elasticsearch

1.了解ES

1.1.elasticsearch的作用

elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容
例如：
在github上搜索项目

在电商网站搜索商品：

在百度搜索答案：

在打车软件搜索附近的车

1.2ELK技术栈

elasticsearch结合Kibana、Logstash、Beats,也就是elastic stack（ELK），被广泛应用在日志数据分析、实时监控等领域

而elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。

1.2.elasticsearch和lucene

elasticsearch底层是基于LUCENE来实现的
LUCENE是一个java语言的搜索引擎是Apache公司的顶级项目，由DougCutting于1999年研发，官网地址https://lucene.apache.org/
Lucene的优势：
易扩展
高性能
Lucene的缺点：
只限于Java语言开发
学习曲线陡峭
不支持水平发展

目前比较知名的搜索引擎技术排名：

虽然在早期，Apache Solr是最主要的搜索引擎技术，但随着发展elasticsearch已经渐渐超越了Solr，独占鳌头：

总结

什么是elasticsearch？

• 一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、系统监控等功能
  什么是elastic stack（ELK）？
• 是以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch
  什么是Lucene？
• 是Apache的开源搜索引擎类库，提供了搜索引擎的核心API

2.倒排索引

倒排索引的概念是基于Mysql这样的正向索引而言的。

2.1正向索引

那么什么是正向索引呢？例如给下表的（tb_goods）中的id创建索引：

如果是根据id查询，那么直接走索引，查询速度非常快。
但如果是基于title做模糊查询，只能逐行扫描数据，流程如下：
1）用户搜索数据，条件是title符合"%手机%"
2）逐行获取数据，比如id为1的数据
3）判断数据中的title是否符合用户搜索条件
4）如果符合则放入结果集，不符合则丢弃。回到步骤1
逐行扫描，也就是全表扫描，随着数据量增加，其查询效率会越来越低，当数据量达到数百万时，就是一场灾难

2.2倒排索引

倒排索引中有两个非常重要的概念：
文档（document）：用来搜索的数据，其中每一条数据就是一个文档，例如一个网页，一个商品信息
词条（Term）：对文档数据或用户搜索数据，利用某种算法分析，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国。国人这样的几个词条
创建倒排索引是对正向索引的一种特殊处理，流程如下：
将每一个文档的数据利用算法分词，得到一个个词条
创建表，每行数据包括词条，词条所在文档id，位置等信息
因为词条的唯一性，可以给词条创建索引，例如hash表结构索引
如图：

倒排索引的流程如下（以搜索华为手机为例）：
1）用户输入条件华为手机进行搜索
2）对用户输入内容分词，得到词条：华为，手机
3）拿着词条在倒排索引中查找，可以得到包含词条的文档id：1、2、3
4）拿着文档的id到正向索引中查找具体文档
如图：

虽然要先查询倒排索引，再查询正向索引，但是无论是词条，还是文档文档id都建立了索引，查询速度非常快，无需全表扫描

2.3正向和倒排

那么为什么一个叫做吧正向索引，一个叫倒排索引呢？
正向索引是最传统的，根据id索引的方式，但根据词条查询时，必须先纸条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程
而倒排索引则相反，是先找到用户搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档，是根据词条找文档的过程
是不是恰好反过来了？

正向索引

优点：
可以给多个字段创建索引
根据索引字段搜索，排序速度非常快
缺点:
根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描

倒排索引：

优点：
根据词条搜索，模糊搜索时，速度非常快
缺点：
只能给词条创建索引，而不是字段
无法根据字段做排序

3.es的一些概念

elasticsearch中有很多独有的概念，与mysql中略有差别，但也有相似之处

3.1文档和字段

elasticsearch是面向文档（document）存储的，可以是数据库中的一条商品数据，一个订单信息，文当数据会被序列化为json格式后存储在elasticsearch中：

而Json文档中往往包含很多的字段（Field），类似于数据库中的列。

3.2.索引和映射

索引（Index），就是相同类型的文档的集合。
例如：

• 所有用户文档，就可以组织在一起，称为用户的索引；
• 所有商品的文档，可以组织在一起，称为商品的索引；
• 所有订单的文档，可以组织在一起，称为订单的索引

MySQL	Elasticsearch	说明
Table	Index	索引(index)，就是文档的集合，类似数据库的表(table)
Row	Document	文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式
Column	Field	字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
Schema	Mapping	Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）
SQL	DSL	DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

是不是说，我们学习了elasticsearch就不再需要mysql了呢？
并不是如此，两者各自有自己的擅长支出：
Mysql：擅长事务类型的操作，可以确保数据的安全和一致性
Elasticsearch：擅长海量数据的搜索、分析、计算
因此在企业中，往往是两者结合使用：
对安全要求较高的写操作，使用mysql实现
对查询性能要求较高的搜索需求，使用elasticsearch实现
两者再基于某种方式，实现数据的同步，保证一致性

3.3总结

分词器的作用是什么？
创建倒排索引时对文档分词
用户搜索时对输入的内容分词
IK分词器有几种模式？
ik_smart:智能切分，粗粒度
ik_max_word:最细切分，细粒度
IK分词器如何拓展词条？如何停用词条？
利用config目录的IKAnalyzer.cfg.xml文件添加拓展词典和停用词典
在词典中添加拓展词条或者停用词条

4.索引库操作

索引库就类似数据库表，mapping映射就类似表的结构
我们要向es中存储数据，必须先创建库和表
4.1mapping映射属性
mapping是索引库中的文档的约束，常见的mapping属性包括：
type：字段数据类型，常见的简单类型：
字符串：text（可分词的文本）、keyword（精确值，例如：品牌、国家。IP地址）
数值：long、integer、short、byte、double、float、
布尔：boolean
日期：date
对象：object
index：是否创建索引，默认为true
analyzer：使用那种分词器
properties：该字段的子字段
例如下面的json文档：

{
    "age": 21,
    "weight": 52.1,
    "isMarried": false,
    "info": "xxxxxxx",
    "email": "xxxxxx.cn",
    "score": [99.1, 99.5, 98.9],
    "name": {
        "firstName": "云",
        "lastName": "赵"
    }
}

对应的每个字段映射（mapping）：

• age：类型为 integer；参与搜索，因此需要index为true；无需分词器
• weight：类型为float；参与搜索，因此需要index为true；无需分词器
• isMarried：类型为boolean；参与搜索，因此需要index为true；无需分词器
• info：类型为字符串，需要分词，因此是text；参与搜索，因此需要index为true；分词器可以用ik_smart
• email：类型为字符串，但是不需要分词，因此是keyword；不参与搜索，因此需要index为false；无需分词器
• score：虽然是数组，但是我们只看元素的类型，类型为float；参与搜索，因此需要index为true；无需分词器
• name：类型为object，需要定义多个子属性
  • name.firstName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器
  • name.lastName；类型为字符串，但是不需要分词，因此是keyword；参与搜索，因此需要index为true；无需分词器