【Elasticsearch】Elasticsearch 从入门到精通（一）：基本介绍

《Elasticsearch 从入门到精通》共包含以下 $2$ 篇文章：

• Elasticsearch 从入门到精通（一）：基本介绍
• Elasticsearch 从入门到精通（二）：基础使用

😊 如果您觉得这篇文章有用 ✔️ 的话，请给博主一个一键三连 🚀🚀🚀 吧 （点赞 🧡、关注 💛、收藏 💚）！！！您的支持 💖💖💖 将激励 🔥 博主输出更多优质内容！！！

1.Elasticsearch

Elasticsearch 是一个基于 Apache Lucene 的 开源搜索引擎。无论在开源还是专有领域，Lucene 可以被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。

特点：

• 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 —— 做不规则查询
• 可以扩展到上百台服务器，处理 PB 级结构化或非结构化数据

Elasticsearch 也使用 Java 开发，并使用 Lucene 作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的 RESTful API 来隐藏 Lucene 的复杂性，从而让全文搜索变得简单。

ES 能做什么？

• 全文检索（全部字段）
• 模糊查询（搜索）
• 数据分析（提供分析语法，例如聚合）

2.Elasticsearch 使用案例

• 2013 年初，GitHub 抛弃了 Solr，采取 Elasticsearch 来做 PB 级的搜索。“GitHub 使用 Elasticsearch 搜索 20TB 的数据，包括 13 亿文件和 1300 亿行代码”。
• 维基百科：启动以 Elasticsearch 为基础的核心搜索架构。
• 百度：百度目前广泛使用 Elasticsearch 作为文本数据分析，采集百度所有服务器上的各类指标数据及用户自定义数据，通过对各种数据进行多维分析展示，辅助定位分析实例异常或业务层面异常。目前覆盖百度内部 20 多个业务线（包括 casio、云分析、网盟、预测、文库、直达号、钱包、风控等），单集群最大 100 台机。
• 新浪 使用 ES 分析处理 32 亿条实时日志。
• 阿里 使用 ES 构建挖财自己的日志采集和分析体系。

3.Elasticsearch 对比 Solr

• 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，高级功能多有第三方插件提供。
• 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。

4.Elasticsearch 基本概念及架构

4.1 Elasticsearch 基本概念

4.1.1 索引 index

• 一个 索引 就是一个拥有几分相似特征的 文档的集合。比如说，可以有一个客户数据的索引，另一个产品目录的索引，还有一个订单数据的索引。
• 一个索引由一个名字来标识（必须全部是小写字母的），并且当我们要对对应于这个索引中的文档进行索引、搜索、更新和删除的时候，都要使用到这个名字。
• 在一个集群中，可以定义任意多的索引。
• 索引可以看作数据库中的一个表，它包含了一组具有相似结构的文档。

4.1.2 映射 mapping

• Elasticsearch 中的 映射（Mapping）用来定义一个文档。
• 映射类似于关系型数据库中的 Schema，可以近似地理解为 “表结构”。
• Mapping 是处理数据的方式和规则方面做一些限制，如某个字段的数据类型、默认值、分析器、是否被索引等等，这些都是映射里面可以设置的。

4.1.3 字段 Field

• 相当于是数据表的 字段，对文档数据根据不同属性进行的分类标识。
• 字段是 Elasticsearch 中最小的单个数据单元，类似于关系型数据库表中的字段。

4.1.4 类型 Type

• 每一个字段都应该有一个对应的 类型，例如：Text、Keyword、Byte 等。

4.1.5 文档 document

一个 文档 是一个可被索引的基础信息单元。比如，可以拥有某一个客户的文档，某一个产品的一个文档，当然，也可以拥有某个订单的一个文档。文档以 JSON（Javascript Object Notation）格式来表示，而 JSON 是一个到处存在的互联网数据交互格式。

关系型数据库将数据以 行 或 元组 为单位存储在 数据库表 中，而 Elasticsearch 将数据以 文档 为单位存储在 索引 中。

4.1.6 集群 cluster

• 一个 集群 就是由一个或多个节点组织在一起，它们共同持有整个的数据，并一起提供索引和搜索功能。
• 一个集群由一个 唯一的名字标识，这个名字默认就是 elasticsearch。
• 这个名字是重要的，因为一个节点只能通过指定某个集群的名字，来加入这个集群。

4.1.7 节点 node

• 一个 节点 是集群中的一个服务器，作为集群的一部分，它存储数据，参与集群的索引和搜索功能。
• 一个节点可以通过配置集群名称的方式来加入一个指定的集群。默认情况下，每个节点都会被安排加入到一个叫做 elasticsearch 的集群中。
• 这意味着，如果在网络中启动了若干个节点，并假定它们能够相互发现彼此，它们将会自动地形成并加入到一个叫做 elasticsearch 的集群中。
• 在一个集群里，可以拥有任意多个节点。而且，如果当前网络中没有运行任何 Elasticsearch 节点，这时启动一个节点，会默认创建并加入一个叫做 elasticsearch 的集群。

4.1.8 分片和副本 shards & replicas

4.1.8.1 分片

• 一个索引可以存储超出单个结点硬件限制的大量数据。比如，一个具有 10 亿文档的索引占据 1TB 的磁盘空间，而任一节点都没有这样大的磁盘空间；或者单个节点处理搜索请求，响应太慢。
• 为了解决这个问题，Elasticsearch 提供了将索引划分成多份的能力，这些份就叫做 分片。
• 当创建一个索引的时候，可以指定你想要的 分片的数量。
• 分片将包含索引数据的一个子集，每个分片本身也是一个 功能完善 并且 独立 的 “索引”，这个 “索引” 可以被放置到集群中的任何节点上。
• 分片很重要，主要有两方面的原因：
  • 允许水平分割 / 扩展你的内容容量。
  • 允许在分片之上进行分布式的、并行的操作，进而提高性能 / 吞吐量。
• 至于一个分片怎样分布，它的文档怎样聚合回搜索请求，是完全由 Elasticsearch 管理的，对于作为用户来说，这些都是透明的。

4.1.8.2 副本

• 在一个网络 / 云的环境里，失败随时都可能发生，在某个分片 / 节点不知怎么的就处于离线状态，或者由于任何原因消失了，这种情况下，有一个故障转移机制是非常有用并且是强烈推荐的。为此目的，Elasticsearch 允许你创建分片的一份或多份拷贝，这些拷贝叫做 副本分片，或者直接叫 副本。
• 副本之所以重要，有两个主要原因：
  • 在分片 / 节点失败的情况下，提供了高可用性。注意到副本分片从不与原 / 主要（original / primary）分片置于同一节点上是非常重要的。
  • 扩展搜索量 / 吞吐量，因为搜索可以在所有的副本上并行运行。
• 每个索引可以被分成多个分片。一个索引有 0 个或者多个副本。
• 一旦设置了副本，每个索引就有了 主分片 和 副本分片，分片和副本的数量可以在索引创建的时候指定。
• 在索引创建之后，可以在任何时候动态地 改变副本的数量，但是 不能改变分片的数量。

4.2 Elasticsearch 基本架构

• Gateway 是 ES 用来存储索引的文件系统，支持多种类型。
• Gateway 的上层是一个分布式的 Lucene 框架。
• Lucene 之上是 ES 的模块，包括：索引模块、搜索模块、映射解析模块 等。
• ES 模块之上是 Discovery、Scripting 和第三方插件。
  • Discovery 是 ES 的节点发现模块，不同机器上的 ES 节点要组成集群需要进行消息通信，集群内部需要选举 master 节点，这些工作都是由 Discovery 模块完成。支持多种发现机制，如 Zen 、EC2、gce、Azure。
  • Scripting 用来支持在查询语句中插入 Javascript、Python 等脚本语言，Scripting 模块负责解析这些脚本，使用脚本语句性能稍低。ES 也支持多种第三方插件。
• 再上层是 ES 的 传输模块 和 JMX。传输模块支持多种传输协议，如 Thrift、Memecached、HTTP，默认使用 HTTP。JMX 是 Java 的管理框架，用来管理 ES 应用。
• 最上层是 ES 提供给用户的 接口，可以通过 RESTful 接口和 ES 集群进行交互。