- 你会一直用代码去操作Oracle、MySQL、Mongo、Redis吗？
不会，你会找一个工具来方便直接操作数据库，那么用Kibana操作ES就是这么一个工具； - 在Kibana里快速了解与实践ES有哪些接口、分别能做什么，加深对其功能与数据结构的了解；
- 在浏览器访问你的Kibana地址(我本机是 localhost:5601)；
- 在左侧导航菜单找到Dev Tools并点击；
- 看到一个左右分栏的页面, 现在我们在左分页输入一个指令看看
这是查看ES的健康状况，如果使用的是单节点，状态会始终是 yellow 不会是 green。想要绿还得多节点运动。
直接插入一条数据来自动创建索引
- 当插入一条数据时，如果ES原本没有这个index，系统默认会自动创建该索引，我们来试试：
你会得到下面的返回：
- 我们来查询一下该数据是否已存在：
返回回来了：
是的，老乔尔在这里了，还没有被干掉，向乔尔敬个礼，最后生还者2的编剧夹带了太多私货，还有天理吗？还有王法吗？这样做你的良心不会痛吗？
不能像我一样做个不加带私货，就单纯讲讲技术~~（私货）~~ 的人吗。
- 使用过旧版ES的老司机会纠结type，在ES7开始已经取消了type，_doc在API里也是一个关键字，类似效果的还有下面这个API：
是不是很方便，不用像关系型数据库一样还要建表，直接插入数据就表也有了，数据也有了，有了这样的电动车还要啥自行车？
自行车还是要的，毕竟电动车还要电，没电的时候怎么办呢？难道用爱发电？不要骗自己了，程序员哪里有爱？所以我们一起来看看自行车吧。
正儿八经创建一个index
之前怎么就不正儿八经了？
ES的数据存入后，还记得前言中数据入库到建立索引的过程吗？一大精华就是如何将你的数据建立索引，如果你不告诉ES，他是不知道的，那么就只能自己匹配了，在简单的应用场景下没有什么问题，可是如果想把你的电动车玩成酷炫的改装痛车，那么就要为你的每个零件做定制，现在我们就先来看看如何为不同字段指定类型。
我们先删除刚才创建的index：
接下来我们重新建立索引 character：
上面的命令让我们建立了一个新的index -> character，其中的mappings下的properties，我们指定了字段的属性，我们将name的属性设为keyword，那么它将不会进行分词，而是整个被索引，这就和其他数据库的索引在效果上一样了。
ES有以下这些基本类型：
核心数据类型：
- string
text, keyword, wildcard - Numeric
long, integer, short, byte, double, float, half_float, scaled_float - Date
date - Date nanoseconds
date_nanos - Boolean
boolean - Binary
binary - Range
integer_range, float_range, long_range, double_range, date_range, ip_range
复合数据类型：
- Object
单个json类型 - Nested
一组嵌套的json类型
地理位置数据类型：
- Geo-point
geo_point 经纬度坐标点 - Geo-shape
geo_shape 一个多边形区域
克隆索引
克隆的命令很简单，不过有一些注意事项，克隆只需要这样就可以：
这里要注意一些前提条件
- 你的ES节点健康度必须是绿的，不绿不行；
- 将现有index变为只读，如何变为只读呢？
删除与关闭index
删除
当你想抹去某个index的存在时，就使用该命令，如果你的原始数据在别的库，ES仅仅作为一个索引库时，该操作影响相对有限，否则那就真的是从删库到跑路了：
关闭
当你想要保留某个index又不想人读写它时，就用该命令：
如果已经建立了index，我们自然想要看看这个index到底存在不存在，到底长啥样，对吧。
我有多少index
在kibana中输入下面命令看看你刚才创建的index在吗？没有建或者已删库？
在里面看到你的index了吗？
查看具体某个index
现在你想知道某个具体的index，看看他的properties，又几个副本，什么时候创建的，以及是否有特殊settings？这个命令也很简单：
你也可以用如下命令来判断某个index是否存在，如果存在会返回200，不存在则返回404。
自带ID的数据插入
我们在做数据插入时，可以为数据指定ID，这样系统在存入数据时ID就会是我们传入的值，我们来看看怎么做
这里的返回数据会告诉我们，数据的ID为2，那么我们如果不指定ID呢？不指定的时候会怎样呢？让我们来看看，老乔尔走起：
自动生成ID
我们来看看返回数据：
ID是一串随机生成的字符串，当然我们可以修改ID的激活规则，自动生成ID的规则由settings中的action.auto_create_index控制：
添加超时时间
ES的写入效率并不是特别高，在实际生产环境中，我们总要考虑网络IO的耗时以及其所带来的线程占用及可能的应用崩溃，而在微服务中不考虑这样的问题甚至可能造成系统的雪崩，所以我们希望系统能够快速失败，失败后我们可以重试也可以选择其他降级方案，ES也为我们提供了这样的能力，可以让我们快速失败：
看看这个index下的所有documents
我们有时候就想随便看看一个数据库表中的一些数据，我们对于数据的感觉常常要看到这些数据才会有，这时候我们要怎么做呢？
不带任何参数，是不是很简单。
查看具体ID的数据
只返回特定字段
这时我们只要在调用时添加要返回的source字段即可：
现在我们已经会根据ID查询了，虽然和想象的不太一样，因为我们想要的不应该是用ID来查询，我们想要根据关键字就找到数据。
不要急，我们要循序渐进让你找到感觉，这种感觉就是在轮环中前进，接下来让我们看看更高级的用于搜索的奇巧yinji（哎呀我这输入法怎么坏了打不出来了）
憋说话，开搞！
特定属性值
我们想要找到乔尔，但是我们并不知道他的ID，我们只记住了他的名字，可怜的老乔尔，让我们试试找到他吧。
我们找到乔尔了，但是这样是不是会感觉比较乱？那么我们来这样试试：
以前有小伙伴质疑过这样的请求不是应该是POST吗? GET要跟在URI后面，其实不是这样的。
对返回数据做分页与排序
我们要找到所有描述中带“最”字的数据，然后根据年轻倒序排序，并返回前两个，我们来看看怎么做吧：
复杂查询条件
上面我们的查询条件还是比较单一，要知道再SQL里面我们可以有各种 AND, OR, NOT 以及括号操作，在这里我们要怎么办呢？
我想要描述里带最的数据，同时年龄要大于16岁小于等于46岁的，怎么办呢？居然还有这么骚的操作？
那么我们来看看怎么在查询中满足要求：
- bool 关键字表示我们要进行组合查询；
- must 表示里面的条件都要满足，类似于SQL的AND关键字；
- should 表示其中的条件满足其一就可以，类似于SQL的OR；
- must_not 表示不需要满足该条件，类似于SQL的NOT；
- 这里我们使用了与 must 并列的 filter，这里面可以输入多个条件，它只是根据条件做数据过滤，不进行打分等操作，在性能上优于match的查询，因此如果我们需要快速缩小查询范围时，就可以用filter。
模糊搜索与同义词搜索
模糊搜索
当我们在query中使用 match 时，他默认已经支持了模糊搜索，这里的模糊搜索与我们在关系型数据库中的含义不太一样，在关系型数据库里表示我们要使用 LIKE 了，但是在ES里，表示我们输错了一两个字，它依然帮我们把数据找出来。
让我们试试下面的搜索条件：
我们的数据依然返回了，但是大家看到几条数据的score值，都没有满分，因为我们有错别字。
同义词
该功能的使用需要对同义词做一些配置，这样我们就可以简化搜索，比如：
tlou = the last of us
这里我们不对这一块深入讲解了，因为其难点不在使用。
同一关键字在不同字段匹配
这个可以认为时对于 bool 操作的简化，我们来试一试：
到这里，已经很累了，感觉已经精疲力尽了，饭也没吃厕所也没上的写，我们终于要开始做数据删除了，这个篇章也就快要接近收尾了。
根据ID删除数据
这个语法比较简单，不过要注意不要一不小心删除了整个index
根据查询条件删除
我们来让艾比离开最后生还者的世界吧：
这样艾比就不见了，我们用_search去找时，再也找不到她了，TLOU的世界清净了。
是不是似曾相识的语法? 如果你很好的掌握了上面的复杂查询，那么这里将没有任何难度。
BTW，如果艾比的形象和艾莉丝与蒂法差不多，我们还是可以让她留下来并且接受她成为主角。
根据ID覆盖原数据
这个操作会根据id，覆盖原本的数据，不会只修改你提交的字段：
这样提交后，ID为2的数据，就没有name与game属性了，那么显然这不是我们想要的。
只修改有变动的自动
通常我们只想要修改要改变的字段，没有变动的字段保持原样，那么我们该怎么做呢？
这样提交后原本的name与game属性则不会发生变化。
根据查询条件进行数据修改
是的，现在我们并不知道数据的ID，我们想要找到艾莉，在我们写这段分享的漫长过程中，艾莉又长大了一岁，真是光阴似箭岁月如梭，艾莉已经19岁了，我们应该怎么办呢？
query的部分依然参考上面的复杂查询模块，script是一个新知识点，但是我们也不做展开了，我们只要理解 “source”: “ctx._source[‘age’] = 19” 是将查询到的数据的age字段改为19就可以了。
关于通过Kibana进行ES的CRUD操作，我们就介绍到这里了，不知不觉这已经是一篇万字长文了。
下一步，我们就要移步到通过 Springboot 与 Spring Data Elasticsearch 来使用ES了。想想还有些小激动，是不是。