v .. . ..
1：es介绍
Elasticsearch是一个基于Lucene的实时的分布式搜索和分析引擎。设计用于云计算中，
能够达到实时搜索，稳定，可靠，快速，安装使用方便。基于RESTful接口。 普通请求是...get?a=1 rest请求....get/a/1
2：全文搜索的工具有哪些
Lucene Solr Elasticsearch
3：es的bulk的引用场景
1.bulk API可以帮助我们同时执行多个请求 2.create 和index的区别
如果数据存在，使用create操作失败，会提示文档已经存在，使用index则可以成功执行。
3.可以使用文件操作 使用文件的方式 vi requests
curl -XPOST/PUT localhost:9200/_bulk --data-binary @request; bulk请求可以在URL中声明/_index 或者/_index/_type 4.bulk一次最大处理多少数据量
bulk会把将要处理的数据载入内存中，所以数据量是有限制的
最佳的数据量不是一个确定的数值，它取决于你的硬件，你的文档大小以及复杂性，你的索引以及搜索的负载
一般建议是1000-5000个文档，如果你的文档很大，可以适当减少队列,大小建议是5-15MB，默认不能超过100M，
可以在es的配置文件中修改这个值http.max_content_length: 100mb 5.版本控制的一个问题
. . . 资 料. .
v .. . ..
在读数据与写数据之间如果有其他线程进行写操作，就会出问题，es使用版本控制才避免这种问题。
在修改数据的时候指定版本号，操作一次版本号加1。 6.es的两个web访问工具
BigDesk Plugin (作者 Luká? Vl?ek) 简介：监控es状态的插件,推荐！主要提供的是节点的实时状态监控，包括jvm的情况，linux的情况，elasticsearch的情况
Elasticsearch Head Plugin (作者 Ben Birch) 简介：很方便对es进行各种操作的客户端。
4：核心概念
集群 cluster***
代表一个集群，集群中有多个节点，其中有一个为主节点，这个主节点是可以通过选举产生的，主从节点是对于集群内部来说的。
es的一个概念就是去中心化，字面上理解就是无中心节点，这是对于集群外部来说的，因为从外部来看es集群，在逻辑上是个整体，
你与任何一个节点的通信和与整个es集群通信是等价的。
主节点的职责是负责管理集群状态，包括管理分片的状态和副本的状态，以及节点的发现和删除。
只需要在同一个网段之内启动多个es节点，就可以自动组成一个集群。 默认情况下es会自动发现同一网段内的节点，自动组成集群。 分片 shards*
代表索引分片，es可以把一个完整的索引分成多个分片，这样的好处是可以把一个大的索引拆分成多个，分布到不同的节点上。构成分布式搜索。分片的数量只能在索引创建前指定，并且索引创建后不能更改。
可以在创建索引库的时候指定
curl -XPUT 'localhost:9200/test1/' -d'{\默认是一个索引库有5个分片 index.number_of_shards: 5 副本 replicas*
代表索引副本，es可以给索引设置副本，副本的作用一是提高系统的容错性，当某个节点某个分片损坏或丢失时可以从副本中恢复。
二是提高es的查询效率，es会自动对搜索请求进行负载均衡。 可以在创建索引库的时候指定，副本数后期可以更改。
. . . 资 料. .
v .. . ..
curl -XPUT 'localhost:9200/test2/' -d'{\默认是一个分片有1个副本 index.number_of_replicas: 1 数据重新分布 recovery *
代表数据恢复或叫数据重新分布，es在有节点加入或退出时会根据机器的负载对索引分片进行重新分配，挂掉的节点重新启动时也会进行数据恢复。
数据的持久化操作 gateway*
代表es索引的持久化存储方式，es默认是先把索引存放到内存中，当内存满了时再持久化到硬盘。
当这个es集群关闭再重新启动时就会从gateway中读取索引数据。es支持多 种类型的gateway，有本地文件系统（默认），分布式文件系统，Hadoop的HDFS和amazon的s3云存储服务。
自动发现机制 discovery.zen*
代表es的自动发现节点机制，es是一个基于p2p的系统，它先通过广播寻找存在的节点，再通过多播协议来进行节点之间的通信，同时也支持点对点的交互。
集群或节点与客户端交互的方式 Transport*
代表es内部节点或集群与客户端的交互方式，默认内部是使用tcp协议进行交互，同时它支持http协议（json格式）、thrift、servlet、memcached、zeroMQ等的传输协议（通过插件方式集成）。
index 和rdbms中的数据库相似 type 表 document 行 field 列
5：serachType
四种搜索类型，详细介绍 分布式搜索的流程
先把查询请求发送给集群的某一个节点 某个节点把最终的结果返回给客户端 QUERY_AND_FETCH
1：客户端把请求发送给集群中的某一个节点，这个节点会把查询请求发送给所有分片去执行，
. . . 资 料. .
v .. . ..
2：每个分片会把查询的数据(包含数据的分值,以及数据的详细内容)返回给某一个节点进行汇总，排序，然后把这些数据返回给客户端
这样客户端可能会收到(10*分片数量) 的数据 这种方案，数据量和排名都有问题。 优点：效率高，查询速度快 QUERY_THEN_FETCH（默认）
1：客户端把请求发送给集群中的某一个节点，这个节点会把查询请求发送给所有分片去执行，
2：每个分片会把查询的数据(包含数据的分值,以及数据ID)返回给某一个节点进行汇总，排序，取前10名
3：根据前10名的id到对应的分片查询数据的详细内容，返回给客户端 这种方案，解决了数据量的问题。 但是排名还有有问题。 (DFS：初始化散发过程) DFS_QUERY_AND_FETCH
1：在查询之前，会把所有分片的词频和文档频率(打分依据)汇总到一块
2：客户端把请求发送给集群中的某一个节点，这个节点会把查询请求发送给所有分片去执行，
3：每个分片会把查询的数据(包含数据的分值,以及数据的详细内容)返回 给某一个节点进行汇总，排序，然后把这些数据返回给客户端
解决了排名的问题 还存在数据量的问题 DFS_QUERY_THEN_FETCH
1：在查询之前，会把所有分片的词频和文档频率(打分依据)汇总到一块
2：客户端把请求发送给集群中的某一个节点，这个节点会把查询请求发送给所有分片去执行，
3：每个分片会把查询的数据(包含数据的分值,以及数据ID)返回给某一个节点进行汇总，排序，取前10名
4：根据前10名的id到对应的分片查询数据的详细内容，返回给客户端 既解决了排名问题，也解决了数据量的问题 但是性能最低
总结一下，从性能考虑QUERY_AND_FETCH是最快的，DFS_QUERY_THEN_FETCH是最慢的。从搜索的准确度来说，DFS要比非DFS的准确度更高。
高亮 补：高亮的注意事项：
. . . 资 料. .
v .. . ..
高亮的内容和原始内容是分开返回的
高亮字段的内容必须在es中存储(是否存储这个属性的值必须是true) 分组：分组统计数量或者分组统计分数 删除索引库：两种方式xurl或者java api Timeout ：
6：建立索引和查询的流程
建立索引的流程：
首先根据空白符进行分割再切分关键词，去除停用词，如果有英文全部转换为小写，对切分的关键词建立索引，每个关键词都有对应的id，还有一个倒排索引队列存储该关键词出现在文档的id，在该文档出现的次数，在该文档出现的位置
查询的流程：
首先根据空白符进行分割，再切分关键词，去除停用词，如果有英文全部转换为小写，将切分后的到的关键词和索引库进行匹配
中文分词器-IK
es官方提供的分词插件对中文分词效果不是很好，可以集成ik分词，对中文分词效果比较好
如果想根据自己的规则进行分词，可以自定义分词库，自定义分词库文件必须以.dic结尾，词库文件的编码为utf—8 without bom，一个词语一行，将自定义的文件库加入到ES_HOME/config/ik/ 目录下，修改ik的配置文件，重启生效
7：为什么使用索引工具查询快
(使用了倒排索引的技术，大致介绍一下倒排索引，还有索引库中的词都是按照顺序排列 ，
后期根据一个关键词查询的时候，可以利用类似折半查找的算法，查询效率非常高) 使用了倒排索引的技术，一般我们都是这样定义id 关键词，倒排索引是关键词 id正好相反，使用索引工具进行查询时，首先得到关键词，建立倒排索引表，关键词----索引列表包含该关键词所在的文档的id、在该文档中出现的次数、在该文档中出现的位置信息，这种由属性值确定记录的位置的方式成为倒排索引。还有 索引库中的词都是按照顺序排列 ，后期根据一个关键词查询的时候，
. . . 资 料. .
ElasticSearch面试题 - 图文
