Elasticsearch

ElasticSearch是一个分布式，高性能、高可用、可伸缩的搜索和数据分析引擎。文档型nosql数据库。
	
ES是一个近实时（NRT）的搜索引擎，一般从添加数据到能被搜索到只有很少的延迟（大约是1s），而查询数据是实时的。kibana是可视化操作页面（一般我们排问题才会用吧）。

比如在网上商城系统里实现搜索商品的功能也会用到ES。搜索商品的时候为啥要用ES呢？用sql的like进行模糊查询不香吗？
我们要买苹果吃，咱们想买天水特产的花牛苹果，然后在搜索框输入天水花牛苹果，这时候咱们希望搜索到所有的售卖天水花牛苹果的商家，但是如果咱们技术上根据这个天水花牛苹果使用sql的like模糊查询，是不能匹配到诸如天水特产花牛苹果，天水正宗，果园直送精品花牛苹果这类店铺的。

es索引就是库/表，es的文档就是类似一条mysql记录，被序列化成json格式，回想一下在字节跳动的es的mapping设置和setting设置。

节点：一个节点就是一个ES实例，其实本质上就是一个java进程。

Master Eligible节点：每个节点启动后，默认就是Master Eligible节点。Master Eligible可以参加选主流程，并成为Master节点（当第一个节点启动后，它会将自己选为Master节点）；
注意：每个节点都保存了集群的状态，只有Master节点才能修改集群的状态信息。

Data节点：可以保存数据的节点。主要负责保存分片数据，利于数据扩展。

Coordinating 节点：负责接收客户端请求，将请求发送到合适的节点，最终把结果汇集到一起。每个节点默认都起到了Coordinating node的职责。

分片：了解分布式或者学过mysql分库分表的应该对分片的概念比较熟悉，ES里面的索引可能存储大量数据，这些数据可能会超出单个节点的硬件限制。ES提供了将索引细分为多个碎片的功能，这就是分片。
在创建索引时，只需要咱们定义所需的碎片数量就可以了，每个分片都可以看作是一个完全功能性和独立的索引，可以托管在集群中的任何节点上。

分片有什么好处和注意事项呢？
通过分片技术，咱们可以水平拆分数据量，同时它还支持跨碎片（可能在多个节点上）分布和并行操作，从而提高性能/吞吐量。

为了实现高可用，ElasticSearch允许将索引分片的一个或多个复制成所谓的副本分片。副本分片永远不会分配到复制它的原始或主分片所在的节点上；
可以提高扩展搜索量和吞吐量，因为ES允许在所有副本上并行执行搜索。

默认情况下，ES中的每个索引都分配5个主分片，并为每个主分片分配1个副本分片。

ES 是RESTful 风格的系统，需要先掌握RESTful的四个关键词：PUT（修改），POST（添加），DELETE（删除），GET（查询）。其中在ES里面PUT和POST的界限并不是很分明，有时候PUT也作为添加。

咱们知道Elasticsearch之所以模糊查询这么快，是因为采用了倒排索引，而倒排索引的核心就是分词，把text格式的字段按照分词器进行分词并编排索引。

内置分词器和其他分词器
ik分词器是根据什么来分词的呢？如果有些特殊的词汇比如人名，店名，网名，想根据自己的要求特殊处理来分词，能不能解决呢？
ik分词器本身维护了一个超大的词汇文本，里面有非常多的中文词汇。如果要根据自己的特殊词汇来切分，咱们可以把想要切分成的词汇加入到这个文件里面。

kibana查询出来的字段都是什么含义呢？
took：Elasticsearch运行查询需要多长时间(以毫秒为单位)；
timed_out ：搜索请求是否超时；
_shards 搜索了多少碎片，并对多少碎片成功、失败或跳过进行了细分；
_max_score 找到最相关的文档的得分；
hits.total.value ：找到了多少匹配的文档；
hits.sort ：文档排序后的位置(比如上面查询的1，2，3…) ；
hits._score：文档的相关性评分

查询时用有一套和mysql类似的条件筛选语句，具体不细列了，就是当时在字节工作时代码查询前构造查询条件时用的那些。