一、 安装

官方安装Elasticsearch，和ES可视化工具kibana。安装下载过程略。

二、 启动Elasticsearch。

windows系统，直接进入到如图目录，然后启动elasticsearch.bat，这个就是ES服务。

启动后，我们可以访问https://127.0.0.1:9200/来查看 ES是否 启动 成功。

浏览器启动后，提示输入账号密码。

在安装的elasticsearch-8.5.2\bin 目录下，启动cmd命令，输入以下指令获取账号密码。
elasticsearch-reset-password -u elastic
输入完后出现如图，[用户名]和密码。

然后输入到浏览器中，就OK了。
出现该界面，表示ES启动成功。

三、 启动kibana。

进入到如图目录。点击kibana.bat

等待服务启动。
启动 完成后，访问如下地址：http://localhost:5601/
他会提示你配置token令牌。
进入如图目录elasticsearch-8.5.2\bin，执行一下命令获取令牌。
elasticsearch-create-enrollment-token.bat --scope kibana

然后进行配置即可。

配置完成后，会看到如图界面。

依次点击，就可以打开通信工具，按照ES的接口风格来和ES进行通信。

三、 Elasticsearch的基本使用。

ES是通过创建索引，去管理文档的。

1.创建文档。

ES中的文档就相当于面向对象中的对象，文档格式就是Json类型。
打开kibana找到Dev Tools，我们来使用PUT创建第一条数据。

//添加数据
PUT /megacorp/_doc/1
{"first_name" : "JC","last_name" :  "W","age" :        25,"about" :      "I love to go swiming！","interests": [ "sports", "music" ]}

数据写完后，点击这个小三角形，即发生请求。
请求完，我们可以看到右边的返回结果。

{"_index": "megacorp","_id": "4","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"_seq_no": 4,"_primary_term": 1
}

"successful": 1表示创建成功。

2.查询刚刚创建的文档。

//获取指定ID数据
GET /megacorp/_doc/1  //获取所有数据，默认返回10条
GET /megacorp/_search//尝试下搜索姓氏为 ``Smith`` 的雇员
GET /megacorp/_search?q=last_name:Smith

以上都是轻量搜索，Query-string 搜索通过命令非常方便地进行临时性的即席搜索 ，但它有自身的局限性.。
Elasticsearch 提供一个丰富灵活的查询语言叫做 查询表达式 ， 它支持构建更加复杂和健壮的查询。

3.使用查询表达式搜索

查询last_name为w的人。

//表达式查询
GET /megacorp/_search
{"query" : {"match": {"last_name": "w"}}}

返回结果：

{"took": 890,"timed_out": false,"_shards": {"total": 1,"successful": 1,"skipped": 0,"failed": 0},"hits": {"total": {"value": 1,"relation": "eq"},"max_score": 1.2039728,"hits": [{"_index": "megacorp","_id": "1","_score": 1.2039728,"_source": {"first_name": "JC","last_name": "W","age": 25,"about": "I love to go swiming！","interests": ["sports","music"]}}]}
}

hits.value代表查询了几条数据，hits数组是数据源。

查询 "last_name": "w"并且 年龄大于20

get /megacorp/_search 
{"query" : {"bool": {"must": [{"match": {"last_name": "w"}}],"filter": [{"range": {"age": {"gte": 20}}}]}}}

这部分是一个 range 过滤器 ， 它能找到年龄大于 20 的文档，其中 gt 表示_大于_。

4.全文搜索

搜索下所有喜欢攀岩（rock climbing）的员工：

//全文 搜索 GET /megacorp/_search  
{"query":{"match": {"about": "rock climbing"}}}

返回结果：

{"took": 0,"timed_out": false,"_shards": {"total": 1,"successful": 1,"skipped": 0,"failed": 0},"hits": {"total": {"value": 2,"relation": "eq"},"max_score": 1.9032972,"hits": [{"_index": "megacorp","_id": "5","_score": 1.9032972,"_source": {"first_name": "John","last_name": "Smith 1","age": 25,"about": "I love to go rock climbing","interests": ["sports","music"]}},{"_index": "megacorp","_id": "6","_score": 0.6682933,"_source": {"first_name": "Jane","last_name": "Smith 2","age": 32,"about": "I like to collect rock albums","interests": ["music"]}}]}
}

Elasticsearch 默认按照相关性得分排序，即每个文档跟查询的匹配程度。第一个最高得分的结果很明显：John Smith 的 about 属性清楚地写着 “rock climbing” 。
但为什么 Jane Smith 也作为结果返回了呢？原因是她的 about 属性里提到了 “rock” 。因为只有 “rock” 而没有 “climbing” ，所以她的相关性得分低于 John 的。
这是一个很好的案例，阐明了 Elasticsearch 如何 在 全文属性上搜索并返回相关性最强的结果。

5.短语搜索

查询，仅匹配同时包含 “rock” 和 “climbing” ，并且 二者以短语 “rock climbing” 的员工记录。
为此对 match 查询稍作调整，使用一个叫做 match_phrase 的查询：

GET /megacorp/_search
{"query":{"match_phrase": {"about": "rock climbing"}}}

返回结果：

{"took": 0,"timed_out": false,"_shards": {"total": 1,"successful": 1,"skipped": 0,"failed": 0},"hits": {"total": {"value": 1,"relation": "eq"},"max_score": 2.4450343,"hits": [{"_index": "megacorp","_id": "5","_score": 2.4450343,"_source": {"first_name": "John","last_name": "Smith 1","age": 25,"about": "I love to go rock climbing","interests": ["sports","music"]}}]}
}

可以看到只返回了包含rock climbing的数据。

6.高亮搜索

//高亮搜索GET /megacorp/_search 
{"query":{"match_phrase": {"about": "rock climbing"}},"highlight":{"fields": {"about":{}}}}

当执行该查询时，返回结果与之前一样，与此同时结果中还多了一个叫做 highlight 的部分。这个部分包含了 about 属性匹配的文本片段，并以 HTML 标签 封装：

{"took": 593,"timed_out": false,"_shards": {"total": 1,"successful": 1,"skipped": 0,"failed": 0},"hits": {"total": {"value": 1,"relation": "eq"},"max_score": 2.4450343,"hits": [{"_index": "megacorp","_id": "5","_score": 2.4450343,"_source": {"first_name": "John","last_name": "Smith 1","age": 25,"about": "I love to go rock climbing","interests": ["sports","music"]},"highlight": {"about": ["I love to go rock climbing"]}}]}
}

7.数据聚合分析

Elasticsearch 有一个功能叫聚合（aggregations），允许我们基于数据生成一些精细的分析结果。聚合与 SQL 中的 GROUP BY 类似但更强大。

Elasticsearch 5.x版本以后，对排序和聚合等操作，用单独的数据结构(fielddata)缓存到内存里了，默认是不开启的，需要单独开启。
对对应字段执行聚合操作之前需要先开启fielddata

//添加fielddata
PUT megacorp/_mapping
{"properties":{"interests":{"type":"text","fielddata":true}}}

fielddata开启后，我们再来使用聚合操作。

挖掘出员工中最受欢迎的兴趣爱好：

//聚合分析
GET /megacorp/_search?pretty
{"aggs": {"all_interests": {"terms": { "field": "interests" }}}}

聚合结果：

 "aggregations": {"all_interests": {"doc_count_error_upper_bound": 0,"sum_other_doc_count": 0,"buckets": [{"key": "music","doc_count": 4},{"key": "sports","doc_count": 3},{"key": "forestry","doc_count": 1},{"key": "games","doc_count": 1},{"key": "play","doc_count": 1},{"key": "sing","doc_count": 1}]}}

可以看到，四位员工对音乐感兴趣，一位对林业感兴趣，三位对运动感兴趣…。这些聚合的结果数据并非预先统计，而是根据匹配当前查询的文档即时生成的。如果想知道叫 Smith 的员工中最受欢迎的兴趣爱好，可以直接构造一个组合查询：

//构造某个姓氏的兴趣爱好统计
GET megacorp/_search
{"query":{"match": {"last_name": "Smith"}},"aggs":{"all_interests":{"terms": {"field": "interests","size": 10}}}}

结果：

 "aggregations": {"all_interests": {"doc_count_error_upper_bound": 0,"sum_other_doc_count": 0,"buckets": [{"key": "music","doc_count": 3},{"key": "sports","doc_count": 2}]}}

聚合还支持分级汇总 。比如，查询特定兴趣爱好员工的平均年龄：

//查询特定爱好员工的平均年龄
GET /megacorp/_search
{"aggs" : {"all_interests" : {"terms" : { "field" : "interests" },"aggs" : {"avg_age" : {"avg" : { "field" : "age" }}}}}}

结果：

 "aggregations": {"all_interests": {"doc_count_error_upper_bound": 0,"sum_other_doc_count": 0,"buckets": [{"key": "music","doc_count": 4,"avg_age": {"value": 26.75}},{"key": "sports","doc_count": 3,"avg_age": {"value": 25}},{"key": "forestry","doc_count": 1,"avg_age": {"value": 35}},{"key": "games","doc_count": 1,"avg_age": {"value": 33}},{"key": "play","doc_count": 1,"avg_age": {"value": 33}},{"key": "sing","doc_count": 1,"avg_age": {"value": 33}}]}}

四、 Elasticsearch集群。

1.了解集群。

一个运行中的 Elasticsearch 实例称为一个节点，而集群是由一个或者多个拥有相同 cluster.name 配置的节点组成， 它们共同承担数据和负载的压力。当有节点加入集群中或者从集群中移除节点时，集群将会重新平均分布所有的数据。

当一个节点被选举成为 主 节点时， 它将负责管理集群范围内的所有变更，例如增加、删除索引，或者增加、删除节点等。 而主节点并不需要涉及到文档级别的变更和搜索等操作，所以当集群只拥有一个主节点的情况下，即使流量的增加它也不会成为瓶颈。 任何节点都可以成为主节点。我们的示例集群就只有一个节点，所以它同时也成为了主节点。

作为用户，我们可以将请求发送到 集群中的任何节点 ，包括主节点。 每个节点都知道任意文档所处的位置，并且能够将我们的请求直接转发到存储我们所需文档的节点。 无论我们将请求发送到哪个节点，它都能负责从各个包含我们所需文档的节点收集回数据，并将最终结果返回給客户端。 Elasticsearch 对这一切的管理都是透明的。

2.集群健康。

Elasticsearch 的集群监控信息中包含了许多的统计数据，其中最为重要的一项就是 集群健康 ， 它在 status 字段中展示为 green 、 yellow 或者 red 。

//查看集群健康状态
GET /_cluster/health

返回结果：

{"cluster_name": "elasticsearch","status": "yellow","timed_out": false,"number_of_nodes": 1,"number_of_data_nodes": 1,"active_primary_shards": 12,"active_shards": 12,"relocating_shards": 0,"initializing_shards": 0,"unassigned_shards": 1,"delayed_unassigned_shards": 0,"number_of_pending_tasks": 0,"number_of_in_flight_fetch": 0,"task_max_waiting_in_queue_millis": 0,"active_shards_percent_as_number": 92.3076923076923
}

status 字段是我们最关心的。

status 字段指示着当前集群在总体上是否工作正常。它的三种颜色含义如下：

green

所有的主分片和副本分片都正常运行。
yellow

所有的主分片都正常运行，但不是所有的副本分片都正常运行。
red
有主分片没能正常运行

3.添加索引。

我们往 Elasticsearch 添加数据时需要用到 索引 —— 保存相关数据的地方。 索引实际上是指向一个或者多个物理 分片 的 逻辑命名空间 。

我们只需知道一个分片是一个 Lucene 的实例，以及它本身就是一个完整的搜索引擎。 我们的文档被存储和索引到分片内，但是应用程序是直接与索引而不是与分片进行交互。

一个分片可以是 主 分片或者 副本 分片。 索引内任意一个文档都归属于一个主分片，所以主分片的数目决定着索引能够保存的最大数据量。

一个副本分片只是一个主分片的拷贝。副本分片作为硬件故障时保护数据不丢失的冗余备份，并为搜索和返回文档等读操作提供服务。

在索引建立的时候就已经确定了主分片数，但是副本分片数可以随时修改。

让我们在包含一个空节点的集群内创建名为 blogs 的索引。 索引在默认情况下会被分配5个主分片。

//设置节点中分片数量 。表示设置了5个主分片，每个分配有一个备份。
PUT /blogs
{"settings":{"number_of_shards":5,"number_of_replicas":1}}

简而言之，数据都存放在shard中，每个node可以自己设置shard数量，shard分为primary shard 和replicas shard replicas shard是primary shard的备份，并且同一个primary shard的replicas shard 不能放在同一个节点中，例如：P_A ,R_A不能在一个节点。但是P_A，R_B可以在同一个节点。如果相同数据和备份都在一个节点，那该节点如果宕机了，所有数据就会丢失。

4.水平扩容

主分片的数目在索引创建时就已经确定了下来。实际上，这个数目定义了这个索引能够 存储 的最大数据量。（实际大小取决于你的数据、硬件和使用场景。） 但是，读操作——搜索和返回数据——可以同时被主分片 或 副本分片所处理，所以当你拥有越多的副本分片时，也将拥有越高的吞吐量。

在运行中的集群上是可以动态调整副本分片数目的，我们可以按需伸缩集群。让我们把副本数从默认的 1 增加到 2 ：

PUT /blogs/_settings
{"number_of_replicas" : 2
}

blogs 索引现在拥有9个分片：3个主分片和6个副本分片。 这意味着我们可以将集群扩容到9个节点，每个节点上一个分片。相比原来3个节点时，集群搜索性能可以提升 3 倍。

5.Autogenerating IDs

如果你的数据没有自然的 ID， Elasticsearch 可以帮我们自动生成 ID 。 请求的结构调整为： 不再使用 PUT 谓词， 而是使用 POST 谓词

POST /website/_doc
{"title":"My second blog entry","text":"still trying this out ...","date":"2022-01-01"}

post后会自动生成一个GUID

{"_index": "website","_id": "03HF8IQBM50g06X4YHbb","_version": 1,"result": "created","_shards": {"total": 2,"successful": 1,"failed": 0},"_seq_no": 0,"_primary_term": 1
}

6.文档的取回

取出刚刚创建的文档

get /website/_doc/03HF8IQBM50g06X4YHbb

返回 文档的一部分

//请求某个文档中的某个字段
GET /website/_doc/03HF8IQBM50g06X4YHbb?_source=title,text

7.检查文档是否存在

如果只想检查一个文档是否存在–根本不想关心内容—​那么用 HEAD 方法来代替 GET 方法。 HEAD 请求没有返回体，只返回一个 HTTP 请求报头：

//检查 文档 是否 存在 
HEAD /website/_doc/123

8.更新整个文档

在 Elasticsearch 中文档是 不可改变 的，不能修改它们。相反，如果想要更新现有的文档，需要 重建索引 或者进行替换。

//修改文档数据
PUT /website/_doc/123
{"title": "My second blog entry","text": "still trying this out ...","date": "2022-01-11"
}

9.创建新文档

方式1

POST /website/_doc/
{"title":"My second blog entry","text":"still trying this out ...","date":"2022-01-01"}

然而，如果已经有自己的 _id ，那么我们必须告诉 Elasticsearch ，只有在相同的 _index 、 _type 和 _id 不存在时才接受我们的索引请求。这里有两种方式，他们做的实际是相同的事情。使用哪种，取决于哪种使用起来更方便。
第一种方法使用 op_type 查询-字符串参数：

//ID不存在时候才创建
PUT /website/_doc/1234?op_type=create
{"title": "My second blog entry","text": "still trying this out ...","date": "2022-01-11"
}

返回结果

{"error": {"type": "version_conflict_engine_exception","reason": "[1234]: version conflict, document already exists (current version [2])","index_uuid": "Dhq2F9QCR3G1DSWLM7niVA","shard": "0","index": "website"},"status": 409
}

返回409表示该ID已经存在。无法创建。

第二种方法是在 URL 末端使用 /_create :

PUT /website/_create/1
{"title": "My second blog entry","text": "still trying this out ...","date": "2022-01-11"
}

10. 删除文档

删除文档的语法和我们所知道的规则相同，只是使用 DELETE 方法：

//删除指定ID文档
DELETE /website/_doc/1

如果找到该文档，Elasticsearch 将要返回一个 200 ok 的 HTTP 响应码，和一个类似以下结构的响应体。注意，字段 _version 值已经增加:

{"found" :    true,"_index" :   "website","_type" :    "blog","_id" :      "123","_version" : 2
}

如果文档没有找到，我们将得到 404 Not Found 的响应码和类似这样的响应体：

{"found" :    false,"_index" :   "website","_type" :    "blog","_id" :      "123","_version" : 4
}

即使文档不存在（ Found 是 false ）， _version 值仍然会增加。这是 Elasticsearch 内部记录本的一部分，用来确保这些改变在跨多节点时以正确的顺序执行。

参考：ES文档。