Elasticsearch核心概念

目录

1 Lucence

2 Cluster（集群）

3 Node（节点）

4 Index（索引-数据库）

5 Type（类型-表）

6 Document（文档-行）

7 Field（字段-列）

8 mapping（映射-约束）

9 elasticsearch与数据库对象关系对比

10 ES存入数据和搜索数据机制

---

Elasticsearch简称ES，是一款基于Lucene的分布式全文搜索引擎，擅长海量数据存储、数据分析以及全文检索查询。它可以用于全文搜索、结构化搜索和数据分析。

全文检索：将非结构化数据中的一部分信息提取出来，重新组织，使其变得有一定结构，然后对此有一定结构的数据进行搜索，从而达到搜索相对较快的目的。

结构化检索：我想搜索华为手机的商品都有哪些，select * from goods where goods_id = ‘华为’。

数据分析：电商网站，最近7天牙膏这种商品销量排名前10的商家有哪些；新闻网站，最近1个月访问量排名前3的新闻板块有哪些。

关于elasticsearch的一个传说，有一个程序员失业了，陪着自己老婆去英国伦敦学习厨师课程。程序员在失业期间想给老婆写一个菜谱搜索引擎，觉得Lucene实在太复杂了，就开发了一个封装了Lucene的开源项目，compass。后来程序员找到了工作，是做分布式的高性能项目的，觉得compass不够，就写了elasticsearch，让Lucene变成分布式的系统。

1 Lucence

Lucene是Apache下的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，它是ES实现全文检索的核心基础，索引文档以及搜索索引的核心流程都是在Lucene中完成的。

2 Cluster（集群）

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 Index（索引-数据库）

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。

5 Type（类型-表）

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": "1",   "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": "2",   "product_name": "基围虾",   "product_desc": "纯天然，冰岛产",   "category_id": "4",   "category_name": "生鲜",   "eat_period": "7天" }

6 Document（文档-行）

文档是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。

7 Field（字段-列）

Field是Elasticsearch的最小单位。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" }

8 mapping（映射-约束）

数据如何存放到索引对象上，需要有一个映射配置，包括：数据类型、是否存储、是否分词等。

这样就创建了一个名为blog的Index。Type不用单独创建，在创建Mapping 时指定就可以。Mapping用来定义Document中每个字段的类型，即所使用的 analyzer、是否索引等属性，非常关键等。创建Mapping 的代码示例如下：

client.indices.putMapping({     index : 'blog',     type : 'article',     body : {         article: {             properties: {                 id: {                     type: 'string',                     analyzer: 'ik',                     store: 'yes',                 },                 title: {                     type: 'string',                     analyzer: 'ik',                     store: 'no',                 },                 content: {                     type: 'string',                     analyzer: 'ik',                     store: 'yes',                 }             }         }     } });

9 elasticsearch与数据库对象关系对比

关系型数据库（比如Mysql）	非关系型数据库（Elasticsearch）
数据库Database	索引Index
表Table	类型Type
数据行Row	文档Document
数据列Column	字段Field
约束 Schema	映射Mapping

10 ES存入数据和搜索数据机制

索引对象（blog）：存储数据的表结构 ，任何搜索数据，存放在索引对象上；

映射（mapping）：数据如何存放到索引对象上，需要有一个映射配置， 包括：数据类型、是否存储、是否分词等；

文档（document）：一条数据记录，存在索引对象上；

文档类型（type）：一个索引对象，存放多种类型数据，数据用文档类型进行标识；