gz穿越火线单机版下载(gz穿越火线单机版下载苹果版)

作者 | mr_xinchen

来源 | CSDN博客

出品 | CSDN（ID:CSDNnews）

Elasticsearch介绍

Elasticsearch是一款基于Lucene的分布式全文检索服务器，让我们看一下百度文库给出的解释。

用途：做搜索功能使用案例：GitHub、维基百科、等等Solr对比：

实时性ES高于Solr

Solr传统搜索性能高于ES

Elasticsearch安装

注意：安装必须在java1.8版本以上Windows环境

去官网下载获得压缩包一个，版本6.2.4

解压缩进入目录找到bin文件夹

双击运行bin文件夹中elasticsearch.bat脚本

在浏览器输入http://localhost:9200/

安装成功浏览器显示

Linux环境

1. 安装和配置

我们将在linux下安装Elasticsearch，使用版本6.2.4

2. 新建一个用户

出于安全考虑，elasticsearch默认不允许以root账号运行。

创建用户：

1useradd 用户名

设置密码：

1passwd 用户名

切换用户：

1su 用户名

3. 上传安装包,并解压

我们将安装包上传到：/home/用户名目录

解压缩：

1tar -zxvf elasticsearch-6.2.4.tar.gz

我们把目录重命名：

1mv elasticsearch-6.2.4/ elasticsearch

进入，查看目录结构：

1ls -l /home/用户名/elasticsearch

4. 修改配置

我们进入config目录：cd config

需要修改的配置文件有两个：

jvm.options

Elasticsearch基于Lucene的，而Lucene底层是java实现，因此我们需要配置jvm参数。

编辑jvm.options：

1vim jvm.options

默认配置如下：

1-Xms1g2-Xmx1g

内存占用太多了，我们调小一些：

1-Xms512m2-Xmx512m

elasticsearch.yml

1vim elasticsearch.yml

修改数据和日志目录：

1path.data: /home/用户名/elasticsearch/data # 数据目录位置2path.logs: /home/用户名/elasticsearch/logs # 日志目录位置

我们把data和logs目录修改指向了elasticsearch的安装目录。但是这两个目录并不存在，因此我们需要创建出来。

进入elasticsearch的根目录，然后创建：

1mkdir data2mkdir logs

修改绑定的IP：

1network.host: 0.0.0.0 # 绑定到0.0.0.0，允许任何ip来访问

默认只允许本机访问，修改为0.0.0.0后则可以远程访问

目前我们是做的单机安装，如果要做集群，只需要在这个配置文件中添加其它节点信息即可。

elasticsearch.yml的其它可配置信息：

5. 运行

进入elasticsearch/bin目录，可以看到下面的执行文件：

然后输入命令：

1./elasticsearch

发现报错了，启动失败：

错误1：内核过低

我们使用的是centos6，其linux内核版本为2.6。而Elasticsearch的插件要求至少3.5以上版本。不过没关系，我们禁用这个插件即可。

修改elasticsearch.yml文件，在最下面添加如下配置：

1bootstrap.system_call_filter: false

然后重启

错误2：文件权限不足

再次启动，又出错了：

1[1]: max file descriptors [4096] for elasticsearch process likely too low, increase to at least [65536]

我们用的是普通用户，而不是root，所以文件权限不足。

首先用root用户登录。

然后修改配置文件:

1vim /etc/security/limits.conf

添加下面的内容：

1* soft nofile 6553623* hard nofile 13107245* soft nproc 409667* hard nproc 4096

错误3：线程数不够

刚才报错中，还有一行：

1[1]: max number of threads [1024] for user [leyou] is too low, increase to at least [4096]

这是线程数不够。

继续修改配置：

1vim /etc/security/limits.d/90-nproc.conf

修改下面的内容：

1* soft nproc 1024

改为：

1* soft nproc 4096

错误4：进程虚拟内存

1[3]: max virtual memory areas vm.max_map_count [65530] likely too low, increase to at least [262144]

vm.max_map_count：限制一个进程可以拥有的VMA(虚拟内存区域)的数量，继续修改配置文件， ：

1vim /etc/sysctl.conf

添加下面内容：

1vm.max_map_count=655360

然后执行命令：

1sysctl -p

6. 重启终端窗口

所有错误修改完毕，一定要重启你的 Xshell终端，否则配置无效。

7. 启动

进入elasticsearch/bin目录，然后输入命令：

1./elasticsearch

可以看到绑定了两个端口:

9300：集群节点间通讯接口

9200：客户端访问接口

我们在浏览器中访问：http://127.0.0.1:9200

Elasticsearch理论知识

看过我上篇Lucene的文章，大家知道我把Lucene和传统数据库对比，其实他们很多相同之处，接下来我们拿Elasticsearch和Mysql进行比较。

1Mysql -> database -> table -> rows -> columns23Elasticsearch -> index -> type -> documents -> fields

1. index（索引）

可以类似看成一个database，但区别于就是一个拥有几分相似特征的文档的集合，比如你可以有商品数据索引、或则客户数据索引。

2. type（类型）

可以类似看成一个table，就是给文档分分类用的，通常，会为具有一组共同字段的文档定义一个类型。

3. documents （文档）

可以类似看成一个table下一行数据， 一个文档是一个可被索引的基础信息单元。

4. fields（字段，在lucene中叫域）

可以类似看成一个table的字段，对文档数据根据不同属性进行的分类标识

5. mapping（映射）

可以类似看成字段的数据类型和约束，mapping是处理数据的方式和规则方面做一些限制，如某个字段的数据类型、默认值、分析器、是否被索引等等

6. shards&replicas（分片&备份）

ES是分布式大数据量全文检索服务器，把文档数据切成片段，多个片合在一起是一个完整的数据。在分布式环境中很有就能出现单点故障问题，这时候需要备份每个片段会被复制和转移同步。

RESTfull语法

我这里使用kibana，也可以使用其他工具实现

1. 创建索引index和映射mapping

1PUT /索引名23{45 "mappings": {67 "type名": {89 "properties": {1011 "fields名": {1213 "type": "类型",1415 "store": 是否储存[true,false],1617 "index": 是否索引[true,false],1819 "analyzer":"分词器"2021 },2223 "fields名": {2425 "type": "text",2627 "store": true,2829 "index": true,3031 "analyzer":"standard"3233 }3435 }3637 }3839 }4041}

2. 创建索引index后添加映射mapping

1POST /索引名/type名/_mapping23{45 "type名":{67 "properties":{89 "fields名":{1011 "type":"long",1213 "store":true,1415 "index":false1617 },1819 "fields名":{2021 "type":"text",2223 "store":true,2425 "index":true,2627 "analyzer":"standard"2829 }3031 }3233 }3435}

3. 删除索引index

1DELETE /索引名

4. 添加文档document

1POST /索引名/type名/[_id]23{45"FIELD": "VALUE",67"FIELD": "VALUE",89"FIELD": "VALUE"1011}

5. 修改文档document

1和添加相同，并且_id存在

6. 删除文档document

1DELETE /索引名/type名/_id

7. 根据_id查询

1GET /索引名/type名/_id

8. 根据term查询

1POST /索引名/type名/_search23{45 "query": {67 "term": {89 "FIELD": "VALUE"1011 }1213 }1415}

9. 根据query_string查询

1POST /索引名/type名/_search23{45 "query": {67 "query_string": {89 "default_field": "FIELD",1011 "query": "this AND that OR thus"1213 }1415 }1617}

IK分词器

查看分词效果

1GET /_analyze23{45 "analyzer": "standard",67 "text":"VALUE"89}

集成IK分词器

下载IK分词器压缩包并解压缩

把其中elasticsearch文件夹改名ik-analyzer

把ik-analyzer文件夹放置在elasticsearch目录的plugins文件夹

重启elasticsearch服务器

测试分词器效果，把analyzer的值改成ik_smart 或 ik_max_word

Elasticsearch集群

这里ES集群相当简单，它不像solr需要一个注册中心，其实玩过分布式童鞋都知道，玩集群无非多开几个实例并用一个或多个注册中心管理起来。而ES集群模式使用一个 P2P类型(使用 gossip 协议)的分布式系统，说白了就是一个广播分布式系统。所以配置起来比外带注册中心简单。

1. cluster（集群）

一个集群就是由一个或多个节点组织在一起，它们共同持有整个的数据，并一起提供索引和搜索功能。一个集群由一个唯一的名字标识，这个名字默认就是“elasticsearch”。这个名字是重要的，因为一个节点只能通过指定某个集群的名字，来加入这个集群。

2. node（节点）

就是一个集群的服务器

3. shards&replicas（分片&备份）

准备多台ES服务器，修改elasticsearch-clusterconfigelasticsearch.yml配置文件

1#节点n的配置信息：23#集群名称，保证唯一45cluster.name: elasticsearch67#节点名称，必须不一样89node.name: node-11011#必须为本机的ip地址1213network.host: 127.0.0.11415#服务端口号，在同一机器下必须不一样1617http.port: 92001819#集群间通信端口号，在同一机器下必须不一样2021transport.tcp.port: 93002223#设置集群自动发现机器ip集合2425discovery.zen.ping.unicast.hosts: ["127.0.0.1:9300","127.0.0.1:9301","127.0.0.1:9302"]

JAVA客户端

7.1 创建Maven工程，导入坐标

1<dependencies>23 <dependency>45 <groupId>org.elasticsearch</groupId>67 <artifactId>elasticsearch</artifactId>89 <version>5.6.10</version>1011 </dependency>1213 <dependency>1415 <groupId>org.elasticsearch.client</groupId>1617 <artifactId>transport</artifactId>1819 <version>5.6.10</version>2021 </dependency>2223 <dependency>2425 <groupId>org.apache.logging.log4j</groupId>2627 <artifactId>log4j-to-slf4j</artifactId>2829 <version>2.9.1</version>3031 </dependency>3233 <dependency>3435 <groupId>org.slf4j</groupId>3637 <artifactId>slf4j-api</artifactId>3839 <version>1.7.24</version>4041 </dependency>4243 <dependency>4445 <groupId>org.slf4j</groupId>4647 <artifactId>slf4j-simple</artifactId>4849 <version>1.7.21</version>5051 </dependency>5253 <dependency>5455 <groupId>log4j</groupId>5657 <artifactId>log4j</artifactId>5859 <version>1.2.12</version>6061 </dependency>6263 <dependency>6465 <groupId>junit</groupId>6667 <artifactId>junit</artifactId>6869 <version>4.12</version>7071 </dependency>7273</dependencies>

7.2 创建索引库

1public class ElasticsearchClient {23 @Test45 public void createIndex throws Exception {67// 创建settings对象89 Settings settings = Settings.builder1011 .put("cluster.name","elasticsearch")1213 .build;1415// 创建客户端对象1617 TransportClient client = new PreBuiltTransportClient(settings);1819 client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("127.0.0.1"),9300));2021// 创建索引库2223 client.admin.indices.prepareCreate("index_hello").get;2425// 关闭资源2627 client.close;2829 }3031}

7.3 设置映射

1public class ElasticsearchClient {23 @Test45 public void setMapping throws Exception {67// 创建settings对象89 Settings settings = Settings.builder1011 .put("cluster.name","elasticsearch")1213 .build;1415// 创建客户端对象1617 TransportClient client = new PreBuiltTransportClient(settings);1819 client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("127.0.0.1"),9300));2021// 构建Mapping,RESTfull请求体2223 XContentBuilder builder = XContentFactory.jsonBuilder2425 .startObject2627 .startObject("article")2829 .startObject("properties")3031 .startObject("id")3233 .field("type","long")3435 .field("store",true)3637 .endObject3839 .startObject("title")4041 .field("type","text")4243 .field("store",true)4445 .field("analyzer","ik_smart")4647 .endObject4849 .startObject("content")5051 .field("type","text")5253 .field("store",true)5455 .field("analyzer","ik_smart")5657 .endObject5859 .endObject6061 .endObject6263 .endObject;6465// 使用客户端把mapping设置到索引库6667 client.admin.indices6869 .preparePutMapping("index_hello")7071 .setType("article")7273 .setSource(builder)7475 .get;7677// 关闭资源7879 client.close;8081 }8283}

7.4 添加文档

1public class ElasticsearchClient {23 @Test45 public void addDocument throws Exception {67// 创建settings对象89 Settings settings = Settings.builder1011 .put("cluster.name","elasticsearch")1213 .build;1415// 创建客户端对象1617 TransportClient client = new PreBuiltTransportClient(settings);1819 client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("127.0.0.1"),9300));2021 XContentBuilder builder = XContentFactory.jsonBuilder2223 .startObject2425 .field("id",1L)2627 .field("title","商务部：有序有力组织商贸企业复工复产")2829 .field("content","新华社北京2月23日电（记者陈炜伟、王雨萧）记者23日从商务部了解到，商务部印发《关于统筹做好生活必需品供应保障有关工作的通知》，要求各地商务主管部门在确保疫情防控安全的前提下，有序有力组织商贸企业复工复产。")3031 .endObject;3233// 发送到服务器3435 client.prepareIndex("index_hello","article","1")3637 .setSource(builder)3839 .get;4041// 关闭资源4243 client.close;44454647 }4849}

7.5 查询（核心功能）

根据_Id查询

根据Term查询

根据QueryString查询

设置分页（在执行查询之前SearchResponse中方法setFrom和setSize）

设置高亮

1public class SearchIndex {23 private TransportClient client;45 @Before67 public void initthrows Exception {89// 创建settings对象1011 Settings settings = Settings.builder1213 .put("cluster.name", "elasticsearch")1415 .build;1617// 创建客户端对象1819 client = new PreBuiltTransportClient(settings);2021 client.addTransportAddress(new InetSocketTransportAddress(InetAddress.getByName("127.0.0.1"), 9300));2223 }2425 @Test2627 public void searchById{2829// 创建查询对象3031 QueryBuilder queryBuilder = QueryBuilders.idsQuery.addIds("1","2");3233// 执行查询3435 SearchResponse searchResponse = client.prepareSearch("index_hello")3637 .setTypes("article")3839 .setQuery(queryBuilder)4041 .get;4243// 获取总记录数4445 SearchHits hits = searchResponse.getHits;4647 System.out.println("总记录数："+hits.getTotalHits);4849// 结果列表5051 Iterator<SearchHit> iterator = hits.iterator;5253 while (iterator.hasNext){5455 SearchHit next = iterator.next;5657 Map<String, Object> source = next.getSource;5859 System.out.println("id:"+source.get("id"));6061 System.out.println("title:"+source.get("title"));6263 System.out.println("content:"+source.get("content"));6465 System.out.println("----------------------------------");6667 }68697071 }7273 @Test7475 public void searchByTerm{7677// 创建查询对象7879 QueryBuilder queryBuilder = QueryBuilders.termQuery("title","复工");8081// 执行查询8283 SearchResponse searchResponse = client.prepareSearch("index_hello")8485 .setTypes("article")8687 .setQuery(queryBuilder)8889 .get;9091// 获取总记录数9293 SearchHits hits = searchResponse.getHits;9495 System.out.println("总记录数："+hits.getTotalHits);9697// 结果列表9899 Iterator<SearchHit> iterator = hits.iterator;100101 while (iterator.hasNext){102103 SearchHit next = iterator.next;104105 Map<String, Object> source = next.getSource;106107 System.out.println("id:"+source.get("id"));108109 System.out.println("title:"+source.get("title"));110111 System.out.println("content:"+source.get("content"));112113 System.out.println("----------------------------------");114115 }116117118119 }120121 @Test122123 public void searchByQueryString{124125// 创建查询对象126127 QueryBuilder queryBuilder = QueryBuilders.queryStringQuery("我家住在临安").defaultField("title");128129// 执行查询130131 SearchResponse searchResponse = client.prepareSearch("index_hello")132133 .setTypes("article")134135 .setQuery(queryBuilder)136137 .setFrom(0)138139 .setSize(3)140141 .highlighter(new HighlightBuilder.field("title").preTags("<em>").postTags("</em>"))142143 .get;144145// 获取总记录数146147 SearchHits hits = searchResponse.getHits;148149 System.out.println("总记录数："+hits.getTotalHits);150151// 结果列表152153 Iterator<SearchHit> iterator = hits.iterator;154155 while (iterator.hasNext){156157 SearchHit next = iterator.next;158159 Map<String, Object> source = next.getSource;160161 System.out.println("id:"+source.get("id"));162163 System.out.println("title:"+source.get("title"));164165 System.out.println("content:"+source.get("content"));166167 System.out.println("----------------------------------");168169 HighlightField title = next.getHighlightFields.get("title");170171 System.out.println(title.getFragments[0]);172173 }174175176177 }178179 @After180181 public void close{182183 client.close;184185 }186187}

Spring Data Elasticsearch

使用原始JAVA客户端操作ES非常复杂，Spring最擅长做整合对ES的操作将会大大简化，所以还是推荐使用Spring Data，原生的作为了解即可。

8.1 创建Maven工程，导入坐标

1 <dependencies>23 <dependency>45 <groupId>org.elasticsearch</groupId>67 <artifactId>elasticsearch</artifactId>89 <version>5.6.10</version>1011 </dependency>1213 <dependency>1415 <groupId>org.elasticsearch.client</groupId>1617 <artifactId>transport</artifactId>1819 <version>5.6.10</version>2021 </dependency>2223 <dependency>2425 <groupId>org.apache.logging.log4j</groupId>2627 <artifactId>log4j-to-slf4j</artifactId>2829 <version>2.9.1</version>3031 </dependency>3233 <dependency>3435 <groupId>org.slf4j</groupId>3637 <artifactId>slf4j-api</artifactId>3839 <version>1.7.24</version>4041 </dependency>4243 <dependency>4445 <groupId>org.slf4j</groupId>4647 <artifactId>slf4j-simple</artifactId>4849 <version>1.7.21</version>5051 </dependency>5253 <dependency>5455 <groupId>log4j</groupId>5657 <artifactId>log4j</artifactId>5859 <version>1.2.12</version>6061 </dependency>6263 <dependency>6465 <groupId>junit</groupId>6667 <artifactId>junit</artifactId>6869 <version>4.12</version>7071 </dependency>7273 <dependency>7475 <groupId>com.fasterxml.jackson.core</groupId>7677 <artifactId>jackson-core</artifactId>7879 <version>2.8.1</version>8081 </dependency>8283 <dependency>8485 <groupId>com.fasterxml.jackson.core</groupId>8687 <artifactId>jackson-databind</artifactId>8889 <version>2.8.1</version>9091 </dependency>9293 <dependency>9495 <groupId>com.fasterxml.jackson.core</groupId>9697 <artifactId>jackson-annotations</artifactId>9899 <version>2.8.1</version>100101 </dependency>102103 <dependency>104105 <groupId>org.springframework.data</groupId>106107 <artifactId>spring-data-elasticsearch</artifactId>108109 <version>3.0.9.RELEASE</version>110111 <exclusions>112113 <exclusion>114115 <groupId>org.elasticsearch.plugin</groupId>116117 <artifactId>transport-netty4-client</artifactId>118119 </exclusion>120121 </exclusions>122123 </dependency>124125 <dependency>126127 <groupId>org.springframework</groupId>128129 <artifactId>spring-test</artifactId>130131 <version>5.0.8.RELEASE</version>132133 <scope>test</scope>134135 </dependency>136137138139 </dependencies>

8.2 添加配置文件

1<?xml version="1.0" encoding="UTF-8"?>23<beans xmlns="http://www.springframework.org/schema/beans"45 xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"67 xmlns:context="http://www.springframework.org/schema/context"89 xmlns:elasticsearch="http://www.springframework.org/schema/data/elasticsearch"1011 xsi:schemaLocation="1213http://www.springframework.org/schema/beans1415http://www.springframework.org/schema/beans/spring-beans.xsd1617http://www.springframework.org/schema/context1819http://www.springframework.org/schema/context/spring-context.xsd2021http://www.springframework.org/schema/data/elasticsearch2223http://www.springframework.org/schema/data/elasticsearch/spring-elasticsearch-1.0.xsd2425">2627 <!-- 客户端对象 -->2829 <elasticsearch:transport-client id="esClient" cluster-name="elasticsearch" cluster-nodes="127.0.0.1:9300"/>3031 <!-- 包扫描器 -->3233 <elasticsearch:repositories base-package="com.itheima.es.repositories"/>3435 <!-- 模板对象 -->3637 <bean id="elasticsearchTemplate" class="org.springframework.data.elasticsearch.core.ElasticsearchTemplate">3839 <constructor-arg name="client" ref="esClient"/>4041 </bean>4243</beans>

8.3 创建实体类，添加dao接口

1@Document(indexName = "my_blog",type = "article")23public class Article {45 @Id67 @Field(type = FieldType.Long)89 private Long id;1011 @Field(type = FieldType.Text,analyzer = "ik_smart")1213 private String title;1415 @Field(type = FieldType.Text,analyzer = "ik_smart")1617 private String content;18192021 public Article {2223 }24252627 public Article(Long id, String title, String content) {2829 this.id = id;3031 this.title = title;3233 this.content = content;3435 }36373839 public Long getId {4041 return id;4243 }44454647 public void setId(Long id) {4849 this.id = id;5051 }52535455 public String getTitle {5657 return title;5859 }60616263 public void setTitle(String title) {6465 this.title = title;6667 }68697071 public String getContent {7273 return content;7475 }76777879 public void setContent(String content) {8081 this.content = content;8283 }84858687 @Override8889 public String toString {9091 return "Article{" +9293 "id=" + id +9495 ", title='" + title + ''' +9697 ", content='" + content + ''' +9899 '}';100101 }102103}

1public interface ArticleRepository extends ElasticsearchRepository<Article,Long> {23}

8.4 索引映射和文档增删改查

1@RunWith(SpringRunner.class)23@ContextConfiguration("classpath:applicationContext.xml")45public class ESTest {67 @Autowired89 private ArticleRepository articleRepository;1011 @Autowired1213 private ElasticsearchTemplate template;1415 @Test1617 public void createIndex{1819// 创建索引并配置映射关系2021 template.createIndex(Article.class);2223// 配置映射2425// template.putMapping(Article.class);2627 }2829 @Test3031 public void addDocumentAndUpdateDocument{3233 Article article = new Article(2L,"时政新闻眼丨在一场罕见的电视电话会上，习近平这样动员战“疫”","2月23日，农历二月初一。一场特别的会议在人民大会堂召开，分会场一直设到了县、团。中国正在打一场疫情防控的人民战争、总体战、阻击战。怎样分析这场战争？目前打到了哪一步？如何全面打赢？亲自指挥这场战争的习近平在这场“战时会议”上从容作答。");3435// 添加文档3637 articleRepository.save(article);3839 }4041 @Test4243 public void delDocument{4445// 根据Id删除4647 articleRepository.deleteById(1L);4849// 全部删除5051// articleRepository.deleteAll;5253 }5455 @Test5657 public void findAll{5859 Iterable<Article> all = articleRepository.findAll;6061 all.forEach(a-> System.out.println(a));6263 }6465 @Test6667 public void findById{6869 Optional<Article> optional = articleRepository.findById(2L);7071 System.out.println(optional.get);7273 }7475}

8.5 自定义查询

在接口中定义自定义查询，使用IDEA会有提示这里就不做介绍

8.6 原始查询条件查询

1 @Test23 public void nativeSearch{45 NativeSearchQuery query = new NativeSearchQueryBuilder67 .withQuery(89 QueryBuilders.queryStringQuery("测试一个查询")1011 .defaultField("title")1213 ).withPageable(PageRequest.of(0,15))1415 .build;1617 AggregatedPage<Article> articles = template.queryForPage(query, Article.class);1819 articles.forEach(a-> System.out.println(a));2021 }

到此ES学习已经够项目上使用了，所以学了这门技术就不要让他在你的大脑吃灰，赶紧应用到你们的项目中，最后祝大家技术越学越NB!

附 字段属性字段属性详解type

Elasticsearch中支持的数据类型非常丰富：

我们说几个关键的：

String类型，又分两种：

text：可分词，不可参与聚合

keyword：不可分词，数据会作为完整字段进行匹配，可以参与聚合

Numerical：数值类型，分两类

基本数据类型：long、interger、short、byte、double、float、half_float

浮点数的高精度类型：scaled_float

需要指定一个精度因子，比如10或100。elasticsearch会把真实值乘以这个因子后存储，取出时再还原。

Date：日期类型

elasticsearch可以对日期格式化为字符串存储，但是建议我们存储为毫秒值，存储为long，节省空间。

index

index影响字段的索引情况。

true：字段会被索引，则可以用来进行搜索。默认值就是true

false：字段不会被索引，不能用来搜索

index的默认值就是true，也就是说你不进行任何配置，所有字段都会被索引。

但是有些字段是我们不希望被索引的，比如商品的图片信息，就需要手动设置index为false。

store

是否将数据进行额外存储。

在学习lucene和solr时，我们知道如果一个字段的store设置为false，那么在文档列表中就不会有这个字段的值，用户的搜索结果中不会显示出来。

但是在Elasticsearch中，即便store设置为false，也可以搜索到结果。

原因是Elasticsearch在创建文档索引时，会将文档中的原始数据备份，保存到一个叫做_source的属性中。而且我们可以通过过滤_source来选择哪些要显示，哪些不显示。

而如果设置store为true，就会在_source以外额外存储一份数据，多余，因此一般我们都会将store设置为false，事实上，store的默认值就是false。

boost

激励因子，这个与lucene中一样

其它的不再一一讲解，用的不多，大家参考官方文档：

原文链接：

https://blog.csdn.net/mr_xinchen/article/details/104231377

本文标签：