新工作需要所以開始學一下。。。

elasticsearch的概念和基本原理：

elasticsearch是一個類似於nosql資料庫的東西，基於Lucene，以json格式儲存資料，採用了倒序索引（也叫反向索引），主要用於資訊抓取（我的感覺就是字串查詢），所以主要應用在搜尋引擎和自然語言處理方面。

比如有30篇文章，我想找一個字串出現的位置，普通情況我們要全文搜尋，而elasticsearch在儲存時，會先把文章分詞，然後儲存各個關鍵詞出現的位置。這種就是倒序索引（說實話我覺得和普通索引原理差不多，差別有點微妙）。

然後採用壓縮技術保證空間的最大利用。

elasticsearch的儲存方法和壓縮技術：

存了10篇文章，其中第1,3,5,9裡面有“張三”這個詞出現。

es就會存入："張三"：1,9；

然後壓縮為："張三"：1010100010 （10位2進位制數字，對應出現的文章id，這樣需要存的數字只有一個，比存1,9要節省很多，以此壓縮儲存空間）

上面這個就是5.0之前的壓縮方法：bitmap。

不難想象，這樣儲存需要的空間是線性增長的，比如你需要存6553500個文件，那麼你就需要6553500位的二進位制數字儲存，那麼一個欄位的索引中的一個出現位置就需要接近100 * 2byte的空間來表示，所以之後進行了優化（壓縮套壓縮）

Roarding bitmaps：把上面壓縮後的數字除以65535然後儲存商和餘數。使得結果進一步壓縮。然後儲存為100,0 兩個數字。需要空間減少了99倍。

這樣等於把資料以65535一組分成了很多組。一個索引存的是2，65534，說明這個詞在第2組的第65534篇文章中出現。

如果資料量大於4096個值，用bit set存，如果比較少的話，就直接用2bytes存每個值。 （用java語言，就是資料多就用 Set<byte>來增加效率,資料少就直接用 short[]）。

系統win7 64

ES的主要儲存方式是json，所以需要能看懂json資料。

1. 下載

https://www.elastic.co/cn/downloads/past-releases

選工具和版本，然後下載（網上使用教程很多都是6.2.4，不過我這裡下載的最新版本）。

elasticsearch本質是儲存關鍵詞和出現的位置，英語的句子中單詞是用空格和標點符號分開的，很好分詞。 I am a student。 -> I,am,a,student

但是我們現在處理語言主要針對漢語，所以自帶的分詞器就不好用了，es會預設每個字一個詞，因此需要繫結外掛。

現在主要的中文分詞是用的IK（之前停止更新過一段時間，當時最多支援到elatsicsearc6.4.2，所以當年很多教程安裝elasticsearch的時候選擇了相對早期的6.2.4，然後那些按教程來的教程也都用的6.2.4...）。

不過KI最近貌似又開始更新了，而且更新到了2020.4.1的最新版本，所以這裡我選擇下載elasticsearch的最新版本。

下載zip包，這樣就不用安裝了-。-

然後找個資料夾解壓，完成。

2. 執行

執行bin資料夾下的 elasticsearch.bat

elasticsearch的繫結埠是9200和9300，啟動後開啟瀏覽器，輸入

http://127.0.0.1:9200/

可以看到json格式的elasticsearch資訊，說明安裝成功

3. 新增IK外掛

github： https://github.com/medcl/elasticsearch-analysis-ik/releases

因為是外國伺服器所以可能下載會很慢- -我是網上找了個別人下好的百度盤的

https://www.cnblogs.com/jhtian/p/12688246.html

下載後解壓，新建一個資料夾改名analysis-ik （很老的版本是改名ik），然後放到elasticsearch的plugins資料夾下。

再次啟動elasticsearch， 看到日誌裡顯示ik載入成功（如果路徑錯了的話會閃退）。