ElasticSearch，简称es,es是一个开源的高扩展式全文检索引擎，它可以近乎实时的存储，检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。
声明：jdk1.8,最低要求！ElasticSearch客户端，界面工具！
bin 启动文件
config 配置文件
log4j2 日志配置文件
jvm.options java虚拟机相关配置
elasticsearch.yml elasticsearch的配置文件！默认9200端口
lib 相关依赖jar包
logs 日志
modules 功能模块
plugins 插件
解压即可
安装依赖后启动
访问地址并连接，发现跨域问题
配置ElasticSearch跨域支持（ElasticSearch config下的配置文件）
再尝试连接
初学就把es当成数据库（跨域建立索引，文档（库中的数据））
kibana是一个针对ElasticSearch的开源分析及可视化平台，查看交互存储在ElasticSearch索引中的数据，使用Kibana可以通过各种图标进行数据高级分析及展示。Kibana让海量数据更容易理解，它操作简单，基于浏览器的用户界面可以快速创建仪表盘实时显示ElasticSearch查询动态。
注意：Kibana要和ElasticSearch版本一致。
解压即可
启动bin(kibana.bat)
访问测试
汉化
elasticsearch是面向文档的，一切都是json
物理设计：
elasticsearch在后台把索引分成多个分片，每个分片可以在集群中的不同服务器之间迁移。
一个人就是一个集群！集群默认名称就是elasticsearch
| Relational DB | Elasticsearch |
|---|---|
| 数据库(database) | 索引(indices) |
| 表(tables) | types |
| 行(rows) | documents |
| 字段(columns) | fields |
文档
就是我们的一条条数据，之前说elasticsearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档。
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。
索引
就是数据库！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。
倒排索引
通过文章，获取里面的单词，此谓正向索引。
我们希望能够输入一个单词，找到含有这个单词，或者和这个单词有关系的文章，就是倒排索引。
分词：把一段文字划分成一个个关键字，我们在搜索的时候会对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。
IK提供了两个分词算法ik_smart 和 ik_max_word：ik_smart：为最少切分,ik_max_word：为最细粒度划分。
安装解压即可(解压放在elasticsearch插件目录下)
重启elasticsearch
查看elasticsearch的插件目录
测试
如上，如果不想刘亦菲三个字被拆分，可以在ik分词器里面配置。
重启测试
基础测试
1.创建一个索引
数据类型
字符串类型
text、keyword
数值类型
long、integer、short、byte、double、float、
日期类型
data
设置数据类型
获取索引信息
默认匹配类型
如果自己的文档字段类型没有指定，那么es会默认给我们指定
扩展：
GET _cat/health 查看健康值
GET _cat/indices 查看索引库
GET _cat/ 可以查看很多系统值
旧方法，put旧值，缺陷当更新操作忘掉某一字段值，改字段值就会置空
现在方法
删除索引
删除文档
简单的条件查询
查询：select(排序、分页、高亮、模糊查询、精准查询)
此处“刘亦菲”已放入lk分词器中当做一个词来处理，此外score的分数越高代表越匹配；
结果过滤
排序
分页
布尔值查询（多条件查询）must相当于and
should相当于or
must_not 相当于not(年龄不是25的数据)
过滤器
匹配多个条件
空格隔开匹配条件相当于or
关于分词
term 直接精确查询
match 会用分词器解析!(先分析文档，然后再通过分析的文档进行查询)
text会被分词解析器解析，而keyword不会
高亮查询
把连接对象交由spring管理
创建索引
索引是否存在
删除索引
测试创建文档
获取文档判断是否存在
获取文档信息
更新文档
删除文档
批量插入数据（不存在索引会自动创建）
精确查找
