es基本概念

基本概念

• es是面向文档，一切都是用json存储
• es(集群)中可以包含多个索引(数据库)，每个索引中可以包含多喝类型(表)，每个类型又包含多个字段(列)

es设计

物理设计

• es在后台把每个索引划分成多个分片，每份分片可以在集群中的不同服务器间转移
• 一个服务就是一个集群，默认的集群名称就是elasticsearch
  

逻辑设计

• 一个索引类型中可以包含多个文档，当我们索引一篇文章时，可以通过这样的一种顺序找到它：索引–>类型–>文档id，通过这个组合我们就能索引到某个具体的文档，ID不必是整数实际上它是一个字符串

es关键概念介绍

文档(document)

• es是面向文档的，意味着索引和搜索数据的最小单位是文档，就相当于是一条条数据
• 文档属性
  • 自我包含，一篇文档同时包含字段和对应的值，即同时包含key:value
  • 可以是层次型，一个文档中包含自文档，复杂逻辑实体就是这样来的，就是一个json对象
  • 灵活的结构，文档不依赖预先定义的模式，在关系型数据库中，要提前定义字段才能使用，在es中对于字段是非常灵活的，有时候我们可以忽略该字段，或者动态添加一个新的字段
• 尽管我们可以随意的新增或者忽略某个字段，但是每个字段的类型非常重要，因为es会保存字段和类型之间的映射及其他的设置，这种映射具体到每个映射的每种类型，这也是为什么在es中，类型有时候也被称为映射类型

类型(mapping)

• 类型就相当于表
• 类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器，类型中对于字段的定义称为映射。我们说文档是无模式的，他们不需要拥有映射中所定义的字段，但是最安全的方式是提前定义好所需要的映射在使用防止出现各种问题

索引

• 索引就是数据库
• 索引是映射类型的容器，es中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置，然后他们被存储到了各个分片之上。

分片

• 分片就相当于索引，使用的是倒排索引

分片工作原理

物理设计：节点和分片如何工作

• 一个集群至少有一个节点，而一个节点就是一个es进程，节点可以有多个索引默认(如下图)的，如果你创建索引，那么索引将会由5个分片(primary shard,又称为主分片)构成的，每一个分片会有一个副本(repica shard,又称复制分片)
  
• 模型
  
• 模型是一个有3个节点的集群，可以看到主分片和对应的复制分片都不会在同一个节点内，这样即使有一个节点挂掉了，数据也不至于丢失，实际上一个分片是一个lucene索引，一个包含倒排索引的文件目录，倒排索引的结构使得es在扫描不完全文档的情况下，就能告诉你那些文档包含特定的关键字

倒排索引

• es使用的是一种称为倒排索引的结构，采用Lucene倒排索引作为底层，这种结构适用于快速的全文搜索，一个搜索由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表，例如现在有两个文档，每个文档包含如下内容：

Study every day, good good up to forever		# 文档1包含的内容
To forever, study every day , good good up	# 文档2包含的内容

• 为了创建倒排索引，我们首先将每个文档拆分成独立的词(或者成为词条或者tokens)，然后创建一个包含所有不重复的词条的排序列表，然后列出每个词条出现在那个文档：
  
• 现在我们试图搜索to forever只需要查看包含每个词条的文档
  
• 两个文档都匹配，但是第二个文档的匹配权重(score)没有第一个文档的匹配权重高，如果没有别的条件，现在这两个包含关键字的文档都将返回。再举一个例子，比如我们通过博客标签来搜索博客文章，那么倒排索引列表就是这样的一个结构：
  
• 如果要搜索含有python标签的文章，那相对于查找所有原始数据而言，查找倒排索引后的数据将会快的多，只需要查看标签这一栏，然后获取相关的文章id即可 ，完全过滤掉所有无关的数据，提高效率。

关系型数据库和es对比

es和Lucene索引对比

• 在es中，索引(数据库)这个词被频繁使用，这就是术语的使用，在es中索引被分为多个分片，每份分片是一个Lucene的索引。所以一个es索引是由多个Lucene索引组成的，如无特指，说起索引都是指es的索引