1、Elasticsearch是什么
它是elastic技术栈中的一部分。完整的技术栈包括：
-
Elasticsearch：用于数据存储、计算和搜索
-
Logstash/Beats：用于数据收集
-
Kibana：用于数据可视化
整套技术栈被称为ELK，经常用来做日志收集、系统监控和状态分析等
2、Elasticearch的安装步骤
拉取镜像命令：docker pull elasticsearch:7.12.1
创建容器命令：
docker run -d \--name es \-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \-e "discovery.type=single-node" \-v es-data:/usr/share/elasticsearch/data \-v es-plugins:/usr/share/elasticsearch/plugins \--privileged \--network hm-net \-p 9200:9200 \-p 9300:9300 \elasticsearch:7.12.1
安装完成后，访问9200端口，即可看到响应的Elasticsearch服务的基本信息：
3、Kibana的安装步骤
拉取镜像命令：docker pull kibana:7.12.1
创建容器命令：
docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=hm-net \
-p 5601:5601 \
kibana:7.12.1安装完成后，直接访问5601端口，即可看到控制台页面：
4、IK分词器的安装
ik下载地址：https://release.infinilabs.com/
在下面这个目录下载与你Elasticearch版本一致的zip,解压到无中文的目录下
使用命令查看之前安装的Elasticsearch容器的plugins数据卷目录
docker volume inspect es-plugins
应该是这个目录/var/lib/docker/volumes/es-plugins/_data，将刚刚解压的ik文件夹上传到这个目录下
最后重启es容器
重启es容器：
docker restart es
测试
访问kibana的dev tools进行测试
IK分词的ik_max_word：最细粒度切分
我们使用IK分词的智能语义切分
5、为什么要学习Elasticearch？
之所以学习Elasticearch是因为他有独特的搜索引擎，可以对海量数据达到最适配的内容查找
倒排索引
倒排索引中有两个非常重要的概念：
-
文档（
Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息 -
词条（
Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条，例如"今天天气还不错"这样一个简单的句子就可以分为今天，天气，天天，还 ，不错，错等等这样的词条。
每一条数据是一个文档，
创建表，每行数据包括词条、词条所在文档id、位置等信息
这些文档会有唯一标识，当使用分词器后，该文档就是这些词条的集合
6、Elasticearch的处理流程
流程描述：
1）用户输入条件"华为手机"进行搜索。
2）对用户输入条件分词，得到词条：华为、手机。
3）拿着词条在倒排索引中查找（由于词条有索引，查询效率很高），即可得到包含词条的文档id：1、2、3。
4）拿着文档id到正向索引中查找具体文档即可（由于id也有索引，查询效率也很高）。
7、Elasticearch的基础概念
文档（Document）：
在Elasticsearch中，文档是信息的基本单位，类似于关系数据库中的一行记录。每个文档由一个唯一的ID标识，并存储为JSON对象。文档可以包含多个字段，每个字段都有其数据类型和值。
例如，一个文档可能代表一个用户的个人信息，包括姓名、年龄、电子邮件地址等字段。
字段（Field）：
字段是文档中的单个数据项，类似于关系数据库中的列。每个字段都有其名称和数据类型，例如字符串、整数、日期或地理坐标等。
文本字段（Text Field）：用于全文搜索的非结构化文本数据。
关键词字段（Keyword Field）：用于结构化内容，如精确匹配的标签或标识符。
数值字段（Numeric Field）：用于存储数值数据，包括整数和浮点数。
日期字段（Date Field）：用于存储日期和时间。、
索引（Index）
索引是文档的集合，类似于关系数据库中的数据库。一个索引有一个名称，并且可以包含多个文档。索引用于组织和搜索数据
-
所有用户文档，就可以组织在一起，称为用户的索引；
-
所有商品的文档，可以组织在一起，称为商品的索引；
-
所有订单的文档，可以组织在一起，称为订单的索引；
因此，我们可以把索引当做是数据库中的表。
映射（Mapping）
数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。
8、Elasticsearch与mysql的区别
mysql更适合精确查找，每条数据在数据库中都有唯一的存储位置，也就是唯一标识
Elasticearch更适合适配查找，根据内容对数据库里的数据进行匹配，查找相关的数据
最大的区别就是索引不同，所以适用场景也不相同，
8.1、索引对比
mysql使用的正向索引，Elasticearch使用的倒排索引
正向索引：
优点：可以给多个字段创建索引
根据索引字段搜索、排序速度非常快
缺点：根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。
倒排索引：
优点：根据词条搜索、模糊搜索时，速度非常快
缺点：只能给词条创建索引，而不是字段
无法根据字段做排序
8.2、属性对比
| MYSQL | Elasticearch | 说明 |
|---|---|---|
| Table | Index | 索引(index)，就是文档的集合，类似数据库的表(table) |
| Row | Document | 文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式 |
| Column | Field | 字段（Field），就是JSON文档中的字段，类似数据库中的列（Column） |
| Schema | Mapping | Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema） |
| SQL | DSL | DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD |
9、Elasticearch的适用场景
- 全文搜索：
- 利用 Elasticsearch 的全文搜索能力，可以快速检索大量文本数据中的关键词或短语。这对于搜索引擎、电子商务平台的产品搜索、企业文档管理系统等应用非常适用。
- 日志和数据分析：
- Elasticsearch 常用于处理和分析日志数据，它可以高效地存储、索引和搜索来自服务器、应用程序和网络设备的日志信息，帮助进行监控、故障排查和安全分析。
- 实时数据监控：
- 由于其快速的索引和搜索能力，Elasticsearch 适合用于实时数据监控系统，比如金融交易监控、网络安全监控等，能够快速响应并分析实时数据流。
- 内容推荐系统：
- Elasticsearch 可以用于构建推荐系统，通过分析用户行为和偏好，提供个性化的内容推荐，这在新闻聚合平台、在线市场和社交媒体等领域非常常见。
- 地理信息系统（GIS）：
- Elasticsearch 提供了强大的地理空间搜索功能，可以用于处理和分析地理数据，适用于需要地理空间分析的应用程序，如地图服务、交通管理、位置跟踪等。
