一、安装elasticsearch和kibana
安装elasticsearch和kibana，我现在使用的是windows版本的，安装其实也不难，具体的安装教程可以参照这两篇博客，写的安装步骤也很详细。
我安装的官网最新版的elasticsearch7.3.2本
安装好的elasticsearch，使用浏览器，访问：http://localhost:9200/
可以看到以下界面，就表示安装成功：
按照教程的推荐，安装elasticsearch-head-master，可视化管理elasticsearch索引以及集群
安装好后，启动服务，访问：http://localhost:9100/
最后安装kibana
安装kibana，推荐参照这篇博客文章，写的也非常详细：
Kibana 的安装（Windows版本）---这篇博客可以跳过前边安装elasticsearch的步骤，直接看kibana安装。
安装好后，启动服务，访问：http://localhost:5601/，出现以下界面就安装并访问成功
以后使用elasticsearch和kibana的时候，启动方式：
使用elasticsearch，需要启动elasticsearch服务，进入elasticsearch的bin目录，双击elasticsearch.bat
访问：http://localhost:9200
查看elasticsearch使用了head插件，可视化查看elasticsearch的情况
启动elasticsearch-head-master
需要进入elasticsearch-head-master，启动cmd窗口，输入命令：npm run start或grunt server
我已经将命令写在了start.bat文件中，以后，只需要双击start.bat文件就可以启动服务了
访问：http://localhost:9100
使用kibana，需要启动kibana服务，进入kibana的bin目录，双击kibana.bat即可
访问：http://localhost:5601
注意：安装的kibana版本需要与elasticsearch的版本一致，我安装的都是7.3.2版本，目前是官网最新版本
第一次访问elasticsearch是正常的，但是当我停掉elasticsearch服务时，第二次启动时，却出错了，根据启动的日志查看到错误：
ERROR: [1] bootstrap checks failed
[1]: the default discovery settings are unsuitable for production use; at least one of [discovery.seed_hosts, discovery.seed_providers, cluster.initial_master_nodes] must be configured
注意：需要看到启动日志，不能双击bat批处理文件这种方式启动elasticsearch服务，因为窗口出现后，等日志输出完毕之后，窗口自动关闭了，是看不到具体日志的，需要到elasticsearch安装目录，启动cmd窗口，然后手动启动服务，手动输入elasticsearch.bat
查看日志，查看错误提示
具体解决方案，可以参照这篇博客，总结了多种异常情况，我刚才提到的异常情况，就是这篇博客总结的最后一种异常情况，按照方法解决就可以了：
所有安装完成之后，就可以开始愉快的使用elasticsearch强大的功能了！
二、elasticsearch的使用
2.1 创建索引库
ES的索引库是一个逻辑概念，它包括了分词列表及文档列表，同一个索引库中存储了相同类型的文档。它就相当于
MySQL中的表，或相当于Mongodb中的集合。
关于索引这个语：
索引（名词）：ES是基于Lucene构建的一个搜索服务，它要从索引库搜索符合条件索引数据。
索引（动词）：索引库刚创建起来是空的，将数据添加到索引库的过程称为索引。
下边介绍两种创建索引库的方法，它们的工作原理是相同的，都是客户端向ES服务发送命令。
1）使用postman或curl这样的工具创建：
windows版本，我们先使用postman来操作elasticsearch
创建索引库：
格式如下：
put http://localhost:9200/索引库名称
使用put方式请求
创建索引成功，索引库名为：xiaomifeng1010
number_of_shards：设置分片的数量，在集群中通常设置多个分片，表示一个索引库将拆分成多片分别存储不同
的结点，提高了ES的处理能力和高可用性，入门程序使用单机环境，这里设置为1。
number_of_replicas：设置副本的数量，设置副本是为了提高ES的高可靠性，单机环境设置为0.
创建xiaomifeng1010索引库，共1个分片，0个副本：
现在到elasticsearch管理界面看一下（刷新一下页面）
可以看到索引库xiaomifeng1010已经创建成功
还有更简单的方法是在head界面创建索引库，切换到索引---新建索引
效果如下：
2.2 创建映射
2.2.1 概念说明
在索引中每个文档都包括了一个或多个field，创建映射就是向索引库中创建field的过程，下边是document和field
与关系数据库的概念的类比：
文档（Document）----------------Row记录
字段（Field）-------------------Columns 列
注意：6.0之前的版本有type（类型）概念，type相当于关系数据库的表，ES官方将在ES8.0版本中彻底删除type。
上边讲的创建索引库相当于关系数据库中的数据库还是表？
1、如果相当于数据库就表示一个索引库可以创建很多不同类型的文档，这在ES中也是允许的。
2、如果相当于表就表示一个索引库只能存储相同类型的文档，ES官方建议 在一个索引库中只存储相同类型的文
档。
可以参考官网文档说明：Removal of mapping types
2.2.2 创建映射
我们要把课程信息存储到ES中，这里我们创建xiaomifeng1010索引库的映射，先来一个简单的映射，如下：
发送：post http://localhost:9200/索引库名称/_mapping （elasticsearch7.3.2弱化了type，所以不能加doc了，加了doc会报错illegal_argument_exception ，6.x版本的需要写成post http://localhost:9200/索引库名称/类型名称/_mapping）
创建类型为xiaomifeng1010的映射，共包括三个字段：name、age、email
(由于elasticsearch 6.x版本还没有将type彻底删除，所以暂时把type起一个没有特殊意义的名字。之前创建的xc_course是使用6.2.1版本创建的，所以创建映射需要写成如下：
post 请求：http://localhost:9200/xc_course/doc/_mapping
表示：在xc_course索引库下的doc类型下创建映射。doc是类型名（官方之前类比为关系型数据库中的table），可以自定义，在ES6.0中要弱化类型的概念，
给它起一个没有具体业务意义的名称。)
7.3.2版本，创建映射，仍然可以使用postman
put http://localhost:9200/xiaomifeng1010/_mapping
现在到head界面查看xiaomifeng1010索引信息
查看索引信息，可以看到映射的信息（即索引库的约束，相当于定义关系型数据库数据表字段类型）
2.3 创建文档
ES中的文档相当于MySQL数据库表中的记录。
发送：Post http://localhost:9200/xiaomifeng1010/_doc/
（如果不指定id值ES会自动生成ID）
现在查看head界面：
可以看到记录已经插入进去了
2.4 搜索文档
1、根据xiaomifeng1010索引库中的记录的id查询文档
发送：get http://localhost:9200/xiaomifeng1010/_doc/i-LbhW0B6mPtB13laPzf
使用postman测试：
2、查询所有记录
发送 get http://localhost:9200/xiaomifeng1010/_doc/_search
为了可以查到多条记录，现在再插入一条记录
然后再执行查询：
took：本次操作花费的时间，单位为毫秒。
timed_out：请求是否超时
_shards：说明本次操作共搜索了哪些分片
hits：搜索命中的记录
hits.total ： 符合条件的文档总数 hits.hits ：匹配度较高的前N个文档
hits.max_score：文档匹配得分，这里为最高分
_score：每个文档都有一个匹配度得分，按照降序排列。
_source：显示了文档的原始内容。
3、查询名称中包括elite关键字的的记录
发送：get http://localhost:9200/xiaomifeng1010/_doc/_search?q=name:elite
4、查询年龄为10岁的记录
发送 get http://localhost:9200/xiaomifeng1010/_doc/_search?q=age:10
三、IK分词器
3.1测试elasticsearch默认的分词器
在添加文档时会进行分词，索引中存放的就是一个一个的词（term），当你去搜索时就是拿关键字去匹配词，最终
找到词关联的文档。
测试当前索引库使用的分词器：
post 发送：localhost:9200/_analyze
{"text":"测试分词器，后边是测试内容：spring cloud实战"}
结果如下：
会发现分词的效果将 “测试” 这个词拆分成两个单字“测”和“试”，这是因为当前索引库使用的分词器对中文就是单字
分词。
3.2 安装IK分词器
使用IK分词器可以实现对中文分词的效果。
下载IK分词器：（Github地址：https://github.com/medcl/elasticsearch-analysis-ik）
下载zip：
然后下载最新版7.3.2版本
下载之后，解压zip文件，然后将解压后的文件放在ES安装目录的plugins下的目录下
然后重启elasticsearch服务，使ik分词器插件加载并生效
测试分词效果：
发送：post localhost:9200/_analyze
{"text":"测试分词器，后边是测试内容：spring cloud实战","analyzer":"ik_max_word" }
3.3 两种分词模式
ik分词器有两种分词模式：ik_max_word和ik_smart模式。（这两种模式会在下边的kibana中演示，这里就不用postman演示了）
1、ik_max_word
会将文本做最细粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、
华人、人民共和国、人民、共和国、大会堂、大会、会堂等词语。
2、ik_smart
会做最粗粒度的拆分，比如会将“中华人民共和国人民大会堂”拆分为中华人民共和国、人民大会堂。
测试两种分词模式：
发送：post localhost:9200/_analyze
{"text":"中华人民共和国人民大会堂","analyzer":"ik_smart" }
3.4 自定义词库
如果要让分词器支持一些专有词语，可以自定义词库。
iK分词器自带一个main.dic的文件，此文件为词库文件
用notepad++打开main.dic
看到里边有很多中文词汇
当然我们自己可以在上边的目录中新建一个my.dic文件（注意文件格式为utf-8（不要选择utf-8 BOM））
可以在其中自定义词汇：
然后在配置文件IKAnalyzer.cfg.xml中配置my.dic的相关信息
重启ES，测试分词效果：
发送：post localhost:9200/_analyze
{"text":"测试分词器，后边是测试内容：spring cloud实战","analyzer":"ik_max_word" }
四、使用kibana可视化界面来操作elasticsearch
kibana界面有个扳手的图标（开发工具），点击进入console控制台，通过命令（官方称为api）操作elasticsearch
按照官方的例子来创建索引，并同时指定确切的映射
下边在kibana中操作
这样也顺利创建了索引和映射
接下来添加field
在kibana中操作：
执行成功
接下来查看一下索引库和映射
当然如果查看head界面，一定增加了一个新的索引库my-index
下边使用kibana演示一下上边用postman演示的常用elasticsearch操作：
使用elasticsearch默认分词器
使用ik中文分词器，模式：ik_max_word
使用ik中文分词器，模式：ik_smart
最后对比一下“中华人民共和国人民大会堂”，在ik分词器的ik_max_word模式的效果
这一篇就先到这里，下一篇会总结一下使用java客户端来操作elasticsearch。
