目录
1、Restfull
2、查看ES的基本信息
2.1、查看集群信息
3、索引操作
3.1、创建并显示指定索引字段的类型
3.2、通过创建文档的方式自动映射字段的类型
4、文档操作：
4.1、增加文档信息
4.2、更新文档信息
4.3、获取文档信息
4.4、删除文档信息
5、批量操作
5.1、批量查询
5.2、批量插入数据
5.3、批量删除：
5.4、批量更新
6、查询数据
6.1、查询所有文档信息
6.2、根据关键字查询文档信息
6.3、全文匹配查询（match）
6.3.1、单字段匹配查询
6.3.2、多字段匹配查询：
6.4、顺序匹配（Match_phrase）
6.5、多字段查询(multi_match)
6.6、精确匹配(term)
6.7、多词条精确匹配(terms)
6.8、指定匹配数组内容（Terms_set）
6.9、多条件复合查询
6.10、查询子句
6.11、SQL 查询
6.12、Range 范围查询与 Sort 排序
6.13、通配符查询（Wildcard）
6.14、指定Id值查询（Ids）
6.15、以特定前缀开头（Prefix）
6.16、多查询一次提交（Msearch）
6.17、查询字段是否存在（Exists）
6.18、控制输出的的字段
6.18.1、通过 filter_path 来控制输出的的字段
6.18.2、通过 _source来控制输出字段
6.18.3、通过 _source 中的 includes 属性来控制输出字段
6.18.4、通过 _source 中的 exclude属性排除指定字段输出（exclude后续版本已弃用）
6.18.5、设置 _source 为 false，这样不返回任何的 _source 信息：
6.19、分页查询
6.20、高亮查询
7、Profile 调试工具
8、聚合查询
8.1、指标聚合分析(Metric )
8.1.1、avg示例：查询所有用户的平均年龄
8.1.2、avg示例：查询地址在 “广东省”用户的平均工资
8.1.3、max示例：查询年龄的最大值
8.1.4、min示例：查询年龄的最小值
8.1.5、sum示例：查询符合条件的年龄之和
8.1.6、cardinality示例：查询所有用户不同年龄的数量
8.1.7、stats示例：查出所有用户的年龄stats信息
8.1.8、extended_stats示例：查出所有用户的年龄extended_stats信息
8.1.9、percentile示例：查出所有用户的年龄占比
8.2、Bucket 分桶聚合分析
8.2.1、分桶group by示例：根据年龄聚合查询
8.2.2、分桶group by示例：根据年龄段聚合查询
8.2.3、分桶group by示例：根据用户出生日期的年月分组分段聚合查询
8.2.4、group by 进阶示例：按照年龄聚合，并查询出每个年龄这些人的平均薪资
8.2.5、group by 进阶示例：查出所有年龄分布，并且这些年龄段中 性别为男 的平均薪资和 性别为女 的平均薪资以及这个年龄的用户信息
9、queryString查询
10、重建索引
10.1、创建test_index_v1索引、添加数据
10.2、业务变更，字段类型需要变动
10.3、 新建索引库 ：test_index_v2
10.4、将test_index_v1 数据拷贝到 test_index_v2
11、别名的使用
11.1、查询别名
11.2、新增别名
11.3、删除别名
11.4、重命名别名
11.5、为多个索引指定一个别名
11.6、为同个索引指定多个别名
11.7、通过别名读索引
11.8、通过别名写索引
Elasticsearch默认走的是http协议，而http协议它是一种无状态的协议，无状态就是指服务端它不会记录客户端的所有信息和操作，客户端必须每次带上自己的状态去请求服务器。因此，如果客户端想要操作这个服务器，必须通过某些手段，才能让服务器发生状态转化。而这种转化是建立在表现层之上的，所以说这就表现层的状态转化。
转化手段：
- GET:用来获取资源
- POST：用来创建资源(也可以用来更新资源)
- PUT：用来更新资源
- DELETE：用来删除资源
我们对ES的所有操作，都被封装成了RestAPI，所以我们只要发送请求就行了。
查看所有结点：GET _cat/nodes
查看ES健康状况：GET _cat/health
- Green：主分片与副本都正常分配
- Yellow：主分片全部正常分配，有副本分片未能正常分配
- Red：有主分片未能分配
查看主节点：GET _cat/master
查看所有索引：[类似于show databases] GET _cat/indices
以上查询带上参数 ?v可以显示标题信息，如：
创建文件时，当索引不存在的时候会自动创建并且字段类型自动根据值进行映射。
格式：PUT /索引名/类型名/文档id
6.x的写法是：{index}/{type}/{id}，例如：user/_doc/1
7.x的写法是：{index}/_doc/{id}，例如：user/_doc/1
在6.x中一个index中type只能有一个，可以自定义；
在7.x中将type概念移除了，所以现在建议直接写成_doc，当然你硬要指定type类型也行，只是ES是给出一个警告。
创建文档，并自动生成index。示例如下：
查看索引：GET user
查看索引字段类型：GET user/_mapping
删除索引：DELETE user
es使用版本：6.8.2
未指定文档id时，创建文档，只能用POST（创建或更新）。
说明：上面的红色报警信息，是指6.x版本中默认分片为5，从7.x开始，默认分片为1，如果要更改，需要自己创建索引，或使用索引模板。
增加文档时指定ID：该操作为更新操作，可以使用PUT（更新）、POST（创建或更新）
更新文档信息可以使用PUT和POST来请求。
PUT修改：全量字段更新。-- 覆盖式修改
POST修改：指定字段更新(推荐使用)。
指定字段更新的命令：
使用PUT方式更新之前创建的 id=1 的文档信息。
可以发现这里只更新了name字段，没有更新其它的字段，所以其它字段默认会填充空值。
使用POST请求修改文档：
首先将没个字段的值都初始化
然后再用POST请求执行修改文档操作：
POST方式第一种更新：
第一次执行结果：
使用这种更新操作进行重复更新时，若数据与原先一致，则不进行任何操作。返回的结果是：，而不是
POST方式第二种更新：
第一次执行结果：
执行后的数据：
第二次执行结果：
使用第二种更新操作时[即不带_update]，无论是否重复更新，数据是否一致，都会进行更新，version版本相应增加。因此若使用PUT方式，结果也一致。
获取 user的索引 id=1 的文档信息。
查询文档数量
删除之前创建的 id=1 的文档信息。
根据查询语句删除：
删除所有数据：
有些情况下可以通过批量操作以减少网络请求。如：批量查询、批量插入数据等。
在Elasticsearch中，支持批量的插入、修改、删除操作，都是通过_bulk的api完成的。
_bulk分类：
在索引、 创建、 更新或删除时必须指定文档的 _index 、 _type 、 _id 这些元数据(metadata)。
请求格式如下：
需要注意的是，每一条数据都由两行构成（delete除外），其他的命令比如index和create都是由元信息行和数据行组成；update比较特殊它的数据行可能是doc也可能是upsert或者script。
注意，每一行都是通过回车符来判断结束，因此如果你自己定义了json，千万不要使用回车符。不然_bulk命令会报错的！
_delete_by_query ：通过查询删除，既先query出符合条件的内容再进行delete操作.
可以通过来获得_source、、、、、、、等字段信息。
update_by_query ：顾名思义，通过查询更新，既先query出符合条件的内容再进行update操作，新增字段，修改字段值都可以满足
在查询命令后拼上 ?pretty ，可以将返回结果进行格式化。
注意：text类型可以根据字段分词搜索，keyword关键词不会处理分词器
会对搜索词进行分词拆解，然后查询，求并集。
match是经过analyer的，也就是说，文档首先被分析器给处理了。根据不同的分析器，分析的结果也稍显不同，然后再根据分词结果进行匹配。
match 查询语法汇总：
- match_all：查询全部。
- match：返回所有匹配的分词。
- match_phrase：短语查询，在match的基础上进一步查询词组，可以指定slop分词间隔。
- match_phrase_prefix：前缀查询，根据短语中最后一个词组做前缀匹配，可以应用于搜索提示，但注意和max_expanions搭配。其实默认是50.......
- multi_match：多字段查询，使用相当的灵活，可以完成match_phrase和match_phrase_prefix的工作。
Match中的模糊匹配与强制匹配 : ‘operator’
- or ：匹配单个或多个字符 ,不区分大小写,不区分顺序。默认operator为OR。
- and ：必须全匹配。
设置参数 minimum_should_match 来设置至少匹配的数量。
6.3.1、单字段匹配查询
6.3.2、多字段匹配查询：
会对搜索词进行分词拆解
match_phrase与match 类似，但是match 查询时不用分先后顺序的,match_phrase 严格按顺序匹配。先将查询条件进行分词，然后查询.
会对搜索词进行分词拆解。
multi_match：不知道哪个字段含有 指定关键词，在这种情况下，我们可以使用 multi_match 来进行搜索。
关于查询过滤条件中term和match的区别
term是代表完全匹配，也就是精确查询，搜索前不会再对搜索词进行分词拆解。
match进行搜索的时候，会先进行分词拆分，拆完后，再来匹配。
不会再对搜索词进行分词拆解。
terms查询：terms 跟 term 有点类似，但 terms 允许指定多个匹配条件。 如果某个字段指定了多个值，那么文档需要一起去 做匹配。
terms里的[ ] 多个是or的关系，只要满足其中一个词就可以。
在这里我们使用了name.keyword。对于一些刚接触 Elasticsearch的人来说，这个可能比较陌生。正确的理解是 name在我们的 mapping 中是一个 multi-field 项。它既是 text 也是 keyword 类型。对于一个 keyword 类型的项来说，这个项里面的所有字符都被当做一个字符串。它们在建立文档时，不需要进行 index。keyword 字段用于精确搜索，聚合 和 排序（sorting）。keyword会使返回结果的_score 项为0。
测试数据如下：
refresh : 数据插入立即生效可以使更改可见以进行搜索的操作。通常会有一个 refresh timer 来定时完成这个操作。这个周期为1秒。这也是我们通常所说的 Elasticsearch 可以实现秒级的搜索。当然这个 timer 的周期也可以在索引的设置中进行配置。如果我们想让我们的结果马上可以对搜索可见，我们可以用refresh=true。
测试案例：
找出在 programming_languages 中同时含有 c++, java 以及 php 中至少有两项的文档。在这里，我们使用了一个在文档中定义的字段 required_matches 来定义最少满足要求的 term 个数，这里只数组中任意搭配，只要满足数量即可:
terms ： 指定要满足的数组。
minimum_should_match_field ： 指定文档中条件的属性名。
required_matches 在文档的值为2，所以指定该值最后结果就是最少满足‘terms’属性中的至少2个。
如果没有一个专有的字段来定义满足条件的个数的话，可以再查询条件中自定义，示例如下：
复合查询指把很多个 leaf 查询组合起来从而形成更为复杂的查询。
bool 查询由 下面的 must, must_not, should 及 filter 共同来组成的。你可以使用 minimum_should_match 参数指定返回的文档必须匹配的子句的数量或百分比。
示例：
说明：
"query": {
"bool" : {
"must" : [], //与 AND 等价。 单个条件使用{}，多个条件使【】 .
"must_not" : [], //与 NOT 等价 。 同上
"should" : [], //与 OR 等价。 同上
"filter": [] //与must相同结果，但不会参与评分。同上
}
}must ： 必须满足的条件，按相关性降序排序显示。
must_not : 可以把一些满足条件的排出在外(not in )。
should : 它表述“或”的意思，也就是有就更好，没有就算了。如果条件满足，其相关性会更高，那么搜索得到的结果会排在前面。
filter : 与must相同表示满足条件，但不会参与评分。
查询类型对 hits(即：查询结果) 及 _score（即：评分、相关度） 的影响
should 只有在特殊的情况下才会影响 hits。在正常的情况下它不会影响搜索文档的个数。那么在哪些情况下会影响搜索的结果呢？这种情况就是针对只有 should 的搜索情况，也就是如果你在 bool query 里，不含有 must, must_not 及 filter 的情况下，一个或更多的 should 必须有一个匹配才会有结果。
filter与must的区别 :
- 同样是按条件匹配；
- filter不统计相关度，must统计相关度；
- must比filter计算更复杂，更耗时。
返回与一个或多个包在一起的查询（称为查询子句或子句）匹配的文档。
如果返回的文档与多个查询子句匹配，则 dis_max 查询为该文档分配来自任何匹配子句的最高相关性得分，并为任何其他匹配子查询分配平局打破增量。
示例：
dis_max参数 ：
- queries ：包含一个或者多个查询子句。返回的文档必须匹配其中的一个或者多个，如果文档匹配了多个，则返回最高得分。
- tie_breaker ：一个介于0～1.0之间的Float数，用于当文档匹配了多个查询子句时提升相关度分数。默认为0.0
在上面的 dis_max 查询中，它将返回任何一个在 queries 中锁定的查询文档。每个匹配分数是按照如下的规则来进行计算的：
- 如果一个文档匹配其中的一个或多个查询，那么最终的得分将以其中最高的那个得分来进行计算。
- 在默认的情况下，tie_breaker 的值为0。它可以是 0 到 1.0 之间的数。
如果文档匹配多个子句，则 dis_max 查询将计算该文档的相关性得分，如下所示：
- 从具有最高分数的匹配子句中获取相关性分数。
- 将来自其他任何匹配子句的得分乘以 tie_breaker 值。
- 将最高分数加到相乘的分数上。
如果 tie_breaker 值大于0.0，则所有匹配子句均计数，但得分最高的子句计数最高。
Elasticsearch 也对 SQL 有支持，示例如下：
返回结果：
可以通过如下的方法得到它对应的 DSL 语句（即es的查询语句）：
返回结果如下：
range : 查询范围
sort : 可以针对多个字段同时进行排序。下面首先以 age 进行降序排序。如果是 age 是一样的话，那么就按照salary来进行排序。
不会对搜索词进行分词拆解。
可以使用 wildcard 查询一个字符串里含有的字符：
- ? 匹配任何字符，
- * 匹配零个或多个字符
不会对搜索词进行分词拆解。
示例：
会将多个查询一并提交，一并返回结果，一个查询报错不会影响另一个结果 。以上查询返回结果如下：
查询文档中包含address字段的所有文档信息。示例如下：
文档里只要address这个字段不为空，那么就会被返回。反之，如果一个文档里address这个字段是空的，那么就不会返回。
查询文档不含address 这个字段的所有的文档，可以这样查询 ：
注：插入时指定字段值为null，那么exists也会过滤掉。
正常的查询结果（不控制出参字段）如下：
6.18.1、通过 filter_path 来控制输出的的字段
返回结果如下：
6.18.2、通过 _source来控制输出字段
_source 设置为[] 或 {} 那么就是显示所有的字段
查询结果如下：
6.18.3、通过 _source 中的 includes 属性来控制输出字段
查询结果如下：
6.18.4、通过 _source 中的 exclude属性输出（exclude后续版本已弃用）
查询结果：
6.18.5、设置 _source 为 false，这样不返回任何的 _source 信息：
查询结果：
这里的分页查询和mysql中的分页查询操作本质上是没有区别的，是只要规定我们的起始点以及页的大小即可。
查询结果：
总数据量是4条,但是这里我们查询出来只显示了前面的两条数据,显然分页查询已经执行成功。
我们平时在使用百度的时候，输入关键字查询内容后，关键字一般都是高亮显示的。所以ES作为一个专业的搜索框架肯定也提供了这样的功能。
ES的默认高亮显示：。
如：
查询结果：
ES自定义高亮显示（在highlight中，pre_tags用来实现我们的自定义标签的前半部分，在这里，我们也可以为自定义的 标签添加属性和样式。post_tags实现标签的后半部分，组成一个完整的标签。至于标签中的内容，则还是交给fields来完成）
查询结果如下：
会显示查询出结果的详细计算过程。
我们平时在使用Elasticsearch时，更多会用到聚合操作，它类似SQL中的group by操作。ES的聚合查询一定是先查出结果，然后对结果使用聚合函数做处理，常用的操作有：avg：求平均、max：最大值、min：最小值、sum：求和等。
在ES中聚合分为指标聚合和分桶聚合：
- 指标聚合：对一个数据集求最大、最小、和、平均值等。
- 分桶聚合：除了有聚合函数外，还可以对查询出的数据进行分组group by，再在组上进行游标聚合。
指标聚合：对一个数据集求最大、最小、和、平均值等.
- 单值分析，只输出一个分析结果——avg：求平均、max：最大值、min：最小值、sum：求和、cardinality：值去重计数。
- 多值分析，输出多个分析结果
- stats：统计了count 、max、 min、 avg、 sum 5个值。
- extended_stats：比stats多很多更加高级的统计结果：如平方和、方差、标准差、平均值加/减两个标准差的区间等。
- percentile：占比百分位对应的值统计，默认返回【1,5,25,50,75,95,99】分位上的值
8.1.1、avg示例：查询所有用户的平均年龄
上例中，首先匹配查询所有的数据。在此基础上做查询平均值的操作，这里就用到了聚合函数，其语法被封装在aggs中，而avg_age则是为查询结果起个别名，封装了计算出的平均值。
上面示例查询结果如下：
如果只想看输出的值，而不关心输出的文档的话可以通过size=0来控制。
查询结果如下：
8.1.2、avg示例：查询地址在 “广东省”用户的平均工资
查询结果：
8.1.3、max示例：查询年龄的最大值
查询结果：
8.1.4、min示例：查询年龄的最小值
查询结果：
8.1.5、sum示例：查询符合条件的年龄之和
查询结果：
8.1.6、cardinality示例：查询所有用户不同年龄的数量
cardinality 即去重计算，类似sql中 count（distinct），先去重再求和，计算指定field值的种类数。大数据量下，统计会存在误差。
相同年龄的数据，count认为是1。
在执行该示例前，专门添加了一条年龄为29的数据（原数据中已存在年龄29的数据）。
查询结果：
8.1.7、stats示例：查出所有用户的年龄stats信息
查询结果：
8.1.8、extended_stats示例：查出所有用户的年龄extended_stats信息
查询结果：
8.1.9、percentile示例：查出所有用户的年龄占比
查询结果：
分桶聚合：除了有聚合函数外，还可以对查询出的数据进行分组group by，再在组上进行游标聚合。
terms : 聚合分组，类似于sql中group by。
8.2.1、分桶group by示例：根据年龄聚合查询
查询结果：
8.2.2、分桶group by示例：根据年龄段聚合查询
查询结果：
8.2.3、分桶group by示例：根据用户出生日期的年月分组分段聚合查询
查询结果：
8.2.4、group by 进阶示例：按照年龄聚合，并查询出每个年龄这些人的平均薪资
其实就是aggs里面又加了一个aggs，第二个aggs根据第一个aggs聚合后的结果在聚合。
查询结果：
8.2.5、group by 进阶示例：查出所有年龄分布，并且这些年龄段中 性别为男 的平均薪资和 性别为女 的平均薪资以及这个年龄的用户信息
查询结果：
会对查询条件进行分词， 然后将分词后的查询条件和词条进行等值匹配，默认取并集（OR），可以指定单个字段也可多个查询字段。
示例：
查询结果：
随着业务需求的变更，索引的结构可能发生改变。ElasticSearch的索引一旦创建，只允许添加字段，不允许改变字段。因为改变字段，需要重建倒排索引，影响内部缓存结构，性能太低。那么此时，就需要重建一个新的索引，并将原有索引的数据导入到新索引中。
- 原索引库 ：test_index_v1
- 新索引库 ：test_index_v2
创建test_index_v1索引，索引名称必须全部小写。
查询结果：
别名查询结果：
查询所有别名：