ES简介

https://www.elastic.co/cn/what-is/elasticsearch 全文搜索属于最常见的需求， 开源的 Elasticsearch 是目前全文搜索引擎的首选。
它可以快速地储存、 搜索和分析海量数据。 维基百科、 Stack Overflow、 Github 都采用它。
es date类型 java用什么类型 java的es是什么_docker
Elastic 的底层是开源库 Lucene。 但是， 你没法直接用 Lucene， 必须自己写代码去调用它的
接口。 Elastic 是 Lucene 的封装， 提供了 REST API 的操作接口， 开箱即用。
REST API： 天然的跨平台。
官方文档： https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html 官方中文： https://www.elastic.co/guide/cn/elasticsearch/guide/current/foreword_id.html 社区中文：
https://es.xiaoleilu.com/index.html
http://doc.codingdict.com/elasticsearch/0/

一、 基本概念

ElasticSearch 设计的理念就是分布式搜索引擎，底层其实还是基于 lucene 的。核心思想就是在多台机器上启动多个 ES 进程实例，组成了一个 ES 集群。
数据结构 index 类别大表-> type具体表 -> mapping表结构定义-> document 一行-> field一个字段的值

1、 Index索引

动词， 相当于 MySQL 中的 insert；
名词， 相当于 MySQL 中的 Database;

2、 Type类型(8新版本去掉)
在 Index（索引） 中， 可以定义一个或多个类型。
类似于 MySQL 中的 Table； 每一种类型的数据放在一起；

3、 Document文档
保存在某个索引（Index） 下， 某种类型（Type） 的一个数据（Document），文档是 JSON 格
式的， Document 就像是 MySQL 中的某个 Table 里面的内容；

4、 倒排索引机制

分词，评分，排序

es date类型 java用什么类型 java的es是什么_docker_02

二、Docker 安装 ES及组件

1、 下载镜像文件以及网络配置

# 系统配置及生效
vim /etc/profile
source /etc/profile

# 修改网路配置，固定ip
cd /etc/sysconfig/network-scripts/


docker pull elasticsearch:7.4.2 存储和检索数据
docker pull kibana:7.4.2 可视化检索数据

docker images 查看下载的镜像
free -m 查询主机内存

# linux统一安装目录：mydata/ ？

# 修改 linux 的 yum 源
1） 、 备份原 yum 源
mv /etc/yum.repos.d/CentOS-Base.repo /etc/yum.repos.d/CentOS-Base.repo.backup
2） 、 使用新 yum 源
curl -o /etc/yum.repos.d/CentOS-Base.repo http://mirrors.163.com/.help/CentOS7-Base-163.repo
3） 、 生成缓存
yum makecache

# 修改docker镜像源
docker默认的源为国外官方源，下载速度较慢，可改为国内源
编辑或新建配置文件 /etc/docker/daemon.json
{
    "registry-mirrors": ["https://registry.docker-cn.com","http://hub-mirror.c.163.com"],
    "live-restore": true
}
# 重新启动docker服务
systemctl restart docker

2、 创建docker ps实例

ElasticSearch

mkdir -p /mydata/elasticsearch/config
mkdir -p /mydata/elasticsearch/data
# 允许所有请求访问es
echo "http.host: 0.0.0.0" >> /mydata/elasticsearch/config/elasticsearch.yml

chmod -R 777 /mydata/elasticsearch/  #保证可读可写权限

# 暴露名称、暴露端口、设置运行方式、配置运行占有、设置文件映射、目标镜像
docker run --name elasticsearch -p 9200:9200 -p 9300:9300 \
-e "discovery.type=single-node" \
-e ES_JAVA_OPTS="-Xms64m -Xmx512m" \
-v /mydata/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml \
-v /mydata/elasticsearch/data:/usr/share/elasticsearch/data \
-v /mydata/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
-d elasticsearch:7.4.2

# 设置开机自动重启
docker update elasticsearch --restart=always

docker start ps编号
docker logs  ps编号

# 关闭防火墙
systemctl stop firewalld.service
systemctl status firewalld.service
systemctl start firewalld.service

plugins以后再外面装好插件重启即可；特别注意：
-e ES_JAVA_OPTS="-Xms64m -Xmx256m" \ 测试环境下， 设置 ES 的初始内存和最大内存， 否则导
致过大启动不了ES。

docker命令格式：参数dockerhub网站

Kibana

# 暴露名称、暴露端口、绑定es地址
docker run --name kibana -e ELASTICSEARCH_HOSTS=http://192.168.42.129:9200 -p 5601:5601 \
-d kibana:7.4.2

# 设置开机自动重启
docker update kibana --restart=always

注意：http://虚拟机的地址:9200 一定改为自己虚拟机的地址

问题：启动kibana出现iptables: No chain/target/match by that name
1 查看最新防火墙配置
iptables -L
2 重启Docker服务
service docker restart

Nginx

 随便启动一个 nginx 实例， 只是为了复制出配置
 docker run -p 80:80 --name nginx -d nginx:1.10
 将容器内的配置文件拷贝到当前目录： docker container cp nginx:/etc/nginx .
 别忘了后面的点
 修改文件名称： mv nginx conf 把这个 conf 移动到/mydata/nginx 下
 终止原容器： docker stop nginx
 执行命令删除原容器： docker rm $ContainerId
 创建新的 nginx； 执行以下命令
docker run -p 80:80 --name nginx \
-v /mydata/nginx/html:/usr/share/nginx/html \
-v /mydata/nginx/logs:/var/log/nginx \
-v /mydata/nginx/conf:/etc/nginx \
-d nginx:1.10

docker update nginx --restart=always

 给 nginx 的 html 下面放的所有资源可以直接访问；

es date类型 java用什么类型 java的es是什么_es date类型 java用什么类型_03

三、初步检索

https://www.elastic.co/guide/en/elasticsearch/reference/7.2/getting-started-search.html

1、_cat检索

GET /_cat/nodes： 查看所有节点
GET /_cat/health： 查看 es 健康状况
GET /_cat/master： 查看主节点
GET /_cat/indices： 查看所有索引 show databases;

2、新增文档POST&PUT

保存一个数据， 保存在哪个索引的哪个类型下， 指定用哪个唯一标识
PUT customer/external/1； 在 customer 索引下的 external 类型下保存 1 号数据为

PUT customer/external/1
{
"name": "John Doe"
}

PUT 和 POST 都可以，
POST 新增。 如果不指定 id， 会自动生成 id。 指定 id 就会修改这个数据， 并新增版本号
PUT 可以新增可以修改。 PUT 必须指定 id； 由于 PUT 需要指定 id， 我们一般都用来做修改
操作， 不指定 id 会报错。

3、查询文档GET

GET customer/external/1
结果：
{
"_index": "customer", //在哪个索引
"_type": "external", //在哪个类型
"_id": "1", //记录 id
"_version": 2, //版本号
"_seq_no": 1, //并发控制字段， 每次更新就会+1， 用来做乐观锁
"_primary_term": 1, //同上， 主分片重新分配， 如重启， 就会变化
"found": true,
"_source": { //真正的内容
"name": "John Doe"
}
}

更新携带，并发控制测试 ?if_seq_no=0&if_primary_term=1

4、更新文档POST&PUT

POST customer/external/1/_update
{
"doc":{
"name": "John Doew"
}
}

或者POST customer/external/1
{
"name": "John Doe2"
} 

或者PUT customer/external/1
{
"name": "John Doe"
}

不同： POST 操作会对比源文档数据， 如果相同不会有什么操作， 文档 version 不增加
PUT 操作总会将数据重新保存并增加 version 版本；
带_update 对比元数据如果一样就不进行任何操作。
看场景；
对于大并发更新， 不带 update；
对于大并发查询偶尔更新， 带 update； 对比更新， 重新计算分配规则。

更新同时增加属性
POST customer/external/1/_update
{
"doc": { "name": "Jane Doe", "age": 20 }
} 
PUT 和 POST 不带_update 也可以

5、删除文档DELETE

# 删除文档
DELETE customer/external/1 
# 删除索引
DELETE customer

6、批量操作_bulk

POST customer/external/
{"index":{"_id":"1"}}
{"name": "John Doe" }
{"index":{"_id":"2"}}
{"name": "Jane Doe" }

POST /_bulk
{ "delete": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "create": { "_index": "website", "_type": "blog", "_id": "123" }}
{ "title": "My first blog post" }
{ "index": { "_index": "website", "_type": "blog" }}
{ "title": "My second blog post" }
{ "update": { "_index": "website", "_type": "blog", "_id": "123"} }
{ "doc" : {"title" : "My updated blog post"} }

bulk API 以此按顺序执行所有的 action（动作） 。 如果一个单个的动作因任何原因而失败，
它将继续处理它后面剩余的动作。 当 bulk API 返回时， 它将提供每个动作的状态（与发送
的顺序相同），所以您可以检查是否一个指定的动作是不是失败了。

7、样本数据bank

我准备了一份顾客银行账户信息的虚构的 JSON 文档样本。 每个文档都有下列的 schema（模式） :

{
"account_number": 0,
"balance": 16623,
"firstname": "Bradshaw",
"lastname": "Mckenzie",
"age": 29,
"gender": "F",
"address": "244 Columbus Place",
"employer": "Euron",
"email": "bradshawmckenzie@euron.com",
"city": "Hobucken",
"state": "CO"
}

es样本数据切换到老版本才有：
https://github.com/elastic/elasticsearch/blob/v6.8.18/docs/src/test/resources/accounts.json 导入测试数据 POST bank/account/_bulk 测试数据

POST bank/account/_bulk
accounts.json数据

四、进阶检索

https://www.elastic.co/guide/en/elasticsearch/reference/7.2/search-search.html

1、 SearchAPI

ES 支持两种基本方式检索：
一个是通过使用 REST request URI 发送搜索参数（uri+检索参数）
另一个是通过使用 REST request body 来发送它们（uri+请求体）

# uri+检索参数
GET bank/_search?q=*&sort=account_number:asc

# uri+请求体
GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "account_number": "desc"
    },
    {
      "balance": "asc"
    }
  ]
}

检索_search结果分析：

es date类型 java用什么类型 java的es是什么_nginx_04


HTTP 客户端工具（ POSTMAN），get 请求不能携带请求体，我们变为 post 也是一样的

我们 POST 一个 JSON 风格的查询请求体到 _search API。

需要了解， 一旦搜索的结果被返回，Elasticsearch 就完成了这次请求，并且不会维护任何

服务端的资源或者结果的 cursor（ 游标）

2、 Query DSL

1）基本语法格式

Elasticsearch 提供了一个可以执行查询的 Json 风格的 DSL（domain-specific language 领域特定语言）。称为 Query DSL。

  • 一个查询语句的典型结构

es date类型 java用什么类型 java的es是什么_elasticsearch_05

  • 如果是针对某个字段， 那么它的结构如下：

es date类型 java用什么类型 java的es是什么_docker_06

  • 查询所有，分页，排序，返回部分字段
# 查询所有，分页，排序，返回部分字段
GET bank/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "account_number": {
        "order": "desc"
      }
    }
  ],
  "from": 0,
  "size": 5,
  "_source": ["age","balance"]
}

es date类型 java用什么类型 java的es是什么_es date类型 java用什么类型_07

2）返回部分字段

# _source选取字段
GET bank/_search
{
"query": {"match_all": {}
},
"from": 0,
"size": 5,
"_source": ["age","balance"]
}

3）match匹配查询

  • **基本类型（ 非字符串），精确匹配 **
# 基本类型非字符串，精确匹配
# match 返回 account_number=20 的

GET bank/_search
{
  "query": {
    "match": {
      "account_number": "20"
    }
  }
}
  • 字符串， 全文检索
# 字符串， 全文检索
# 最终查询出 address 中包含 mill 单词的所有记录。match 当搜索字符串类型的时候， 会进行全文检索， 并且每条记录有相关性得分。

GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
    }
  }
}
  • 字符串， 多个单词（分词+全文检索）
# 字符串， 多个单词（分词+全文检索）
# 最终查询出 address 中包含 mill 或者 road 或者 mill road 的所有记录， 并给出相关性得分

GET bank/_search
{
  "query": {
    "match": {
      "address": "mill road"
    }
  }
}

4）match_phrase短语匹配

# match_phrase【 短语匹配】
# 将需要匹配的值当成一个整体单词（ 不分词） 进行检索
# 查出 address 中包含 mill road 的所有记录， 并给出相关性得分

GET bank/_search
{
  "query": {
    "match_phrase": {
      "address": "mill road"
    }
  }
}

5）multi_match多字段匹配

# multi_match【 多字段匹配】
# state 或者 address 包含 mill

GET bank/_search
{
  "query": {
    "multi_match": {
      "query": "mill",
      "fields": [
        "state",
        "address"
      ]
    }
  }
}

6）bool 复合查询

bool 用来做复合查询：
复合语句可以合并 任何 其它查询语句， 包括复合语句， 了解这一点是很重要的。 这就意味着， 复合语句之间可以互相嵌套， 可以表达非常复杂的逻辑。

  • must： 必须达到 must 列举的所有条件
GET bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } },{ "match": { "gender": "M" } }
]
}
}
}
  • should： 应该达到 should 列举的条件， 如果达到会增加相关文档的评分， 并不会改变查询的结果。 如果 query 中只有 should 且只有一种匹配规则， 那么 should 的条件就会被作为默认匹配条件而去改变查询结果。
GET bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } },
{ "match": { "gender": "M" } }
],
"should": [
{"match": { "address": "lane" }}
]
}
}
}
  • must_not 必须不是指定的情况
# address 包含 mill， 并且 gender 是 M， 如果 address 里面有 lane 最好不过， 但是 email 必须不包含 baluba.com

GET bank/_search
{
"query": {
"bool": {
"must": [
{ "match": { "address": "mill" } },
{ "match": { "gender": "M" } }
],
"should": [
{"match": { "address": "lane" }}
],
"must_not": [
{"match": { "email": "baluba.com" }}
]
}
}

es date类型 java用什么类型 java的es是什么_java_08

7）filter结果过滤

并不是所有的查询都需要产生分数， 特别是那些仅用于 “filtering”（过滤） 的文档。 为了不计算分数Elasticsearch 会自动检查场景并且优化查询的执行。

# 没用filter结果过滤，会计算得分
GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "age": {
              "gte": 18,
              "lte": 30
            }
          }
        }
      ]
    }
  }
}

# 使用filter结果过滤，不会计算得分
GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "address": "mill"
          }
        }
      ],
      "filter": {
        "range": {
          "balance": {
            "gte": 10000,
            "lte": 20000
          }
        }
      }
    }
  }
}

8）term非text字段匹配

和 match 一样。匹配某个属性的值。 全文检索字段用 match， 其他非 text 字段匹配用 term。字段名.keyword精确匹配。

es date类型 java用什么类型 java的es是什么_es date类型 java用什么类型_09

# term，全文检索字段用match，其他非text字段用term
GET bank/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "age": {
              "value": "28"
            }
          }
        },
        {
          "match": {
            "address": "990 Mill Road"
          }
        }
      ]
    }
  }
}

# address.keyword精确匹配
GET bank/_search
{
  "query": {
    "match": {
      "address.keyword": "499"
    }
  }
}

9）aggregations执行聚合

聚合提供了从数据中分组和提取数据的能力。 最简单的聚合方法大致等于 SQL GROUP BY 和 SQL 聚合函数。 在 Elasticsearch 中， 您有执行搜索返回 hits（ 命中结果） ， 并且同时返回聚合结果， 把一个响应中的所有 hits（ 命中结果） 分隔开的能力。 这是非常强大且有效的，您可以执行查询和多个聚合， 并且在一次使用中得到各自的（ 任何一个的） 返回结果， 使用一次简洁和简化的 API 来避免网络往返。

  • **搜索 address 中包含 mill 的所有人的年龄分布以及平均年龄， 但不显示这些人的详情。 **
# 搜索 address 中包含 mill 的所有人的年龄分布以及平均年龄， 但不显示这些人的详情。
GET bank/_search
{
  "query": {
    "match": {
      "address": "mill"
    }
  },
  "aggs": {
    "group_by_state": {
      "terms": {
        "field": "age"
      }
    },
    "avg_age": {
      "avg": {
        "field": "age"
      }
    }
  },
  "size": 0
}

条件解释：

es date类型 java用什么类型 java的es是什么_java_10

  • 按照年龄聚合， 并且请求这些年龄段的这些人的平均薪资
# 按照年龄聚合， 并且请求这些年龄段的这些人的平均薪资
GET bank/account/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "age_avg": {
      "terms": {
        "field": "age",
        "size": 1000
      },
      "aggs": {
        "banlances_avg": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  },
  "size": 1000
}
  • **查出所有年龄分布， 并且这些年龄段中 M 的平均薪资和 F 的平均薪资以及这个年龄段的总体平均薪资 **
# 查出所有年龄分布， 并且这些年龄段中 M 的平均薪资和 F 的平均薪资以及这个年龄段的总体平均薪资
GET bank/account/_search
{
  "query": {
    "match_all": {}
  },
  "aggs": {
    "age_agg": {
      "terms": {
        "field": "age",
        "size": 100
      },
      "aggs": {
        "gender_agg": {
          "terms": {
            "field": "gender.keyword",
            "size": 100
          },
          "aggs": {
            "balance_avg": {
              "avg": {
                "field": "balance"
              }
            }
          }
        },
        "balance_avg": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  },
  "size": 1000
}

**
**

3、 Mapping

1）字段类型

es date类型 java用什么类型 java的es是什么_elasticsearch_11


es date类型 java用什么类型 java的es是什么_nginx_12


es date类型 java用什么类型 java的es是什么_java_13


es date类型 java用什么类型 java的es是什么_java_14

2）映射

Mapping（映射）
Mapping 是用来定义一个文档（ document）， 以及它所包含的属性（ field） 是如何存储和索引的。 比如， 使用 mapping 来定义：

  • 哪些字符串属性应该被看做全文本属性（full text fields）
  • 哪些属性包含数字， 日期或者地理位置
  • 文档中的所有属性是否都能被索引（_all 配置）
  • 日期的格式
  • 自定义映射规则来执行动态添加属性
  • 查看 mapping 信息： GET bank/_mapping
  • 修改 mapping 信息：自动猜测的映射类型

    • es date类型 java用什么类型 java的es是什么_nginx_15


3）新版本改变

Es7 及以上移除了 type 的概念。

  • 关系型数据库中两个数据表示是独立的， 即使他们里面有相同名称的列也不影响使用，
    但 ES 中不是这样的。 elasticsearch 是基于 Lucene 开发的搜索引擎， 而 ES 中不同 type
    下名称相同的 filed 最终在 Lucene 中的处理方式是一样的。
  • 两个不同 type 下的两个 user_name， 在 ES 同一个索引下其实被认为是同一个 filed，
    你必须在两个不同的 type 中定义相同的 filed 映射。 否则， 不同 type 中的相同字段
    名称就会在处理中出现冲突的情况， 导致 Lucene 处理效率下降。
  • 去掉 type 就是为了提高 ES 处理数据的效率。

Elasticsearch 7.x

  • URL 中的 type 参数为可选。 比如， 索引一个文档不再要求提供文档类型。
    Elasticsearch 8.x
  • 不再支持 URL 中的 type 参数。
    解决：
    1）将索引从多类型迁移到单类型， 每种类型文档一个独立索引
    2）将已存在的索引下的类型数据， 全部迁移到指定位置即可。 详见数据迁移

查看映射

# 查看索引的文档映射
GET /bank/_mapping
GET /bank/_search

创建映射

# 创建索引并指定映射
PUT /my-index
{
  "mappings": {
    "properties": {
      "age":    { "type": "integer" },  
      "email":  { "type": "keyword"  }, 
      "name":   { "type": "text"  }     
    }
  }
}

添加新的字段映射

# 添加新的字段映射 index:false等于字段不参与索引
PUT /my-index/_mapping
{
  "properties": {
    "employee-id": {
      "type": "keyword",
      "index": false
    }
  }
}

**** 更新映射**
对于已经存在的映射字段， 我们不能更新。 更新必须创建新的索引进行数据迁移

数据迁移

#先创建出 new_twitter 的正确映射。 然后使用如下方式进行数据迁移
PUT /newbank
{
  "mappings": {
    "properties": {
      "account_number": {
        "type": "long"
      },
      "address": {
        "type": "text"
      },
      "age": {
        "type": "integer"
      },
      "balance": {
        "type": "long"
      },
      "city": {
        "type": "keyword"
      },
      "email": {
        "type": "keyword"
      },
      "employer": {
        "type": "keyword"
      },
      "firstname": {
        "type": "text"
      },
      "gender": {
        "type": "keyword"
      },
      "lastname": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword",
            "ignore_above": 256
          }
        }
      },
      "state": {
        "type": "keyword"
      }
    }
  }
}

# 查看新建的数据迁移
GET /newbank/_mapping

# 将旧索引的 type 下的数据进行迁移
POST _reindex
{
  "source": {
    "index": "bank",
    "type": "account"
  },
  "dest": {
    "index": "newbank"
  }
}

# 查看迁移后的索引newbank数据
GET /newbank/_search

# Es7及以上移除了type的概念。Elasticsearch8不支持
# 老的数据有迁移方案_reindex

4、 分词

一个 tokenizer（ 分词器） 接收一个字符流， 将之分割为独立的 tokens（ 词元， 通常是独立的单词） ， 然后输出 tokens 流。
例如， whitespace tokenizer 遇到空白字符时分割文本。 它会将文本 “Quick brown fox!” 分割为 [Quick, brown, fox!]。
该 tokenizer（分词器） 还负责记录各个 term（词条） 的顺序或 position 位置（用于 phrase 短语和 word proximity 词近邻查询） ， 以及 term（词条） 所代表的原始 word（单词） 的 start（起始） 和 end（结束） 的 character offsets（字符偏移量） （用于高亮显示搜索的内容） 。Elasticsearch 提供了很多内置的分词器， 可以用来构建 custom analyzers（自定义分词器） 。

安装 ik 分词器

# 注意： 不能用默认 elasticsearch-plugin install xxx.zip 进行自动安装
https://github.com/medcl/elasticsearch-analysis-ik/releases?after=v7.4.2 对应 es 版本安装

# 进入 es 容器内部 plugins 目录
docker exec -it 容器 id /bin/bash
wget https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.4.2/elasticsearch-anal
ysis-ik-7.4.2.zip

# 在plugins目录
unzip 下载的文件
rm –rf *.zip
mv elasticsearch/ ik

# 文件权限rwx
chmod -R 777 ik/
drwxrwxrwx. 3 root root 243 Nov  2 00:03 ik

# 可以确认是否安装好了分词器
cd ../bin
elasticsearch plugin list： # 即可列出系统的分词器

测试分词器_analyze

# 使用默认
POST _analyze
{
"text": "我是中国人"
}

# 使用分词器
POST _analyze
{ "analyzer": "ik_smart",
"text": "我是中国人"
}

# 另外一个分词器
POST _analyze
{ "analyzer": "ik_max_word",
"text": "我是中国人"
}

能够看出不同的分词器， 分词有明显的区别， 所以定义一个索引不能再使用默认的 mapping 了， 
要手工建立 mapping, 因为要选择分词器。

自定义词库IK

需要提前安装nginx，并测试请求响应index.html。按照标红的路径利用 nginx 发布静态资源,按照请求路径， 创建对应的文件夹以及文件， 放在nginx 的 html 下。

修改/usr/share/elasticsearch/plugins/ik/config/中的 IKAnalyzer.cfg.xml

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
<comment>IK Analyzer 扩展配置</comment>
<!--用户可以在这里配置自己的扩展字典 -->
<entry key="ext_dict"></entry>
<!--用户可以在这里配置自己的扩展停止词字典-->
<entry key="ext_stopwords"></entry>
<!--用户可以在这里配置远程扩展字典 修改处 -->
<entry key="remote_ext_dict">http://192.168.128.130/fenci/myword.txt</entry>
<!--用户可以在这里配置远程扩展停止词字典-->
<!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>
# 自定义分词txt测试
POST _analyze
{ "analyzer": "ik_smart",
"text": "乔碧萝殿下"
}

更新完成后， es 只会对新增的数据用新词分词。 历史数据是不会重新分词的。 如果想要历史数据重新分词。 需要执行：POST my_index/_update_by_query?conflicts=proceed

五、 Elasticsearch-Rest-Client

**1）、9300： TCP
** spring-data-elasticsearch:transport-api.jar；
 springboot 版本不同， transport-api.jar 不同， 不能适配 es 版本
 7.x 已经不建议使用， 8 以后就要废弃

**2）、9200： HTTP
** JestClient： 非官方， 更新慢
 RestTemplate： 模拟发 HTTP 请求， ES 很多操作需要自己封装， 麻烦
 HttpClient： 同上
 Elasticsearch-Rest-Client： 官方 RestClient， 封装了 ES 操作， API 层次分明， 上手简单
最终选择 Elasticsearch-Rest-Client（elasticsearch-rest-high-level-client）
https://www.elastic.co/guide/en/elasticsearch/client/java-rest/7.4/java-rest-high.html

es date类型 java用什么类型 java的es是什么_elasticsearch_16

1、SpringBoot 整合

<dependency>
  <groupId>org.elasticsearch.client</groupId>
  <artifactId>elasticsearch-rest-high-level-client</artifactId>
  <version>7.4.2</version>
</dependency>

2、配置

@Bean
    RestHighLevelClient client() {
        RestClientBuilder builder = RestClient.builder(new HttpHost("192.168.56.10", 9200,
                                                                    "http"));
        return new RestHighLevelClient(builder);
    }

3、使用

@Test
    void test1() throws IOException {
        Product product = new Product();
product.setSpuName("华为");
product.setId(10L);
IndexRequest request = new IndexRequest("product").id("20")
    .source("spuName","华为","id",20L);
try {
    IndexResponse response = client.index(request, RequestOptions.DEFAULT);
    System.out.println(request.toString());IndexResponse response2 = client.index(request, RequestOptions.DEFAULT);
} catch (ElasticsearchException e) {
    if (e.status() == RestStatus.CONFLICT) {
    }
}
}