ES初探

Elasticsearch是什么？

Elasticsearch是一个基于文档的NoSQL数据库，是一个分布式、RESTful风格的搜索和数据分析引擎，同时也是Elastic Stack的核心，集中存储数据。Elasticsearch、Logstash、Kibana经常被用作日志分析系统，俗称ELK。

说白了，ES就是一个数据库，搜索效率很高(但是插入更新较慢,因为要分词，建索引)。速度快，还可以进行分词，非常适合做搜索，例如商城的商品搜索。
而且它是nosql的，数据格式可以随便造。Elasticsearch还为我们提供了丰富的RESTful风格的API，写代码的成本极低。最后它支持分布式，高性能(搜索快)，高可用(某些节点宕机可以接着用)，可伸缩(可以方便的增加节点，解决物理内存上线问题)，适合分布式系统开发。

Elasticsearch的基本概念

ES是一个搜索引擎，也是一种数据库，为了便于理解，与mysql做一下比较。

Elasticsearch	Mysql
文档（Document）	记录（行）
字段（Field）	属性（列）
类型（Type）	表
索引（Index）	数据库

Elasticsearch是基于文档的，就是因为记录元素(被搜索的最小单位)是文档

{
    "email":      "test.com",
    "first_name": "Test",
    "last_name":  "SmithTest",
    "info": {
        "bio":         "Eco-warrior and defender of the weak",
        "age":         25,
        "interests": [ "dolphins", "whales" ]
    },
    "join_date": "2014/05/01"
}

文档格式看起来很像Json。email、first_name等等就是Filed

标题Elasticsearch为什么这么快

首先，我们知道mysql底层数据结构使用的是B+Tree，这种B+Tree，将搜索时间复杂度变成了logN，已经很快了，我们Elasticsearch要比它还快。Elasticsearch是怎么做的呢？
首先储存结构要优化，然后再提高下和磁盘的交互效率。

1.索引结构

ES采用了一种名为倒排索引的索引结构。

传统关系数据库中，我们经常根据主键创建索引，然后根据主键进行查询到整个记录的数据。这种情况叫做正排索引

id(文档编号)	name	age
1	kate	24
2	tom	24
3	kate	29
4	kate	26
5	tom	29

按照正排索引，根据主键我们可以很轻松的找到想要查询的记录，但是如果想要查询某一字段在哪些记录中出现过，就需要遍历整个表，这个操作十分耗时，效率也低，如果把每个字段所有可能存在的值都拿出来放到一个列表中，然后进行查找，就会大大加快速度。

按照这个思想，出现了倒排索引这个概念。

ElasticSearch会为每个属性创建一个索引树，如下所示

Term	Posting List
kate	1,3,4
tom	2,5

Term	Posting List
24	1,2
26	4
29	3,5

以上的索引树就叫做倒排索引，每个Filed字段对应着一组Term，每个Term后面跟着的id(还记着吗，这个主键是文档id,用户不指定就会自动生成，所以一定存在)就是Posting List，它是一组id，有了id再去磁盘中对应的文档就非常快了。

自然而然的想到，如果Term能够排序，再采用二分查找，那么速度会更快,和B±tree一样。
时间复杂度为LogN。这个有序的Term组就是Term Dictionary。

可是问题又来了，比如说数据库中有name前缀为A的同学1000万个，前缀为Z的同学有3个，我要查前缀为Z的同学，那二分查找不也很多次吗，
所以，Elasticsearch把每个开头的地方标记一下，拿出来，再放到一颗树里，速度不是就快了嘛。
这棵树就是Term Index。Term Index前缀不一定是第一个字符，比如A、Ab、Abz，这种都可以在
Term Index树里。并且Term Dictionary可能会太大，会被放到磁盘中，避免内存占用太多。

TIPS.当使用一个关键词在es中进行检索时，其流程大致应该是这样的：

1.首先通过在内存中的 Term Index 查询出以j打头的Term在Term Dictionary字典文件中的哪个位置（这个位置可以是一个文件指针，可能是一个区间范围）

2.紧接着在将这个位置区间中的所有 Term 取出，由于已经排好序，便可通过二分查找快速定位到具体位置；这样便可查询出 Posting List。

3.最终通过 Posting List 中的位置信息便可在原始文件中将目标数据检索出来。