1 Elasticsearch基础知识学习

为什么要使用ES

(1)：大规模数据如何检索？

如：当系统数据量上了10亿、100亿条的时候，我们在做系统架构的时候通常会从以下角度去考虑问题：

• 1）用什么数据库好？(mysql、sybase、oracle、达梦、神通、mongodb、hbase…)
• 2）如何解决单点故障；(lvs、F5、A10、Zookeep、MQ)
• 3）如何保证数据安全性；(热备、冷备、异地多活)
• 4）如何解决检索难题；(数据库代理中间件：mysql-proxy、Cobar、MaxScale等;)
• 5）如何解决统计分析问题；(离线、近实时)

(2)传统数据库的应对解决方案

对于关系型数据，我们通常采用以下或类似架构去解决查询瓶颈和写入瓶颈： 解决要点：

• 1）通过主从备份解决数据安全性问题；
• 2）通过数据库代理中间件心跳监测，解决单点故障问题；
• 3）通过代理中间件将查询语句分发到各个slave节点进行查询，并汇总结果

（3）非关系型数据库的解决方案

对于Nosql数据库，以mongodb为例，其它原理类似： 解决要点：

• 1）通过副本备份保证数据安全性；
• 2）通过节点竞选机制解决单点问题；
• 3）先从配置库检索分片信息，然后将请求分发到各个节点，最后由路由节点合并汇总结果

从前面讨论我们了解到，把数据放在内存也好，不放在内存也好，都不能完完全全解决问题。 
全部放在内存速度问题是解决了，但成本问题上来了。 
为解决以上问题，从源头着手分析，通常会从以下方式来寻找方法： 
1、存储数据时按有序存储； 
2、将数据和索引分离； 
3、压缩数据； 
这就引出了Elas