ElasticSearch从0到1——基础知识

1.ES是什么？

• 是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据
• 使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单
• 一个分布式、可扩展、近实时的搜索与数据分析引擎

我们看到ES定义中有2个词，来展开理解一下。

全文检索：

        上面的列举了平时用的2种类型的数据库，对于关系型数据，都有一定的结构，比如我们可以通过建立索引来查询，那么对于非关系型数据库，我们经常使用的搜索方式主要有两种：顺序扫描和全文检索。

        而全文检索，就是相当于把非结构化的数据，类比结构化的数据检索方式，把部分数据提取出来，提炼成有结构的数据，进行结构化的搜索，提高搜索效率，这就是全文检索的基本思路。

Lucene：

        Lucene是apache软件基金会， jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构。

        Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。

        但是Lucene只是一个工具包，不是一个完整的全文搜索引擎。所以引出了我们今天的主题—— ES：

是在Lucene基础上的开源可用的全文搜索引擎。通过对 Lucene 的封装，隐藏了 Lucene 的复杂性，取而代之的提供一套简单一致的 RESTful API。

2.基本概念

 

学习一项新技术，最好的方式就是和原有的知识相结合，形成知识网络，也更容易理解。

下面以MySQL和ES的对比来介绍ES中的一些基本概念。

ES	Mysql
索引index	数据库db
类型type	表table
文档doc	每一条记录row
字段field	字段 column
映射mapping	schema
Query DSL	sql

不过在 6.x 版本后，就废弃了 Type ，因为设计者发现 ElasticSearch 这种与关系型数据类比的设计方式有缺陷。建议的是每个类型（业务）的数据单独放在一个索引中。

下面是ES介绍中分布式、可扩展、近实时的搜索与数据分析引擎的概念支撑

集群：Cluster，ES可以作为一个单个独立的搜索服务器，为了处理大型数据，实现容错和高可用，ES运行在多个互相合作的服务器上。这些服务器的集合，称为集群。

节点：Node，形成集群的每个服务器。

分片：Shard，每个索引默认被分成5片存储，每个分片都存在至少一个备份分片。当我们查询的索引分布在多个分片上时，ES会把查询发送给每个相关的分片，并将结果组合在一起，而应用程序并不知道分片的存在。

副本：replia，为提高查询吞吐量或实现高可用性，可以使用分片副本。注意，只有一个主分片，可以支持修改。其他副本只支持查询。

倒排索引==词典（内存中）+倒排文件（磁盘上）

类似于mysql里的like语句。把doc中存储的内容，按照词拆分成一个个词条（term），词条组合成词典，即词典=词条+指针。指针指向出现过的文档doc。

基础概念大概就这些。

下一篇会根据一个ES中存储的例子，来详细介绍下ES的使用。

荐参考资料：

2万字详解，吃透 ES