ElasticSearch 认识和深入(一)

ElasticSearch 认识和深入

ElasticSearch 概述

---

官网地址：https://www.elastic.co/guide/cn/elasticsearch/guide/current/intro.html

Elasticsearch 是一个开源的搜索引擎，建立在一个全文搜索引擎库 Apache Lucene™ 基础之上。 Lucene 可以说是当下最先进、高性能、全功能的搜索引擎库—无论是开源还是私有。

但是 Lucene 仅仅只是一个库。为了充分发挥其功能，你需要使用 Java 并将 Lucene 直接集成到应用程序中。

简单来说，就是 lucene 是一个 jar包。 读写索引的工具 ! 排序，搜索规则的 工具类。

Elasticsearch 也是使用 Java 编写的，它的内部使用 Lucene 做索引与搜索，但是它的目的是使全文检索变得简单， 通过隐藏 Lucene 的复杂性，取而代之的提供一套简单一致的 RESTful API。

然而，Elasticsearch 不仅仅是 Lucene，并且也不仅仅只是一个全文搜索引擎。 它可以被下面这样准确的形容：

• 一个分布式的实时文档存储，每个字段 可以被索引与搜索
• 一个分布式实时分析搜索引擎
• 能胜任上百个服务节点的扩展，并支持 PB 级别的结构化或者非结构化数据

Elasticsearch 将所有的功能打包成一个单独的服务，这样你可以通过程序与它提供的简单的 RESTful API 进行通信， 可以使用自己喜欢的编程语言充当 web 客户端，甚至可以使用命令行（去充当这个客户端）。

总结：ElasticSearch ，简称es， es是一个开源的高扩展的分布式全文搜索引擎，它可以近乎实时的存储，检索数据；本身扩展性很好，可以扩展到上百台 服务上，处理 非常大的数据。

Solr 概述

Solr 是Apache 下的一个顶级的开源项目，采用Java 开发，它是基于Lucene 的全文搜索服务器。 Solr 提供了比 Lucene 更为丰富的查询语言，同时实现了可配置，可扩展，并对索引，搜索性能进行了优化。

Solr 可以独立运行！运行在 Jetty，Tomcat 等这些Servlet容器中，Solr索引的实现方法很简单，用 POST方法想Solr 服务器发送一个描述Field及其内容的XML文档，Solr 根据XML文档添加，删除，更新索引。Solr 搜索只需要发送 HTTP，GET请求，然后对Solr返回XML，JSON等格式的查询结果进行解析，组织页面布局。Solr 不提供构建UI的功能，Solr提供了一个管理界面，通过管理界面可以查询Solr 的配置和运行情况。

Solr 是基于Lucene开发企业级搜索服务器，实际上就是封装了 Lucene。

Solr 是一个独立的企业级搜索应用服务器，它对外提供类似于 Web-Service的API的接口。用户可以通过 HTTP请求，向搜索服务器提交一定格式的文件，生成索引，也可以通过提供查找请求，并得到返回结果。

Lucene概述

Lucene 是 Apache 下Jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。Lucene的目地是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。Lucene是一套用于全文检索和搜寻的开源程式库，由Apache软件基金会支持和提供。Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在Java开发环境里Lucene是一个成熟的免费开源工具，就具本身而言。

ElasticSearch和Solr 比较

总结：

1. es基本是开箱即用（解压就可以用），非常简单。Solr安装复杂一些。
2. 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。
3. Solr支持更多格式的数据，比如JSON，XML，CSV，而ElasticSearch仅支持json文件格式。
4. Solr官方提供的功能更多，而ElasticSearch 本身注重于核心功能，高级功能多有第三方插件提供，例如图形化界面需要Kibana友好支撑
5. Solr查询快，但更新索引时慢，（即插入数据慢），用于电商查询多的应用。
6. ElasticSearch 建立索引快（查询慢），即实时性查询快，用户facebook新浪等搜索
7. Solr 是传统搜索应用的有力解决方案，但ElasticSearch 更适用于新兴的实时搜索应用
8. Solr比较成熟，有一个更大，更成熟的用户，开发和贡献社区，而ElasticSearch相对开发维护者较少，更新太快，学习使用成本较高。

ElasticSearch 的核心概念

集群，节点，索引，类型，文档，分片，映射

ElasticSearch 是面向文档，关系行数据库和 ElasticSearch客观的对比！一切都是JSON

Relational DB	ElasticSearch
数据库（database)	索引（indices)
表（tables)	types
行（rows)	documents
字段（columns)	fields

ElasticSearch(集群）中可以包含多个索引（数据库），每个索引中可以包含多个类型（表），每个类型下又包含多个文档行，每个文档中又包含多个字段列。

物理设计：

ElasticSearch 在后台把每个索引划分成多个分片，每分分片可以在集群中的不同服务器间迁移。一个人就是一个集群，默认的集群名称就是 elasticSearch。

逻辑设计：

一个索引类型中，包含多个文档，比如说 文档1，文档2。当我们索引一篇文档时，可以通过这样的一个顺序找到它：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，注意：ID不必是整数，实际上它是一个字符串

文档

之前说过ElasticSearch 是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，elasticSearch中，文档有几个重要属性：

• 自我包含，一篇文档同事包含字段和对应的值，也就是同事包含key：value
• 可以是层次型的，一个文档中包含文档，复制的逻辑实体就是这么来的。
• 灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticSearch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，比如一个年龄字段类型，可以是字符串也可以是整形，因为elasticSearch 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ElasticSearch中，类型有时候也称为映射类型。

类型

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，比如 name映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么ElasticSearch 是怎么做的呢？elasticSearch 会自动的将新字段加入映射，但是这个字段的不确定它是什么类型，elasticSearch 就开始猜，如果这个值是18，那么elasticSearch会认为它是整型，但是 elasticSearch 也可能猜不对，所以最安全的方式就是提前定义好所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用，别整什么幺蛾子。

索引

索引是映射类型的容器，ElasticSearch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。然后它们被存储到各个分片上了。我们来研究一下分片是如何工作的。

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 elasticsearch 进程，节点可以有多个索引默认的，如果你创建索引，那么索引会有5个分片构成，每个主分片会有一个副本（又称为复制分片）

上图是一个有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，这样有利于某个节点挂掉了，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elasticsearch 在不扫描全部文档的情况下，就能告诉你哪些文档含特定的关键字。不过，等等，倒排索引是什么意思呢？

倒排索引

elasticsearch 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。这种结构使用于快速的全文索引，一个索引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

为了倒排索引，我们首先要将每个文档拆分独立的词（或称为词条或者tonkens），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哪个文档：

term	doc_1	doc_2
Study	√	×
To	×	×
every	√	√
forever	√	√
day	√	√
study	×	√
good	√	√
every	√	√
to	√	×
up	√	√

现在我们搜索 to forever，只需要查看包含每个词条的文档

term	doc_1	doc_2
to	√	×
forever	√	√
total	2	1

两个文档都匹配，但是第一个文档比第二个文档匹配程度更高，如果没有别的条件，现在，这两个包含关键字的文档都返回。

再看一个示例，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。

elasticsearch的索引，和Lucene的索引对比。

在elasticsearch 中，索引这个词被频繁使用，这就是术语的使用。在elasticsearch 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elasticsearch 索引是由多个Lucene索引 组成的，别问为什么，谁让elasticsearch 使用lucene作为底层呢！如无特指，说起索引都是指elasticsearch的索引。