ES 是一个使用Java语言并且基于Lucene编写的搜索引擎框架，他提供了分布式的全文搜索功能，提供了一个统一的基于Restful风格的WEB接口，官方客户端也对多种语言都提供了相应的API。
先把zip下载下来。放到任意一台服务器（直接github上下载多数会失败）elasticsearch-plugin install http://172.16.0.183:8899/Java/elasticsearch-analysis-ik-7.9.3.zip
GET 请求: ``` http://ip:port/index: 查询索引信息 http://ip;port/index/type/doc_id: 查询指定的文档信息 ``` POST 请求: ``` http://ip;port/index/type/_search: 查询文档，可以在请求体中添加json字符串来代表查询条件 http://ip;port/index/type/doc_id/
//1. 准备索引的 settings Settings.Builder settings = Settings.builder() //2. 准备索引的结构 Mappings XContentBuilder mappings = JsonXContent.contentBuilder() //3. 将 Settings 和 Mappings 封装到一个Request 对象中
//准备一个Request对象 IndexRequest request = new IndexRequest(indexName); request.id(person.getId().toString()); //手动指定ID request.source(personJson, XContentType.JSON); //通过 Client 对象执行
String json = JSON.toJSONStringWithDateFormat(sms, "yyyy-MM-dd HH:mm:ss"); FastJson 将日期格式化 BulkRequest bulkRequest = new BulkRequest(); Integer idx = 1; for (String json : jsonList) {
term 查询 term的查询是代表完全匹配，搜索之前不会对你搜索的关键字进行分词，对你的关键字去文档分词库中的去匹配内容 terms和term的查询机制是一样，都不会将指定的查询关键字进行分词，直接去分词库中匹配，找到相应文档内容。 terms是在针对一个字段包含多个值的时候使用。 term: where province = 江苏 terms: where province = 江苏 or p
match查询属于高层查询，他会根据你查询的字段类型不一样，采用不同的查询方式。 - 查询的是日期或者是数值的话，他会将你基于的字符串查询内容转换为日期或者数值对待。 - 如果查询的内容是一个不能被分词的内容 (keyword) ，match查询不会对你指定的查询关键字进行分词。 - 如果查询的内容时一个可以被分词的内容 (text)，match会将你指定的查询内容根据一定的方式去分词，去分词库中
fuzzy查询：模糊查询，我们输入字符的大概，ES就可以 wildcard 查询：通配查询，和MySQL中的 like 差不多，可以在查询时，在字符串中指定通配符 * 和占位符？ range 查询：范围查询，只针对数值类型，对某一个Field进行大于或小于的范围指定查询 regexp 查询： 正则查询，通过你编写的正则表达式去匹配内容
ES 对 from + size 有限制，两者之和不能超过1W Scroll查询方式，不适合做实时的查询,每次都是从数据文档中的ID去获取，效果高了，但文档中的ID（第二步）不是实时更新的，一般后台管理的方式用 Scroll 比较方便
delete-by-query 根据 term、match 等查询方式去删除大量的文档 > 如果需要删除的内容，是index下的大部分数据，不建议使用，因为去匹配文档时还是一个一个的拿到文档ID，去删除 推荐创建一个全新的index，将保留的文档内容，添加到全新的索引中
boosting 查询可以帮助我们去影响查询后的 score - positive：只有匹配上positive的查询的内容，才会被放到返回的结果中 - negative：如果匹配上和positive并且也匹配上了negative，就可以降低这样的文档 score. - negative_boost：指定系数，必须小于 1.0 关于查询时，分数是如何计算的： - 搜索的关键字在文档中出现的频次越高，
query，根据查询条件，去计算文档的匹配度得到一个分数，并且根据分数进行排序，不会做缓存。【精准匹配度高】 filter，根据查询条件去查询文档，不去计算分数，而且filter会对经常被过滤的数据进行缓存。【查询效率会高】
目录 ElasticSearch 实现分词全文检索 - 概述 ElasticSearch 实现分词全文检索 - ES、Kibana、IK安装 ElasticSearch 实现分词全文检索 - Restful基本操作 ElasticSearch 实现分词全文检索 - Java SpringBoot E
ES使用Completion Suggest 做关键字自动补全时，实际应用中搜索性能更加高效，建议多开一个子字段，如下示例，假设要根据title字段做关键字自动补全，不要改原字段的类型，多开一个子字段title.suggest，类型设置为completion，然后之后的suggest针对title.suggest字段做操作
搜素关键字自动补全(suggest)，分词全文搜索 系统初始化，ElasticSearch ES 创建索引（EsIndexTest.createIndexTest） 模拟后台管理员，在添加文章时，将要检查的字段内容，同步到ES中（EsIndexTest.addArticleTest） 模拟用户搜索，在搜索框中查关键词“人工”（EsIndexTest.earchTest）
我们知道Bert 预训练模型针对分词、ner、文本分类等下游任务取得了很好的效果，但在语义相似度任务上，表现相较于 Word2Vec、Glove 等并没有明显的提升。
首先，我们介绍了Elasticsearch（ES）的倒排索引，这是一种用于快速检索的数据结构。其次，我们了解了ES集群的架构，包括主节点、数据节点和协调节点的功能和作用。然后，我们探讨了中文分词器的选择，其中包括IK、HanLP和Jieba等常用的分词工具。接着，我们解释了写入数据和查询数据的工作原理，包括请求的分配和预处理，数据的存储和查询结果的处理过程。最后，我们讨论了ES部署的优化方法，包括调整JVM内存、分片布局和数量、节点身份设计以及配置Ingest节点等方面的策略。
