当前位置：首页 > news >正文

ElasticSearch从入门到精通-覆盖DSL操作和Java实战

news 来源：原创 2025/6/11 10:19:59

一、ElasticSearch基础概念

1.1 认识elasticSearch

ElasticSearch（简称ES）是一款开源的、分布式的搜索引擎，它建立在Apache Lucene之上。简单来说，ElasticSearch就是一个能让你以极快速度进行数据搜索、存储和分析的系统。它不仅支持全文检索，还可以做结构化数据的高效查询、复杂聚合统计分析，广泛应用在网站搜索、日志分析、指标监控、电商推荐等领域。

简单举个例子，假设你有一张商品表（Product），要查商品名称里包含“手机”的记录：

SELECT * FROM product WHERE name LIKE CONCAT('%', '手机', '%');

SQL会一行行扫描name字段，看哪个name里有“手机”两个字，数据少时没啥问题，数据多了就会非常卡，很耗CPU

但在ElasticSearch里，早就把所有商品名建立好了倒排索引，比如：

“小米手机”会被拆成“小米”和“手机”两个词
“苹果手机壳”也被拆成“苹果”、“手机”、“壳”

所以当你搜索“手机”，ElasticSearch只需要：

快速定位所有包含“手机”的文档ID
直接返回结果，几乎不需要扫描每一条数据

速度快得不是一星半点！一句话总结：ElasticSearch就是一款为了快速检索大量数据而生的强大工具。

1.2 倒排索引

倒排索引是一种以词为核心，记录每个词在哪些文档中出现的数据结构。

传统索引记录的是「文档 → 内容」（比如文档ID 1 内容是“我喜欢看电影”），
倒排索引反过来记录「词 → 文档ID列表」（比如词“电影”出现在文档1和文档3里）。

这样，当我们想搜索某个词时，直接找到相关文档ID，比全文扫描快了太多！

假设有3篇文档：

文档ID	内容
1	我喜欢看电影
2	我喜欢看小说
3	小说比电影更有趣

经过分词后：

文档ID	分词结果
1	我、喜欢、看、电影
2	我、喜欢、看、小说
3	小说、比、电影、更、有趣

那么倒排索引就是：

词语	出现在哪些文档
我	1, 2
喜欢	1, 2
看	1, 2
电影	1, 3
小说	2, 3
比	3
更	3
有趣	3

比如搜索“电影”，倒排索引直接告诉你：文档1、文档3里有，不需要逐条遍历所有文档内容！

正向索引 vs 倒排索引（详细对比）

对比维度	正向索引（Forward Index）	倒排索引（Inverted Index）
组织方式	文档ID → 词或内容	词 → 文档ID列表
查询方式	给定文档ID快速取内容	给定关键词快速取文档ID
搜索效率	适合按ID查找，不适合全文搜索（要全表扫描）	适合全文搜索，关键词检索极快
适用场景	文档管理系统（如只按ID检索的存储系统）	搜索引擎（如ElasticSearch、Lucene等）
存储空间	比较小，结构简单	较大（存储了额外的词频、位置等信息）
更新操作	插入新文档简单，搜索逻辑简单	插入新文档需要重新构建或增量更新倒排列表

1.3 核心概念

1.3.1 索引（Index）

类似于Mysql的数据表（Table）。
一个索引中存储一类相似的数据，比如：商品信息、用户信息。
索引是存数据的地方，文档的集合。

比如有一个products索引，里面存各种商品。

1.3.2. 文档（Document）

类似于数据表里的行数据（Row）。
每个文档是一个 JSON 对象，包含一组字段和值。

比如：

{ "name": "小米手机", "price": 1999, "category": "手机" }

文档是存储的最小单位。

1.3.3. 字段（Field）

类似于数据库中的列（Column)。
文档里面的每个键值对，就是一个字段。
不同字段可以设置不同的索引方式，比如：有些字段用于搜索，有些只用于存储。

比如上面文档里的name、price、category就是字段。

1.3.4. 映射（Mapping)

类似于数据库的表结构（Schema）。
是索引中文档的约束，例如字段类型约束

1.3.5. 节点（Node）

运行着一个 ElasticSearch 实例的服务器叫节点。
一个节点可以管理一部分数据，也可以跟其他节点组成集群。

1.3.6. 集群（Cluster）

多个节点组成一个 ElasticSearch 集群。
集群中有一个“主节点”（Master），管理整个集群的健康、协调。

1.3.7. 分片（Shard）和副本（Replica）

分片（Shard）：把数据分成小块，每块独立存储和查询，提高扩展性。
副本（Replica）：每个分片可以有多个副本，防止单点故障，提高查询能力。

比如，一个索引有3个主分片（primary shard），每个主分片有1个副本（replica），总共有6个分片在集群中分布。

1.3.8 MySQL和Elasticsearch对应的结构关系

MySQL	Elasticsearch	说明
Table	Index	索引(index)，就是文档的集合，类似数据库的表(table)
Row	Document	文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式
Column	Field	字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
Schema	Mapping	Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）
SQL	DSL	DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

1.4 分词器

1.4.1什么是分词器

在 ElasticSearch 中，分词器（Analyzer）就是把一段文本按照一定规则切分成一个个词语（Term）的工具。英文中单词之间有空格，很好切，但中文是连续的，没有自然的空格，所以需要分词器来判断词的边界。

它的作用是：

在建立倒排索引时，把文本切成词，方便快速检索。
在用户搜索时，也把输入的搜索词切成词，跟索引时的词对齐，保证能查到。

简单理解就是：

分词器=文本预处理器，帮你把整段话切分成能索引和搜索的小单元。

1.4.2 分词器的工作流程

一个完整的分词过程，通常包括三步：

字符过滤（Character Filters）
在分词前，先对文本做预处理，比如去除HTML标签、替换某些字符等。
分词（Tokenizer）
把文本按照一定规则切分成一个个词。
词元过滤（Token Filters）
在分完词后，对每个词做进一步处理，比如统一大小写、去掉停用词（如“的”“了”等）、同义词处理等。

1.4.3 分词器的类型

ElasticSearch 自带了很多分词器，不同场景可以选择不同的，常见的有：

分词器名称	特点	示例
standard（标准分词器）	默认分词器，按照英语单词规则切分	"The quick brown fox" → ["the", "quick", "brown", "fox"]
simple（简单分词器）	以非字母字符作为分隔，全部转小写	"Hello World!" → ["hello", "world"]
whitespace（空格分词器）	仅仅根据空格切分，不改大小写	"Hello World!" → ["Hello", "World!"]
keyword（关键词分词器）	不分词，整体作为一个词	"手机壳保护套" → ["手机壳保护套"]
ik_max_word（中文分词器，最大词数）	把句子尽可能拆成所有可能的词	"我喜欢看电影" → ["我", "喜欢", "看", "电影"]
ik_smart（中文分词器，智能简洁）	更倾向于分成有意义的大词块	"我喜欢看电影" → ["我喜欢", "看电影"]

其中，IK分词器是中文处理中最常用的第三方分词器（需要安装插件）。

二、DSL操作

DSL（Domain Specific Language，领域特定语言）类似于SQL
在 ElasticSearch 中，就是一种用 JSON 格式编写的搜索或管理指令。
我们用 DSL 来创建索引、插入数据、查询数据、更新数据等等。

2.1 索引库操作

1. 创建一个索引（带字段Mapping）

PUT /products
{"settings": {"number_of_shards": 3,    # 主分片数量"number_of_replicas": 1   # 副本数量},"mappings": {"properties": {"name": {"type": "text",       # 支持分词搜索"analyzer": "ik_max_word"  # 中文分词器},"price": {"type": "float"        # 浮点型},"createTime": {"type": "date",        # 日期类型"format": "yyyy-MM-dd HH:mm:ss||strict_date_optional_time||epoch_millis"},"category": {"type": "keyword"      # 关键词，不分词，适合分类、标签}}}
}

✅ 解释：

settings 是索引的配置，比如分片、副本数。
mappings 是字段的类型定义，比如是字符串、数值、日期。
analyzer 指定分词器。

结果：成功创建一个名字叫 products 的索引。

2. 查看索引结构（Mapping）

GET /products/_mapping

✅ 作用：查看 products 索引定义了哪些字段，字段类型是什么。

3. 查看索引基本信息（Settings）

GET /products/_settings

✅ 作用：查看 products 索引的分片、副本配置。

4. 删除索引

DELETE /products

✅ 作用：彻底删除 products 索引库（数据也会一起删掉）。

⚠️ 注意：一旦删除，数据没了，不可恢复！

5. 修改索引（增加字段）

ElasticSearch允许动态映射（默认情况下），但如果想手动新增字段，可以这样：

PUT /products/_mapping
{"properties": {"brand": {"type": "keyword"}}
}

✅ 作用：给 products 索引新增一个 brand 字段。

2.2. 文档基本操作

2.2.1 添加文档（Create / Index）

1. 指定ID添加

PUT /products/_doc/1
{"name": "小米手机12","price": 3699,"createTime": "2025-04-26 10:00:00","category": "手机"
}

✅ 解释：

products 是索引名
_doc 是类型（ES7以后可以不管）
1 是文档ID（自己指定）
Body 是文档内容（JSON格式）

成功后，id=1 的文档就被保存到 products 索引里了。

2. 自动生成ID添加

POST /products/_doc
{"name": "苹果手机14","price": 6999,"createTime": "2025-04-26 11:00:00","category": "手机"
}

✅ 解释：

不自己指定ID，ES会自动生成一个随机ID。

这种适合高并发、大批量新增数据。

3. 批量新增文档

POST /products/_bulk
{ "index": { "_id": "5" } }
{ "name": "苹果耳机", "price": 299, "category": "手机", "createTime": "2025-04-26T10:00:00" }
{ "index": { "_id": "6" } }
{ "name": "小米耳机", "price": 399, "category": "手机", "createTime": "2025-04-26T10:05:00" }
{ "index": { "_id": "7" } }
{ "name": "华为耳机", "price": 199, "category": "耳机", "createTime": "2025-04-26T10:10:00" }

为什么要用 Bulk？

效率高：一次性发请求，减少网络开销
批量处理：常用于大数据导入、系统初始化、测试批量插入等场景

2.2.2 获取文档（Get）

GET /products/_doc/1

✅ 作用：
根据ID查询，获取到刚刚添加的小米手机那条数据。

返回结果会包含 _source 字段，里面就是文档的内容。

2.2.3 更新文档（Update）

1. 局部更新（只改一部分字段）

POST /products/_update/1
{"doc": {"price": 3499}
}

✅ 解释：

用 doc 关键字，表示只修改 price 字段，其他字段不变。
更新后，小米手机的价格变成了 3499。

2. 全量更新（覆盖式更新）

PUT /products/_doc/1
{"name": "小米手机12 Pro","price": 3999,"createTime": "2025-04-26 12:00:00","category": "手机旗舰"
}

✅ 解释：

直接 PUT，相当于整条覆盖原来的数据。
小心使用，因为没传的字段会丢失！

2.2.4 删除文档（Delete）

DELETE /products/_doc/1

✅ 解释：

根据 ID 删除 id=1 的文档（小米手机）。
删除后，查询不到了。

2.2.5 搜索文档（Query）

ElasticSearch最强大的功能就是搜索，下面举简单例子：

查询所有文档（match_all）

GET /products/_search
{"query": {"match_all": {}}
}

✅ 解释：

查询 products 索引里的所有数据。
一般用于测试或全量展示。

2.3 叶子查询

在 Elasticsearch 中，叶子查询（Leaf Query）是最基础的一种查询类型。它们直接针对 单个字段的值 进行匹配，比如判断某个字段是否等于某个值、是否包含某个词、是否大于或小于某个数等等。

特点：

不需要组合其他查询。
直接对单个字段做判断。
查询逻辑简单直接。

常见的叶子查询有：

叶子查询类型	说明	示例
`term`	精确匹配	查询 `category` = 手机
`match`	分词查询	查询 `name` 包含“小米”
`range`	范围查询	查询 `price >= 4000`
`exists`	字段存在	查询有 `createTime` 字段
`prefix`	前缀匹配	查询 `name` 以“苹果”开头
`wildcard`	通配符查询	查询 `name` 包含“手机”

2.3.1. `match` 查询（匹配查询）

场景：查找 name 字段中包含 "苹果" 的所有商品。

GET /products/_search
{"query": {"match": {"name": "苹果"}}
}

解释：

match 查询会对字段进行分词处理，所以 name 字段中包含“苹果”的所有文档都会匹配。
适用于文本字段（如 name），能够通过分词进行模糊匹配。

2.3.2. `term` 查询（精确查询）

场景：查找 category 为 手机 的所有商品（精确匹配，不分词）。

GET /products/_search
{"query": {"term": {"category": "手机"}}
}

解释：

term 查询是精确匹配，不进行分词处理，适用于 keyword 类型的字段（如 category）。
只有 category 精确等于 "手机" 的文档会被匹配，手机旗舰 不会匹配。

2.3.3. `range` 查询（范围查询）

场景：查找价格大于等于 4000 的商品。

GET /products/_search
{"query": {"range": {"price": {"gte": 4000}}}
}

解释：

range 查询用于范围筛选，常用于数字、日期等字段。
这个查询会返回 price >= 4000 的商品，匹配 苹果手机14（价格为 6999）。
对于范围查询的关键字：gte：大于等于； gt：大于；lte：小于等于；lt：小于

2.3.4. `exists` 查询（字段存在性查询）

场景：查找那些存在 createTime 字段的商品。

GET /products/_search
{"query": {"exists": {"field": "createTime"}}
}

解释：

exists 查询检查文档中是否存在某个字段。
这个查询会返回所有有 createTime 字段的商品。

2.3.5. `prefix` 查询（前缀匹配查询）

场景：查找 name 字段以 "苹果" 开头的商品。

GET /products/_search
{"query": {"prefix": {"name": "苹果"}}
}

解释：

prefix 查询用于匹配字段值的前缀。
该查询会返回 name 字段以 "苹果" 开头的所有商品，匹配 苹果手机14。

2.3.6. `wildcard` 查询（通配符查询）

场景：查找 name 字段中包含 "手机" 的商品。

GET /products/_search
{"query": {"wildcard": {"name": "*手机*"}}
}

解释：

wildcard 查询用于通配符查询，* 表示任意字符，可以匹配字段值中的任意部分。
该查询会返回 name 中包含 "手机" 的所有商品，匹配 苹果手机14 和 小米手机12 Pro。

2.4 复合查询

在 Elasticsearch 中，复合查询（Compound Query）用于组合多个查询条件，使得用户能够执行更复杂的查询。复合查询是由多个查询条件组成，可以使用逻辑操作符来组合不同的子查询，以达到灵活的查询效果。

2.4.1 查询条件和查询类型

Elasticsearch 提供了多种复合查询类型，它们通过逻辑条件（如 must、should、must_not）将不同的查询条件组合起来。

查询条件含义如下：

must：包含的查询条件都必须满足（即“与”操作）。
should：包含的查询条件至少满足一个（即“或”操作）。如果至少一个 should 子句匹配到文档，文档会得分更高。
must_not：包含的查询条件不能匹配（即“非”操作）。
filter：类似于 must，但不影响文档的得分。用于过滤数据（例如通过 ID 或范围过滤数据）。

查询类型含义如下：

查询类型	说明	适用场景
`bool`	通过 `must`、`should`、`must_not` 等组合多个查询条件	复杂的组合查询，支持多条件筛选
`dis_max`	选择多个查询中的得分最高的结果	最匹配查询，不关注其他查询结果
`constant_score`	为查询结果分配固定得分，忽略实际得分	不关心得分排序，仅关心匹配结果
`function_score`	根据自定义评分规则修改文档得分	自定义评分，调整排序和优先级

2.4.2 `bool` 查询

bool 查询是最常用的复合查询，它允许将多个查询条件组合在一起，并通过 must、should、must_not 和 filter 进行条件筛选。

示例：查找名字包含“苹果”且价格大于等于 4000 的手机，且排除 category 为 "手机旗舰" 的商品：

GET /products/_search
{"query": {"bool": {"must": [{ "match": { "name": "苹果" }},{ "range": { "price": { "gte": 4000 }}}],"must_not": [{ "term": { "category": "手机旗舰" }}]}}
}

2.4.3 `dis_max` 查询

dis_max 查询会选择多个子查询中的最匹配文档，通常用于“最匹配”的搜索场景。如果你有多个查询条件，dis_max 查询会返回得分最高的结果。

示例：查找 name 包含“苹果”或者 category 为“手机”的商品：

GET /products/_search
{"query": {"dis_max": {"queries": [{ "match": { "name": "苹果" }},{ "term": { "category": "手机" }}]}}
}

2.4.4 `constant_score` 查询

constant_score 查询是一种常用的优化方式，它可以对某些查询应用一个固定的得分，而不考虑实际的查询得分。它通常用于只关心文档匹配与否，而不关心文档的评分排序的场景。

示例：查找 category 为 “手机” 的商品，使用固定得分：

GET /products/_search
{"query": {"constant_score": {"filter": { "term": { "category": "手机" }},"boost": 1.2}}
}

2.4.5 `function_score` 查询

function_score 查询允许你根据文档的匹配情况对文档的得分进行自定义修改。你可以为每个文档设置权重或者其他的自定义评分规则。

示例：查找 category 为 “手机” 的商品，并根据 price 字段进行加权排序

GET /products/_search
{"query": {"function_score": {"query": {"term": { "category": "手机" }},"functions": [{"field_value_factor": {"field": "price","factor": 0.1,"modifier": "log1p","missing": 1}}]}}
}

2.5 排序

在 Elasticsearch 中，排序是根据查询结果的得分（_score）或者字段值来对文档进行排序的过程。排序操作可以帮助我们根据特定的条件获取最相关、最符合要求的文档。排序在搜索中非常重要，尤其是在显示搜索结果时，它直接影响到文档的显示顺序。

排序操作通常基于两种因素进行：1、得分排序（默认），文档会根据查询条件的匹配程度来得分，得分越高的文档越靠前；2、字段值排序，根据某个字段的值进行升序或降序排序；

示例：根据价格（price）进行升序排序：

GET /products/_search
{"query": {"match_all": {}},"sort": [{"price": {"order": "asc"}}]
}

示例：根据价格（price）降序排序，并且根据创建时间（createTime）升序排序：

GET /products/_search
{"query": {"match_all": {}},"sort": [{"price": {"order": "desc"}},{"createTime": {"order": "asc"}}]
}

2.6 分页

2.6.1 简单概述

分页是指将查询结果分成多个部分（页），每次返回一部分数据，常用于处理大量数据的查询。Elasticsearch 提供了非常灵活的分页功能，通过 from 和 size 参数来控制查询的结果集。分页对于提升用户体验和优化系统性能至关重要，尤其是在处理大量数据时，分页可以避免一次性加载全部数据而导致的性能问题。分页操作的核心参数如下：

from：指定查询结果从哪一条开始，表示偏移量（类似 SQL 中的 OFFSET）。
size：指定返回的结果数量，表示每页的记录数（类似 SQL 中的 LIMIT）。

示例：假设我们需要查询 products 索引中的文档，每页显示 10 条记录，查询第 2 页的数据（即第 11 至第 20 条文档）

GET /products/_search
{"query": {"match_all": {}},"from": 10,"size": 10
}

2.6.2 分页的限制-深度分页

分页的工作原理是通过控制查询结果的偏移量（from）和每页显示的数量（size）来限制返回的数据。具体来说，Elasticsearch 会根据查询条件匹配文档，然后根据 from 和 size 进行过滤和分页。

虽然分页非常有用，但也存在一些性能问题，尤其是在处理非常大的数据集时：

深度分页性能下降：当使用非常大的 from 值（例如 from=1000000）时，性能会下降，因为 Elasticsearch 需要跳过大量的文档。这会导致查询响应变慢。
滚动查询（Scroll）：为了避免深度分页带来的性能问题，Elasticsearch 提供了滚动查询（Scroll）功能，适用于大规模数据的遍历。

2.6.3 深度分页解决方案

在大数据量场景下，分页查询时 from 值的增大可能导致性能下降。为了改善这种情况，Elasticsearch 提供了几种方案：

使用 search_after 参数：search_after 可以通过排序后的最后一条记录来继续查询下一个页面的数据，避免使用 from 参数来跳过大量文档。
滚动查询（Scroll）：用于遍历大量数据，尤其适合导出所有数据或深度查询。

示例：使用 search_after 进行分页

search_after 通过提供上一次查询返回的排序字段的值来继续获取下一页数据，而不是使用 from。它适合用于深度分页，可以避免性能下降。

GET /products/_search
{"query": {"match_all": {}},"size": 10,"sort": [{ "price": "asc" }],"search_after": [6999] 
}

解释：

search_after: 指定上一页的排序字段值，这样可以避免深度分页时的性能问题。在这个例子中，我们使用了 price 字段进行排序，search_after 表示上一页最后一条记录的 price 值。
该查询会返回价格大于 6999 的下一页数据。

示例：滚动查询

滚动查询允许你按页一次性获取大量数据，并且可以通过游标继续获取未返回的文档。

GET /products/_search?scroll=1m
{"query": {"match_all": {}},"size": 100
}

解释：

scroll: 设置滚动时间（如 1 分钟），在此期间可以继续使用返回的 scroll_id 来获取接下来的数据。
size: 每次返回 100 条文档。
返回的响应中会包含一个 scroll_id，通过这个 scroll_id 可以继续查询未返回的文档。

2.7 高亮

高亮（Highlighting）是 Elasticsearch 提供的一项功能，用于在查询结果中突出显示与查询条件匹配的部分内容，通常用于搜索引擎和日志系统中，帮助用户更容易地识别匹配的部分。

在 Elasticsearch 中，查询时会自动检查哪些文档与查询条件匹配，然后根据设定的高亮字段突出显示这些匹配的部分。高亮通常在搜索结果中显示，以帮助用户快速找到与其搜索词相关的内容。

比如在博客用户搜索“小钊”，就能出现相关的用户信息，并且所有“小钊”都会红色高亮。

高亮的关键要素：

highlight：Elasticsearch 提供的一个特殊字段，用于定义高亮的参数。
pre_tags 和 post_tags：设置高亮文本的前后标记，常用的是 <em> 和 </em>，用于标记高亮部分。
fields：定义哪些字段需要进行高亮处理。
boundary_scanner：设置边界扫描器，控制如何处理高亮文本的分词。

示例：假设我们要在 products 索引中查找包含“苹果”的手机，并对 name 字段进行高亮显示

GET /products/_search
{"query": {"match": {"name": "苹果"}},"highlight": {"pre_tags": ["<em>"],"post_tags": ["</em>"],"fields": {"name": {}}}
}

解释：

query: 使用 match 查询查找包含 “苹果” 的文档。
highlight: 该部分指定需要高亮显示的字段和样式。
- pre_tags: 设置高亮的开始标记，这里使用 <em> 标签。
- post_tags: 设置高亮的结束标记，这里使用 </em> 标签。
- fields: 指定高亮的字段，这里对 name 字段进行高亮。

2.8 数据聚合

数据聚合（Aggregation）是 Elasticsearch 提供的一项强大功能，用于对大量的数据进行汇总和分析。聚合操作可以让我们对数据进行分组、求和、计数、平均、最大值、最小值等统计操作。聚合是分析数据的核心组件，广泛应用于日志分析、业务数据报表、数据挖掘等领域。

Elasticsearch 中的聚合通常是通过 aggregations 或简称 aggs 来实现的。在查询体中，聚合操作作为一个子元素存在，通常与查询语句并行使用。

聚合的基本概念

聚合：Elasticsearch 中的聚合操作类似于 SQL 中的 GROUP BY 和 HAVING 子句，它对数据进行分组并返回聚合结果。
桶聚合（Bucket Aggregation）：将文档分组（桶），每个桶代表一组文档。比如按日期分组、按范围分组、按字段值分组等。
度量聚合（Metric Aggregation）：对文档进行计算，例如求和、求平均、计算最大值或最小值等。
管道聚合（Pipeline Aggregation）：在已有聚合的基础上进行进一步的计算和转换，例如计算一个聚合的平均值等。
复合聚合（Compound Aggregation）：将多个聚合操作嵌套组合使用，从而实现更复杂的聚合需求。

2.8.1 桶聚合（Bucket Aggregation）

桶聚合将文档分组，每个组称为一个“桶”。常用的桶聚合有：

terms：基于某个字段的值进行分组。
range：基于某个字段的范围进行分组。
date_histogram：按时间区间进行分组。

比如，查询商品类别的分布情况：

GET /products/_search
{"size": 0,"aggs": {"categories": {"terms": {"field": "category"}}}
}

2.8.2 度量聚合（Metric Aggregation）

度量聚合对数据进行计算，返回一个数值，如总和、最大值、最小值、平均值等。

示例：计算所有商品的平均价格

GET /products/_search
{"size": 0,"aggs": {"avg_price": {"avg": {"field": "price"}}}
}

2.8.3 复合聚合（Compound Aggregation）

复合聚合是将多个聚合组合在一起使用，从而实现更复杂的需求。可以将桶聚合和度量聚合组合在一起，甚至可以在一个桶聚合内嵌套其他聚合。

示例：terms + avg 聚合（按类别分组，并计算每个类别的平均价格）

GET /products/_search
{"size": 0,"aggs": {"categories": {"terms": {"field": "category"},"aggs": {"avg_price": {"avg": {"field": "price"}}}}}
}

2.8.4 管道聚合（Pipeline Aggregation）

管道聚合是基于其他聚合的结果进行计算和处理。常用的管道聚合有：

bucket_sort：对桶的结果进行排序。
moving_avg：计算移动平均。
derivative：计算聚合结果的差异。

示例：对每个类别的聚合结果进行排序，按平均价格从高到低排序

GET /products/_search
{"size": 0,"aggs": {"categories": {"terms": {"field": "category"},"aggs": {"avg_price": {"avg": {"field": "price"}},"sorted_by_price": {"bucket_sort": {"sort": [{"avg_price": {"order": "desc"}}]}}}}}
}

三、Java代码实战

3.1 导入依赖和配置

3.1.1 导入Maven依赖

首先，确保在你的 pom.xml 中添加 Elasticsearch 的相关依赖。

<dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId><version>7.17.21</version>
</dependency>

🔵 注意：版本要兼容，比如 Spring Boot 2.x 通常对应 Elasticsearch 7.x，Spring Boot 3.x 对应 Elasticsearch 8.x。

3.1.2 配置类

@Configuration
public class ElasticSearchConfig {@Beanpublic RestHighLevelClient restHighLevelClient() {return new RestHighLevelClient(RestClient.builder(new HttpHost("192.168.150.102", 9200, "http")));}
}

192.168.150.102是我的IP地址，需要根据你的IP地址做修改

3.2 索引操作

一般来说，项目中对索引的操作比较少，修改、查询索引更是没什么需要，就不一一列举。

3.2.1 创建索引

@Testpublic void testCreateIndex() throws IOException {// 1.创建索引请求CreateIndexRequest request = new CreateIndexRequest("products");// 2.设置索引的配置（settings）request.settings(Settings.builder().put("index.number_of_shards", 3)  // 主分片数量.put("index.number_of_replicas", 1)  // 副本数量);// 3.设置索引的映射（mappings）final String MAPPING_TEMPLATE = "{\n" +"  \"mappings\": {\n" +"    \"properties\": {\n" +"      \"id\": {\n" +"        \"type\": \"keyword\"\n" +"      },\n" +"      \"name\":{\n" +"        \"type\": \"text\",\n" +"        \"analyzer\": \"ik_max_word\"\n" +"      },\n" +"      \"price\":{\n" +"        \"type\": \"float\"\n" +"      },\n" +"      \"category\":{\n" +"        \"type\": \"keyword\"\n" +"      },\n" +"      \"createTime\":{\n" +"        \"type\": \"date\"\n" +"      }\n" +"    }\n" +"  }\n" +"}";// 4.准备请求参数request.source(MAPPING_TEMPLATE, XContentType.JSON);// 5.执行索引创建请求try {CreateIndexResponse response = client.indices().create(request, RequestOptions.DEFAULT);System.out.println("索引创建结果：" + response.isAcknowledged());} catch (MapperParsingException e) {// 处理映射解析异常System.out.println("映射错误: " + e.getMessage());}}

3.2.2 删除索引

@Testvoid testDeleteIndex() throws IOException {// 1.创建Request对象DeleteIndexRequest request = new DeleteIndexRequest("products");// 2.发送请求client.indices().delete(request, RequestOptions.DEFAULT);}

3.2.3 判断索引是否存在

@Testvoid testExistsIndex() throws IOException {// 1.创建Request对象GetIndexRequest request = new GetIndexRequest("products");// 2.发送请求boolean exists = client.indices().exists(request, RequestOptions.DEFAULT);// 3.输出System.err.println(exists ? "索引库已经存在！" : "索引库不存在！");}

3.3 文档基本操纵

3.3.1 生成文档

生成文档可以指定ID，也可以不指定ID，注意：不指定ID的话，ElasticSearch会自动生成一个ID，但查询返回的对象ID为空。

指定ID生成文档：

@Testpublic void testAddProduct() throws IOException {// 1. 创建一个 Product 对象Product product = new Product();product.setId("3");product.setName("苹果手机 8Pro");product.setPrice(4999.0);product.setCategory("寿命长");product.setCreateTime(LocalDateTime.now());// 2. 创建 IndexRequest对象IndexRequest request = new IndexRequest("products").id(product.getId()) // 指定文档 ID.source(JSONUtil.toJsonStr(product), XContentType.JSON); // 设置数据源，JSON 格式// 3. 执行新增操作IndexResponse response = client.index(request, RequestOptions.DEFAULT);System.out.println("插入成功，ID：" + response.getId() + "product: " + product);}

不指定ID生成文档：

@Testpublic void testAddProductWithoutId() throws IOException {// 1. 创建一个 Product 对象Product product = new Product();product.setName("苹果手机14");product.setPrice(6999.0);product.setCategory("寿命长");product.setCreateTime(LocalDateTime.now());// 2. 创建 IndexRequest对象IndexRequest request = new IndexRequest("products").source(JSONUtil.toJsonStr(product), XContentType.JSON);// 3. 执行新增操作IndexResponse response = client.index(request, RequestOptions.DEFAULT);System.out.println("插入成功，自动生成ID：" + response.getId() + "，Product：" + product);}

3.3.2 根据Id获取文档

@Testpublic void testGetProductById() throws IOException {// 1.创建GerRequest对象GetRequest request = new GetRequest("products", "1");// 2.执行查询操作GetResponse response = client.get(request, RequestOptions.DEFAULT);// 3.解析查询结果if (response.isExists()) {String sourceAsString = response.getSourceAsString();System.out.println("查询到文档：" + sourceAsString);} else {System.out.println("文档不存在");}}

3.3.3 更新文档

修改文档分为局部修改和全局修改，全局修改即新增文档操作，根据ID判断文档是否存在，存在就执行修改操作，不存在就执行新增操作。

局部修改：

@Testpublic void testUpdateProduct() throws IOException {// 1.创建UpdateRequest对象UpdateRequest request = new UpdateRequest("products", "1");// 2. 局部修改Map<String, Object> fields = new HashMap<>();fields.put("price", 3499.0);request.doc(fields);// 3.执行修改操作UpdateResponse response = client.update(request, RequestOptions.DEFAULT);System.out.println("更新成功，版本号：" + response.getVersion());}

全局修改：

 @Testpublic void testOverwriteProduct() throws IOException {// 1.创建Product对象Product product = new Product();product.setId("1");product.setName("小米手机12 Pro");product.setPrice(3993.0);product.setCategory("价格低");product.setCreateTime(LocalDateTime.now());// 2.创建IndexRequest对象IndexRequest request = new IndexRequest("products").id(product.getId()).source(JSONUtil.toJsonStr(product), XContentType.JSON);// 3.执行修改操作IndexResponse response = client.index(request, RequestOptions.DEFAULT);System.out.println("覆盖更新成功，ID：" + response.getId());}

3.3.4 删除文档

@Testpublic void testDeleteProductById() throws IOException {// 1.创建DeleteRequest对象DeleteRequest request = new DeleteRequest("products", "1");// 2.执行删除操作DeleteResponse response = client.delete(request, RequestOptions.DEFAULT);System.out.println("删除成功，ID：" + response.getId());}

3.3.5 查询所有文档

@Testpublic void testSearchAllProducts() throws IOException {// 1.创建SearchRequest对象SearchRequest request = new SearchRequest("products");// 2. 创建查询条件，这里是查询所有（match_all）SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();sourceBuilder.query(new MatchAllQueryBuilder());request.source(sourceBuilder);// 3.执行查询操作SearchResponse response = client.search(request, RequestOptions.DEFAULT);System.out.println("查询结果：");for (SearchHit hit : response.getHits()) {System.out.println(JSONUtil.toBean(hit.getSourceAsString(), Product.class));}}

可以看出，第三条文档没有指定ID，查询的结果ID为空

3.4 叶子查询

3.4.1 match查询（匹配查询）

查询name中包含“苹果”的文档

/*** 1. Match 查询 name 包含“苹果”*/@Test@DisplayName("Match 查询：name 包含 '苹果'")public void testMatchQuery() throws IOException {// 1. 创建 SearchRequest 对象SearchRequest request = new SearchRequest("products");SearchSourceBuilder builder = new SearchSourceBuilder();builder.query(QueryBuilders.matchQuery("name", "苹果"));request.source(builder);// 2. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 3. 打印查询结果System.out.println("查询到 " + response.getHits().getTotalHits().value + " 条数据：");for (SearchHit hit : response.getHits()) {System.out.println(JSONUtil.toJsonPrettyStr(hit.getSourceAsMap()));}}

3.4.2 term查询（精确查询）

查询category == “性价比”的文档

/*** 2. Term 查询 category = "性价比"*/@Test@DisplayName("Term 查询：category = '性价比'")public void testTermQuery() throws IOException {// 1. 创建 SearchRequest 对象SearchRequest request = new SearchRequest("products");SearchSourceBuilder builder = new SearchSourceBuilder();builder.query(QueryBuilders.termQuery("category", "性能好"));request.source(builder);// 2. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 3. 打印查询结果System.out.println("查询到 " + response.getHits().getTotalHits().value + " 条数据：");for (SearchHit hit : response.getHits()) {System.out.println(JSONUtil.toJsonPrettyStr(hit.getSourceAsMap()));}}

3.4.3 range查询（范围查询）

查询价格大于等于4000的文档

/*** 3. Range 查询 price >= 4000*/@Test@DisplayName("Range 查询：price 大于等于 4000")public void testRangeQuery() throws IOException {// 1. 创建 SearchRequest 对象SearchRequest request = new SearchRequest("products");SearchSourceBuilder builder = new SearchSourceBuilder();builder.query(QueryBuilders.rangeQuery("price").gte(4000));request.source(builder);// 2. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 3. 打印查询结果System.out.println("查询到 " + response.getHits().getTotalHits().value + " 条数据：");for (SearchHit hit : response.getHits()) {System.out.println(JSONUtil.toJsonPrettyStr(hit.getSourceAsMap()));}}

3.4.4 exists查询（字段存在性查询）

查询createTime字段存在的文档

/*** 4. Exists 查询存在 createTime 字段的文档*/@Test@DisplayName("Exists 查询：存在 createTime 字段")public void testExistsQuery() throws IOException {// 1. 创建 SearchRequest 对象SearchRequest request = new SearchRequest("products");SearchSourceBuilder builder = new SearchSourceBuilder();builder.query(QueryBuilders.existsQuery("createTime"));request.source(builder);// 2. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 3. 打印查询结果System.out.println("查询到 " + response.getHits().getTotalHits().value + " 条数据：");for (SearchHit hit : response.getHits()) {System.out.println(JSONUtil.toJsonPrettyStr(hit.getSourceAsMap()));}}

3.4.5 prefix查询（前缀匹配查询）

查询name前缀是“苹果”的文档

/*** 5. Prefix 查询 name 前缀是“苹果”*/@Test@DisplayName("Prefix 查询：name 前缀为 '苹果'")public void testPrefixQuery() throws IOException {// 1. 创建 SearchRequest 对象SearchRequest request = new SearchRequest("products");SearchSourceBuilder builder = new SearchSourceBuilder();builder.query(QueryBuilders.prefixQuery("name", "苹果"));request.source(builder);// 2. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 3. 打印查询结果System.out.println("查询到 " + response.getHits().getTotalHits().value + " 条数据：");for (SearchHit hit : response.getHits()) {System.out.println(JSONUtil.toJsonPrettyStr(hit.getSourceAsMap()));}}

3.4.6 wildcard查询（通配符查询）

查询name中包含“手机”的文档

/*** 6. Wildcard 查询 name 包含“手机”*/@Test@DisplayName("Wildcard 查询：name 包含 '手机'")public void testWildcardQuery() throws IOException {// 1. 创建 SearchRequest 对象SearchRequest request = new SearchRequest("products");SearchSourceBuilder builder = new SearchSourceBuilder();builder.query(QueryBuilders.wildcardQuery("name", "*手机*"));request.source(builder);// 2. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 3. 打印查询结果System.out.println("查询到 " + response.getHits().getTotalHits().value + " 条数据：");for (SearchHit hit : response.getHits()) {System.out.println(JSONUtil.toJsonPrettyStr(hit.getSourceAsMap()));}}

3.5 复合查询

3.5.1 bool查询

@Testpublic void testBoolQuery() throws IOException {// 1. 创建 SearchRequest，指定索引SearchRequest request = new SearchRequest("products");// 2. 构建 Bool 查询，设置 must、must_not 条件BoolQueryBuilder boolQuery = QueryBuilders.boolQuery().must(QueryBuilders.matchQuery("name", "苹果"))                 // 必须匹配 name 包含“苹果”.must(QueryBuilders.rangeQuery("price").gte(4000))             // 必须 price >= 4000.mustNot(QueryBuilders.termQuery("category", "昂贵"));     // 排除 category 为“昂贵”的数据// 3. 封装到 SearchSourceBuilder 中SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().query(boolQuery);request.source(sourceBuilder);// 4. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 5. 遍历查询结果for (SearchHit hit : response.getHits()) {System.out.println(hit.getSourceAsString());}}

3.5.2 dis_max查询

@Testpublic void testDisMaxQuery() throws IOException {// 1. 创建 SearchRequest，指定索引SearchRequest request = new SearchRequest("products");// 2. 构建 DisMax 查询，多个子查询取最大得分DisMaxQueryBuilder disMaxQuery = QueryBuilders.disMaxQuery().add(QueryBuilders.matchQuery("name", "苹果"))       // 匹配 name 包含“苹果”.add(QueryBuilders.termQuery("category", "寿命长"));    // 或者 category 是“寿命长”// 3. 封装到 SearchSourceBuilder 中SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().query(disMaxQuery);request.source(sourceBuilder);// 4. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 5. 遍历查询结果for (SearchHit hit : response.getHits()) {System.out.println(hit.getSourceAsString());}}

3.5.3 constant_score查询

@Testpublic void testConstantScoreQuery() throws IOException {// 1. 创建 SearchRequest，指定索引SearchRequest request = new SearchRequest("products");// 2. 构建 ConstantScore 查询，匹配 category 为“寿命长”，得分固定提升1.2倍ConstantScoreQueryBuilder constantScoreQuery = QueryBuilders.constantScoreQuery(QueryBuilders.termQuery("category", "寿命长")).boost(1.2f);  // 设置 boost 权重// 3. 封装到 SearchSourceBuilder 中SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().query(constantScoreQuery);request.source(sourceBuilder);// 4. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 5. 遍历查询结果for (SearchHit hit : response.getHits()) {System.out.println(hit.getSourceAsString());}}

3.5.4 function_score查询

@Testpublic void testFunctionScoreQuery() throws IOException {// 1. 创建 SearchRequest，指定索引SearchRequest request = new SearchRequest("products");// 2. 构建 FunctionScore 查询，根据 price 字段动态调整得分FunctionScoreQueryBuilder functionScoreQuery = QueryBuilders.functionScoreQuery(QueryBuilders.termQuery("category", "寿命长"),      // 查询条件：category 为“寿命长”new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{new FunctionScoreQueryBuilder.FilterFunctionBuilder(ScoreFunctionBuilders.fieldValueFactorFunction("price").factor(0.1f)                                       // 调整因子.modifier(FieldValueFactorFunction.Modifier.LOG1P)  // 取对数后加1.missing(1)                                         // 如果字段不存在，默认用1)});// 3. 封装到 SearchSourceBuilder 中SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().query(functionScoreQuery);request.source(sourceBuilder);// 4. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 5. 遍历查询结果for (SearchHit hit : response.getHits()) {System.out.println(hit.getSourceAsString());}}

3.6 排序和分页

3.6.1 排序

@Testpublic void testMatchAllSort() throws IOException {// 1. 创建 SearchRequest 对象，指定索引名SearchRequest request = new SearchRequest("products");// 2. 创建查询条件，使用 match_all 查询所有文档MatchAllQueryBuilder matchAllQuery = new MatchAllQueryBuilder();// 3. 构建查询源（SearchSourceBuilder），设置查询条件和排序规则SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().query(matchAllQuery).sort("price", SortOrder.DESC)     // 按价格降序.sort("createTime", SortOrder.ASC); // 再按创建时间升序request.source(sourceBuilder);// 4. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 5. 遍历查询结果for (SearchHit hit : response.getHits()) {System.out.println(hit.getSourceAsString());}}

3.6.2 分页

@Testpublic void testMatchNameWithPagination() throws IOException {// 1. 创建 SearchRequest 对象，指定索引名SearchRequest request = new SearchRequest("products");// 2. 创建查询条件，使用 match 查询 name 字段，值为"苹果"MatchQueryBuilder matchQuery = new MatchQueryBuilder("name", "苹果");// 3. 构建查询源（SearchSourceBuilder），设置查询条件和分页信息SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().query(matchQuery).from(10)  // 从第11条记录开始（分页起始位置，默认从0开始）.size(10); // 每页显示10条记录request.source(sourceBuilder);// 4. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 5. 遍历查询结果for (SearchHit hit : response.getHits()) {System.out.println(hit.getSourceAsString());}}

3.6.3 高亮

@Testpublic void testMatchAndHighlight() throws IOException {// 1. 创建 SearchRequest 对象，指定索引名SearchRequest request = new SearchRequest("products");// 2. 创建查询条件，使用 match 查询 name 字段为"苹果"MatchQueryBuilder matchQuery = new MatchQueryBuilder("name", "苹果");// 3. 创建高亮构建器 HighlightBuilderHighlightBuilder highlightBuilder = new HighlightBuilder().field("name")                    // 指定需要高亮的字段.preTags("<em>")                  // 高亮前缀.postTags("</em>");                // 高亮后缀// 4. 构建查询源 SearchSourceBuilder，设置查询条件和高亮SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().query(matchQuery).highlighter(highlightBuilder);request.source(sourceBuilder);// 5. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 6. 遍历查询结果for (SearchHit hit : response.getHits()) {// 获取原始数据String sourceAsString = hit.getSourceAsString();System.out.println("原始数据：" + sourceAsString);// 获取高亮字段Map<String, HighlightField> highlightFields = hit.getHighlightFields();HighlightField highlightName = highlightFields.get("name");if (highlightName != null) {String highlightedName = highlightName.getFragments()[0].string();System.out.println("高亮后的name字段：" + highlightedName);}}}

3.7 数据聚合

3.7.1 桶聚合

/*** 按 category 字段分组聚合*/@Testpublic void testAggTermsCategory() throws IOException {// 1. 创建请求对象SearchRequest request = new SearchRequest("products");// 2. 构建聚合TermsAggregationBuilder aggBuilder = new TermsAggregationBuilder("categories").field("category");SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().size(0).aggregation(aggBuilder);request.source(sourceBuilder);// 3. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4. 解析聚合结果Terms categories = response.getAggregations().get("categories");for (Terms.Bucket bucket : categories.getBuckets()) {System.out.println("分类：" + bucket.getKeyAsString() + "，数量：" + bucket.getDocCount());}}

3.7.2 度量聚合

/*** 计算所有商品的价格平均值*/@Testpublic void testAggAvgPrice() throws IOException {// 1. 创建请求对象SearchRequest request = new SearchRequest("products");// 2. 构建聚合AvgAggregationBuilder avgBuilder = new AvgAggregationBuilder("avg_price").field("price");SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().size(0).aggregation(avgBuilder);request.source(sourceBuilder);// 3. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4. 解析聚合结果Avg avgPrice = response.getAggregations().get("avg_price");System.out.println("平均价格：" + avgPrice.getValue());}

3.7.3 复合聚合

/*** 按 category 分组，每组内再计算平均价格*/@Testpublic void testAggTermsAndAvg() throws IOException {// 1. 创建请求对象SearchRequest request = new SearchRequest("products");// 2. 构建聚合TermsAggregationBuilder categories = new TermsAggregationBuilder("categories").field("category");AvgAggregationBuilder avgPrice = new AvgAggregationBuilder("avg_price").field("price");categories.subAggregation(avgPrice);SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().size(0).aggregation(categories);request.source(sourceBuilder);// 3. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4. 解析聚合结果Terms categoryAgg = response.getAggregations().get("categories");for (Terms.Bucket bucket : categoryAgg.getBuckets()) {System.out.println("分类：" + bucket.getKeyAsString() + "，数量：" + bucket.getDocCount());Avg avg = bucket.getAggregations().get("avg_price");System.out.println("平均价格：" + avg.getValue());}}

3.7.4 管道聚合

/*** 按 category 分组，每组算平均价格，并按平均价格降序排序*/@Testpublic void testAggTermsAvgAndSort() throws IOException {// 1. 创建请求对象SearchRequest request = new SearchRequest("products");// 2. 构建聚合TermsAggregationBuilder categories = new TermsAggregationBuilder("categories").field("category");AvgAggregationBuilder avgPrice = new AvgAggregationBuilder("avg_price").field("price");BucketSortPipelineAggregationBuilder sort = new BucketSortPipelineAggregationBuilder("sorted_by_price",List.of(new org.elasticsearch.search.sort.FieldSortBuilder("avg_price").order(SortOrder.DESC)));categories.subAggregation(avgPrice);categories.subAggregation(sort);SearchSourceBuilder sourceBuilder = new SearchSourceBuilder().size(0).aggregation(categories);request.source(sourceBuilder);// 3. 执行查询SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4. 解析聚合结果Terms categoryAgg = response.getAggregations().get("categories");for (Terms.Bucket bucket : categoryAgg.getBuckets()) {System.out.println("分类：" + bucket.getKeyAsString() + "，数量：" + bucket.getDocCount());Avg avg = bucket.getAggregations().get("avg_price");System.out.println("平均价格：" + avg.getValue());}}

一、ElasticSearch基础概念

1.1 认识elasticSearch

1.2 倒排索引

1.3 核心概念

1.3.1 索引（Index）

1.3.2. 文档（Document）

1.3.3. 字段（Field）

1.3.4. 映射（Mapping)

1.3.5. 节点（Node）

1.3.6. 集群（Cluster）

1.3.7. 分片（Shard）和副本（Replica）

1.3.8 MySQL和Elasticsearch对应的结构关系

1.4 分词器

1.4.1什么是分词器

1.4.2 分词器的工作流程

1.4.3 分词器的类型

二、DSL操作

2.1 索引库操作

2.2. 文档基本操作

2.2.1 添加文档（Create / Index）

2.2.2 获取文档（Get）

2.2.3 更新文档（Update）

2.2.4 删除文档（Delete）

2.2.5 搜索文档（Query）

2.3 叶子查询

2.3.1. match 查询（匹配查询）

2.3.2. term 查询（精确查询）

2.3.3. range 查询（范围查询）

2.3.4. exists 查询（字段存在性查询）

2.3.5. prefix 查询（前缀匹配查询）

2.3.6. wildcard 查询（通配符查询）

2.4 复合查询

2.4.1 查询条件和查询类型

2.4.2 bool 查询

2.4.3 dis_max 查询

2.4.4 constant_score 查询

2.4.5 function_score 查询

2.5 排序

2.6 分页

2.6.2 分页的限制-深度分页

2.6.3 深度分页解决方案

2.7 高亮

2.8 数据聚合

2.8.1 桶聚合（Bucket Aggregation）

2.8.2 度量聚合（Metric Aggregation）

2.8.3 复合聚合（Compound Aggregation）

2.8.4 管道聚合（Pipeline Aggregation）

三、Java代码实战

3.1 导入依赖和配置

3.1.1 导入Maven依赖

3.1.2 配置类

3.2 索引操作

3.2.1 创建索引

3.2.2 删除索引

3.2.3 判断索引是否存在

3.3 文档基本操纵

3.3.1 生成文档

3.3.2 根据Id获取文档

3.3.3 更新文档

3.3.4 删除文档

3.3.5 查询所有文档

3.4 叶子查询

3.4.1 match查询（匹配查询）

3.4.2 term查询（精确查询）

3.4.3 range查询（范围查询）

3.4.4 exists查询（字段存在性查询）

3.4.5 prefix查询（前缀匹配查询）

3.4.6 wildcard查询（通配符查询）

3.5 复合查询

3.5.1 bool查询

3.5.2 dis_max查询

3.5.3 constant_score查询

3.5.4 function_score查询

3.6 排序和分页

3.6.1 排序

3.6.2 分页

3.6.3 高亮

3.7 数据聚合

3.7.1 桶聚合

3.7.2 度量聚合

2.3.1. `match` 查询（匹配查询）

2.3.2. `term` 查询（精确查询）

2.3.3. `range` 查询（范围查询）

2.3.4. `exists` 查询（字段存在性查询）

2.3.5. `prefix` 查询（前缀匹配查询）

2.3.6. `wildcard` 查询（通配符查询）

2.4.2 `bool` 查询

2.4.3 `dis_max` 查询

2.4.4 `constant_score` 查询

2.4.5 `function_score` 查询