ES 总结：
es 是基于lucene的， 是java 实现的， 很多概念和lucene是相同的
索引—— 对应数据库的表，mongoDB中的集合
文档，由字段组成， 一个字段可以出现多次。
字段，其类型可以是任意的， 也可以是复合的， 注： 不同类型的同名字段不能设置为不同类型。
分片：每个分片是一个独立的lucene实例， 一个独立的jvm， 一个索引的数据可以有多个 分片组成———— 数据量大的时候， 通常都是这样的， 而且每个分片都是位于集群不同的节点上。
分片的大小是不能控制的， 但是分片数量是可以控制的副本：或者说副本分片， 他是对原始分片的精确拷贝， 原始分片称为主分片。 它是相对分片的一个概念。 通常，我们对索引的所有操作都是直接作用在主分片上， 然后， es 会将操作同步到副本上去。
主分片不可用了（如对应节点down 掉） 副本会被提升为 主分片。 主分片和其副本是位于不同 节点上的， 这个是必须的， 否则副本不会被分配下去。 因为同一个节点上同时分配主分片/副本是无意义的。 机制决定的。配置：
rack 表示机架 ip默认是localhost， 只能本机访问， 需要改为具体ip， 以便局域网内其他机器可用访问。 默认端口是 9200， 如果默认端口不可用， 则会自动绑定下一个端口..?put 和post 的区别， put 可用创建一个不存在的索引， 类型， 或者同时， post 操作时候， 可以创建索引， 但不能同时创建索引/类型， id 也需要指定。。
post 更新文档： 需要先从_source 获取数据， 移除旧文档，应用变更，作为一个新文档创建。 ？？ 这么复杂/麻烦？
———— 如果没有启用 _source 字段， 怎么办？REST 通过请求头的动词操作， 但是有时候我们需要其他辅助：
_create 指明是创建操作
_update 指明是更新 _search 指明是 search API，_id 指明id 字段
_type：指明type 获取方式_all 一个复制了所有其他属性内容的 字段，默认开启， 用于：
_version _size _source字段原始的 _index 默认禁用 文档被索引到那个 索引文件的信息_boost
_timestamp 默认禁用，不会存储/索引 _ttl_shards
upsert
...
URL 的 参数：
pretty 适用于GET操作
routing映射：
设置字段的类型，存储方式：
如：
PUT /lfs_files { "mappings": { "my_file" : { "_id": { "path": "id" }, "dynamic": "strict", "date_detection": false "properties" : { "id" : { "type" : "long", "index": "not_analyzed" }, "userId" : { "type" : "long", "index": "not_analyzed" ... } } } }index_name， 可不写，默认为字段名。
index 可以为analyzed 或no ， 默认analyzed
或对字符串类型字段 可以是 not_analyzed , 表示只会, 整个存储起来， 但是不会被分析（就是不会被空格处理/大小写/特殊字符过滤等等之类的）， 只有完全匹配的搜索才能查到该字段store yes/no， 默认no， 指定是否存储字段原始值。。
boost 权重， 评分用的， 一般用于结果的排序， 过滤
null_value ： 索引时候， 不存在时， 写入的默认值， 如果没有默认行为是忽略。
include_in_all , 是否被包含到 _all 字段中，
_source 字段： 它到底是什么东西？
字符串型：
特有属性：term_vector: —— 高亮时需要
omit_norms: index_options: analyzer： 泛指index_analyzer，search_analyzer， 默认是全局定义的分析器 index_analyzer： 用于索引时 search_analyzer：用于搜索时ignore_above: 字段的最大长度
数值型：string
precision_step: range 查询时候有用
ignore_malformed:日期：date
format： precision_step ignore_malformed布尔型： boolean
二进制： binary
只支持 index_name 属性multi_field:
fields : {} ...内置分析器：
自定义分析器：
{ settings：{ index: { analysis： { analyzer：{ 自定义分析器名称：{ tokenizer： xxx 如standard filter： [ lowercase, asciifolding, 自定义过滤器名 ] } } }, filter：{ 自定义过滤器名：{ type： kstemxxx } } } }mappings： 类型名： _analyzer: { path: xxx ———— 指明分析器名为 path 对应的字段的那个值， 用于动态设置。。 } _source: { enabled : false +++++ false 或者true， 表明是否存储文档源， ———— 具体表明了？？ } _all: { enabled : false +++++ false 或者true， 表明是否在_all 字段包含所有文本字段的取值。。 false 表示禁用。 它会自动索引大小， 不需要的时候， 最好禁用。 } // 动态映射， 即不具体制定字段类型的时候， 只能靠es来猜了， 那么， 具体如何猜呢？ 它会先参考 动态映射。 当然，如果没有动态映射， 那么就使用默认的机制猜测。 numeric_detection: true/ false dynamic_date_formats: [yyyy-MM-dd hh:mm ] 是一个数组 // dynamic: false 禁用自动生成映射， 同时禁止自动添加新字段。 默认 true dynamic_templates: [ template名: { match: "*" //unmatch: "" mapping: { type: multi_field, fields :{ {name}: { type: dynamic_type}, str: { type: string} } } } ] _routing： { xxx } properties： { xx } }} }
//模板
{ template: "*" order: 1, settings: { index.number_of_replicas: 0 } mappings：{ default: { _source: { enabled: false } } } }动态模板：
xxx路由：
routing 参数 _routing 字段： _routing： { requered： true， path：userId }es 全部可用的过滤器类型列表：
官网。。。默认分析器： 索引时候， 未指明分析器，那么使用这个。
{ settings：{ index: { analysis： { analyzer：{ default：{ --- 使用 default 关键字即可 tokenizer： xxx 如standard filter： [ lowercase, asciifolding, 自定义过滤器名 ] } } }, filter：{ 自定义过滤器名：{ type： kstemxxx } } } } }别名：
_aliases 参数
搜索数据：
查询/索引的过程： 索引过程：搜索过程：
分析过程： 预备字段内容，将其转换为词项（term）的过程， 索引时， 内容 被拆分为 词条流。 —— 词项是带有输入位置等额外信息的词条。词条：单词
词条化：tokenizer ? 过滤： filter？分析器： 带有0或多个过滤器的分词器。
================================================================================================================================================
查询：
url 查询
DSL
分页
返回版本号
{ version: true ... }限制结果分数：
min_score指定返回字段：
fields ： [ xxx, yyy], 如果没有指定，你们使用默认的 _source, * 表示所有存储的字段
partial_fields:
script_fields: 自定义字段名 script：xxx搜索类型：
query_and_fetch
。。 count scan&scroll dfs_xx指定搜索执行的位置：
_primary _local ..查询类型：
term 查询： terms 查询： match match_phrase match_phrase_prefix match_all multi_match query_string field 对query_string 的简化 ids prefix fuzzy wildcard mlt range查询重写：
rewrite过滤查询结果：
使用过滤器 先查询，再过滤
{ query xxx filter xxx }filtered 先过滤，再查询（效率更高）
{
query filtered query field —— 这个是什么查询类型 filter term —— term查询 }过滤器有哪些：
range
term exists missing script type 用于查询多个索引， 很多文档类型的时候， 用于过滤，限制文档类型 limit 限制每个分片的返回的文档数目 ids bool and or not过滤器的别名
过滤器的缓存：
复合查询：
bool 组合 boosting 组合 positive negative negative_boost constant_scoreindices 在多个索引上进行查询， 封装一个 索引的数值， 两个查询
indices indices [] query no_match_querycustom_fileters_score 封装一个查询， 若干过滤器
custom_boost_factor custom_score 通过脚本为另一个查询定制分值排序：
默认排序： score sort 指定确实字段的行为 动态标准 sort _script script2.8 使用脚本
script
lang 默认mvel params 脚本参数使用方法：
_script script 脚本内容或者 脚本文件名 lang 默认为 mvel params 参数脚本中可用的对象:
doc 也可以是 _doc doc['xxx'].value 方式访问 处理(分析)后的文档 _source _source.xxx.value 方式访问 原始字段值 _fields _fields.xxx.value 方式访问 ？结果分析：
took
timed_out hits { total max_score hits: [ _index _type _id _version _source : { xxx } ] }================================================================================================================================================
================================================================================================================================================ 插件
插件
JavaScript 语言插件
处理文件插件：
elasticsearch/elasticsearch-mapper-attachments
bigdesk
lukas-vlcek/bigdesk
head
mobz/elasticsearch-headparamedic
SPM
================================================================================================================================================ 非平面数据
非平面数据
对象 obj: {
type ： object, properties : { attr1： { type ： xxx xxx } ... } } 数组 arr: { properties : { element1： { type ： xxx xxx } ...} }
================================================================================================================================================ 高亮：
高亮：
需要字段原始值： 字段要么 store = yes， 如果是no， 那么 _source 应该是可用的， 否则， 无法高亮。。。
实现：
1 标准实现 2 依赖于term向量es 会自动选择
html 标签：
{
highlight pre_tags： [ ] post_tags: [ ] fields requered_field_matchnumber_of_fragements fragment_size
}
================================================================================================================================================
自动补全
autocomplete
edgeNGram
统计/切面 faceting facet
================================================================================================================================================
================================================================================================================================================ 优化 分析： _analyze?analyzer=xxx 指定分析器进行分析， 没有analyzer 则使用默认的分析器 _analyze?tokenizer=xxx&filters=xx,yy解释查询
_explain 查询参数================================================================================================================================================
================================================================================================================================================ 同义词{
settings：{ index: { analysis： { analyzer：{ synonym分析器: { tokenizer filter: [ synonym名 ] } } }, filter：{ synonym名：{ type： synonym ignore_case: true synonyms: [ jump => leap ... ] } } }可见，synonym 就是一个分析器， 但是他的 过滤器的类型是 synonym
synonym_path 可以代替synonyms， 表示一个文件
使用 solr 的同义词
同义词等价定义
扩展
使用WordNet 同义词
================================================================================================================================================
================================================================================================================================================ span 查询span_term
span_first span_near span_not span_or================================================================================================================================================
================================================================================================================================================ 组合索引variation API
索引树性结构
url 参数：
parent child字段：
_parent _childhas_child
has_parent嵌套对象
================================================================================================================================================
================================================================================================================================================ rivermongodb 插件
================================================================================================================================================
================================================================================================================================================ 网关================================================================================================================================================
================================================================================================================================================ 批量操作 _bulk url 参数{
create: update: delete: index: ...}
UDP 批量操作：
批量取
_mget
批量查询
_msearch================================================================================================================================================
================================================================================================================================================ 统计/切面 统计/切面 是针对 一个或多个索引的， 多个类型？ 一个类型？ 反正一个文档， 肯定是不行的， 数据量太少， 怎么统计， 毫无意义啊query 统计
得到匹配查询的结果数目filter 统计
得到匹配查询的结果数目terms 统计
返回指定字段中使用最多的词项range 统计
返回某个范围的 结果数目它会继续 min max mean count total 等值
histogram 统计
对字段取值按间隔 统计， 建立直方图 ， 只对 数字/ 日期型 字段中，间隔： 通过 interval 控制
date_histogram 统计
statistical 统计
min max mean 平方和 总和 方差 标准差 等等terms_stats 统计
综合了 terms/ statistical 统计geo_distance 统计
过来统计结果：
facet_filter
统计计算范围：
scope
nested
================================================================================================================================================
================================================================================================================================================ 相似文档 _mlt 查询参数min_doc_freq
min_term_freq ...================================================================================================================================================
================================================================================================================================================ 反查 percolator _percolator 查询参数感觉好奇怪，
对文档进行反查？
0 准备，假设存在一个 notifier 的索引，
其中存在类型： 数据：1 先向 名为_percolator 的索引中， 注册一个查询， 也就是往 _percolator 的索引存入一个文档。 这个是一个普通的put
put _percolator/notifier/id {
query: { xxx } --- 这个字段是必须的， 反查嘛。。 自定义的字段。。。 }2 用户对notifier 进行查询 等操作 —— 这个过程是用户端发生的
3 进行反查， 也就是对刚才的notifier的索引的 x/_percolator 部分。 这个是一个特殊的查询了
特殊的是， 需要一个x 查询参数 ， why ？？GET notifier/x/_percolator
{ doc：{ notifier 的一个文档内容 documentX } query： { 查询条件 Q } }这个意思是说，
用户进行了很多对notifier 的查询， 那么， 他们是否有人曾经查询过documentX呢， 以 Q 的方式， 换句话说， 是否有人以Q 方式使用特定的这 documentX 呢
================================================================================================================================================
================================================================================================================================================ 节点探索 discoveryzen directory
================================================================================================================================================
================================================================================================================================================ 管理集群_stats 查询参数 进行 统计
docs 统计信息
store 统计信息 indexing get search_cluster
主节点：
node.master
node.data
discovery.zen.minimum_master_nodes 最小集群节点数
================================================================================================================================================
================================================================================================================================================ 端点_validate/query 验证
_cluster
nodes state_status
_nodes索引分段
_segements
控制分片 副本
node.zone
移动分片 reroute
post _cluster/reroute
{
commands： { { move ： { from to ..} allocate }}
}
================================================================================================================================================
================================================================================================================================================ url 参数================================================================================================================================================ 滚动
如何操作：
1 先建立scroll 查询， 获取 scroll_id字段： _scroll_id
url 查询参数 scroll_id
2 然后使用 scroll_id
3 ...
================================================================================================================================================ 特殊字段
================================================================================================================================================ 再平衡 rebalancing
================================================================================================================================================ 预热
_warmer
warm_facet