Elasticsearch索引入门与Lucene原理解析

"此资源是一个关于Elasticsearch索引的PPT介绍，适合用于项目培训，内容涉及索引的创建、管理以及文档的处理，还涵盖了Elasticsearch与Lucene的关系，字段类型的变化以及自定义分析器等核心概念。" Elasticsearch (ES) 是一个流行的开源搜索引擎和分析平台，它基于分布式、RESTful架构，广泛应用于日志分析、实时数据分析等领域。索引是ES中的关键概念，类似于传统数据库中的表，用于存储和检索数据。 在ES中，**禁止自动创建index** 可以通过修改`config/elasticsearch.yml`配置文件实现，将`action.auto_create_index`设置为`false`。**创建index** 需要指定`number_of_shards`（主分片数）和`number_of_replicas`（副本数）。主分片数一旦设定，后期无法更改，而副本数可以在之后进行调整。**查看index** 和**删除index** 有相应的API操作，同样，可以通过API来**创建和管理type**，但ES在6.0版本后不再支持多类型(index内包含多个type)。 **document** 是ES中的基本数据单元，相当于数据库中的记录。在用户眼中，document可能是一条包含各种字段的数据；在Lucene（ES底层的全文检索库）眼中，document被转化为一系列的词汇项（token）；而在ES眼中，document会被映射成特定的mapping，每个字段都有对应的类型和索引策略。 **字段类型** 在ES的新版本中发生了变化，`string`类型被替换为`text`和`keyword`。`text`字段默认进行分词处理，适用于全文搜索；而`keyword`字段则保持原样，适用于精确匹配。**字段索引** 分为三种概念：`index=true`表示字段被索引并可搜索，`index=false`则字段不被索引，无法搜索。`type=string`会先分词再索引，而`type=keyword`则直接整体索引。 **倒排索引** 是ES的核心机制，它使得快速查找匹配的文档成为可能。**自定义分析器** 可以通过`char_filter`（字符过滤）、`tokenizer`（分词器）和`filter`（词过滤器）来定制文本处理流程。例如，可以创建一个名为`my_analyzer`的自定义分析器，组合使用内置的`html_strip`字符过滤器、`standard`分词器和`my_stopwords`过滤器。 此外，ES还支持**动态映射**，这意味着在插入document时，如果包含了type中未定义的字段，系统可以根据字段的性质自动添加映射。动态映射的策略可以设置为`true`、`false`或`strict`，分别表示允许、禁止或严格检查新增字段。 这个PPT提供了全面的ES索引基础和实践指导，对于理解和掌握Elasticsearch的索引管理和数据处理非常有帮助。