為什麼使用 ES？
在傳統的資料庫中，如果使用某列記錄某件商品的標題或簡介。在檢索時要想使用關鍵詞來查詢某個記錄，那麼是很困難的，假設搜尋關鍵詞 "小米"，那麼 sql 語句就是
select * from product where title like concat("%","小米","%")
這樣即使 title 列上包含索引，索引也會失效。而如果使用全文索引，因為 B+ 樹不支援全文索引，所以選擇了全文索引就失去了 B+ 遍歷高效的優點。所以 ES 就登場了，ES 之所以能高效檢索，主要原因就是其倒排索引的特點。常規的索引，也就是正向索引，查詢的過程是獲取整條資料，然後從整條資料中來匹配關鍵詞，如果包含就返回。而倒排索引是將資料拆分成多個關鍵詞，每個關鍵詞都作為一個倒排索引，然後查詢時直接判斷匹配，如果存在就返回該資料。這樣因為使用了索引效率就極大的提高了。
概念
索引：相當於 MySQL 的庫概念。
型別：相當於 MySQL 的表概念，在 ES7被移除。
文件：相當於 MySQL 的行記錄概念。
欄位：相當於 MySQL 的列概念。
分片：將某一類欄位的文件拆分出來作為一個分片，查詢時如果是這個欄位的，直接去這個分片裡查，可以提高系統整體的吞吐量。
副本：分片的複製，可以提高吞吐量（查詢請求可以直接走副本）和分割槽容錯性（分片所在的節點當機後包含該分片副本的節點可以代替分片作用）
語法結構
query條件
Match：匹配查詢
Balance：用於匹配的欄位（相當於列名）,如果是一個字串就是部分匹配，如果是一個數字型別，就是短語查詢。比如address:”a b c”那麼只要包含a,b,c三個中任意一個就算匹配（如果abc連在一起那麼就是包含完整的abc）。短語匹配就相當於Match_phrase,完整匹配
Match_phrase：短語匹配
無論是數字還是字串都是完整匹配，以 address:"abc" 為例，address 包含 "abc" 這個字串就算匹配。
欄位後面加一個“.keyword”表示查詢完全匹配的欄位。以address:”abc”為例，address必須為abc才算匹配。
Match_all：所有欄位
Multi_match：多欄位匹配
多個欄位只要有一個包含就滿足，返回，同時也支援分詞匹配
Address、city列只要有一個包含 mill和movico其中一個就滿足
Bool：複合查詢（多條件複雜查詢）
Must:必須滿足的
Match:匹配查詢，字串模糊查詢，數字精確查詢
Must_not：必須不滿足
Should:可以滿足可以不滿足，滿足的得分更高，排在前面。
Filter：與must一樣，但是不會貢獻得分
Term：檢索數字型別
作用與match一樣，但是它只能檢索數字型別，字串型別不起作用。一般約定term用來檢索數字，其他用match
這裡的 balance 是數字型別，雙引號不需要加。
Terms：類似於 term，匹配多個值
其他
分頁，指定返回的欄位
結果分析
聚合
聚合就是在查詢結果的基礎上，進行分組統計，聚合可以迭代。
AVG：平均值聚合
Terms：型別聚合
...等等
Aggs：表示是聚合，與query一樣
ageAgg:聚合名,
Terms：型別聚合
Field：欄位名
Size：取多少種
結果分析
Key：年齡
Doc_count:結果數
ageAvg：子聚合
Value：子聚合的值
Mapping 對映
對映主要指的是 ES 欄位的單位。主要包括 Integer、long、keyword、text、nested（嵌入式，防止扁平化處理）。
檢視某個索引下的對映
Get /bank/_mapping
新增索引並指定其欄位對映
為某個索引新增新的欄位並指定對映
修改欄位對映
不支援對已存在的索引進行對映修改。可以使用資料遷移來完成。
1、建立臨時索引
2、將之前的索引資料遷移到建立的臨時索引中。
Source：原來的索引, index 來指定索引名也可以在index後面指定type，但是因為7開始移除了型別（相當於資料庫表），所以不需要指定了。
Dest：要轉移的索引名， index 來指定索引名。以當前例子來看就是 newbank
3、將原索引刪除，再建立新的索引，指定對映。
DELETE bank
4、最後將臨時索引資料遷移到新建立的索引中。
扁平化
由於扁平化的佔用，在檢索 first 為 John，last 為 white 的文件時，也會檢索到。所以對於子類中包含兩個或以上屬性的，應該將父類欄位對映設為 nested 型別來防止 ES 的扁平化處理。（預設空間的不會進行扁平化，也就是properties下第一層的不會）
例子如下：
對映：
查詢：
聚合：
對映結果分析
分詞
分詞是 ES 的倒排索引，所以分詞器就決定了 ES 的倒排索引是什麼，預設的分詞器是選擇空格隔開的英文作為一個分詞，中文的話每一個字都會是一個分詞。測試分詞效果：
如果想使用常用的中文分詞，可以使用 ik 分詞器，可以滿足絕大多數的中文分詞，而對於一些特殊的分詞，可以使用配置自定義的分詞，然後將儲存自定義分詞的檔案配置到 ik 分詞器中。
原理
ES架構
ES 是一個開源的高擴充的分散式全文搜尋引擎，這句話表現出 ES 的兩個重要特點，全文搜尋和高擴充分散式。其中全文搜尋可以通過倒排索引體現出，而高擴充的分散式則可以通過其架構體現出。上面就是一個 ES 叢集的架構圖，Node1、Node2、Node3 是三個節點伺服器，其中 Node1 是主節點。在 ES 中配置了三個分片（P0、P1、P2，這三個分片儲存著 ES 整個資料），同時，為了保證 ES 的分割槽容錯性以及查詢效率，每個分片還配置了一個副本（分別是 R0、R1、R2），原分片處理讀和寫操作，副本處理讀操作。在分佈中將副本與原分片拆開放置，避免某個節點當機該分片的資料無法使用。並且在增加節點後，叢集會自動分配分片和副本，保證均勻分佈在不同的節點上。比如：
單節點：
二節點：
三節點：
操作過程
儲存：根據儲存資料的 hash 取餘計算分配的節點位置，選擇分片進行儲存，隨後再將儲存資料更新到所有副本中。預設情況下當大多數副本都同步完成時，就返回儲存完成的通知。這個可以通過 consistency 引數配置，all 表示必須所有的 副本都同步完成才返回儲存完成的通知，one 表示只要主分片同步完成就返回儲存完成的通知（檢索結果可能會被還未同步的副本處理，造成未檢索到），預設值是 quornum。
查詢：輪詢資料所在的分片和副本，傳送請求。
更新：和儲存一樣，取餘得到節點位置，找到分片後更新，再同步到其他副本，等到所有副本都同步完成後再返回更新成功的提示。
倒排索引的結構：倒排索引是無法修改的，好處是不用擔心讀寫不一致的問題，但是缺點也非常明顯，會大量的佔用空間。為了減少空間佔用，引入了段的概念，每個倒排索引都擁有一個段，在每次更新時都會將補充索引寫入段中，然後檢索時就會結合段中的資料和補充索引返回資料。
刪除：每個段中都有一個 .del 檔案，當該倒排索引被下達刪除請求後，就會在 .del 檔案進行標記，隨後檢索就會跳過當前段，也就是邏輯刪除。當倒排索引特別多時，會進行合併，此時會將那些邏輯刪除的段徹底刪除。
持久化：ES 資料的儲存和檢索都在記憶體中，這也是它檢索速度快的原因之一，而其也會定期持久化到磁碟。
在分片執行更新、儲存資料時，底層還伴隨著定期持久化，在寫入時，會先更新記憶體，隨後寫入記憶體中的 translog 裡（避免斷電導致記憶體資料丟失，類似於 mysql 中的 redo log）。然後進行 refresh（預設1s執行一次）到檔案系統快取，更新到系統快取後資料才能被檢索到。並且後臺還會定期 flush（預設30min執行一次） ，將資料持久化到磁碟上。
本文主要參考某谷的ES視訊