一、Index Template与Dynamic Template的概念
1、Index Template：它是用来根据提前设定的Mappings和Settings，并按照一定的规则，自动匹配到新创建的索引上。
1）模板仅是一个索引被创建时才会起作用，修改模板并不会影响已创建的索引；
2）可以设定多个索引模板，这些设置会被merge在一起；
3）通过指定order的数值，控制merge的过程；.
2、Index Template的工作方式如下：
当一个索引被创建时，会执行如下操作：
1）应用ElasticSearch默认的Mappings和Settings；
2）应用order数值低的Index Template中的设定；
3）应用order数值高的Index Template中的设定，之前的设定会被覆盖；
4）创建索引时，用户此时进一步指定了索引的Mappings和Settings，那么覆盖之前模板中的设定；
3、Dynamic Template：根据ElasticSearch识别的数据类型，结合字段名称，动态设定字段类型。
1）例如：所有的字符串类型可以设定成keyword，或者关闭keyword字段；
2）例如：凡是Is开头的字段都设置成Boolean；
3）例如：凡是Long开头的都设置成Long；
如下图所示：
Dynamic Template是定义在索引的Mappings中的，有一个模板名称，匹配规则是一个数组，同时可以将符合规则的字段进行Mapping。
二、Index Template与Dynamic Template使用
1、Index Template
1）通过创建一个dynamic mapping的索引，会发现日期类型推断成功，而数值类型被推断成text类型。 
2）创建一个可以识别以test字符开头的索引模板，同时将日期识别设置为false，将数值识别设置为true。会发现日期会推断为text类型，数值类型推断正常。 
3）在创建索引时，设置settings的值，会覆盖模板设置信息。 
2、Dynamic Template
创建的索引进行mappings设置 
通过对mapping信息的读取可以发现，is开头的字段是boolean类型，duty字段是keyword类型，匹配name开头的字段，将信息可以copy_to到fullname字段中，不匹配middle后缀的字段信息。 
当对fullname字段搜索关于middle字段的信息时，搜索不到结果，当搜索first或者lastname时，可以搜索到结果。 
三、聚合的说明（Aggregation）
1、ElasticSearch聚合的优势
1）ElasticSearch除了搜索外，还提供了针对ElasticSearch数据进行统计分析的功能；
相对于Hadoop而言，ElasticSearch在这方面实时性高，比Hadoop的T+1更及时。
2）通过聚合，会得到一个数据的概览，这样就可以分析和总结全套的数据，而不是仅仅能寻找单个文档；
3）易用性，只需要一条语句，就可以从ElasticSearch中得到分析结果，从而避免在客户端实现分析逻辑；
2、聚合的分类
1）Bucket Aggregation：一些列满足特定条件的文档集合，其相当于SQL中的Group By；
2）Metric Aggregation：一些数学运算，可以对文档字段进行统计分析；
其相当于SQL中对于字段进行运算的函数，如Sum、Count等。它除了可以在字段上进行计算，还可以在脚本产生的结果上进行计算。
大多数Metric是数学计算，输出一个值，如：min/max/sum/avg/cardinality。
部分支持输出多个值，如：stats/percentiles/percentile_ranks。
3）Pipeline Aggregation：对其他的聚合结果进行二次聚合；
4）Matrix Aggregation：支持对多个字段的操作并提供一个结果矩阵；
3、聚合的使用
1）Bucket Aggregation 
2）Metric Aggregation 
注意：在做聚合分析时，应将aggs前面的size设置为0，否则会返回查询结果，而不是聚合结果。如果写成20，聚合结果也能统计出来，只是在查询结果的后面。
