3、Elasticsearch：核心概念

3.1、概述

Elasticsearch是面向文档

关系型数据库与Elasticsearch客观的对比

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，每个分片可以在集群中的不同服务器间迁徙。

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 。实际上它是个字符串，

3.1.1、文档

之前说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,一篇文档同时包含字段和对应的值,也就是同时包含key;value !
• 可以是层次型的,一个文档中包含自文档,复杂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,或者动态的添加一-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,这也是为什么在
elasticsearch中,类型有时候也称为映射类型。

3.1.2、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会认为它是整形。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。

3.1.3、索引

就是数据库!

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。然后它们被存储到了各个分片上了。我们来研究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elasricsearch进程,节点可以有多个索引默认的,如果你创建索引,那么索引将会有个5个分片( primary shard ,又称主分片)构成的,每-个主分片会有一个副本( replia shard ,又称复制分片)

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包含特定的关键字。

3.1.4、倒排索引

elasticsearch使用的是一种称为倒排索引的结构，采用Luence倒排索引作为底层。这种结构适用于快速的全文搜索，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，现有两个文档，每个文档包含如下内容：

Study every day,good good up to forevery # 文档1包含的内容
To forever，study every day，good good up # 文档2包含的内容

为创建倒排索引，我们首先要将每个文档拆分成独立的词（或称为词条或者tokens），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	√	√

现在我们使徒搜索to forever，只需要查看包含每个词条的文档

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

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

再来看一个示例，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。

接下来的一-切操作都在kibana中Dev Tools下的Console里完成。基础操作!

学习视频链接：https://www.bilibili.com/video/BV17a4y1x7zq?p=8