一、ES基础概念（入门必懂）

1. 核心组件

组件	作用说明	类比关系
索引（Index）	存储相似结构数据的集合（非关系型表）	类似MySQL的Database
文档（Document）	索引中的最小数据单元（JSON格式）	类似MySQL的Row
字段（Field）	文档中的属性	类似MySQL的Column
分片（Shard）	索引的拆分单元（水平扩展）	类似数据库分表
副本（Replica）	分片的备份（高可用+负载均衡）	类似数据备份

2. 核心架构图（简化版）

二、ES基础使用（上手实操）

1. 环境搭建（以7.17版本为例）

（1）单节点部署（Windows）

1. 下载安装包：ES官网
2. 解压后修改配置（config/elasticsearch.yml）：

   cluster.name: my-first-cluster  # 集群名
   node.name: node-1               # 节点名
   network.host: 0.0.0.0           # 允许外部访问
   http.port: 9200                 # HTTP端口
   discovery.type: single-node     # 单节点模式
   

3. 启动：双击bin/elasticsearch.bat
4. 验证：访问http://localhost:9200，返回如下表示成功：

   {
     "name" : "node-1",
     "cluster_name" : "my-first-cluster",
     "version" : { "number" : "7.17.0" }
   }
   

（2）可视化工具（Kibana）

• 下载对应版本Kibana，修改config/kibana.yml：

  elasticsearch.hosts: ["http://localhost:9200"]  # 关联ES地址
  

• 启动后访问http://localhost:5601，进入Dev Tools（控制台）操作ES。

2. 基础CRUD操作（用Kibana控制台）

（1）创建索引（Index）

PUT /user_index  # 索引名（小写）
{
  "settings": {
    "number_of_shards": 1,    # 主分片数（默认5，单节点建议1）
    "number_of_replicas": 0   # 副本数（单节点建议0，否则报错）
  }
}

（2）添加文档（Document）

POST /user_index/_doc/1  # 文档ID=1（不指定则自动生成）
{
  "name": "张三",
  "age": 25,
  "gender": "男",
  "address": "北京市朝阳区"
}

（3）查询文档

• 按ID查询：

  GET /user_index/_doc/1
  

• 简单匹配查询（查地址含“北京”的用户）：

  GET /user_index/_search
  {
    "query": {
      "match": { "address": "北京" }
    }
  }
  

（4）修改/删除文档

# 修改（全量更新）
PUT /user_index/_doc/1
{
  "name": "张三",
  "age": 26,  # 年龄从25改为26
  "gender": "男",
  "address": "北京市朝阳区"
}

# 删除
DELETE /user_index/_doc/1

三、ES进阶配置（功能深化）

1. 自定义映射（Mapping）

默认映射会自动识别字段类型，复杂场景需手动配置（如分词、日期格式）：

PUT /article_index
{
  "settings": {
    "number_of_shards": 2,
    "number_of_replicas": 1,
    "analysis": {  # 自定义分词器（中文分词用ik）
      "analyzer": {
        "my_ik_analyzer": {
          "type": "ik_max_word"  # ik细粒度分词
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "title": {
        "type": "text",          # 可分词文本（用于搜索）
        "analyzer": "my_ik_analyzer",
        "fields": {
          "keyword": {
            "type": "keyword",  # 不分词（用于排序/聚合）
            "ignore_above": 256
          }
        }
      },
      "content": { "type": "text", "analyzer": "my_ik_analyzer" },
      "publish_time": { "type": "date", "format": "yyyy-MM-dd HH:mm:ss" },  # 自定义日期格式
      "author": { "type": "keyword" }
    }
  }
}

映射配置图说明：
article_index索引中，title字段同时支持“分词搜索”（text类型）和“精确匹配”（keyword子字段），publish_time指定日期格式避免解析错误，content用IK分词器适配中文搜索。

2. 分片与副本优化（集群场景）

（1）分片配置原则

• 单分片大小建议10-50GB（太大影响恢复速度）
• 分片数=节点数×1.5~3（避免分片不均）

（2）动态调整副本数（集群扩容后）

PUT /article_index/_settings
{
  "number_of_replicas": 2  # 副本数从1改为2（提升可用性）
}

分片副本架构图：

subgraph 集群（3节点）
    A[节点1] --> A1[article_index-分片0（主）]
    A --> A2[article_index-分片1（副本）]
    B[节点2] --> B1[article_index-分片1（主）]
    B --> B2[article_index-分片0（副本）]
    C[节点3] --> C1[article_index-分片0（副本）]
    C --> C2[article_index-分片1（副本）]

四、ES高级实战（精通必备）

1. 复杂查询与聚合分析

（1）布尔查询（多条件组合）

查询“2023年发布且作者为‘李四’，内容含‘Elasticsearch’”的文章：

GET /article_index/_search
{
  "query": {
    "bool": {
      "must": [  # 必须满足
        { "match": { "content": "Elasticsearch" } },
        { "term": { "author": "李四" } }  # keyword类型用term查询（精确匹配）
      ],
      "filter": [  # 过滤（不影响评分，性能更高）
        { "range": { "publish_time": { "gte": "2023-01-01 00:00:00" } } }
      ]
    }
  },
  "sort": [ { "publish_time": { "order": "desc" } } ],  # 按发布时间倒序
  "from": 0, "size": 10  # 分页（第1页，10条/页）
}

（2）聚合分析（统计维度）

统计“每个作者的文章数量”并按数量排序：

GET /article_index/_search
{
  "size": 0,  # 不返回具体文档，只返回聚合结果
  "aggs": {
    "author_article_count": {  # 聚合名称（自定义）
      "terms": {
        "field": "author",  # 按author字段分组
        "size": 10,         # 返回前10个分组
        "order": { "_count": "desc" }  # 按数量倒序
      }
    }
  }
}

聚合结果示意图：

作者	文章数量
李四	25
王五	18
张三	12

2. 性能优化技巧

（1）索引层优化

• 冷热分离：将历史数据（冷数据）迁移到低配置节点，热数据用高配置节点
• 关闭无用功能：如不需要实时统计，关闭fielddata：

  "properties": {
    "unused_field": {
      "type": "text",
      "fielddata": false  # 关闭fielddata
    }
  }
  

（2）查询层优化

• 优先用filter代替must（filter结果缓存，不计算评分）
• 避免通配符开头查询（如*search，会导致全表扫描）
• 大结果集用scroll或search_after（替代深分页from/size）

3. 集群监控与故障处理

（1）集群健康检查

GET /_cluster/health
# 健康状态：green（所有分片可用）> yellow（副本不可用）> red（主分片不可用）

（2）节点故障转移

当主节点故障时，ES会自动从候选节点（node.master: true）中选举新主节点，配置候选节点：

# elasticsearch.yml
node.master: true    # 允许成为主节点候选
node.data: true      # 同时作为数据节点（小规模集群推荐）
node.ingest: true    # 允许处理数据预处理

五、学习路径总结

1. 入门阶段：掌握基础概念→完成单节点部署→熟练CRUD操作
2. 进阶阶段：自定义映射→分片副本配置→复杂查询（布尔/范围查询）
3. 精通阶段：聚合分析→性能优化→集群管理→故障处理

建议按“实操→问题→解决”的循环学习，比如先尝试搭建集群，遇到分片分配错误时，再回头深入理解分片副本机制。