全文检索技术Elasticsearch

1 Elasticsearch是什么

Elasticsearch是一个分布式的Restfull风格的搜索和数据分析引擎，他有以下特点：

• 分布式：无需人工搭建集群，会自动扩展
• Restful风格，一切API都遵循Rest原则，容易上手
• 近实时搜索，数据更新在Elasticsearch中几乎是完全同步的。

为什么说Elasticsearch是近乎实时的呢？

         Elasticsearch和磁盘之间还有一层称为FileSystem Cache的系统缓存，正是由于这层cache的存在才使得es能够拥有更快搜索响应能力。
         在Elasticsearch中新增的document（相当于数据库的行）会被收集到indexing buffer（索引，相当于数据库）区后被重写成一个segment然后直接写入filesystem cache中，这个操作是非常轻量级的，相对耗时较少，之后经过一定的间隔或外部触发后才会被flush到磁盘上，这个操作非常耗时。但只要sengment文件被写入cache后，这个sengment就可以打开和查询，从而确保在短时间内就可以搜到，而不用执行一个full commit也就是fsync操作，这是一个非常轻量级的处理方式而且是可以高频次的被执行，而不会破坏Elasticsearch的性能。
         默认情况下，每隔1秒自动refresh一次，这就是我们为什么说es是近实时的搜索引擎而不是实时的，也就是说给索引插入一条数据后，我们需要等待1秒才能被搜到这条数据，这是es对写入和查询一个平衡的设置方式，这样设置既提升了es的索引写入效率同时也使得es能够近实时检索数据。
参考资料：为什么说Elasticsearch搜索是近实时的？

2 索引

Elasticsearch和MySQL的对比关系：

索引（indices）--------------------------------Databases 数据库
类型（type）------------------------------------Table 数据表
文档（Document）----------------------------Row 行
字段（Field）-----------------------------------Columns 列

• 数据库里面的每一行商品数据就可以称为一个文档
• 商品名称这一列，就可以称为一个字段

概念	说明
索引库（indices)	indices是index的复数，代表许多的索引，
类型（type）	类型是模拟mysql中的table概念，一个索引库下可以有不同类型的索引，比如商品索引，订单索引，其数据格式不同。不过这会导致索引库混乱，因此未来版本中会移除这个概念
文档（document）	存入索引库原始的数据。比如每一条商品信息，就是一个文档
字段（field）	文档中的属性
映射配置（mappings）	字段的数据类型、属性、是否索引、是否存储等特性

2.1 对索引的操作

增：
Elasticsearch采用Rest风格API，因此其API就是一次http请求

创建索引的请求格式：

• 请求方式：PUT

• 请求路径：/索引库名

• 请求参数：json格式：

{
   
    "settings": {
   
        "number_of_shards": 3,
        "number_of_replicas": 2
    }
}

查：

GET /索引库名

删：

DELETE /索引库名

2.2 映射的配置

索引有了，接下来肯定是添加数据。不过数据存储到索引库中，必须指定一些相关属性，比如：

• 字段的数据类型
• 是否要存储
• 是否要索引
• 是否分词
• 分词器是什么

创建映射：PUT

PUT /索引库名/_mapping/类型名称
{
  "properties": {
    "字段名": {
      "type": "类型",
      "index": true，
      "store": true，
      "analyzer": "分词器"
    }
  }
}

查看映射：

GET /索引库名/_mapping

2.3 对数据的操作

增：
通过POST请求，可以向一个已经存在的索引库中添加数据。
随机产生数据id：

POST /索引库名/类型名
{
    "key":"value"
}

自定义id：

POST /索引库名/类型/id值
{
    ...
}

改：
请求方式为put，不过修改必须指定id。

• id对应文档存在，则修改
• id对应文档不存在，则新增