elasticsearch与关系型数据库之间的比较

数据库搜索存在的问题

用数据库做搜索并不好，主要问题

1. 每次搜索都要对记录的一长条内容进行扫描
2. like %关键字% 不能使用到索引
3. 不能将搜索词拆分开来，很难实现部分匹配，比如杭州医疗保险，如果搜索杭州保险，就搜索不到
4. 同义词的实现也比较复杂
5. 要给表中新增一些column，必须用复杂的修改表结构的语法去执行。而且可能对系统代码还有一定的影响。

lucene存在的问题

lucene解决了上述的问题
但是其也存在问题
lucene是部署在单台机器上的，假设磁盘有500个G的空间，如果我们数据量很大，有一个T的数据量，lucene放不下怎么办？

放在多台设备上，分布式，散落在多台机器上。如电商网站前端搜索功能，与多台机器通信的过程，以及数据的管理，都非常麻烦。另外，保证数据不丢失，系统的高可用性上也存在很大的挑战。

这个过程如果我们自己来实现，很麻烦。

elastic search解决方案

在这种情况下elastic search应运而生。每个es节点都封装了lucene，多个es暴露出一个统一的地址。elastic search给我们进行管理多台设备。还实现了副本、故障恢复等机制及性能优化。

所以，elastic search是分布式、近实时、可伸缩的搜索引擎和数据分析引擎
也可以把es当成了一个NoSQL存储引擎，一个可以存储文档类型数据的存储系统，操作里面的document。

关系型数据库与es对比

关系型数据库与es存储对比总结

数据库核心概念	elastic search核心概念
table	index(type)
row	document
column	field
schema	mapping
sql	dsl

sql与es操作对比总结

sql操作	es操作
like	match query
where	term filter
in	terms filter多值搜索 match query 或者 should， 加上 and operator 或者 minimum_should_match
between	range filter
order by	sort 语句
group by	bucket
聚合操作	metric

操作符对比

sql: and or not
es: bool, must, should, must_not, query+operator(and, or)

总结：

传统关系型数据库和Elasticsearch区别

• Elasticsearch - Schemaless / 相关性 / 高性能全文搜索
  • json文档方式实现Schemaless，可以对应前面数据库问题的第5条
  • 相关性/高性能全文搜索，可以对应前面数据库问题的1-4条
• RDBMS - 事务性 / Join
  • 关系型数据库的事务，es不具备
  • 关系型数据库可执行join操作，es不具备