1、什么是Elasticsearch?

1.1、介绍

Elasticsearch(简称ES)是一个基于Apache Lucene构建的开源、分布式、RESTful接口的全文搜索引擎，Elasticsearch通过对Lunece的封装，隐藏了复杂性，提供了使用简单的RESTful Api。

Elasticsearch还是一个分布式文档数据库，其中每个字段均可被索引，而且每个字段的数据均可被搜索，因为对文档进行了分词处理。ES能够横向扩展至数以百计的服务器存储以及处理PB级的数据，可以在极短的时间内存储、搜索和分析大量的数据。

Elasticsearch 是用 Java 开发的，并作为 Apache 许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。

注：PB是数据存储容量的单位，它等于2的50次方个字节，或者在数值上大约等于1000个TB。

1.2、为什么要使用它

在业务开发中，基于ES的特性，通常有下面这些场景需要使用它：

存储大量数据。通过在使用mysql存储的时候，数据的单位是G。使用ES的时候，数据的单位是T。由此可以看出ES使用于大数据量的存储场景，基于分布式特性，它也支持备份和容灾，并且可以很容易水平扩展容量。
分词搜索引擎。ES具有强大的分词能力，可以支持高性能的实时搜索。
高效数据分析。ES提供的聚合分析功能，可实现对保存的大量数据的近实时统计分析。

1.3、特性

分布式的实时文件存储，每个字段都被索引并可被搜索；
分布式的实时分析搜索引擎；
可以扩展到成百上千台服务器，处理PB级结构化或非结构化数据。

1.4、使用场景

搜索领域： 如百度、谷歌，全文检索等。
门户网站： 访问统计、文章点赞、留言评论等。
广告推广： 记录员工行为数据、消费趋势、员工群体进行定制推广等。
信息采集： 记录应用的埋点数据、访问日志数据等，方便大数据进行分析。

1.5、ElasticSearch与Solr的比较

ES和Solr都是是基于Lucene的，它们都是成熟的产品，拥有强大而广泛的用户社区；
Solr 利用 Zookeeper 进行分布式管理，而 Elasticsearch 自身带有分布式协调管理功能;
Solr 支持更多格式的数据，而 Elasticsearch 仅支持json文件格式；
Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高级功能多由第三方插件提供；
Solr 在传统的搜索应用中表现好于 Elasticsearch，但在处理实时搜索应用时效率明显低于 Elasticsearch。

2、elasticsearch相关概念

es底层无更新数据操作，上层封装的更新实际是删除后再新增。

ES 和传统的关系型数据库有这么一种关系:

RDMS	Elasticsearch
数据库(database)	索引(index)
表(table)	类型(type)
行(row)	文档(document)
列(column)	字段(field)
表结构	映射
索引	全文索引
SQL	查询DSL
SELECT * FROM tablename	GET http://...
UPDATE table SET	PUT http://...
DELETE	DELETE http://...

Elasticsearch是面向文档型数据库，一条数据在这里就是一个文档，用JSON作为文档序列化的格式，比如下面这条用户数据：

{"name": "John","sex": "Male","age": 25,"birthDate": "1990/05/01","about": "I love to go rock climbing","interests": ["sports","music"]
}

2.1、Index 索引

Elasticsearch 数据管理的顶层单位就叫做 Index（索引），相当于关系型数据库里的database的概念。另外，每个Index的名字必须是小写。一个索引是一个文档的集合（等同于solr中的集合）。每个索引有唯一的名字，通过这个名字来操作它。一个集群中可以有任意多个索引。

Elasticsearch的索引原理是通过倒排索引来实现的。

2.2、type 类型

这里指的是文档的类型，而不是字段的类型。type类似于MySQL数据库中表的概念。而ES中没有表的概念，这是ES和数据库的一个区别。在6.0版本之前，ES中有Type的概念，但是后来官方说这是一个设计上的失误。所以这个 type 从 7.x 开始就被移除了！系统默认使用_doc（现在8.x 版本就也不再支持修改这个类型了），因为这个设计会降低 Lucene 压缩数据的能力，导致数据稀疏。

我们都知道elasticsearch是基于Lucene开发的搜索引擎，而ES中不同type下名称相同的filed最终在Lucene中的处理方式是一样的。举个例子，两个不同type下的两个user_name，在ES同一个索引下其实被认为是同一个filed，你必须在两个不同的type中定义相同的filed映射。否则，不同type中的相同字段名称就会在处理中出现冲突的情况，导致Lucene处理效率下降。从本质上来看，这个 Type是对索引进行逻辑分区，使用文档类型_type 和文档_id 组成_uid ，形成文档的唯一ID，对索引进行细分。而在 Lucene 中，我们这个字段域在索引中是唯一的，所以原本的字段也会被细分，导致字段域增多的同时，数据的密度也就降低了，压缩效率也就降低了，导致ES查询效率的降低。

在 5.X 版本中，一个 index 下可以创建多个 type；

在 6.X 版本中，一个 index 下只能存在一个 type（即："_type" : "doc"）；

在 7.X 版本中，直接去除了 type 的概念，就是说 index 不再会有 type。

8.0开始，将移除接受类型的API

ES 的Type 被废弃后，库表合一，Index 既可以被认为对应 MySQL 的 Database，也可以认为对应 table。

也可以这样理解：

ES 实例：对应 MySQL 实例中的一个 Database。
Index 对应 MySQL 中的 Table 。
Document 对应 MySQL 中表的记录。

2.3、Document 文档

文档在ES中相当于传统数据库中的行的概念，即每一行的数据，ES中的数据都以JSON的形式来表示，在MySQL中插入一行数据和ES中插入一个JSON文档是一个意思。文档是Elasticsearch中的最小单位，每个索引都是有数量众多的文档组成的。文档由多个字段组成，每个字段的类型由mapping定义，每个字段的类型，可以是文本、数值、日期等。字段类型也可以是复杂类型，一个字段包含其他子文档或者数组，但 Elasticsearch 的文档中，相同字段必须有相同类型。下面的JSON数据表示一个包含7个字段的文档。

{"_index": "user","_type": "_doc","_id": "qbuOs4AB1VH6WaY_OsFW","_version": 1,"_score": 1,"_source": {"name": "张三","address": "广东省深圳市","remark": "他是一个程序员","age": 28,"salary": 8800,"birthDate": "1991-10-05","createTime": "2019-07-22T13:22:00.000Z"}
}

上面为 ES 一条文档数据，而一个文档不只有基础数据，它还包含了元数据(metadata)——关于文档的信息，也就是用下划线开头的字段，它是官方提供的字段：

_index ：文档所属索引名称，即文档存储的地方。
_type ：文档所属类型名（此处已默认为_doc）。
_id ：文档的唯一标识。在写入的时候，可以指定该 Doc 的 ID 值，如果不指定，则系统自动生成一个唯一的 UUID 值。
_score ：顾名思义，得分，也可称之为相关性，在查询是 ES 会根据一些规则计算得分，并根据得分进行倒排。除此之外，ES 支持通过 Function score query 在查询时自定义 score 的计算规则。
_source ：文档的原始 JSON 数据。

2.4、字段Field

相当于是数据表的字段，字段在ES中可以理解为JSON数据的键，是文档中的基本单位，以键值对的形式存在。在下面的JSON数据中，键都是一个字段。

{"name": "张三","address": "广东省深圳市","remark": "他是一个程序员","age": 28,"salary": 8800,"birthDate": "1991-10-05","createTime": "2019-07-22T13:22:00.000Z"
}

2.5、映射mapping

相当于数据库中的schema，用来约束字段的数据类型，每一种数据类型都有对应的使用场景。mapping 中定义了一个文档所包含的所有 field 信息，每个文档都有映射，但是在大多数使用场景中，我们并不需要显示的创建映射，因为ES中实现了动态映射。我们在索引中写入一个下面的JSON文档：

{"name":"jack","age":18,"birthDate": "1991-10-05"
}

在动态映射的作用下，name会映射成text类型，age会映射成long类型，birthDate会被映射为date类型，映射的索引信息如下。

{"mappings": {"_doc": {"properties": {"age": {"type": "long"},"birthDate": {"type": "date"},"name": {"type": "text","fields": {"keyword": {"type": "keyword","ignore_above": 256}}}}}}
}

自动判断的规则如下：

JSON Type	Field Type
Boolean：true、flase	boolean
Whole number：123、456、876	long
Floating point：123.43、234.534	double
String，valid date："2022-05-15"	date
String："Hello Elasticsearch"	string

常见的ELasticSearch数据类型如下：

数据类型	具体类型
字符串类型	string，text，keyword
整数类型	integer，long,short，byte
浮点类型	double，float，half_float，scaled_float
逻辑类型	boolean
日期类型	date
范围类型	range
二进制类型	binary
数组类型	array
对象类型	object
嵌套类型	nested
地理坐标类型	geo_point
地理地图	geo_shape
IP类型	ip
令牌计数类型	token_count

注意事项关于字符串类型：

string类型: 在ElasticSearch 旧版本中使用较多，从ElasticSearch 5.x开始不再支持string，由text和keyword类型替代。

text类型的字段不用于排序，很少用于聚合，需要分词设置text类型
keyword类型适用于索引结构化的字段，keyword类型的字段只能通过精确值搜索到。不需要分词设置keyword类型

补充：

对text类型的字段，会先使用分词器分词，生成倒排索引，用于之后的搜索。

对keyword类型的字段，不会分词，搜索时只能精确查找

2.6、集群Cluster

ElasticSearch 是一个分布式的搜索引擎，所以一般由多台物理机组成。而在这些机器上通过配置一个相同的cluster name，让其互相发现从而把自己组织成一个集群。

2.7、Node 节点

即一个elasticsearch 实例。节点也有自己的名称，默认在启动时会以一个随机的UUID的前七个字符作为节点的名字，你可以为其指定任意的名字。通过集群名在网络中发现同伴组成集群。一个节点也可是集群。（每个物理机器上可以有多个节点，使用不同的端口和节点名）。

node节点可以分为三类：

2.7.1、master节点

集群中的一个节点会被选为master节点，它将负责管理集群范畴的变更：处理创建，删除索引等请求，维护集群状态信息。master节点无需参与文档层面的变更和搜索，这意味着仅有一个master节点并不会因流量增长而成为瓶颈。任意一个节点都可以成为 master 节点。

2.7.2、data节点：

持有数据和倒排索引。默认情况下，每个节点都可以通过设定配置文件elasticsearch.yml中的node.data属性为true(默认)成为数据节点。如果需要一个专门的主节点，应将其node.data属性设置为false。

2.7.3、Client节点：

如果将node.master属性和node.data属性都设置为false，那么该节点就是一个客户端节点，扮演一个负载均衡的角色，将到来的请求路由到集群中的各个节点。

2.8、Shard 分片：

为了将数据添加到 Elasticsearch，我们需要索引(index)——一个存储关联数据的地方。实际上，索引只是一个用来指向一个或多个分片(shards)的逻辑命名空间 (logical namespace)。

当你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。即：这个过程对用户来说是透明的。

分片分为：主分片(Primary shard)和副本分片(Replica shard)：

主分片Primary shard：

用于解决数据水平扩展的问题，通过主分片，可以将数据分布到集群内的所有节点之上，将一份索引数据划分为多小份的能力，允许水平分割和扩展容量。多个分片可以响应请求，提高性能和吞吐量。一个节点(Node)一般会管理多个分片。

副本分片Replica shard：

副本分片只是一个主分片的拷贝。副本分片作为硬件故障时保护数据不丢失的冗余备份，并为搜索和返回文档等读操作提供服务。

分片的特点：

一个Index数据在物理上被分布在多个主分片中，每个主分片只存放部分数据，每个主分片可以有多个副本。
主分片的作用：对索引的扩容，使一个索引的容量可以突破单机的限制。
副本分片是对数据的保护，每个主分片对应一个或多个副本分片，当主分片所在节点宕机时，副本分片会被提升为对应的主分片使用。
一个主分片和它的副本分片，不会分配到同一个节点上。
一个分片就是一个Lucene实例，并且它本身就是一个完整的搜索引擎。应用程序不会和它直接通信。
当索引创建完成的时候，主分片的数量就固定了，如果要修改，需要重建索引，代价很高，但是复制分片的数量可以随时调整。

分片的设定：

对于生产环境中分片的设定，需要提前做好容量规划，主分片数是在索引创建的时候预先设定，事后无法修改。

分片数设置过小
- 导致后续无法增加节点实现水平扩展；
- 单个分片的数据量太大，导致数据重新分配耗时。
分片数设置过大，7.0开始，默认主分片设置成1，解决了over-sharding的问题
- 影响搜索结果的相关性打分，影响统计结果的准确性
- 单个节点上过多的分片，会导致资源浪费，同时也会影响性能

用图形表示出来可能是这样子的：

Index 1：蓝色部分，有3个shard，分别是P1，P2，P3，位于3个不同的Node中，这里没有Replica。
Index 2：绿色部分，有2个shard，分别是P1，P2，位于2个不同的Node中。并且每个shard有一个replica，分别是R1和R2。

基于系统可用性的考虑，同一个shard的primary和replica不能位于同一个Node中。这里Shard1的P1和R1分别位于Node3和Node2中，如果某一刻Node2发生宕机，服务基本不会受影响，因为还有一个P1和R2都还是可用的。因为是主备架构，当主分片发生故障时，需要切换，这时候需要选举一个副本作为新主，这里除了会耗费一点点时间外，也会有丢失数据的风险。

2.8.1、路由

Elasticsearch 如何知道一个文档应该存放到哪个分片中呢？实际上，这个过程是根据下面这个公式决定的：

shard = hash(routing) % number_of_primary_shards

routing 是一个可变值，唯一不可重复，默认是文档的 _id ，也可以设置成一个自定义的值。 routing 通过 hash 函数生成一个数字，然后这个数字再除以 number_of_primary_shards （主分片的数量）后得到余数。这个分布在 0 到 number_of_primary_shards-1 之间的余数，就是我们所寻求的文档所在分片的位置。

这就解释了为什么我们要在创建索引的时候就确定好主分片的数量并且永远不会改变这个数量：因为如果数量变化了，那么所有之前路由的值都会无效，文档也再也找不到了。
所有的文档 API( get 、 index 、 delete 、 bulk 、 update 以及 mget )都接受一个叫做 routing 的路由参数，通过这个参数我们可以自定义文档到分片的映射。一个自定义的路由参数可以用来确保所有相关的文档（例如所有属于同一个用户的文档）都被存储到同一个分片中。

3、ElasticSearch中索引原理

我们知道ES的搜索是非常快的，并且比MySQL快很多，所以来看下两者的索引原理：

MySQL的索引原理：B+Tree索引
ElasticSearch的索引原理：倒排索引

倒排索引：也叫反向索引，首先对文档数据按照id进行索引存储，然后对文档中的数据分词，记录对词条进行索引，并记录词条在文档中出现的位置。这样查找时只要找到了词条，就找到了对应的文档。概括来讲是先找到词条，然后看看哪些文档包含这些词条。通俗地来讲，正向索引是通过key找value，倒排索引则是通过value找key。跟MySQL中的索引回表查询有点类似。

Elasticsearch学习（一）：基础概念相关推荐

漫谈深度强化学习之基础概念
漫谈深度强化学习之基础概念原创: 张泽旺深度学习每日摘要 2017-02-23 当下,深度强化学习(Deep Reinforcement Learning)的应用已经铺天盖地般出现了.为什么 ...
深度学习：基础概念陈述及P-R曲线绘制案例(Python)
文章目录 @[toc] 一.概念陈述 1.1引例 1.2机器学习与深度学习 1.3基础概念 1.4机器学习与统计学的对比二.数据集(dataset) 2.1数据集的数学表示 2.2训练集和测试集 2 ...
Elasticsearch 学习(一).基础原理
Elasticsearch 参考: 14.Elasticsearch上篇(原理) (passjava.cn) 文章目录 Elasticsearch 一.Elasticsearch简介 1.1 什么是E ...
pmp学习1——基础概念
1.什么是项目管理项目管理就是将知识.技能.工具与技术应用于项目活动,以满足项目要求.项目管理室通过合理运用于整合42个项目管理过程来实现的.可以根据逻辑关系,把这42个过程分为5大过程组,即: * ...
Elasticsearch学习(2) 基本概念
目录 1.Es基本定义 1.1 文档(Document) 1.2 索引(Index) 1.3 类型(Type) 1.4 映射(Mapping) 1.5 集群(Cluster) 1.6 节点(Node) ...
自动化测试学习 - 自动化测试基础概念
概述在开发过程中总会经历下面类似的问题: 每次在版本发布上线之前,要花费好几个小时甚至是更长时间对你的应用进行测试,这个过程非常枯燥而痛苦. 当代码的复杂度达到了一定的级别,当维护者的数量不止你一个 ...
深度学习分类基础概念对ACC、PPV、TPR、TNR
举个例子: ACC = 10+15 +20/(10+1+2+3+14+4+5+6+20) PPV(猫) = 10/(10+1+2) [解释]这里的1和2是因为狗.猪分类错误,分到了猫 PPV(狗) = ...
【强化学习】从强化学习基础概念开始
在开始探索强化学习的诸多算法之前,我们先来了解一下它所涉及到的具体概念.这些概念将作为基石,一直陪伴着我们的学习之旅.为了能够将这些概念熟记在心,我们这一期做成强化学习概念小卡片,一张一张给大家展示和 ...
复杂网络基础概念总结
前言:最近刚定下的课题,现在主要学习网络基础概念的知识,凡是学习总是得做下总结笔记才能比较清楚.也分享给大家一起学习吧,如有错误可以提出私信我或者评论. 社会网络通常显示出较强的社区效应,网络中的节点 ...
15分钟掌握Elasticsearch 8大核心概念与基础用法
Elastic已经形成了一个较为庞大的生态,这个生态的核心就是Elasticsearch.初学者的重点就是如何快速地了解并使用Elasticsearch,本文总结了Elasticsearch的8大核心 ...

Elasticsearch学习（一）：基础概念