安裝 Elasticsearch
Elasticsearch 受Apache 2許可證保護，可以被下載，使用，免費修改。安裝Elasticsearch 之前妳需要先確保在妳的電腦上安裝了Java Runtime Environment (JRE) ，Elasticsearch 是使用java實現的並且依賴java庫運行。妳可以使用下面的命令行來檢測妳是否安裝了java
推薦使用java最新的穩定版本（寫這篇文章的時候是1.8）。妳可以在找到在妳系統上安裝java的指導手冊。
接下來是下載最新版本的Elasticsearch （寫這篇文章的時候是2.3.5），去下載ZIP 文件。Elasticsearch 不需要安裝，壹個zip文件就包含了可在所有支持的系統上運行的文件。解壓下載的文件，就完成了。有幾種其他的方式運行Elasticsearch ，比如：獲得TAR 文件或者為不同Linux發行版本的包。
如果妳使用的是Mac操作系統並且安裝了?，妳就可以使用這行命令安裝Elasticsearch brew install elasticsearch.Homebrew 會自動添加executables 到妳的系統並且安裝所需的服務。它也可以使用壹行命令幫妳更新應用:brew upgrade elasticsearch.
想在Windows上運行Elasticsearch ，可以在解壓的文件夾裏，通過命令行運行bin\elasticsearch.bat 。對於其他系統，可以從終端運行 ./bin/elasticsearch.這時候，Elasticsearch 就應該可以在妳的系統上運行了。
就像我之前提到的，妳可以使用Elasticsearch的幾乎所有的操作，都可以通過RESTful APIs完成。Elasticsearch 默認使用9200 端口。為了確保妳正確的運行了Elasticsearch。在妳的瀏覽器中打開http://localhost:9200/ ，將會顯示壹些關於妳運行的實例的基本信息。
圖形用戶界面
Elasticsearch不須圖形用戶界面，只通過REST APIs就提供了幾乎所有的功能。然而如果我不介紹怎麽通過APIs和 Node.js執行所有所需的操作，妳可以通過幾個提供了索引和數據的可視化信息GUI工具來完成，這些工具甚至含有壹些高水平的分析。
, 是同壹家公司開發的工具， 它提供了數據的實時概要，並提供了壹些可視化定制和分析選項。Kibana 是免費的。
還有壹些是社區開發的工具，如?,?, 甚至谷歌瀏覽器的擴展組件.這些工具可以幫妳在瀏覽器中查看妳的索引和數據，甚至可以試運行不同的搜索和匯總查詢。所有這些工具提供了安裝和使用的攻略。
創建壹個Node.js環境
彈性搜索為Node.js提供壹個官方模塊，稱為elasticsearch。首先，妳需要添加模塊到妳的工程目錄下，並且保存依賴以備以後使用。
然後，妳可以在腳本裏導入模塊，如下所示：
最終，妳需要創建客戶端來處理與彈性搜索的通訊。在這種情況下，我假設妳正在運行彈性搜索的本地機器IP地址是127.0.0.1，端口是9200（默認設置）。
註意：這篇導讀的所有源代碼都可以在GitHub下載查看。最簡單的查看方式是在妳的PC機上克隆倉庫，並且從那裏運行示例代碼：
數據導入
在本教程中，我將使用 1000 篇學術論文裏的內容，這些內容是根據隨機算法逐壹生成的，並以 JSON 格式提供，其中的數據格式如下所示：
JSON 格式中的每個字段如字面意思，無需多余解釋，但值得註意的是：由於<body>包含隨機生成的文章的全部的內容（大概有100~200個段落），所以並未展示。
雖然 Elasticsearch 提供了，、單個數據的方法，但我們采用接口導入數據，因為批量接口在大型數據集上執行操作的效率更高。
這裏，我們調用函數bulkIndex建立索引，並傳入 3 個參數，分別是：索引名 library，類型名library，JSON 數據格式變量 articles。bulkIndex函數自身則通過調用esClient對象的bulk接口實現，bulk 方法包含壹個body屬性的對象參數，並且每個body屬性值是壹個包含 2 種操作實體的數組對象。第壹個實體是 JSON 格式的操作類型對象，該對象中的index屬性決定了操作的類型(本例子是文件索引)、索引名、文件ID。第二個實體則是文件對象本身。
註意，後續可采用同樣的方式，為其他類型文件（如書籍或者報告）添加索引。我們還可以有選擇的每個文件分配壹個唯壹的ID，如果不體統唯壹的ID，Elasticsearch 將主動為每個文件分配壹個隨機的唯壹ID。
假設妳已經從代碼庫中下載了 Elasticsearch 項目代碼，在項目根目錄下執行如下命令，即可將數據導入至Elasticsearch中：
檢查數據的索引是否準確
Elasticsearch 最大的特性是接近實時檢索，這意味著，壹旦文檔索引建立完成，1 秒內就可被檢索(見)。索引壹旦建立完成，則可通過運行 indice.js 檢查索引信息的準確性()：
client 中的cat 對象方法提供當前運行實例的各種信息。其中的 indices 方法列出所有的索引信息，包括每個索引的健康狀態、以及占用的磁盤大小。 而其中的 v 選項為 cat方法新增頭部響應。
當運行上面代碼段，您會發現，集群的健康狀態被不同的顏色標示。其中，紅色表示為正常運行的有問題集群；黃色表示集群可運行，但存在告警；綠色表示集群正常運行。在本地運行上面的代碼段，您極有可能(取決於您的配置)看到集群的健康狀態顏色是黃色，這是因為默認的集群設置包含 5 個節點，但本地運行只有 1 個實例正常運行。鑒於本教程的目的僅局限於 Elasticsearch 指導學習，黃色即可。但在線上環境中，妳必須確保集群的健康狀態顏色是綠色的。
動態和自定義映射
如前所述, Elasticsearch 無模式(schema-free)，這意味著，在數據導入之前，您無需定義數據的結構(類似於SQL數據庫需要預先定義表結構)，Elasticsearch 會主動檢測。盡管 Elasticsearch 被定義為無模式，但數據結構上仍有些限制。
Elasticsearch 以映射的方式引用數據結構。當數據索引建立完成後，如果映射不存在，Elasticsearch 會依次檢索 JSON 數據的每個字段，然後基於被字段的類型(type)自動生成映射(mapping)。如果存在該字段的映射，則會確保按照同樣的映射規則新增數據。否則直接報錯。
比如：如果{"key1": 12} 已經存在，Elasticsearch 自動將字段 key1 映射為長整型。現在如果妳嘗試通過{"key1": "value1", "key2": "value2"} 檢索, 則會直接報錯，因為系統預期字段 key1 為長整型。同時，如果通過 {"key1": 13, "key2": "value2"} 檢索則不會報錯，並為字段 key2 新增 string 類型。
映射不能超出文本的範圍，大都數情況下，系統自動生成的映射都可正常運行。
構建搜索引擎
壹旦完成數據索引，我們就可以開始實現搜索引擎。Elasticsearch提供了壹個直觀的基於JSON的全搜索查詢的結構-Query DSL，定義查詢。有許多有用的搜索查詢類型，但是在這篇文章中，我們將只看到幾個通用的類型。關於Query DSL的完整文章可以在看到。
請記住，我提供了每個展示例子的源碼的連接。設置完妳的環境和索引測試數據後，妳可以下載源碼，然後運行在妳的機器上運行任何例子。可以通過命令行運行節點filename.js。
返回壹個或多個索引的所有記錄
為了執行我們的搜索，我們將使用客戶端提供的多種搜索方法。最簡單的查詢是match_all，它可以返回壹個或多個索引的所有的記錄。下面的例子顯示了我們怎麽樣獲取在壹個索引中獲取所有存儲的記錄（）.
主要的搜索查詢包含在Query對象中。就像我們接下來看到的那樣，我們可以添加不同的搜索查詢類型到這個對象。我們可以為每壹個Query添加壹個查詢類型的關鍵字（如match_all），讓這個Query成為壹個包含搜索選項的對象。由於我們想返回索引的所有記錄，所以在這個例子中沒有查詢選項。
除了Query對象，搜索體中可以包含其他選項的屬性，如 size 和from。size屬性決定了返回記錄的數量。如果這個值不存在，默認返回10個記錄。from屬性決定了返回記錄的起始索引，這對分頁有用。
理解查詢API的返回結果
如果妳打印搜索API返回結果（上面例子的結果）日誌。由於它包含了很多信息，剛開始看起來無所適從。
在最高級別日誌輸出裏，返回結果中含有took 屬性，該屬性值表示查找結果所用的毫秒數，timed_out只有在最大允許時間內沒有找到結果時為true，_shards 是不同節點的狀態的信息（如果部署的是節點集群），hits是查詢結果。
hits的屬性值是壹個含有下列屬性的對象：
total —表示匹配的條目的總數量
max_score — 找到的條目的最大分數
hits — 找到的條目的數組，在hits數組裏的每壹天記錄，都有索引，類型，文檔，ID，分數，和記錄本身（在_source元素內）。
這十分復雜，但是好消息是壹旦妳實現了壹個提取結果的方法，不管妳的搜索查詢結果時什麽，妳都可以使用相同的格式獲取結果。
還需要註意的是Elasticsearch 有壹個好處是它自動地給每壹個匹配記錄分配分數，這個分數用來量化文件的關聯性，返回結果的順序默認的按鈕分數倒排。在例子中我們使用match_all取回了所有的記錄，分數是沒有意義的，所有的分數都被計算為1.0。
匹配含指定字段值的文檔
現在我們看幾個更加有趣的例子. 我們可以通過使用 match 關鍵字查詢文檔是否與指定的字段值匹配。壹個最簡單的包含 match 關鍵字的檢索主體代碼如下所示：
如上文所述, 首先通過為查詢對象新增壹個條目，並指定檢索類型，上面示例給的是 match 。然後再檢索類型對象裏面，申明待檢索的文檔對象，本例是 title 文檔對象。然後再文檔對象裏面，提供相關檢索數據，和 query 屬性。我希望妳測試過上述示例之後，驚訝於 Elasticsearch 的檢索效率。
上述示例執行成功後，將返回title(標題)字段與任壹 query 屬性詞匹配的所有文檔信息。同時還可以參考如下示例，為查詢對象附加最小匹配數量條件：
與該查詢匹配的文檔 title(標題)字段至少包含上訴指定的 3 個關鍵詞。如果查詢關鍵詞少於 3個，那麽匹配文檔的 title(標題)字段必須包含所有的查詢詞。Elasticsearch 的另壹個有用的功能是 fuzziness(模糊匹配).這對於用戶輸入錯誤的查詢詞將非常有用，因為fuzzy(模糊匹配)將發現拼寫錯誤並給出最接近詞供選擇。對於字符串類型，每個關鍵字的模糊匹配值是根據算法?算出的最大允許值。fuzziness(模糊匹配)示例如下所示：
多個字段搜索
如果妳想在多個字段中搜索，可以使用multi_match搜索類型。除了Query對象中的fields屬性外，它同match有點類似。fields屬性是需要搜索的字段的集合。這裏我們將在title,authors.firstname, 和authors.lastname 字段中搜索。
multi_match查詢支持其他搜索屬性，如minimum_should_match 和fuzziness。Elasticsearch支持使用通配符（如*）匹配字段，那麽我們可以使用['title', 'authors.*name']把上面的例子變得更短些。
匹配壹個完整的句子
Elasticsearch也支持精確的匹配壹個輸入的句子，而不是在單詞級別。這個查詢是在普通的match 查詢上擴展而來，叫做 match_phrase。下面是壹個match_phrase的例子
聯合多個查詢
到目前為止，在例子中我們每次請求只使用了單個查詢。然而Elasticsearch允許妳聯合多個查詢。最常用的復合查詢是bool，bool查詢接受4種關鍵類型must, should, must_not, 和filter. 像它們的名字表示的那樣，在查詢結果的數據裏必須匹配must裏的查詢，必須不匹配must_not裏的查詢，如果哪個數據匹配should裏的查詢，它就會獲得高分。每壹個提到的元素可以使用查詢數組格式接受多個搜索查詢。
下面，我們使用bool查詢及壹個新的叫做query_string的查詢類型。它允許妳使用 AND 或 OR寫壹些比較高級的查詢。另外，我們使用了 range查詢，它可以讓我們通過給定的範圍的方式去限制壹個字段。
在上面的例子中，查詢返回的數據，作者的名包含term1 或它們的姓包含term2，並且它們的title含有term3，而且它們不在2011,2012或2013年出版的，還有在body字段裏含有給定句子數據將獲得高分，並被排列到結果的前面（由於在should從句中的match 查詢）。
過濾，聚合，和建議
除了它先進的搜索功能外，Elasticsearch 還提供了其他的功能。接下來，我們再看看其他三個比較常用的功能。
過濾
也許，妳經常想使用特定的條件凝縮查詢結果。Elasticsearch通過filters 提供了這樣的功能。在我們的文章數據裏，假設妳的查詢返回了幾個文章，這些文章是妳選擇的在5個具體年份發布的文章。妳可以簡單的從搜索結果中過濾出那些不匹配條件的數據，而不改變查詢結果的順序。
在bool 查詢的must 從句中，過濾和相同查詢之間的不同之處在於，過濾不會影響搜索分數，而must 查詢會。當查詢結果返回並且用戶使用給定的條件過濾時，他們不想改變結果的順序，相反地，他們只想從結果中移除不相關的數據。過濾與搜索的格式壹樣，但在通常情況下，他們在有明確值的字段上定義，而不是文本字符串上。Elasticsearch 推薦通過bool復合查詢的filter從句添加過濾。
繼續看上面的例子，假設我們想把搜索結果限制在在2011到2015年之間發布的文章裏。這樣做，我們只需要在壹般搜索查詢的filter 部分添加range 查詢。這將會從結果中移除那些不匹配的數據。下面是壹個過濾查詢的例子
聚合
聚合框架會基於壹次搜索查詢，提供各種聚合數據和統計信息。兩個主要的聚合類型是度量和分塊, 度量聚合會對壹個文檔的集合進行持續的跟蹤並計算度量，而分塊聚合則會進行塊的構建，每個塊都會跟壹個鍵和壹個文檔查詢條件關聯起來。度量聚合的示例有平均值，最小值，最大值，加總值還有計數值。分塊聚合的示例有範圍、日期範圍、直方圖以及主題項。對聚合器更加深入的描述可以在?找到。
聚合可以放置在壹個 aggregations 對象裏面，而對象自己則是被直接放到 search 對象體中。在 aggregations 對象裏面，每壹個鍵都是由用戶賦予壹個聚合器的名稱。聚合器的類型和其它選項都應該是作為這個鍵的值而放置的。接下來我們要來看看兩個不同類型的聚合器，壹個是度量的，壹個塊的。我們會用度量聚合器來嘗試找出數據集合中最小的年份值（也就是最久遠的文章），而使用塊集合器我要做的就是嘗試找出每壹個關鍵詞各自出現了多少次。
在上述示例中，我們將度量聚合器命名為 min_year (也可以是其它名稱), 也就是 year 這個域上的 min 類型。塊聚合器責備命名為 keywords, 就是 keywords 這個域上的 terms 類型。聚合操作的結果被裝在了響應消息裏的 aggregations 元素裏面，更深入壹點會發現裏面包含了每壹個聚合器（這裏是 min_year 和 keywords）以及它們的聚合操作結果。 如下是來自這個示例響應消息中的部分內容。
響應消息中默認最多會有10個塊返回。妳可以在請求中 filed 的邊上加入壹個size鍵來規定返回的塊的最大數量。如果妳想要接收到所有的塊，可以將這個值設置為 0。
建議
Elasticsearch 提供了多種可以對輸入內容提供替換和補全的關聯項推薦器（見）。下面將介紹術語和短語推薦器。術語推薦器為每個輸入文本中的術語提供關聯推薦（如果有的話），而短語推薦器將整個輸入文本看做壹個短語（與將其拆分成術語對比），然後提供其他短語的推薦（如果有的話）。使用推薦API時，需要調用Node.js client的suggest方法。如下為術語推薦器的示例。
與其他client的方法相同，在請求體中包含壹個index字段指明采用的索引。在body字段中添加查詢推薦的文本，然後給每個推薦器壹個（包含了聚合對象的）名稱（本例中的titleSuggester）。其值指明了推薦器的類型和配置。這裏，為title字段使用了術語推薦器，限制最大建議的數量是每個token最多5個（size: 5）。
建議API返回的數據中包含了對應請求中每壹個建議器的key，其值是壹個與妳輸入文本中術語數量相同的壹個數組。對於數組中的每壹個元素，包含壹個options數組，其每個對象的text字段中包含了推薦的文本。如下是上面例子中返回數據的壹部分。
獲取短語推薦的時候，采用與上文相同的格式並替換推薦器的類型字段即可。如下的例子中，返回數據將與上例格式相同。