1、首先来介绍一下 Elasticsearch：

Elasticsearch是一个开源的分布式搜索和分析引擎，基于Apache Lucene构建。它提供了一个快速、实时的搜索和分析功能，适用于各种用例，包括全文搜索、日志和指标分析、安全事件检测等。

主要特点包括：

1. 分布式架构：Elasticsearch采用分布式架构，可以水平扩展以处理大量数据和请求。它将索引划分为多个分片，并将这些分片分布在集群中的多个节点上，从而实现数据的并行处理和高可用性。

2. 实时搜索：Elasticsearch提供了实时搜索功能，可以快速地检索和分析大规模数据，并在几乎实时的速度下返回结果。这使得它非常适用于需要快速响应的应用场景，如日志分析和监控系统。

3. 多种数据类型支持：Elasticsearch支持多种数据类型的索引和查询，包括文本、数字、日期、地理位置等。这使得它可以用于各种不同类型的数据分析和搜索。

4. 丰富的查询功能：Elasticsearch提供了丰富而灵活的查询功能，包括全文搜索、过滤、聚合等。它还支持复杂的查询语法和自定义查询逻辑，使用户可以根据自己的需求进行定制化的搜索和分析。

5. 易于集成：Elasticsearch与许多其他流行的开源工具和技术（如Logstash、Kibana、Beats等）集成紧密，可以轻松地与它们一起构建完整的数据处理和分析解决方案。

 

2、Elasticsearch和MySQL在设计和应用方面有一些显著的区别：

1. 数据存储方式：

   • MySQL是一种关系型数据库管理系统（RDBMS），它使用表格和行来组织和存储数据，并支持 SQL 查询语言。
   • Elasticsearch是一种面向文档的分布式搜索和分析引擎，它使用倒排索引和分布式文档存储来存储和索引数据。

2. 数据模型：

   • MySQL使用固定模式（schema），需要在创建表格时定义表格的结构和字段类型。
   • Elasticsearch是schema-less的，它允许灵活地索引各种类型的文档，而无需预先定义模式。

3. 查询语言：

   • MySQL使用结构化查询语言（SQL）来执行各种查询操作，包括插入、更新、删除和查询。
   • Elasticsearch使用基于 JSON 的查询语言来执行各种搜索和分析操作，包括全文搜索、过滤、聚合等。

4. 搜索和分析功能：

   • Elasticsearch专注于搜索和分析，提供了强大的全文搜索、聚合、地理空间搜索等功能。
   • MySQL虽然也支持一些基本的搜索和聚合操作，但其功能相对较为有限，主要集中在传统的关系型数据库功能上。

5. 实时性和扩展性：

   • Elasticsearch具有良好的实时性和可扩展性，可以处理大量的实时数据，并支持水平扩展以应对高负载。
   • MySQL在处理大规模数据和高并发访问时可能会遇到性能瓶颈，需要通过垂直或水平扩展来提高性能和容量。

       总的来说，Elasticsearch适用于需要实时搜索和分析大规模数据的应用场景，而MySQL适用于传统的关系型数据存储和处理场景。在某些情况下，两者也可以结合使用，例如使用MySQL作为主要数据存储，而使用Elasticsearch作为搜索引擎来提供更快速和灵活的搜索功能。

Elasticsearch使用倒排索引（Inverted Index）来支持全文搜索和分析功能。倒排索引将文档中的每个词（或短语）映射到包含该词的文档列表，从而实现了快速的全文搜索。

 

 

3、怎么在elastic创建 Elasticsearch索引库：

创建索引库，最关键的是分析mapping映射，而mapping映射要考虑的信息包括：

为了实现多个属性一起查询会使用all ，代码如下：

PUT /hotel
{
  "mappings": { // 定义索引的映射设置
    "properties": { // 指定每个字段的属性和数据类型
      "id": { // id字段
        "type": "keyword" // 数据类型为关键字，不进行分词
      },
      "name":{ // name字段
        "type": "text", // 数据类型为文本
        "analyzer": "ik_max_word", // 使用ik_max_word中文分词器进行分词处理
        "copy_to": "all" // 将该字段的值复制到名为"all"的字段中
      },
      "city":{ // city字段
        "type": "keyword", // 数据类型为关键字，不进行分词
        "copy_to": "all" // 将该字段的值复制到名为"all"的字段中
      },
      "all":{ // all字段
        "type": "text", // 数据类型为文本
        "analyzer": "ik_max_word" // 使用ik_max_word中文分词器进行分词处理
      }
    }
  }
}

相关语句：

• 查询Elasticsearch索引库：GET /hotel/_mapping
• 查询Elasticsearch里的数据：GET /hotel/_search

如果觉得当前索引库不满意，可以查询创建一个索引库hotel1，然后使用如下语句，把hotel1绑定到hotel关联的Elasticsearch数据库：

//使用 Reindex API 将现有索引中的数据重新索引到新创建的索引中。例如：
POST _reindex
{
  "source": {
    "index": "your_old_index" //hotel
  },
  "dest": {
    "index": "your_new_index" //hotel1
  }
}

• 删除索引库：DELETE /your_old_index

4、最后对比一下Elasticsearch和Mysql分别使用什么索引：

Elasticsearch和MySQL分别使用不同类型的索引来支持其各自的查询和搜索功能：

Elasticsearch：

1. Elasticsearch使用倒排索引（Inverted Index）来支持全文搜索和分析功能。倒排索引将文档中的每个词（或短语）映射到包含该词的文档列表，从而实现了快速的全文搜索。
2. 此外，Elasticsearch还支持其他类型的索引，如地理空间索引（Geo Index）、日期索引（Date Index）等，以便于特定类型的搜索和分析。

MySQL：

1. MySQL主要使用B树索引（B-tree Index）来加速对表格中数据的查找和访问。B树索引适用于范围查询、等值查询和排序操作，能够有效地加速对表格中的数据行的检索。
2. MySQL还支持全文索引（Full-Text Index），它可以用于全文搜索功能，但相较于Elasticsearch的倒排索引，其功能相对较为有限。

       总的来说，Elasticsearch的主要索引结构是倒排索引，适用于全文搜索和分析；而MySQL主要使用B树索引来支持关系型数据库的各种查询操作，但也可以使用全文索引来实现一定程度的全文搜索功能。