1. ElasticSearch和Kibana 安装版本号保持一致
2. ElasticSearch从5.0版本开始废除FilterBuilders,将query和filter合并。
3. must和filter的区别
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery()
.must(QueryBuilders.simpleQueryStringQuery(query).field("newContent").field("T"))
.filter(QueryBuilders.termQuery("key1", "true"))
.filter(QueryBuilders.termQuery("key2", "true"));
.must(QueryBuilders.simpleQueryStringQuery(query).field("newContent").field("T"))
.filter(QueryBuilders.termQuery("key1", "true"))
.filter(QueryBuilders.termQuery("key2", "true"));
这里的filter，查询不需要评分，效率要高于must(查询打分)。因此全文检索时使用must，属性过滤时使用filter.
4. ES集群的分片机制
ES数据分片，使用scatter/gather分发聚合机制，有点类似于ForkJoin，mapReduce的思想
分片和副本的基本概念: https://blog.csdn.net/my201110lc/article/details/82017516
5. ES的节点类型
客户端节点 | 主节点 | 数据节点 https://www.cnblogs.com/sunfie/p/9598464.html
6. ES的四种搜索类型(SearchType值)
query_then_fetch(es默认的搜索方式)
DFS_query_then_fetch 最准确但性能最差
7. ES和kibana 聚合数据，图表展示
Kibana和granfa都支持对ES数据进行聚合分析，生成饼图，柱状图，热力图，折线图等
granfa支持对influxdb数据进行聚合分析，但Kibana对influxdb目前不支持
influxdb数据聚合性能比ES要高很多，通常情况inluxdb更倾向于做数据聚合分析，es更适合于日志收集并简单查询
8. ES的java客户端
从es7开始，官方建议使用 High Level REST Client ，不建议再使用TransportClient
9.精确查询（条件查询）
字段设置："index":"not_analyzed" 查询是使用：term查询 查询条件组合使用：filter
属性字段存储不分词，查询值不分词，查询时此条件不需评分
10. 几种常见的查询
term查询： 结构化字段查询，匹配一个值，且输入的值不会被分词器分词
match查询：模糊匹配，先对输入进行分词，对分词后的结果进行查询，文档只要包含match查询条件的一部分就会被返回
match_phrase: 习语匹配，本义确切的phase，对查询字段定义了分词器的情况下，会使用分词器对输入进行分词，然后满足下述两个条件的document:
1.match_phase中的所有term都出现在待查询字段之中
2.待查询字段之中的所有term都必须和 match_phase具有相同的顺序
query_string: 同match_phase的相同点在于，输入的查询条件会被分词，但是不同之外在与文档中的数据可以不用和query_string中的查询条件有相同的顺序。
11.ES的路由
类似的场景： rocketmq将同一司机的轨迹全都路由到同一consumerQueue中。 redis将相同的key存储到集群中的同一台机器中
ElasticSearch的routing算是一个高级用法，但的确非常有用。在我们公司的订单数据，就用merchant_no作为routing，这样就能保证同一个商户的数据全部保存到同一个shard去，后面检索的时候，同样使用merchant_no作为routing，就可以精准的从某个shard获取数据了。对于超大数据量的搜索，routing再配合hot&warm的架构，是非常有用的一种解决方案。而且同一种属性的数据写到同一个shard还有很多好处，比如可以提高aggregation的准确性。
参考:https://www.cnblogs.com/caoweixiong/p/12029789.html
12.High Level REST Client的封装和使用