Elasticsearch入门简介

最近因为一个项目涉及到了搜索相关的需求，elasticsearch可以说是目前最流行，最受欢迎的企业搜索引擎，所以在技术选型上自然的选择ES作为搜索引擎的实现，由于自己也是第一次接触elasticsearch，故写下这篇文章总结下自己在使用学习ES过程中的一些经验教训。



一、Elasticsearch简介

1.产品简介

Elasticsearch是一个开源的分布式、RESTful 风格的搜索和数据分析引擎，它的底层是开源库Apache Lucene，Lucene 可以说是当下最先进、高性能、全功能的搜索引擎库——无论是开源还是私有，但它也仅仅只是一个库。为了充分发挥其功能，你需要使用 Java 并将 Lucene 直接集成到应用程序中，且lucene的使用十分负责，你需要了解很多搜索领域的专业知识才可能明白它的原理，为了解决lucene的易用性问题，Elasticsearch应运而生。

Elasticsearch不仅仅是对Lucene做了简单的封装，它本身是一个可以独立部署的高可用的分布式系统，可弹性伸缩支持多至上百个节点，且有配套的可视化管理平台（kibana），极大的降低elasticsearch的运维成本，它封装了一套统一而又简洁的REST接口，对外提供搜索能力，所以依赖的系统可以是任何语言实现的，只需要通过HTTP请求与elasticsearch交互即可，除此之外，依托于分布式的优势，Elasticsearch的性能十分优秀，可轻松支持数亿量级的文档搜索。由于Elasticsearch的功能强大和使用简单，维基百科、卫报、Stack Overflow、GitHub等都纷纷采用它来做搜索。现在，Elasticsearch已成为全文搜索领域的主流软件之一。

2.应用场景

elasticsearch的应用场景非常广泛，由于它是一个搜索引擎，所有依赖于搜索能力的场景都可以用到elasticsearch，包括但不限以下所列举的场景：

1.日志检索，最常用的场景，事实上，elasticsearch+logstash+kibnana已经快成为日志检索的标准技术栈了。

2.指标的度量和观测，elasticsearch拥有强大的数据聚合能力，可以针对给定的数据做各种维度的聚合操作（求平均/求和/求最大值等），且响应速度很快，适合做一些系统指标的监控和度量（如CPU的负载变化趋势，最大值/最小值/平均值等）。

3.地理位置搜索，elasticsearch支持地址位置搜索，基于这个强大的能力我们可以实现一些有趣的能力：如搜索附近的人/店铺/停车场等信息。

4.任何需要用到全文搜索的场景，如媒体网站（文章搜索），社区问答（搜索答案或者问题）等等。



二、ES入门学习

1.一些基础概念

这里主要介绍下一些比较基础且重要的概念，elasticsearch本质上也是一种NoSql数据库，很多概念其实可以和关系型数据库匹配上。



●index：索引，类似于mysql中的database，一个索引就是一个库，一般具有相同特性的document会存放在一个index里，index需要定义对应的setiings，如配置索引的刷新时间/分片数量，分析器等配置信息。

●type：type是定义在index下的，类似于数据库中的表，一个索引下可以有多个type，type必须定一个mapping信息，即定一个这个type有哪些字段，分别是什么类型，索引时如何处理这个字段。（注：type在6.0版本后已经逐渐被废弃了，也就是说一个index就对应一张表了。）

●document：文档，是es中可被索引的最小单位，类似于数据库中的一行记录，以json格式序列化保存，每个document都会有一个ID主键和一个版本号，document是不可更改的，每次更新都是将之前的记录删除，再保存新的记录，并将版本号+1。

●shard：分片，elasticsearch是分布式的，分片就是用来定义索引的数据是如何分布的，每个index索引都需要定义主分片/和副本分片的数量，ES会根据分片的数量来将索引的数据均匀的分发到集群的节点中，充分利用集群的优势，不过这里需要注意主分片的数量是不可改变的，所以我们在使用ES的时候需要做好容量规划，如果后续需要增加分片时，则需要重新索引数据。



2.倒排索引

如果我们要搜索某段文本中是否包含某个关键字，如果是关系型数据库，如mysql，则需要用到like模糊匹配查询，如select * from table where conent like'%keyword%'，我们都知道这样的模糊匹配是无法走索引的，这个sql会导致全表扫描，当数据量很大时，速度就很慢了，而elasticsearch却能很快的搜索出对应的文档，这是因为elasticsearch采用了一种叫“倒排索引”的数据结构来实现的，其实个人认为“倒排索引”这个翻译并不是很准确，叫“反向索引”可能更合适，如上诉所说，mysql的模糊匹配查询很慢是因为搜索的关键字没有的对应的索引，那如果在存储的时候，将文本内容中的关键字提取出来作为索引，不就可以通过关键字快速定位到某段文本内容了么，事实上elasticsearch就是这么做的，如果你将某个字段类型设置为text，elasticsearch在索引文档时，会对这个字段的值进行分析处理，将这个字段的值拆分成一个一个词条（Term），每个词条都会反向指向到