储不同的域集，但同一类型下的文档至应该有某种水平上的相似之处。
4、映射(Mapping)ES中，一切的文档在存储之前都要首先启动剖析。
用户可依据须要定义如何将文本宰割成token、哪些token应该被过滤掉，以及哪些文本须要启动额外解决等。
另外，ES还提供了额外性能，例如将域中的内容按需排序。
理想上，ES也能智能依据其值确定域的类型。
5、集群(Cluster)ES集群是一个或多个节点的汇合，它们独特存储了整个数据集，并提供了联结索引以及可跨一切节点的搜查才干。
多节点组成的集群领有冗余才干，它可以在一个或几个节点产生缺点时保障服务的全体可用性。
集群靠其独有的称号启动标识，自动称号为“elasticsearch”。
节点靠其集群称号来选择参与哪个ES集群，一个节点只能属一个集群。
假设不思考冗余才干等特性，仅有一个节点的ES集群一样可以成功一切的存储及搜查性能。
6、节点(Node)运转了单个实例的ES主机称为节点，它是集群的一个成员，可以存储数据、介入集群索引及搜查操作。
相似于集群，节点靠其称号启动标识，默以为启动时智能生成的随机Marvel字符称号。
用户可以按须要自定义任何宿愿经常使用的称号，但出于治理的目标，此称号应该尽或许有较好的识别性。
节点经过为其性能的ES集群称号确定其所要参与的集群。
7、分片(Shard)和正本(Replica)ES的“分片(shard)”机制可将一个索引外部的数据散布地存储于多个节点，它经过将一个索引切分为多个底层物理的Lucene索引成功索引数据的宰割存储性能，这每一个物理的Lucene索引称为一个分片(shard)。
每个分片其外部都是一个全性能且独立的索引，因此可由集群中的任何主机存储。
创立索引时，用户可指定其分片的数量，自动数量为5个。
ES集群可由多个节点组成，各Shard散布式地存储于这些节点上。
ES可智能在节点间按须要移动shard，例如参与节点或节点缺点时。
简而言之，分片成功了集群的散布式存储，而正本成功了其散布式解决及冗余性能。
OK，下面把ES相关的基本概念及原理大抵说明了下，那么ES究竟是怎样成功全文检索的呢？Elasticsearch成功全文检索，首先要确定分词器，ES自动有很多分词器，可参考官网文档。
了解分词器关键是怎样成功的。
普通中文分词器经常使用第三方的ik分词器、mmsegf分词器和paoding分词器，最后或许构建于lucene，起初移植于ES。
目前咱们在最新版的ES中，经常使用的是IK分词。
装置ik分词器到elasticsearch很繁难，它有个插件目录analysis-ik，和一特性能目录ik, 区分拷贝到plugins和conf目录就可以了。
当你有少量的文本数据时，ES均会将其启动分词并将这些词语保留在索引中，当输入关键词启动查问时，索引就会起到作用，查找对应的相反的查问词，从而成功全文检索。
当然这个环节是很吃内存的哦。
如何经常使用ElasticSearch存储和查问数据
引入ES的要素在于相关型数据库如MySQL在数据量大、查问性能降落及裁减才干有限的状况下显得无余，尤其在日志记载和查问密集场景。
ES作为搜查引擎，具有高效搜查、剖析和计算海量数据的才干，特意适宜IOT畛域存储和剖析设施控制日志。
在经常使用ES存储数据时，借助SpringBoot框架可轻松成功。
引入ES相关依赖后，经过ElasticsearchRestTemplate模板类提供简便的接口，如save方法用于存储数据。
此方法接纳自定义业务字段的数据和指定的索引名作为参数，索引名相似于MySQL中的表名。
查问数据则经过构建查问条件成功。
首先应用BoolQueryBuilder构建过滤条件，如依据设施ID和期间启动挑选。
接着经常使用NativeSearchQueryBuilder构建完整的查问条件，包括分页和降序排序。
最后调用elasticsearchRestTemplate的search方法口头查问，并经常使用流形式从查问结果中提取所需数据。
经常使用ES时，关键在于SpringBoot与ES的集成与参数性能。
elasticsearchRestTemplate提供了弱小的性能，简化了数据操作环节。
同时，了解ES外部上班原理关于深化运行和提升系统性能大有裨益。
经过以上步骤，可以成功数据的高效存储与查问，为业务剖析提供有力允许。
关于全文检索器Elasticearch的解读与援用
一 . Elasticsearch读写环节解析:在 Elasticsearch 中,当客户端创立文档时,系统须要确定该文档应存储在哪个索引的分片上,这个环节称为文档路由。
路由环节基于一个哈希算法来计算文档_id,其值与主分片数量启动取模运算,选择文档在哪个分片上存储。
文档_id 可由用户指定或智能生成,对确定文档的存储位置至关关键。
二 . primary shard数量无法变的要素:假设集群初始性能有5个primary shard,新增一个文档_id = 5,经过哈希计算其应存储于 shard=23%5=3 的分片上。
若随后新增一个 primary shard,变为6个,再次计算 id = 5 的文档路由消息时,结果为 shard=23%6=5,此时定位到的是第5个分片,而初始存储位置在第3个分片。
因此,系统无法经过参与 primary shard 来降级已存储的数据位置,但可以裁减 replicas shard。
四 . 经常使用 luke 检查 Elasticsearch 逻辑结构:经过将 Elasticsearch-6.2.3/data 文件拷贝到 Windows 环境下,双击 启动 luke 工具。
接着,经常使用 luke 关上 data odes\0\indices 门路,可以直观地观察集群的逻辑结构。
五 . Elasticsearch 中的 IK 分词器:在 Elasticsearch 中,参与文档时会智能启动分词,索引中存储的为一个个词语。
在搜查时,系统会将关键字与这些词启动婚配,最终找到关联的文档。
经过 `POST /_analyze` 恳求测试以后索引库经常使用的分词器,结果标明分词器将测试内容“测试分词器，后边是测试内容：spring cloud实战” 分红了单个的字,这说明以后索引库经常使用的分词器对中文启动了单字分词。
六 . 中文分词器的选用与经常使用:在 Lucene 内置的分词器中,StandardAnalyzer 和 CJKAnalyzer 并非理想选用,它们区分驳回单字和二分法分词,无法满足需求。
SmartChineseAnalyzer 允许中文但裁减性较差,难以解决词库和禁用词库的降级。
思考到上述疑问,介绍经常使用第三方的 IK-analyzer。
IK-analyzer 常年允许且经过屡次迭代提升,允许从单字分词到模拟语义分词的演进。
但请留意,最新版本降级至2012年后便无后续保养。
七 . 装置并经常使用 IK 分词器:为了成功对中文的高效分词,可选用经常使用 IK 分词器。
首先,从 Github 下载最新版本的 IK 分词器。
将下载的紧缩包解压后,将文件复制到 Elasticsearch 装置目录的 plugins 目录下,偏重命名相应的文件目录。
重启 Elasticsearch 服务后,即可测试分词器成果。
测试时经常使用 `POST /_analyze` 恳求,设置 text 和 analyzer 参数,观察分词结果。
IK 分词器提供两种形式:ik_max_word 和 ik_smart。
其中,ik_max_word 将文本启动最细粒度的拆分,ik_smart 则启动最粗粒度的拆分。
此外,用户可依据需求自定义词库,经过创立或性能 文件裁减词典和停用词典性能。
