一、前言
Elasticsearch对外提供RESTful API，下面的演示我们主要使用Postman，进行一系列的Demo演示，这款工具方便各位前端大大或者对接口调试的神器；
安装过于简单我不做过多介绍，推荐一些文章供大家参考安装:
windows:
Elastic Stack-Elasticsearch使用介绍(一)
_bulk批量操作:
View Code_mget批量查询:
View Code如果type相同的话，可以使用ids，将id放入数组当中；
批量操作这2个API还是很重要的，如果要一次性操作很多的数据一定要批量操作，尽可能减少网络开销次数，提升系统的性能；
三、倒排索引
倒排索引就是单词到文档id的关系，如下图
这个时候当我们使用搜索引擎查询包含Elasticsearch文档的，这个时候流程可能是这样的
1.通过倒排索引获取包含Elasticsearch文档id为1；
2.通过正排索引查找id为1的文档内容；
3.拿到正确结果返回；
这个时候我们可以来思考下倒排索引的结构了，当分词以后以我们了解到的数据结构来看的话B+树是一种高效的查询方式，整好符合分词以后的结构，如下图；
当我们快速拿到我们想要的查询的分词的时候，我们这个时候就需要知道最重要的东西就是文档的id，这样确实可以拿到正确的结果，如下图
但是这个时候我们再考虑下另外的情况，当我们在淘宝搜索一个物品的时候他有一个高亮显示，这个时候我们上面的情况就满足不了我们了，我们就需要在倒排索引列表中加入分词位置信息和偏移长度，这个时候我们就可以做高亮显示；
后面又来一种情况，随着文档的扩大，我们当用搜索引擎去查询的时候会有很多结果，我们需要优先显示相近的，这个时候有需要另外一个字段就是词频，记录在文档中出现的次数，这个时候就满足可能出现的所有情况了，结构入下图
明白整体的结构，你就知道为什么搜索引擎可以快速查询出我们要想要的结果来了，是不是很满足，那就点个关注吧！！哈哈！！当然内部有很多很多优化这个我们暂时就先不要管了！！
四、分词器
分词器组成
分词：按照某种规则将整体变成部分，在Elasticsearch中分词的组件是分词器(Analyzer），组成如下：
1.Character Filters: 针对原始文本进行处理，有点类似正则过滤的意思；
2.Tokenizer:按照指定规则进行分词；
3.Token Filters：将分好的词再次粉装转化；
分词器API
Elasticsearch给我们提供分词API就是_analyze,作用就是为了测试是否能按照我们想要的结果进行分词，简单的演示下怎么使用：
看一下返回结果，每个token里面都包含我们说的倒排索引内所有字段，这个type含义我不是很清楚，但是无伤大雅,另外还可以指定索引进行分词，默认为standard分词器：
分词器类型
1.standard
默认分词器,按词切分,支持多语言，字母转化为小写，分词效果太多JSON返回的过长不方便截图，总体来说对中文支持不是很好，分成一个字一个字，毕竟老外写的；
2.simple
按照非字母切分，字母转化为小写;
3.whitespace
按照空格切分；
4.stop
与simple相比增加了语气助词区分，例如then、an、的、得等；
5.keyword
不分词；
6.pattern
通过正则表达式自定义分割符，默认\W+，非兹磁的符号作为分隔符；
7.language
语言分词器,内置多种语言；
以上都是自带分词器，对中文的支持都不是很好，接下来我们看下有哪些中文分词器：
