# Elasticsearch 核心概念

  1. lucene 和 elasticsearch 的前世今生
  2. elasticsearch 的核心概念
  3. elasticsearch 核心概念 vs 数据库核心概念

# lucene 和 elasticsearch 的前世今生

lucene,最先进、功能最强大的搜索库;直接基于 lucene 开发,非常复杂,api 复杂(实现一些简单的功能,写大量的 java 代码),需要深入理解原理(各种索引结构)

elasticsearch 基于 lucene,隐藏复杂性,提供简单易用的 restful api 接口、java api 接口(还有其他语言的api接口)

  1. 分布式的文档存储引擎
  2. 分布式的搜索引擎和分析引擎
  3. 分布式,支持PB级数据

开箱即用,优秀的默认参数,不需要任何额外设置,完全开源

关于 elasticsearch 的一个传说,有一个程序员失业了,陪着自己老婆去英国伦敦学习厨师课程。程序员在失业期间想给老婆写一个菜谱搜索引擎,觉得 lucene 实在太复杂了,就开发了一个封装了 lucene 的开源项目 compass。后来程序员找到了工作,是做分布式的高性能项目的,觉得 compass 不够,就写了 elasticsearch,让 lucene 变成分布式的系统。

# elasticsearch 的核心概念

  1. Near Realtime(NRT)近实时

    两个意思:

    从写入数据到数据可以被搜索到有一个小延迟(大概1秒);

    基于es执行搜索和分析可以达到秒级

  2. Cluster 集群

    包含多个节点,每个节点属于哪个集群是通过一个配置(集群名称,默认是 elasticsearch )来决定的,对于中小型应用来说,刚开始一个集群就一个节点很正常

  3. Node 节点

    集群中的一个节点,节点也有一个名称(默认是随机分配的),节点名称很重要(在执行运维管理操作的时候),默认节点会去加入一个名称为 “elasticsearch” 的集群,如果直接启动一堆节点,那么它们会自动组成一个 elasticsearch 集群,当然一个节点也可以组成一个 elasticsearch 集群

  4. Document&field 文档

    es中的最小数据单元,一个 document 可以是一条客户数据,一条商品分类数据,一条订单数据,通常用 JSON 数据结构表示

    一个 index 下的 type 中,都可以去存储多个 document。

    一个 document 里面有多个 field,每个field就是一个数据字段。

    product document
    
    {
      "product_id": "1",
      "product_name": "高露洁牙膏",
      "product_desc": "高效美白",
      "category_id": "2",
      "category_name": "日化用品"
    }
    
    1
    2
    3
    4
    5
    6
    7
    8
    9
  5. Index 索引

    包含一堆有相似结构的文档数据,比如可以有一个客户索引,商品分类索引,订单索引,索引有一个名称。

    一个 index 包含很多 document,一个 index 就代表了一类类似的或者相同的 document。比如说建立一个 product index,商品索引,里面可能就存放了所有的商品数据,所有的商品 document。

  6. Type 类型

    每个索引里都可以有一个或多个 type,type 是 index 中的一个逻辑数据分类,一个 type 下的 document,都有相同的 field,比如博客系统,有一个索引,可以定义用户数据 type,博客数据 type,评论数据 type。

    商品index,里面存放了所有的商品数据,商品 document

    但是商品分很多种类,每个种类的 document 的 field 可能不太一样,比如说电器商品,可能还包含一些诸如售后时间范围这样的特殊 field;生鲜商品,还包含一些诸如生鲜保质期之类的特殊 field

    type,日化商品 type,电器商品 type,生鲜商品 type

    日化商品 type:product_id,product_name,product_desc,category_id,category_name

    电器商品 type:product_id,product_name,product_desc,category_id,category_name,service_period

    生鲜商品 type:product_id,product_name,product_desc,category_id,category_name,eat_period

    每一个 type 里面,都会包含一堆 document

    {
      "product_id": "2",
      "product_name": "长虹电视机",
      "product_desc": "4k高清",
      "category_id": "3",
      "category_name": "电器",
      "service_period": "1年"
    }
    
    {
      "product_id": "3",
      "product_name": "基围虾",
      "product_desc": "纯天然,冰岛产",
      "category_id": "4",
      "category_name": "生鲜",
      "eat_period": "7天"
    }
    
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    • index :可以看成是一个数据库
    • type :可以看成是数据库中的表
    • document:可以看成是表中的记录
  7. shard 分片

    单台机器无法存储大量数据,es 可以将一个索引中的数据切分为多个 shard,分布在多台服务器上存储。有了 shard 就可以横向扩展,存储更多数据,让搜索和分析等操作分布到多台服务器上去执行,提升吞吐量和性能。每个 shard 都是一个 lucene index。

  8. replica 复制集/副本

    任何一个服务器随时可能故障或宕机,此时 shard 可能就会丢失,因此可以为每个 shard 创建多个 replica副本。replica 可以在 shard 故障时提供备用服务,保证数据不丢失,多个 replica 还可以提升搜索操作的吞吐量和性能。

    • primary shard(建立索引时一次设置,不能修改,默认5个)
    • replica shard(随时修改数量,默认1个)

    默认每个索引 10 个 shard,5个 primary shard,5个 replica shard,最小的高可用配置,是 2台 服务器。

# 核心概念 vs 数据库核心概念

Elasticsearch 数据库
Document
Type
Index