ElasticSearch基本概念学习

Elasticsearch是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据，与传统关系型数据库完全不同；本身扩展性很好，可以扩展到上百台服务器，处理PB级别的数据。 

Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单。

什么是全文检索？

计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置。当用户查询时，检索程序就会根据之前建立的索引进行查找，并将查找的结果返回给用户的检索方式。从数据检索的角度来看，数据大体上可以分为两类：结构化数据和非结构化数据。非结构化数据没有定义好的结构化特征，如：文章，网页，邮件等。简单来讲，全文检索就是对文档中全部内容进行分词，然后对所有单词建立倒排索引的过程。

什么是倒排索引？

倒排索引先将文档中包含的管家你全部提取出来，然后再讲关键字与文档的对应关系保存起来，最后对关键字本身做索引排序。即把文档ID对应到关键词的映射转换为关键词到文档ID的映射，每个关键词都对应着一系列的文档，这些文档中都出现这个关键词。倒排索引实际上也是对全文数据结构化的过程。

节点 & 集群（Node & Cluster）

Elasticsearch 本质上是一个分布式数据库，允许多台服务器协同工作，每台服务器可以运行多个Elasticsearch实例。单个Elasticsearch实例称为一个节点（Node），一组节点构成一个集群（Cluster）。

索引（Index）

Elasticsearch 数据管理的顶层单位就叫做 Index（索引），相当于关系型数据库里的数据库的概念。另外，每个Index的名字必须是小写。

映射类型（Mapping Type）

是定义文档与索引映射关系的一种方式。从6.0.0开始单个索引中只能有一个类型，7.0.0以后将将不建议使用，8.0.0 以后完全不支持。

文档（Document）

Index里面单条的记录称为 Document（文档）。许多条 Document 构成了一个 Index。在ElasticSearch中，数据存储和检索的基本单元是文档（一种半结构化数据）。Document 使用 JSON 格式表示，同一个 Index 里面的 Document，不要求有相同的结构（scheme），但是最好保持相同，这样有利于提高搜索效率。

分片（Shard）

当有大量的文档时，由于内存的限制、磁盘处理能力不足、无法足够快的响应客户端的请求等，一个节点可能不够。这种情况下，数据可以分为较小的分片。每个分片放到不同的服务器上。当查询的索引分布在多个分片上时，ES会把查询发送给每个相关的分片，并将结果组合在一起，而应用程序并不知道分片的存在。

副本（Replia）

为提高查询吞吐量或实现高可用性，可以使用分片副本。副本是一个分片的精确复制，每个分片可以有零个或多个副本。ES中可以有许多相同的分片，其中之一被选择更改索引操作，这种特殊的分片称为主分片。当主分片丢失时，如：该分片所在的数据不可用时，集群将副本提升为新的主分片。

索引相当于库；类型相当于表；文档相当于行；字段相当于列。