Elasticsearch(三)——ES核心概念理解

一、ES核心概念

在前面的学习中，我们已经掌握了es是什么，同时也把es的服务已经安装启动，那么es是如何去存储数据，数据结构是什么，又是如何实现搜索的呢？我们先来聊聊lasticsearch的相关概念吧！
集群、节点、索引、类型、文档、分片、映射是什么？
elasticsearch是面向文档,关系行数据库和elasticsearch客观的对比！

Relational DB(关系型数据库)	Elasticsearch
数据库（database）	Elasticsearch
表（tables）	types
行（rows）	documents
字段（columns）	fields

elasticsearch（集群）中可以包含多个索引（数据库），每个索引中可以包含多个类型（表），每个类型下又包含多个文档（行），每个文档中包含多个字段（列）。

1. 物理设计
   elasticsearch在后台把每个索引划分成多个分片，每分分片可以在集群中的不同服务器间迁移。（创建一个索引就是一个集群，默认集群名称为elsaticsearch）
2. 逻辑设计
   一个索引类型中，包含多个文档，比如说文档1、文档2。当我们索引一篇文档时，可以通过这样的一个顺序找到它：索引》类型》文档ID，通过这个组合我们就能索引到某个具体的文档。注意：ID不必是整数，实际上它是个字符串。
   

二、文档（表）

之前说elasticsearch是面向文档的，那么就意味着索引和搜索数据的最小单位是文档，elasticsearch中，文档有几个重要属性：

1. 自我包含，一篇文档同时包含字段和对应的值，也就是同时包含key:value!
2. 可以是层次型的，一个文档中包含自文档，复杂的逻辑实体就是这么来的！
3. 灵活的结构，文档不依赖预先定义的模式，我们知道关系型数据库中，要提前定义字段才能使用，在elasticsearch中，对于字段是非常灵活的，有时候，我们可以忽略该字段，或者动态的添加一个新的字段。
   尽管我们可以随意的新增或者忽略某个字段，但是，每个字段的类型非常重要，比如一个年龄字段类型，可以是字符串也可以是整型。因为elasticsearch会保存字段和类型之间的映射及其他的设置。这种映射具体到每个映射的每种类型，这也是为什么在elasticsearch中，类型有时候也称为映射类型。

三、类型（数据的类型）

类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如name映射为字符串类型。我们说文档是无模式的，它们不需要拥有映射中所定义的所有字段，比如新增一个字段，那么elasticsearch是怎么做的呢？elasticsearch会自动的将字段加入映射，但是这个字段的不确定它是什么类型，elasticsearch就开始猜，如果这个值是18，那么elasticsearch会认为它是整型。但是elasticsearch也能猜不对，所以最安全的方式就是提前定义所需要的映射，这点跟关系型数据库殊途同归了，先定义好字段，然后再使用，别整什么差错。

四、索引（数据库）

索引是映射类型的容器，elasticsearch中的索引是一个非常大的文档集合。索引存储了映射类型的字段和其他设置。然后它们被存储到了各个分片上了。我们来研究下分片是如何工作的。

1. 物理设计：节点和分片 如何工作
   一个集群至少有一个节点，而一个节点就是一个elasticsearch进程，节点可以有多个索引默认的，如果你创建索引，那么索引将会有5个分片（primary shard 又称为主分片）构成的，每一个主分片有一个副本（replica shard，又称为复制分片）

上图是一个有3个节点的集群，可以看到主分片和对应的复制分片都不会在同一个几点内，这样有利于某个节点挂掉了，数据也不至于丢失。实际上，一个分片就是一个Lucene索引，一个包含倒排索引的文件目录，倒排索引的结构使得elasticsearch在不不扫描全部文档的情况下，就能告诉你哪些文档包含特定的关键字，不过，倒排索引是什么鬼？

五、倒排索引

elasticsearch使用的是一种称为倒排索引的结构，采用Lucene倒排作为底层。这种结构适用于快速的全文搜索，**一个索引由文档中所有不重复的列表构成，对于每一个词，都有一个包含它的文档列表。**例如，现在有两个文档，每个文档包含如下内容：

Study every day,good good up to forever #文档1包含的内容
To forever, study every day ,good good up #文档2包含的内容

为了创建倒排索引，我们首先要将每个文档拆分成独立的词（或称为词条或者tokens），然后创建一个包含所有不重复的词条的排序列表，然后列出每个词条出现在哪个文档:

term	doc_1	doc_2
Study	√	×
To	×	×
every	√	√
forever	√	√
day	√	√
study	×	√
good	√	√
to	√	×
up	√	√

现在，我们试图搜索to forever，只需要查看包含每个词条的文档

term	doc_1	doc_2
to	√	×
forever	√	√
total	2	1

两个文档都匹配，但是第一个文档比第二个文档匹配程度更高。如果没有别的条件，现在，这两个包含关键字的文档都将返回。再来看一个示例，比如我们通过博客标签来搜索博客文章。那么倒排索引列表就是这样一个结构：

博客文章(原始数据)		索引列表(倒排索引)
博客文章ID	标签	标签	博客文章ID
1	python	python	1,2,3
2	python	linux	3,4
3	linux,python
4	linux

如果要搜索还有python标签的文章，那相对于查找所有原始数据而言，查找倒排索引后的数据将会块的多。只需要查看标签这一栏，然后获取相关的文章ID即可。

六、elasticsearch的索引和Lucene的索引对比

在elasticsearch中，索引这个词频繁使用，这就是术语的使用。在elasticsearch中，索引被分为多个分片，每份分片是一个Lucene的索引。所以一个elasticsearch索引是由多个Lucene索引组成的。别问为什么，谁让elasticsearch使用Lucene作为底层呢，如无特指，说起索引都是指elasticsearch的索引。

七、IK分词器

1. 什么是IK分词器？
   分词：即把一段中文或者别的划分成一个个的关键字，我们在搜索时候会把自己的信息进行分词，会把数据库中或者索引库中的数据进行分词，然后进行一个匹配操作，默认的中文分词是将每个字看成一个词，比如：“我爱狂神”会被分为“我”，“爱”，“狂”，“神”，这显然是不符合要求的，所以我们需要安装中文分词器IK来解决这个问题。
   IK提供了两个分词算法：ik_smart和ik_max_word，其中ik_smart为最少切分，ik_max_word为最细粒度划分
2. 安装ik 分词器，并将安装好的ik分词器放置在es目录下的plugins目录中
   
3. 重启ES
   
4. 不用重启也可以通过elasticsearch-plugin 可以通过这个命令来查看加载进来的插件
   
5. 插件版本尽量和es版本一致
   

八、ik分词器测试

1. 测试ik_smart分词
   
2. 测试ik_max_word分词，最细力度划分，穷尽词库的可能
   
3. 测试自定义分词

• 例如“狂神说” 没有被当成一个词语
  
• 在ik插件中IKAnalyzer.cfg.xml中配置自定义的字典
  后缀名称为dic都是一样文档
  
• 自定义分词词典中配置如下内容
  
• 词典在ik插件中的config目录下
  
• 重启ES，加载了自定义的myself.dic文件
  
• 测试“狂神说”，是否被当成一个完整的词汇