我们现在开始进行一个简单教程，它涵盖了一些基本的概念介绍，比如索引(indexing)、搜索(search)以及聚合(aggregations)。通过这个教程，我们可以让你对Elasticsearch能做的事以及其易用程度有一个大致的感觉。
我们接下来将陆续介绍一些术语和基本的概念，但就算你没有马上完全理解也没有关系。我们将在本书的各个章节中更加深入的探讨这些内容。
所以，坐下来，开始以旋风般的速度来感受Elasticsearch的能力吧！
索引
让我们建立一个员工目录
假设我们刚好在Megacorp 工作，这时人力资源部门出于某种目的需要让我们创建一个员工目录，这个目录用于促进人文关怀和用于实时协同工作，所以它有以下不同的需求：
- 数据能够包含多个值的标签、数字和纯文本。
- 检索任何员工的所有信息。
- 支持结构化搜索，例如查找30岁以上的员工。
- 支持简单的全文搜索和更复杂的短语(phrase) 搜索
- 高亮搜索结果中的关键字
- 能够利用图表管理分析这些数据
索引员工文档
我们首先要做的是存储员工数据，每个文档代表一个员工。在Elasticsearch中存储数据的行为就叫做索引(indexing) ，不过在索引之前，我们需要明确数据应该存储在哪里。
在Elasticsearch中，文档归属于一种类型(type) ,而这些类型存在于索引(index) 中，我们可以画一些简单的对比图来类比传统关系型数据库：
Relational DB -> Databases -> Tables -> Rows -> Columns
Elasticsearch -> Indices -> Types -> Documents -> Fields
Elasticsearch集群可以包含多个索引(indices) （数据库），每一个索引可以包含多个类型(types) （表），每一个类型包含多个文档(documents) （行），然后每个文档包含多个字段(Fields) （列）。
「索引」含义的区分
你可能已经注意到索引(index) 这个词在Elasticsearch中有着不同的含义，所以有必要在此做一下区分:
- 索引（名词） 如上文所述，一个索引(index) 就像是传统关系数据库中的数据库 ，它是相关文档存储的地方，index的复数是indices ** 或indexes** 。
- 索引（动词） 「索引一个文档」 表示把一个文档存储到索引（名词） 里，以便它可以被检索或者查询。这很像SQL中的
INSERT关键字，差别是，如果文档已经存在，新的文档将覆盖旧的文档。- 倒排索引 传统数据库为特定列增加一个索引，例如B-Tree索引来加速检索。Elasticsearch和Lucene使用一种叫做倒排索引(inverted index) 的数据结构来达到相同目的。
默认情况下，文档中的所有字段都会被索引 （拥有一个倒排索引），只有这样他们才是可被搜索的。我们将会在 倒排索引 章节中更详细的讨论。所以为了创建员工目录，我们将进行如下操作：
- 为每个员工的文档(document) 建立索引，每个文档包含了相应员工的所有信息。
- 每个文档的类型为
employee。 employee类型归属于索引megacorp。megacorp索引存储在Elasticsearch集群中。
实际上这些都是很容易的（尽管看起来有许多步骤）。我们能通过一个命令执行完成的操作：
PUT /megacorp/employee/1
{
"first_name" : "John",
"last_name" : "Smith",
"age" : 25,
"about" : "I love to go rock climbing",
"interests": [ "sports", "music" ]
}
我们看到path:/megacorp/employee/1包含三部分信息：
| 名字 | 说明 |
|---|---|
| megacorp | 索引名 |
| employee | 类型名 |
| 1 | 这个员工的ID |
请求实体（JSON文档），包含了这个员工的所有信息。他的名字叫“John Smith”，25岁，喜欢攀岩。
很简单吧！它不需要你做额外的管理操作，比如创建索引或者定义每个字段的数据类型。我们能够直接索引文档，Elasticsearch已经内置所有的缺省设置，所有管理操作都是透明的。接下来，让我们在目录中加入更多员工信息：
PUT /megacorp/employee/2
{
"first_name" : "Jane",
"last_name" : "Smith",
"age" : 32,
"about" : "I like to collect rock albums",
"interests": [ "music" ]
}
PUT /megacorp/employee/3
{
"first_name" : "Douglas",
"last_name" : "Fir",
"age" : 35,
"about": "I like to build cabinets",
"interests": [ "forestry" ]
}
搜索
检索文档
- 现在 Elasticsearch 中已经存储了一些数据，我们可以根据业务需求开始工作了。第一个需求是能够检索单个员工的信息。
- 这对于Elasticsearch来说非常简单。我们只要执行HTTP GET请求并指出文档的“地址”——索引、类型和ID既可。根据这三部分信息，我们就可以返回原始JSON文档：
GET /megacorp/employee/1 - 响应的内容中包含一些文档的元信息，John Smith的原始JSON文档包含在
_source字段中。{ "_index" : "megacorp", "_type" : "employee", "_id" : "1", "_version" : 1, "found" : true, "_source" : { "first_name" : "John", "last_name" : "Smith", "age" : 25, "about" : "I love to go rock climbing", "interests": [ "sports", "music" ] } } - 我们通过HTTP方法
GET来检索文档，同样的，我们可以使用DELETE方法删除文档，使用HEAD方法检查某文档是否存在。如果想更新已存在的文档，我们只需再PUT一次。
简单搜索
GET请求非常简单——你能轻松获取你想要的文档。让我们来进一步尝试一些东西，比如简单的搜索！- 我们尝试一个最简单的搜索全部员工的请求：
GET /megacorp/employee/_search - 你可以看到我们依然使用
megacorp索引和employee类型，但是我们在结尾使用关键字_search来取代原来的文档ID。响应内容的hits数组中包含了我们所有的三个文档。默认情况下搜索会返回前10个结果。{ "took": 6, "timed_out": false, "_shards": { ... }, "hits": { "total": 3, "max_score": 1, "hits": [ { "_index": "megacorp", "_type": "employee", "_id": "3", "_score": 1, "_source": { "first_name": "Douglas", "last_name": "Fir", "age": 35, "about": "I like to build cabinets", "interests": [ "forestry" ] } }, { "_index": "megacorp", "_type": "employee", "_id": "1", "_score": 1, "_source": { "first_name": "John", "last_name": "Smith", "age": 25, "about": "I love to go rock climbing", "interests": [ "sports", "music" ] } }, { "_index": "megacorp", "_type": "employee", "_id": "2", "_score": 1, "_source": { "first_name": "Jane", "last_name": "Smith", "age": 32, "about": "I like to collect rock albums", "interests": [ "music" ] } } ] } } -
注意 ：响应内容不仅会告诉我们哪些文档被匹配到，而且这些文档内容完整的被包含在其中—我们在给用户展示搜索结果时需要用到的所有信息都有了。
- 接下来，让我们搜索姓氏中包含 “Smith” 的员工。要做到这一点，我们将在命令行中使用轻量级的搜索方法。这种方法常被称作查询字符串(query string) 搜索，因为我们像传递URL参数一样去传递查询语句：
GET /megacorp/employee/_search?q=last_name:Smith - 我们在请求中依旧使用
_search关键字，然后将查询语句传递给参数q=。这样就可以得到所有姓氏为Smith的结果：{ ... "hits": { "total": 2, "max_score": 0.30685282, "hits": [ { ... "_source": { "first_name": "John", "last_name": "Smith", "age": 25, "about": "I love to go rock climbing", "interests": [ "sports", "music" ] } }, { ... "_source": { "first_name": "Jane", "last_name": "Smith", "age": 32, "about": "I like to collect rock albums", "interests": [ "music" ] } } ] } }
使用DSL语句查询
- 查询字符串搜索便于通过命令行完成特定(ad hoc) 的搜索，但是它也有局限性（参阅简单搜索章节）。Elasticsearch提供丰富且灵活的查询语言叫做DSL查询(Query DSL) ,它允许你构建更加复杂、强大的查询。
- DSL(Domain Specific Language特定领域语言) 以JSON请求体的形式出现。我们可以这样表示之前关于“Smith”的查询:
GET /megacorp/employee/_search { "query" : { "match" : { "last_name" : "Smith" } } } - 这会返回与之前查询相同的结果。你可以看到有些东西改变了，我们不再使用查询字符串(query string) 做为参数，而是使用请求体代替。这个请求体使用JSON表示，其中使用了
match语句（查询类型之一，具体我们以后会学到）。
更复杂的搜索
- 我们让搜索稍微再变的复杂一些。我们依旧想要找到姓氏为“Smith”的员工，但是我们只想得到年龄大于30岁的员工。我们的语句将添加过滤器(filter) ,它使得我们高效率的执行一个结构化搜索：
GET /megacorp/employee/_search { "query" : { "filtered" : { "filter" : { "range" : { "age" : { "gt" : 30 } <1> } }, "query" : { "match" : { "last_name" : "smith" <2> } } } } } - <1> 这部分查询属于区间过滤器(range filter) ,它用于查找所有年龄大于30岁的数据——
gt为"greater than"的缩写。 - <2> 这部分查询与之前的
match语句(query) 一致。 - 现在不要担心语法太多，我们将会在以后详细的讨论。你只要知道我们添加了一个过滤器(filter) 用于执行区间搜索，然后重复利用了之前的
match语句。现在我们的搜索结果只显示了一个32岁且名字是“Jane Smith”的员工：{ ... "hits": { "total": 1, "max_score": 0.30685282, "hits": [ { ... "_source": { "first_name": "Jane", "last_name": "Smith", "age": 32, "about": "I like to collect rock albums", "interests": [ "music" ] } } ] } }
全文搜索
- 到目前为止搜索都很简单：搜索特定的名字，通过年龄筛选。让我们尝试一种更高级的搜索，全文搜索——一种传统数据库很难实现的功能。
- 我们将会搜索所有喜欢 “rock climbing” 的员工：
GET /megacorp/employee/_search { "query" : { "match" : { "about" : "rock climbing" } } } - 你可以看到我们使用了之前的
match查询，从about字段中搜索**"rock climbing"** ，我们得到了两个匹配文档：{ ... "hits": { "total": 2, "max_score": 0.16273327, "hits": [ { ... "_score": 0.16273327, <1> "_source": { "first_name": "John", "last_name": "Smith", "age": 25, "about": "I love to go rock climbing", "interests": [ "sports", "music" ] } }, { ... "_score": 0.016878016, <2> "_source": { "first_name": "Jane", "last_name": "Smith", "age": 32, "about": "I like to collect rock albums", "interests": [ "music" ] } } ] } } - <1><2> 结果相关性评分。
- 默认情况下，Elasticsearch根据结果相关性评分来对结果集进行排序，所谓的「结果相关性评分」就是文档与查询条件的匹配程度。很显然，排名第一的
John Smith的about字段明确的写到 “rock climbing” 。 - 但是为什么
Jane Smith也会出现在结果里呢？原因是 “rock” 在她的abuot字段中被提及了。因为只有 “rock” 被提及而 “climbing” 没有，所以她的_score要低于John。 - 这个例子很好的解释了Elasticsearch如何在各种文本字段中进行全文搜索，并且返回相关性最大的结果集。相关性(relevance) 的概念在Elasticsearch中非常重要，而这个概念在传统关系型数据库中是不可想象的，因为传统数据库对记录的查询只有匹配或者不匹配。
短语搜索
- 目前我们可以在字段中搜索单独的一个词，这挺好的，但是有时候你想要确切的匹配若干个单词或者短语(phrases) 。例如我们想要查询同时包含"rock"和"climbing"（并且是相邻的）的员工记录。
- 要做到这个，我们只要将
match查询变更为match_phrase查询即可:GET /megacorp/employee/_search { "query" : { "match_phrase" : { "about" : "rock climbing" } } } - 毫无疑问，该查询返回John Smith的文档：
{ ... "hits": { "total": 1, "max_score": 0.23013961, "hits": [ { ... "_score": 0.23013961, "_source": { "first_name": "John", "last_name": "Smith", "age": 25, "about": "I love to go rock climbing", "interests": [ "sports", "music" ] } } ] } }
高亮我们的搜索
- 很多应用喜欢从每个搜索结果中 高亮(highlight) 匹配到的关键字，这样用户可以知道为什么这些文档和查询相匹配。在Elasticsearch中高亮片段是非常容易的。
- 让我们在之前的语句上增加
highlight参数：GET /megacorp/employee/_search { "query" : { "match_phrase" : { "about" : "rock climbing" } }, "highlight": { "fields" : { "about" : {} } } } - 当我们运行这个语句时，会命中与之前相同的结果，但是在返回结果中会有一个新的部分叫做
highlight，这里包含了来自about字段中的文本，并且用<em></em>来标识匹配到的单词。{ ... "hits": { "total": 1, "max_score": 0.23013961, "hits": [ { ... "_score": 0.23013961, "_source": { "first_name": "John", "last_name": "Smith", "age": 25, "about": "I love to go rock climbing", "interests": [ "sports", "music" ] }, "highlight": { "about": [ "I love to go <em>rock</em> <em>climbing</em>" <1> ] } } ] } } - <1> 原有文本中高亮的片段
- 你可以在高亮章节阅读更多关于搜索高亮的部分。
聚合
分析
- 最后，我们还有一个需求需要完成：允许管理者在职员目录中进行一些分析。 Elasticsearch有一个功能叫做聚合(aggregations) ，它允许你在数据上生成复杂的分析统计。它很像SQL中的
GROUP BY但是功能更强大。 - 举个例子，让我们找到所有职员中最大的共同点（兴趣爱好）是什么：
GET /megacorp/employee/_search { "aggs": { "all_interests": { "terms": { "field": "interests" } } } } - 暂时先忽略语法只看查询结果：
{ ... "hits": { ... }, "aggregations": { "all_interests": { "buckets": [ { "key": "music", "doc_count": 2 }, { "key": "forestry", "doc_count": 1 }, { "key": "sports", "doc_count": 1 } ] } } } - 我们可以看到两个职员对音乐有兴趣，一个喜欢林学，一个喜欢运动。这些数据并没有被预先计算好，它们是实时的从匹配查询语句的文档中动态计算生成的。如果我们想知道所有姓"Smith"的人最大的共同点（兴趣爱好），我们只需要增加合适的语句既可：
GET /megacorp/employee/_search { "query": { "match": { "last_name": "smith" } }, "aggs": { "all_interests": { "terms": { "field": "interests" } } } } all_interests聚合已经变成只包含和查询语句相匹配的文档了：... "all_interests": { "buckets": [ { "key": "music", "doc_count": 2 }, { "key": "sports", "doc_count": 1 } ] }- 聚合也允许分级汇总。例如，让我们统计每种兴趣下职员的平均年龄：
GET /megacorp/employee/_search { "aggs" : { "all_interests" : { "terms" : { "field" : "interests" }, "aggs" : { "avg_age" : { "avg" : { "field" : "age" } } } } } } - 虽然这次返回的聚合结果有些复杂，但任然很容易理解：
... "all_interests": { "buckets": [ { "key": "music", "doc_count": 2, "avg_age": { "value": 28.5 } }, { "key": "forestry", "doc_count": 1, "avg_age": { "value": 35 } }, { "key": "sports", "doc_count": 1, "avg_age": { "value": 25 } } ] } - 该聚合结果比之前的聚合结果要更加丰富。我们依然得到了兴趣以及数量（指具有该兴趣的员工人数）的列表，但是现在每个兴趣额外拥有
avg_age字段来显示具有该兴趣员工的平均年龄。 - 即使你还不理解语法，但你也可以大概感觉到通过这个特性可以完成相当复杂的 聚合 工作，你可以处理任何类型的数据。