elasticsearch相关概念

最新推荐文章于 2022-08-22 10:19:18 发布

我顶得了

最新推荐文章于 2022-08-22 10:19:18 发布

阅读量247

点赞数

分类专栏： ELK

本文链接：https://blog.csdn.net/qq_38534524/article/details/104521749

版权

ELK 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

为什么不用MySQl 在这里插入图片描述

常见搜索引擎：
在这里插入图片描述

. 在这里插入图片描述
倒排索引：

比如说要查找生化危机，输入一个生化危，将其拆分成生化危两组，当查找生化的时候可以看到在1234这四个词条中都有生化，这样查询结果中，就会有这几个词。

为什么需要elasticsearch，当数据量很大，一台机器放不下的时候就需要多台机器，但是多台机器的通信过程很麻烦，并且如果有宕机情况出现也很难解决，还有如何高性能建立索引也很难
在这里插入图片描述
elasticsearch优点

在这里插入图片描述

elasticsearch的核心概念：

（1）Near Realtime（NRT）：近实时，两个意思，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级

（2）Cluster：集群，包含多个节点，每个节点属于哪个集群是通过一个配置（集群名称，默认是elasticsearch）来决定的，对于中小型应用来说，刚开始一个集群就一个节点很正常
（3）Node：节点，集群中的一个节点，节点也有一个名称（默认是随机分配的），节点名称很重要（在执行运维管理操作的时候），默认节点会去加入一个名称为“elasticsearch”的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，当然一个节点也可以组成一个elasticsearch集群

（4）Document&field：文档，es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，一条订单数据，通常用JSON数据结构表示，每个index下的type中，都可以去存储多个document。一个document里面有多个field，每个field就是一个数据字段。

product document

{
“product_id”: “1”,
“product_name”: “高露洁牙膏”,
“product_desc”: “高效美白”,
“category_id”: “2”,
“category_name”: “日化用品”
}

（5）Index：索引，包含一堆有相似结构的文档数据，比如可以有一个客户索引，商品分类索引，订单索引，索引有一个名称。一个index包含很多document，一个index就代表了一类类似的或者相同的document。比如说建立一个product index，商品索引，里面可能就存放了所有的商品数据，所有的商品document。
（6）Type：类型，每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document，都有相同的field，比如博客系统，有一个索引，可以定义用户数据type，博客数据type，评论数据type。

商品index，里面存放了所有的商品数据，商品document

但是商品分很多种类，每个种类的document的field可能不太一样，比如说电器商品，可能还包含一些诸如售后时间范围这样的特殊field；生鲜商品，还包含一些诸如生鲜保质期之类的特殊field

type，日化商品type，电器商品type，生鲜商品type

日化商品type：product_id，product_name，product_desc，category_id，category_name
电器商品type：product_id，product_name，product_desc，category_id，category_name，service_period
生鲜商品type：product_id，product_name，product_desc，category_id，category_name，eat_period

每一个type里面，都会包含一堆document

{
“product_id”: “2”,
“product_name”: “长虹电视机”,
“product_desc”: “4k高清”,
“category_id”: “3”,
“category_name”: “电器”,
“service_period”: “1年”
}

{
“product_id”: “3”,
“product_name”: “基围虾”,
“product_desc”: “纯天然，冰岛产”,
“category_id”: “4”,
“category_name”: “生鲜”,
“eat_period”: “7天”
}

（7）shard（primary shard）：单台机器无法存储大量数据，es可以将一个索引中的数据切分为多个shard，分布在多台服务器上存储。有了shard就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提升吞吐量和性能。每个shard都是一个lucene index。
（8）replica（replica shard）：任何一个服务器随时可能故障或宕机，此时shard可能就会丢失，因此可以为每个shard创建多个replica副本（其实就是shard的一个备份）。replica可以在shard故障时提供备用服务，保证数据不丢失，多个replica还可以提升搜索操作的吞吐量和性能。primary shard（建立索引时一次设置，确定后不能修改，默认5个），replica shard（随时修改数量，默认1个），所以默认每个索引10个shard，5个primary shard，5个replica shard，最小的高可用配置，是2台服务器（一般来说一台服务器存放10个shard是可以的，但是es规定replica和shard必须不在一个节点上）。
在这里插入图片描述