想要知道ElasticSearch是如何使用的，最快的方式就是通过一个简单的例子，第一个例子将会包括基本概念如索引、搜索、和聚合等，需求是关于公司管理员工的一些业务。
员工文档索引
业务首先需要存储员工数据。这将采取一个员工文档的形式：单个文档表示单个员工。在Elasticsearch中存储数据的行为称为索引，但是在索引文档之前，我们需要决定在哪里存储它。
在Elasticsearch中，文档属于某个类型，这些类型位于索引中。可以绘制一些（粗略）与传统关系数据库的对比：
Relational DB
=> Databases => Tables => Rows
=> Columns
Elasticsearch
=> Indices
=> Documents => Fields
Elasticsearch集群可以包含多个索引（数据库），这些索引又包含多个类型（表）。这些类型包含多个文档（行），每个文档都有多个字段（列）。
您可能已经注意到，在Elasticsearch的上下文中，索引被重载了几个含义。如下：
索引（名词）：正如前面所解释的那样，索引就像传统的关系数据库中的数据库一样。它是存储相关文档的地方。index的复数形式是indices或indexes。
索引（动词）:索引一个文档是将一个文档存储在索引（名词）中，以便它可以检索和查询。它很像插入关键词SQL。此外，如果文档已经存在，新的文档将取代旧的。
倒排索引：关系数据库中增加一个索引，如B-树索引，对特定列为了提高数据检索的速度。Elasticsearch和Lucene提供相同目的的索引称为倒排索引。
默认情况下，文档中的每个字段索引（有一个倒排索引）这样的搜索。一个没有倒排索引字段不可搜索。
因此我们的员工目录，我们需要处理如下事情：
索引的每个文档，包含每个员工的所有细节。
每个文档都属于employee类型。
类型都包含在megacop索引中。
该索引将驻留我们Elasticsearch集群内。
下面通过命令去索引第一个员工：
PUT /megacorp/employee/1
"first_name" : "John",
"last_name" :
"I love to go rock climbing",
"interests": [ "sports", "music" ]
注意/megacorp/employee/1包含的信息。
megacorp：索引的名称
emplogee：类型的名称
1：员工的id
成功执行返回的是一个JSON文本，包含所有关于该员工的信息。
如果执行过程中失败了，可能存在的原因是elasticsearch默认配置中不允许自动创建索引，所以我们可以先简单在elasticsearch.yml配置文件添加action.auto_create_index：true，允许自动创建索引。
没有必要首先执行任何管理任务，如创建一个索引或指定每个字段所包含的数据类型。我们可以直接索引一个文档。Elasticsearch附带默认的一切，因此所有必要的管理任务都会使用默认值在后台处理。
在目录中添加更多的员工：
PUT /megacorp/employee/2
"first_name" :
"last_name" :
"I like to collect rock albums",
"interests":
[ "music" ]
PUT /megacorp/employee/3
"first_name" :
"Douglas",
"last_name" :
"I like to build cabinets",
"interests":
[ "forestry" ]
现在我们有一些数据存储在Elasticsearch中，我们可以开始处理这个应用程序的业务需求。第一个要求是检索单个员工数据的能力。
这在Elasticsearch中很容易。我们只需执行HTTP GET请求并指定文档的地址——索引，类型和ID。使用这三个信息，我们可以返回原始的JSON文档，并且响应包含有关文档的一些元数据，以及Douglas Fir的原始JSON文档作为_source字段：
可以查看：
以同样的方式，我们将HTTP动词从PUT更改为GET以便检索文档，我们可以使用DELETE动词删除文档，并使用HEAD动词检查文档是否存在。要用更新的版本替换现有文档，我们只需再次PUT。
GET很简单，可以得到要求的文件。尝试一些更高级的东西，我们可以搜索所有员工，请求：
GET /megacorp/employee/_search
您可以看到我们仍在使用索引megacorp和类型employee，但是我们现在使用_search端点，而不是指定文档ID。响应包括我们在hits数组中的所有三个文档。默认情况下，搜索将返回前10个结果。
响应不仅告诉我们哪些文档匹配，而且还包括整个文档本身，以便向用户显示搜索结果的所有信息。
接下来，让我们尝试搜索在其姓氏中有“Smith”的员工。为此，我们将使用一个轻松的搜索方法，它很容易从命令行使用。此方法通常称为查询字符串搜索，因为我们将搜索作为URL查询字符串参数传递：
查询字符串搜索对于从命令行进行搜索非常方便，但它有其局限性。Elasticsearch提供了一种丰富，灵活的查询语言，称为查询DSL，它允许我们构建更复杂，更健壮的查询。
使用JSON请求正文指定域特定语言（DSL）。我们可以代表所有以前的搜索，像这样：
GET /megacorp/employee/_search
"query" : {
"match" : {
"last_name" : "Smith"
这将返回与上一个查询相同的结果。可以看到一些事情已经改变。例如，我们不再使用查询字符串参数，而是使用请求正文。此请求体是使用JSON构建的，并使用匹配查询。
让我们让搜索更复杂一点。我们仍然希望找到所有名字为Smith的员工，但我们只想要30岁以上的员工。我们的查询将稍微改变一点，以容纳一个过滤器，这使我们能够有效地执行结构化搜索：
GET /megacorp/employee/_search
"query" : {
"bool" : {
"must" : {
"match" : {
"last_name" : "smith"
"filter" : {
"range" : {
"age" : { "gt" : 30 }
我们添加了一个过滤器，执行范围搜索，并重复使用与以前相同的匹配查询。
现在我们的结果显示只有一个员工刚好是32并被命名为smith：
注意：关于过滤器在Elasticsearch2.0开始有很大的更新，所以有些过滤操作可能会报错。例如：filtered query已经被废弃。
到目前为止的搜索很简单：单个名字，按年龄过滤。让我们尝试更高级的全文搜索，传统数据库真正难以胜任的任务。
我们将寻找所有喜欢攀岩的员工：
GET /megacorp/employee/_search
"query" : {
"match" : {
"about" : "rock climbing"
您可以看到我们使用与之前相同的匹配查询来搜索关于“攀岩”字段。我们得到两个匹配的文档：
默认情况下，Elasticsearch按匹配结果的相关性分值（即每个文档与查询匹配程度）对匹配结果进行排序。第一个和最高分的结果是显而易见的：John·Smith关于字段清楚地说“攀岩”。
但为什么Jane·Smith也返回了？她的文档被返回的原因是因为在她的字段中提到了“rock”这个词。因为只有“岩石”被提及，而不是“攀登”，她的分数低于John的。
这是Elasticsearch如何在全文字段中进行搜索并返回最相关的结果的一个很好的例子。这种相关性的概念对于Elasticsearch很重要，并且是一个完全与传统关系数据库无关的概念，其中记录匹配或不匹配。
精确字段搜索
在字段中查找单个字词是很好的，但有时你想要匹配字词或短语的确切序列。例如，我们可以执行一个查询，该查询将仅匹配包含“rock”和“climbing”的员工记录，并在短语“rock climbing”中显示彼此相邻的单词。
为此，我们使用改为match_phrase查询：
GET /megacorp/employee/_search
"query" : {
"match_phrase" : {
"about" : "rock climbing"
仅返回John Smith的文档
高亮搜索结果
许多应用程序喜欢从每个搜索结果突出显示文本片段，以便用户可以看到文档与查询匹配的原因。在Elasticsearch中检索突出显示的片段很容易。
让我们重新运行我们以前的查询，但添加一个新的highlight参数：
GET /megacorp/employee/_search
"query" : {
"match_phrase" : {
"about" : "rock climbing"
"highlight": {
"fields" : {
"about" : {}
当我们运行此查询时，将返回与之前相同的返回，但现在我们在响应中得到一个新的部分，称为突出显示。
这包含来自about字段的文字片段，其中包含在 HTML标记中包含的匹配单词：
最后，我们来到我们的最后一个业务需求：允许管理员在员工目录上运行分析。Elasticsearch具有称为聚合的功能，允许您对数据生成复杂的分析。它类似于GROUP BY中的SQL，但功能更强大。
例如，让我们找到我们的员工最喜欢的兴趣：
GET /megacorp/employee/_search
"all_interests": {
"terms": { "field": "interests" }
如果Elasticsearch 5版本以前，将会返回：
"hits": { ... },
"aggregations": {
"all_interests": {
"buckets": [
"doc_count": 2
"forestry",
"doc_count": 1
"doc_count": 1
我们可以看到，两个员工对音乐感兴趣，一个在林业，一个在体育。这些聚合不是预先计算的，它们是从与当前查询匹配的文档即时生成的。
然而如果我们使用的是Elasticsearch 5版本以上的话，将会出现如下异常：
我们可以查看
大概的意思是：Fielddata可以消耗大量的堆空间，特别是在加载高基数文本字段时。一旦fielddata已经加载到堆中，它在该段的生存期内保持。此外，加载fielddata是一个昂贵的过程，可以导致用户体验延迟命中。
所以fielddata默认禁用。如果尝试对文本字段上的脚本进行排序，聚合或访问值，就会看到这个异常，具体使用可以参考手册。
这个小例子是一个很好的演示了什么是Elasticsearch。它只是很肤浅的介绍了简单的使用，许多功能被省略，以保持简短。但是这也突出了开始构建高级搜索功能是多么容易。
转载请注明出处。
作者：wuxiwei
阅读(...) 评论()Elasticsearch模板实例
索引模板允许你定义模板，当一个新的索引创建的时候将自动应用你所定义的模板。模板中包括了settings和mappings，一个简单模板并控制这个模板是否应该自动被应用到一个新的索引上。
& 注：模板只能被用在创建一个新的索引的时候。改变一个模板将不会影响在已经存在的索引上。
官方文档给了一个时间格式的，在这里笔者使用一个关于地理坐标点geo_point的例子进行讲解：
PUT localhost:9200/_template/template_geo &
//索引名称为template_geo，可根据个人需求定义
& "template": "index_*", &
& &//模板即将作用的索引的名称，可使用通配符
& "mappings": {
& & "doc_type": {
//这个doc_type换成索引的文档类型的名称
"_source": { & &
& "enabled": true &
& & //此参数表示是否显示_source中的字段
"properties": {
& "location": { &
//这里表示你模板作用的字段的名称
& & "type": "geo_point"
注：索引模板提供C语言风格的注释，注释允许存在于JSON文档的各个地方除了大括号之前。同时索引在录入模板作用的字段的时候，一定要按照官方给定的格式（详见官方文档的字段数据类型模板https://www.elastic.co/guide/en/elasticsearch/reference/current/mapping-types.html）输入才可以根据模板转换成相应的格式，就地理坐标点这个例子来说，只用当输入的地理坐标点的格式为以下五种格式才会将地理坐标点转换成相应的geo_type类型：
& 1.地理坐标点（geo-point）作为一个对象，具有lat和lon关键字：
& "location": {&
& & "lat": 41.12,
& & "lon": -71.34
& 2.地理坐标点作为一个具有格式"lat,lon"的字符串："location":
"41.12,-71.34"
& 3.地理坐标点作为一个geohash："location":
"drm3btev3e86"&
& 4.地理坐标点使用数组格式[lon,lat]："location": [ -71.34,
& 5.一个地理边界盒查询（box query）可以发现包含在盒中的所有地理坐标点：
& & "geo_bounding_box":
"location": {
& "top_left": {
& & "lat": 42,
& & "lon": -72
& "bottom_right": {
& & "lat": 40,
& & "lon": -74
在索引模板中允许包括别名像下边这样（这里采用官方文档的例子）：
PUT localhost:9200/_template/template_1
& & "template" :
& & "settings" : {
& "number_of_shards" : 1
& & "aliases" : {
& "alias1" : {},
& "alias2" : {
& & & "filter" :
& & "term" : {"user" : "kimchy"
& & & "routing"
: "kimchy"
& "{index}-alias" : {} &
&//在索引创建的时候，别名中的占位符{index}将会被替换成模板作用的实际的索引名称。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。elasticsearch中的mapping映射配置示例
比如要搭建个中文新闻信息的搜索引擎，新闻有&标题&、&内容&、&作者&、&类型&、&发布时间&这五个字段；
我们要提供&标题和内容的检索&、&排序&、&高亮&、&统计&、&过滤&等一些基本功能。
ES提供了smartcn的中文分词插件，测试的话建议使用IK分词插件。
内容中properties对应mapping里的内容，里面5个字段。
type指出字段类型、内容、标题字段要进行分词和高亮因此要设置分词器和开启term_vector。
& &news&: {
&&& &properties&: {
&&&&& &content&: {#内容
&&&&&&& &type&: &string&,& #字段类型
&&&&&&& &store&: &no&, #是否存储
&&&&&&& &term_vector&: &with_positions_offsets&,#开启向量，用于高亮
&&&&&&& &index_analyzer&: &ik&,#索引时分词器
&&&&&&& &search_analyzer&: &ik&#搜索时分词器
&&&&& &title&: {
&&&&&&& &type&: &string&,
&&&&&&& &store&: &no&,
&&&&&&& &term_vector&: &with_positions_offsets&,
&&&&&&& &index_analyzer&: &ik&,
&&&&&&& &search_analyzer&: &ik&,
&&&&&&& &boost&: 5
&&&&& &author&: {
&&&&&&& &type&: &string&,
&&&&&&& &index&: &not_analyzed&#该字段不分词
&&&&& &publish_date&: {
&&&&&&& &type&: &date&,
&&&&&&& &format&: &yyyy/MM/dd&,
&&&&&&& &index&: &not_analyzed&#该字段不分词
&&&&& &category&: {
&&&&&&& &type&: &string&,
&&&&&&& &index&: &not_analyzed&#该字段不分词
查询示例：内容包括几个部分：
分页:from/size、字段:fields、排序sort、查询:query、过滤:filter、高亮:highlight、统计:facet
& &from&: 0,
& &size&: 10,
& &fields&: [
&&& &title&,
&&& &content&,
&&& &publish_date&,
&&& &category&,
&&& &author&
& &sort&: [
&&&&& &publish_date&: {
&&&&&&& &order&: &asc&
&&& &_score&
& &query&: {
&&& &bool&: {
&&&&& &should&: [
&&&&&&&&& &term&: {
&&&&&&&&&&& &title&: &中国&
&&&&&&&&& }
&&&&&&& },
&&&&&&&&& &term&: {
&&&&&&&&&&& &content&: &中国&
&&&&&&&&& }
& &filter&: {
&&& &range&: {
&&&&& &publish_date&: {
&&&&&&& &from&: &&,
&&&&&&& &to&: &&,
&&&&&&& &include_lower&: true,
&&&&&&& &include_upper&: false
& &highlight&: {
&&& &pre_tags&: [
&&&&& &&tag1&&,
&&&&& &&tag2&&
&&& &post_tags&: [
&&&&& &&/tag1&&,
&&&&& &&/tag2&&
&&& &fields&: {
&&&&& &title&: {},
&&&&& &content&: {}
& &facets&: {
&&& &cate&: {
&&&&& &terms&: {
&&&&&&& &field&: &category&
结果包含需要的几个部分。
值得注意的是，facet的统计是命中的结果进行统计，filter是对结果进行过滤，filter不会影响facet，如果要统计filter掉的的就要使用filter facet。
本文已收录于以下专栏：
相关文章推荐
ElasticSearch JAVA API官网文档：https://www.elastic.co/guide/en/elasticsearch/client/java-api/current/jav...
import org.elasticsearch.action.admin.indices.mapping.put.PutMappingR
import o...
PUT /my_index
&mappings&: {
&my_type&: {
&properties&: {
1、首先需要安装好Elasticsearch 和elasticsearch-analysis-ik分词器
2、配置ik同义词
Elasticsearch 自带一个名为 synonym 的同...
1、默认集群连接
Client client = TransportClient.builder().build()
.addTransportAddress(new Ine...
1.设置IP地址
查看你使用的IP网卡
ifconfig -a
找到你要使用的网卡
vi /etc/sysconfig/network-scripts/ifcfg-eth0
# Intel ...
最近项目准备用到elasticsearch， 首先需要搞清楚elasticsearch的一些概念，在网上发现这篇文章不错，以通俗易懂的语言讲明白了mapping的概念。
默认mapping
Elasticsearch是一个schema-less的系统，但并不代表no shema，而是会尽量根据JSON源数据的基础类型猜测你想要的字段类型映射。
Elasticsearch会根据JSO...
es支持大多数java里面的数据类型：
（一）核心数据类型：
（1）string： 默认会被分词，一个完整示例如下
&status&: ...
核心的功能就是搜索,全文搜索框架,接近实时的搜索强力搜索引擎依赖Lucene,新上传,修改的索引同步速度接近实时
es有很多新的名词例如node
document index
他的最新文章
讲师：王哲涵
讲师：韦玮
您举报文章：
举报原因：
原文地址：
原因补充：
(最多只允许输入30个字)elasticSearch5.2.0 相关配置及代码示例【java吧】_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：656,296贴子：
谁有elasticSearch5.2.0 相关配置及代码示例，求大神支招
登录百度帐号推荐应用}