• 只能在Java项目中使用
• 使用非常复杂--创建索引和搜索索引代码多
• 不支持集群环境-索引数据不同步（不支持大型项目）
• 索引的数据太多的话，和应用共用磁盘空间会减少。

Luncene直接通过java API调用，而ES封装了简单的RESTful请求。

二、ES不是什么

1、ES不是数据库，不是可靠的数据存储系统。
[Indexing] A network partition can cause in flight documents to be lost

2、ES不是实时系统，数据写入成功只是translog成功，类似mysql的binlog,同理删除数据也不是实时的。其实ES内部有一个后台线程，定时将内存的数据写入到存储引擎中。当然可以写入数据后refresh,但是会重新打开所有索引文件，需要解压和刷缓存等等，性能影响极大

3、ES不是一个强一致性的系统。也就是说同样的query多次查询的数据可能会不一致。由于shard的主分片和副本是由独立的节点去刷新的，刷新的频率并不同步，这样同样的query发送到不同的分片（主片和从片）上看到的数据是不同的，导致的结果是查询到的数据也不完全同步。简单说，ES是一个最终一致性系统

• 支持集群没有单点故障
• 支持集群扩展（高并发）
• 在集群环境使用（大项目）

1. 安装ES服务端（官方下载地址，依赖于JDK1.7以上，linux    修改配置文件Xms Xmx改为1G，运行bin/.bat包）图形界面和代码界面的端口不同9200和9300
2. 了解Restfull风格，面向资源的架构风格。GET查询  PUT添加  POST修改  DELE删除  使用URL定位资源用HTTP描述进行操作。
3. 选用一种图形界面客户端，简单操作
4. 使用图形界面客户端执行各种命令
5. 使用代码客户端来操作ES的服务端

图形界面客户端  端口9200

• Curl命令方式（window不支持）
• 火狐的插件 POSTER
• 辅助管理工具Kibana（官方推荐，注意版本一致）

Kibana下载，并修改配置config/kibana.yml设置elasticsearch.url值为已启动的ES ,启动bin\kibana.bat,默认访问地址http://localhost:5601

• _index:文档存储位置
• _type:文档的类型
• _id:文档标识
• _source:文档原始数据
• _all:所有字段值拼接

• 过滤结果可以缓存应用到后续请求
• 查询语句同时匹配文档，计算相关性，所以更耗时，且不缓存
• 过滤语句可有效地配合查询语句完成文档过滤

1. 集成分词器，在服务端通过插件集成分词器
2. 设置字段的分词器，通过客户端告诉ES某个字段要使用哪个分词

1. mvn package install    将源码打包安装到本地库，放到ES的plugins文件夹
2. plugin-descriptor.properties
3. 分词器（可默认）词典配置：confiig/IKAnalyzer.cfg.xml
4. 重启
5. 测试分词器

• 字符串 基本字段类型String ：text分词    keyword不分词
• 数字 ：long integer short double float
• 日期：date
• 逻辑 ：boolean
• 对象：object
• 数组：array
• 地理位置：geo_point  geo_shape

• 默认方式 _default_
• 模板映射
• 自定义映射

• 节点客户端：以无数据身份加入集群，它自己不存储任何数据，但是知道数据在集群中的具***置，并且能够直接转发请求到对应的节点上。
• 传输客户端：发送请求到远程集群，自己不加入集群，只是简单转发请求给集群中的节点。

//创建传输客户端
Settings settings=Settings.builder().put("client.transport.sniff",true);
TransportClient client=new PreBuiltTransportClient(settings);

//给出主机线索
TransportAddress transportAddress=new InetSocketTransportAddress(InetAddress.getByNme("127.0.0.1"),9300);
client.addTransportAddress(transportAddress);

System.out.println(client);

client.close();

添加：

//获取客户端
TransportClinet client=getClient();
//执行操作
IndexRequestBuilder builder=client.prepareIndex(INDEX,TYPE,"1");
//准备执行对象所需数据
Map<String,Object> employeeMap=new HashMap<>();
employeeMap.put("id",1L);
employeeMap.put("name","el");
employeeMap.put("age",18);
//将数据添加给执行对象
builder.setSource(employeeMap);
IndexResponse response=builder.get();
//关闭客户端
client.close();

获取：

GetRequestBuilder builder=client.prepareGet(INDEX,TYPE,"1");
GetReponse response=builder.get();
System.out.println(response.getSource());

修改：