elasticsearch1

es的特点：

1. 自动的维护数据的分布到多个节点索引的建立，还有搜索请求到多个节点的执行；
2. 自动维护数据的冗余副本，保证说，一些机器宕机了，不会丢失任何数据；
3. 封装了更多的高级功能，以给我们提供更多的高级的支持，让我们快速的开发应用，开发更多的复杂的应用：复杂的搜索功能，聚合分析的功能，基于地理位置的搜索。

• elasticsearch是关键词    分布式       搜索    数据分析
• es的搜索类型：全文搜索、结构化搜索（按照某种条件进行搜索）、数据分析。
• 对海量的数据进行近实时的处理

1. es可以对海量的数据通过分布到多台的服务器上进行存储和检索。
2. 近实时：将搜索的时间降低到秒级别；

es的核心概念：

1. NRT（近实时）：1.将数据的存储和搜索之间的时间缩短到秒级。2.将搜索缩短到秒级
2. cluster：集群。可以包含多个节点。将数据分布到不同的节点减少节点的负载。
3. document：es的最少数据单元。一个文档可以是一条数据。通常用json数据结构进行表示，每个索引下的type都可以存放多个document。一个document里面可以有多个field，每个field就是一个数据字段。
4. 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。

5. 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。

6. shard的好处：1.可以横向扩展。2.数据分布到所有的shard上，多台服务器上的所有的操作，会在多台服务器上并行执行，提高吞吐量和性能。 

7. replica：为shard节点的宕机提供的备份：提供了高可用性。提升了搜索这类请求的吞吐量和性能。

    默认情况写是将shard和replica保存在两台服务器上。

         将es与传统的数据库进行对比发现：

                                                Elasticsearch            数据库

                                                -----------------------------------------

                                                        Type                表

                                                      Document            行
                                                           Index                库        

red:每个索引的shard和replaca都是可用的状态；

yellow:不是所有的replaca处于active状态的；

red：不是所有的red都处于active的状态；

• 检查集群的健康状态：GET _cluster/health
• 删除索引：DELETE /索引名?pretty
• 获取索引：GET _cat/indices?v      v表示获取表头的数据
• 创建一个doc：
• PUT /index/type/doc
  {
      "name" : "zhonghua yagao",
      "desc" :  "caoben zhiwu",
      "price" :  40,
      "producer" :      "zhonghua producer",
      "tags": [ "qingxin" ]
  }
• 更改一个doc  
• POST /index/type/doc/_update
  {
    "doc": {
      "name":"jiaqiangbangaolujie"
    }
  }
• 删除一个doc      DELETE /index/type/doc

商品的多种搜索方式

• query string search: GET /index/type/_search
• took：耗费了几毫秒
  timed_out：是否超时，这里是没有
  _shards：数据拆成了5个分片，所以对于搜索请求，会打到所有的primary shard（或者是它的某个replica shard也可以）
  hits.total：查询结果的数量，3个document
  hits.max_score：score的含义，就是document对于一个search的相关度的匹配分数，越相关，就越匹配，分数也高
  hits.hits：包含了匹配搜索的document的详细数据

• query DSL  查询语法：

• GET /ecommerce/product/_search
  {
    "query": {"match_all": {}}      //查询索索的商品
  }

  DSL：Domain Specified Language，特定领域的语言
  http request body：请求体，可以用json的格式来构建查询语法，比较方便，可以构建各种复杂的语法，比query string search肯定强大多了GET /ecommerce/product/_search
  {
    "query": {
      "match": {
        "name": "yagao"   //商品的名字
      }
    },
    "sort": [             //对商品按照字段进行排序
      {
        "price":"desc"    
      }
    ],
    "from": 1,      //对商品进行分页
    "size": 1
  }

• query filter         filter(关键词)进行查询的过滤

• 全文检索：match     全文检索会将输入的搜索串拆解开来，去倒排索引里面去一一匹配，只要能匹配上任意一个拆解后的单词，就可以作为结果返回           将匹配到分数最高的数据放到最前面，分数越高，排的地方越往前

• phrase search（短语搜索）  match_phrase

  跟全文检索相对应，相反。  
  phrase search，要求输入的搜索串，必须在指定的字段文本中，完全包含一模一样的，才可以算匹配，才能作为结果返回

• highlight search（高亮搜索结果）

         写法： "highlight": {
                       "fields": {
                               "producer": {}
                          } 

            效果： "highlight": {
                           "producer": [
                            "special <em>yagao</em> <em>producer</em>"
                             ]
                         }

扩容：垂直扩容和水平扩容；

垂直扩容：用更加强大的服务器替换老的服务器；

水平扩容：利用相同的服务器进行扩容；是经常采用的方案。

master节点：管理es的元数据（索引的创建和删除，维护索引的元数据，节点的增加和移除，维护节点元数据），master节点不承载节点请求，所以不会称为一个单点瓶颈。

节点：每个节点都可以接收所有的请求，并且每个节点都可以根据请求去相应的节点进行数据的搜索。集群中节点之间是对等的。

• 一个index会包含多个shard
• 每个shard是一个最小的数据存放单元，本身就是一个lucene，一个document只能存储到一个shard中，完整的建立索引和处理i 请求的能力
• 每个replica都会承载一些读请求
• primary shard的数量在创建的时候已经固定了
• primary和replica不能放到同一个节点上的