ElasticSearch中的写需要一秒鈡进行索引。也就是说，当你对index进行update的时候，需要0.5秒到一秒钟后才能看到你的修改。

es分页性能优化

es的分页,性能很差,因为如果你要查100页的10条内容,那么如果你有5个shard,每个shard都会查询出1000条数据给到协调节点,然后由协调节点根据需求进行排序,筛选等操作,所以翻得页数越深,性能就会越差.

所以使用es不允许深度分页.

如果是类似于微博中的下拉刷出来的一页一页,或者微信朋友圈下拉分页,可以使用scroll来进行处理,实际上scroll就是一次性生成所有数据的快照,然后根据每次翻页的游标获取下一页下一页.性能无论翻多少页都是毫秒级.

es与mysql对比

Mysql与ES的重要概念类比

mysql的数据库相当于Es的索引（Index）

mysql一个数据库有多个表，es的一个索引也有多个类型type

mysql一个表会有多行，es一个type会有多个文档document

mysql的Schema指定表名、表字段是否加你了索引等，而es的mapping会指定type的处理规则是否分词及分词规则等。

mysql的索引需要手动创建，而es的所有字段都是索引。

语法格式

match分词匹配满足一个即返回
term 精准搜索
range 范围查询 gt/lt:大于/小于 gte/lte:大于等于/小于等于
bool多条件复合查询
sort 排序
terms 相当于 mysql中的in
wildcard 模糊匹配 mysql中的like
sum avg max min 函数操作

操作案例

1删除操作delete（删除id为21的数据）

delete from wk_single_customer where id=21

POST wk_single_customer/_delete_by_query   {
  "query":{
    "term":{
      "id":21
    }
  }
}

2修改操作update（将id=4104的referrerId修改为15204,referrername修改为李四）

update wk_single_customer set referrerId= 15204,referrername='李四' where id=4104

POST wk_single_customer/_update_by_query
{
    "script": {
        "source": "ctx._source['referrerId']='15204'; ctx._source['referrername']='李四';"
    },  
    "query": {
        "bool": {
            "must": [
                {
                    "term": {
                        "customerId": "4104"
                    }
                }
            ]
        }
    }
}

3查询所有

select * from wk_single_customer

GET /wk_single_customer/_search

GET /wk_single_customer/_search{
  "query": {
    "match_all": {}
  }
}

4等值查询

select * from wk_single_customer where name = '张三'

GET /wk_single_customer/_search{
  "query": {
    "term": {
      "name": "张三"
    }
  }
}

5模糊匹配，相当于MySQL中的like（查询姓名中带有’朋‘的）

select * from wk_single_customer where name like %朋%

GET /wk_single_customer/_search
{
 "query": {
 "wildcard": {
 "detail": {
 "name": "朋",
 }
 }
 }
}