分布式搜索Elasticsearch——概述

最新推荐文章于 2023-04-18 14:09:35 发布

panyuwu

最新推荐文章于 2023-04-18 14:09:35 发布

阅读量381

点赞数

分类专栏： ELK

ELK 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

前注：有些内容来自网络，此处引用

Elasticsearch是一个基于lucene的、开源的、分布式的、RESTful的搜索引擎。Elasticsearch有如下特征：

       1. 更快的执行搜索；
     2. 安装简单；
       3. 完全自由的搜索模式；
       4. 可以简单地通过HTTP使用JSON索引数据；
       5. 分布式，可对搜索集群；
       6. 能够实时搜索；
       7. 实现简单地多租户；
       8. 等等。

很多时候我们使用Elasticsearch来代替lucene实现搜索，当然，代替的原因是因为其可实现搜索集群。

自由和面向文档的模式

搜索引擎的数据模型属于模式自由以及数据库是面向文档的，以目前#nosql的发展趋势来看，使用这种数据模型来构建应用程序已经被证明是非常高效的。

elasticsearch 的模型基于 JSON, 事实上，在近些年，它俨然已经成为数据呈现的一个标准，此外，通过JSON，可以非常简单的表示半结构化的数据，同样的，大多数编程语言都会优先支持JSON数据的解析.

模式映射（Schema Mapping）

elasticsearch是无模式的，你随便往里面扔一个JSON格式的文档，然后ES就可以自动的进行索引。输入的内容如果是数字或者是时间类型，ES也自动的检测出来，并做相应的处理。

但是，众所周知，搜索引擎是非常复杂的，索引文档中的字段是可以设置BOOST值来影响打分的，另外还可以使用不同的分析器（Analyzer）用来控制怎么分词，比如有些字段是需要进行分词的，但是有些则不一定，如此等等。elasticsearch允许你完全控制这些规则，最终将一个JSON文档映射到搜索引擎里面。并且可以按索引（Index）和按类型（Type）2种级别来进行设置.。

获取数据（GETting Some Data）

每个索引的文档都必须要有一个唯一标识（在类型级别），在很多时候这是非常有用的，比如你想更新或者删除某一个索引文档，或者只是想拿一条索引数据看看。获取数据真是简单的不能再简单了，你只需用告诉es指定文档的索引、类型、和id就可以拿回实际的索引文档了（就是你建索引的时候的JSON文档）。

搜索（Search）

处理查询只需要一个简单的请求，里面隐藏了很多复杂的es提供的基于分布式的操作。可以简单的使用 Lucene通用的语法，或者使用基于JSON格式QueryDSL（DSL：领域特定语言）来构造搜索各种请求（更加灵活，方便构造复杂查询）。

搜索可不仅仅就是查询就结束了，方面/层面（facets），高亮，自定义脚本等等都是支持的。

多租户（Multi Tenancy）

单个索引既然已经有了，那为什么还会需要不止一个索引呢，其实，有很多原因需要支持多索引，比如，对日志索引可以按周来分别存放，或者是对不同的索引进行不同的设置（比如，一个使用内存作为存储，一个使用文件系统来存储）。

当有了多个索引之后，我们就想要能够跨索引来进行搜索（或者其他操作）。

设置（Settings）

能够进行配置本身就是一把双刃剑，我们想要的是能够打开就能尽快运行，中间无需任何配置，并且当有需要的时候能够控制应用程序的几乎所有方面。

elasticsearch 从构建之初就这种理念，所以几乎所有事情都是可配和可插拔的，此外，每个索引（index）都有其独立的配置，用来覆盖主配置（master settings）。举例来说，一个索引可以配置为使用内存存储，10个分片和1个副本，而另外一个索引可以是使用文件系统存储，1个分片和10个副本。所有的索引级别（index）的设置都是可以在创建索引的时候通过YAML或者JSON格式来进行指定的。

分布式（Distributed）

elasticsearch的一个最主要的功能就是对分布式的支持，索引能够分拆为多个分片，每个分片可以有0个或者多个副本，集群中的每个数据节点，都可以承载一个或者多个分片，并且充当协调和处理各种操作分发到合适的分片上去。再平衡（Rebalancing）和路由（routing）这一切都是自动进行的。

时间之门（Gateway）

也许有一天，整个集群会崩溃（谁也无法保证因为什么原因），或者是因为特殊需要而进行关停，大多数情况，我们是需要让集群恢复到最后的一个状态的，并且让服务重新run起来，elasticsearch提供了一个叫做gateway的模块，允许你来做这件事情，你可以想想时间机器和搜索的结合。

集群的状态信息（包括事务日志）可以通过每个本地存储（默认模式）来重建，或共享存储（如NFS或者Amazon S3），当使用共享存储，集群状态信息会异步的复制过去。

此外，当使用共享存储来做持久化，索引信息可以完全的存放在内存里面，就算做整个集群的关闭再恢复也不会有问题。