ElasticSearch为什么快

ElasticSearch是分布式搜索引擎，可以存储、检索、搜索、统计数据。
那使用ES主要原因是：1、全文检索 2、快

这篇文章主要讲解为什么快？
首先明确ElasticSearch快在搜索是近实时的，文档的CRUD也是实时的。

一、ES的基本架构图及基础概念：

• Index 索引
  ES将数据存储于一个或多个索引中，索引是具有类似特性的文档的集合。
  它是个逻辑命名空间，类似于数据库概念中的数据库。

• Type 类型
  类型是索引内部的逻辑分区(category/partition)，然而其意义完全取决于用户需求。因此，一个索引内部可定义一个或多个类型(type)。
  类似于数据库概念中的一张表。

• **Document 文档 **
  文档是索引和搜索的原子单位，它是包含了一个或多个域（Field）的容器，基于JSON格式进行表示。文档由一个或多个域组成，每个域拥有一个名字及一个或多个值，有多个值的域通常称为“多值域”。
  每个文档可以存储不同的域集，但同一类型下的文档至应该有某种程度上的相似之处。
  它是具体事实数据的体现，类似于数据库概念中的 一条记录。

• SHARD 分片
  • index包含多个shard，每个shard都是一个最小工作单元，承载部分数据
  • 每个shard都是一个lucene实例，有完整的建立索引和处理请求的能力。
  • 增减节点时，shard会自动在nodes之间负载均衡
  • shard分为primary shard和replica shard，每个document只存在于某一个primary shard以及其对应的replica shard中
  • replica shard是primary shard的副本，负责容错，以及承担读请求负载提高搜索性能。
  • primary shard的数量在创建索引的时候就固定了，replica shard的数量可以随时修改，primary shard的默认数量是5，replica默认是1，默认有10个shard，5个primary shard，5个replica shard

• translog
  事务日志，在每一次对 Elasticsearch 进行操作时均进行了日志记录。作为临时文件存储在硬盘上。理想中应该是任何一次写入都刷入磁盘，但是性能考虑不可能。实际上是每几秒中调用一次fsync刷到磁盘来提高吞吐量。这当然带来了丢失数据的可能。

二、文档写入速度快

1、当Client有一个writing request时，ES cluster接受到request之后是如何运作的
首先明确新建、索引和删除请求都是写(write)操作，它们必须在主分片上成功完成才能复制到相关的 复制分片上。复制分片只能负载读请求。

其中ES如何决定文档去存在哪个主分片上呢？
进程不能是随机的，因为我们将来要检索文档。其实是由一个简单的算法决定：

shard = hash(routing) % number_of_primary_shards

routing 值是一个任意字符串，它默认是 _id 但也可以自定义

下面我们罗列在主分片和复制分片上成功新建、索引或删除一个文档必要的顺序步骤：

1. 客户端给 Node 1 发送新建、索引或删除请求。
2. 节点使用文档的 _id 确定文档属于分片 0 。它转发请求到 Node 3 ，分片 0 位于这个节 点上。