Elasticsearch - 基础概念
Elasticsearch 介绍
在学习 Elasticsearch 之前，我们需要了解一下什么是Elasticsearch、以及它的一些基础概念
什么是 Elasticsearch
Elasticsearch 是一款非常强大的、基于 Lucene 的开源搜索及分析引擎；它是一个实时的分布式搜索分析引擎，它能让你以前所未有的速度和规模，去探索你的数据
Elasticsearch 的底层是开源库 Lucene。但是，你没法直接用 Lucene，必须自己写代码去调用它的 接口。Elastic 是 Lucene 的封装，提供了 REST API 的操作接口，开箱即用
为什么使用 Elasticsearch
根据DB Engine的排名 (opens new window)显示，ElasticSearch是最受欢迎的企业级搜索引擎。
Elasticsearch 的特点
- ES 是分布式文档存储，存储的数据都是序列化为 JSON documents
- 使用倒排索引存储数据，倒排索引比较适合全文本搜索
- 支持 JSON 样式的查询语言 —— Query DSL，也支持 SQL 样式的查询
主要功能以及使用场景
应用场景
- 记录和日志分析
- 采集和组合公共数据
- 全文搜索及个性化推荐
- 事件数据和指标
- 数据可视化
举例：
- 维基百科：全文检索，高亮，搜索推荐等等
- GitHub：上千亿行的代码搜索
- 电商网站：搜索商品
- 日志数据分析：logstash采集数据，ES进行数据分析处理
- 商品价格监控网站：用户设定某商品的价格阈值，当监控到商品的金额低于这个阈值的时候，就发送消息通知用户
Elasticsearch 的基础概念
使用 Elasticsearch 之前，先了解一下 Elasticsearch 的概念
索引(Index)
Elasticsearch 把数据存放到一个或者多个索引(indices)中。如果用关系型数据库模型对比，索引(index) 的地位与数据库实例(database)相当。
- 动词：相当于 MySQL 中的 insert 动作
- 名词：相当于 MySQL 中的 Database
类型(Type)
指在一个索引中，可以索引不同类型的文档，如用户数据、博客数据。
从6.0.0 版本起已废弃，一个索引中只存放一类数据
7.0 弃用了接受类型的 API，引入了新的无类型 API
如果你的 Elasticsearch 是 7.0 以上，就可以不用了解 Type 了
文档(Document)
保存在某个索引(Index)下，某种类型(Type)的一个数据(Document)，文档是 JSON 格式的，Document 就像是 MySQL 中的某个 Table 里面的内容
集群相关
- Cluster 集群，一个集群由一个唯一的名字标识，默认为“elasticsearch”。集群名称非常重要，具有相同集群名的节点才会组成一个集群。集群名称可以在配置文件中指定。
- Node 节点：存储集群的数据，参与集群的索引和搜索功能。像集群有名字，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
- Shard 分片：在创建一个索引时可以指定分成多少个分片来存储。每个分片本身也是一个功能完善且独立的“索引”，可以被放置在集群的任意节点上。
- Replication 备份: 一个分片可以有多个备份（副本）
倒排索引
倒排索引也可以称为反向索引
我们平时存储数据用的 mysql，采用的是正向索引，例如 mysql 中有这样的数据
| id | name |
|---|---|
| 1 | 我是中国人 |
| 2 | 泱泱中华文化 |
| 3 | 2021 东京奥运会举办 |
| 4 | 中国古诗文化 |
| 5 | 中国古代历史 |
如果想要查询关于 中国 相关的信息，然后会开始遍历数据库，找到 1、4、5 记录
select * from table_name where name like '%中国%';
如果是倒排索引处理的话，首先会将每个名称进行分词，例如：我是中国人，会被分为 我、是、中国、人
然后关联信息的编号
| term | ids |
|---|---|
| 中国 | 1、4、5 |
| 文化 | 2、4 |
在倒排索引中搜索并发，然后进行检索，就很容易定位到关于 中国 相关的信息