一、ES的基本使用

1.创建索引

创建一个test索引http://localhost:9200/test

2.删除索引

http://localhost:9200/test

3.查看索引

http://localhost:9200/_all

4.向索引中新增数据

http://localhost:9200/person/_doc/

5.搜索数据

http://localhost:9200/person/_doc/_search?q=first_name:wj

但是我并没匹配到，后面发现必须写成之前新增的wj8，

二、Kibana使用

http://localhost:5601/app/home#/

Kibana默认连接启动的ES

三、ES实现搜索的原理（待更）

Elasticsearch（非关系型数据库） ⇒ 索引（index） ⇒ 文档（document）⇒ 字段(Fields)

一个运行的ES实例为一个节点。

四、Mysql、ES 数据同步

mysql数据发生改变时，elasticsearch也必须跟着改变，这个就是elasticsearch与mysql之间的数据同步。

常见的数据同步方案有三种：

1.同步调用

优点：实现简单，粗暴
缺点：业务耦合度高

2.异步通知

优点：低耦合，实现难度一般
缺点：依赖mq的可靠性

3.监听binlog

优点：完全解除服务间耦合
缺点：开启binlog增加数据库负担、实现复杂度高

转载于：ES和MYSQL实现数据同步_我是小菜鸟，喜欢C和V的博客-CSDN博客_es+mysql

其中，开源中间件binlog：

目前国内有做得比较好的，Canal，是阿里开源的binlog同步工具。可以解析binlog，并将解析后的数据同步到任何目标存储中。

还有一个，

但是，go-mysql-elasticsearch对 mysql 和 es 有版本要求

  MySQL supported version < 8.0 

  ES supported version < 6.0

其次，ES官网还有一个 logstash

Logstash 是免费且开放的服务器端数据处理管道，能够从多个来源采集数据，转换数据，然后将数据发送到您最喜欢的“存储库”中。

Logstash 是一个功能强大的工具，可与各种部署集成。它提供了大量插件，可帮助你解析，丰富，转换和缓冲来自各种来源的数据。如果你的数据需要 Beats 中没有的其他处理，则需要将 Logstash 添加到部署中。
下载地址：Logstash 7.17.6 | Elastic

需要连接jdbc，我引入了jar。

五、ES中文分词器

分词器	作用
Standard	ES默认分词器，按单词分类并进行小写处理
Simple	按照非字母切分，然后去除非字母并进行小写处理
Stop	按照停用词过滤并进行小写处理，停用词包括the、a、is
Whitespace	按照空格切分，不支持中文
Language	据说提供了30多种常见语言的分词器，不支持中文
Patter	按照正则表达式进行分词，默认是\W+ ,代表非字母
Keyword	不进行分词，作为一个整体输出

Standard分词器：

英文：
POST _analyze
{
  "analyzer":"standard",
  "text": "hello world"
}

结果：
{
  "tokens" : [
    {
      "token" : "hello",
      "start_offset" : 0,
      "end_offset" : 5,
      "type" : "<ALPHANUM>",
      "position" : 0
    },
    {
      "token" : "world",
      "start_offset" : 6,
      "end_offset" : 11,
      "type" : "<ALPHANUM>",
      "position" : 1
    }
  ]
}

中文：
POST _analyze
{
  "analyzer":"standard",
  "text": "我是中国人"
}

结果： 拆成单个字了，不理想
{
  "tokens" : [
    {
      "token" : "我",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "<IDEOGRAPHIC>",
      "position" : 0
    },
    {
      "token" : "是",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "<IDEOGRAPHIC>",
      "position" : 1
    },
    {
      "token" : "中",
      "start_offset" : 2,
      "end_offset" : 3,
      "type" : "<IDEOGRAPHIC>",
      "position" : 2
    },
    {
      "token" : "国",
      "start_offset" : 3,
      "end_offset" : 4,
      "type" : "<IDEOGRAPHIC>",
      "position" : 3
    },
    {
      "token" : "人",
      "start_offset" : 4,
      "end_offset" : 5,
      "type" : "<IDEOGRAPHIC>",
      "position" : 4
    }
  ]
}

显然中文极不友好，所以开源IK分词器，将解决这个问题。IK是当前中文支持度最好的插件。

GitHub - medcl/elasticsearch-analysis-ik: The IK Analysis plugin integrates Lucene IK analyzer into elasticsearch, support customized dictionary.

POST _analyze
{
  "analyzer":"ik_smart",
  "text": "我是中国人"
}

POST _analyze
{
  "analyzer":"ik_max_word",
  "text": "我是哪里人呢"
}
结果：
{
  "tokens" : [
    {
      "token" : "我",
      "start_offset" : 0,
      "end_offset" : 1,
      "type" : "CN_CHAR",
      "position" : 0
    },
    {
      "token" : "是",
      "start_offset" : 1,
      "end_offset" : 2,
      "type" : "CN_CHAR",
      "position" : 1
    },
    {
      "token" : "中国人",
      "start_offset" : 2,
      "end_offset" : 5,
      "type" : "CN_WORD",
      "position" : 2
    }
  ]
}

（二）ElasticSearch使用