程序员小潘

搜索是Elasticsearch最核心的功能之一，它能够在海量数据中精准、快速地召回我们期望的文档。Elasticsearch支持各种复杂的条件搜索，查询类型之多，往往让新手一头雾水。甚至同一个搜索需求，可以用不同的查询类型来实现，但是效率却天差地别，理解Elasticsearch提供的各种查询类型，可以帮助我们更好的搜索我们的数据。

Elasticsearch索引是一组相关文档的集合，文档在Elasticsearch中用JSON来表示，每个文档都有一个唯一的”_id“字段来标识。每个文档又是一组字段的集合，字段可以有自己的数据类型，可以是数字、字符串、日期、布尔类型等，Elasticsearch可以索引文档，并对索引的文档做检索和数据分析。

在将第三方数据源的数据导入到Elasticsearch中时，原始数据长什么样，索引后的文档就是什么样。文档数据结构不统一，导致后续数据分析时变得麻烦，以往需要额外写一个中间程序来读取原始数据，转换加工后再写入到Elasticsearch，比较麻烦，于是官方推出了Ingest pipeline。Ingest pipeline 允许文档在被索引之前对数据进行预处理，将数据加工处理成我们需要的格式，例如删除或增加一些字段等。

Elasticsearch规定，任何分析器都由0个或多个字符过滤器、1个分词器、0个或多个分词过滤器组成，官方内置了大量的基础组件，同时又基于这些基础组件定义了一堆内置的分析器。如果这些内置分析器不能够满足我们的需求，我们也可以任意搭配组合定制化一个分析器。假设，我们现在创建一个questions索引，用来索引问题，然后可以根据关键词搜索问题。question字段使用text类型，同时使用我们自定义的文本分析器my_analyzer。自动过滤掉文本中的标点符号简单点，针对“/"符号来做分词吧。

ES文档的每个字段都至少有一个数据类型，此类型决定了字段值如何被存储以及检索。例如，字符串类型可以定义为text或者keyword，前者用于全文检索，会经过分词后索引；后者用于精准匹配，值会保持原样被索引。ES字段类型按族分组，同一族中的类型具有完全相同的搜索行为，但可能具有不同的空间使用或性能特征。

索引是文档的集合，文档是字段的集合，每个字段都有自己的数据类型。在映射数据时，需要创建一个映射定义，其中包含与文档相关的字段列表。映射定义还包括元数据字段，如_source字段，它自定义如何处理文档的关联元数据。

在索引文档前，首先需要定义索引。包括：索引名称、索引设置、索引映射、别名、分析器等。如下示例，我们创建了一个名称为“student”的索引，它拥有1个分片数和1个副本数；在索引映射里我们定义了三个字段分别是：学号 student_id、姓名 name、性别 gender，字段类型都是keyword，用于精准匹配；同时该索引还有一个别名：student_alias。

索引是文档的容器，就像关系数据库中，要存储行记录必须先创建数据库和表一样。ES6 及之前的版本还存在”类型“的概念，一个索引下可以存储多个类型的文档，但是不同类型下的文档却不是相互独立的，这些文档同属于一个 Lucene 索引，仅通过_type字段做逻辑区分，导致不同类型下的相同字段名无法实现不同的数据类型而出现问题，于是 ES7 废弃了类型的概念，ES8 彻底移除了类型。文档是可以被索引的最小信息单元，相当于关系数据库中的行记录。文档由若干个字段（Field）组成，每个字段是一个键值对。