elasticsearch date_Elastic Search学习笔记-ES核心概念

ES核心

1. 索引（库，用来存放多个文档，就是多个数据）
2. 字段类型（就是数据类型的一个映射，最好是自己提前定义好数据类型，不然ES忙才数据类型有可能会翻车）
3. 文档（就是一条条的记录）
4. 分片（每个分片其实就是一个Lucene索引，Lucene是倒排索引！）

ES是面向文档的，一切都是JSON。和传统的关系型数据库的对比如下：

Relational DB	Elasticsearch
数据库（database）	索引（indices）
表（tables）	types
行（rows)	documents
字段（columns）	fields

上面的表格就是关系型数据库和ElasticSearch中的概念的一个关系对应表个。可以帮助记忆和理解ES中的一些概念。

索引对应了数据库，索引里面的数据存放在文档中，文档种的字段有一些属性就叫做fields。对elastic search的初步理解。types慢慢会被弃用。

集群、节点、索引、类型、文档、分片、映射到底是什么？

物理设计

elastic search在后台把索引划分成多个分片，每个分片可以在集群中的不同服务中迁移。

逻辑设计

一个索引可以包含多个文档，当我们索引一个文档时可以按照这样的顺序去查找它：索引-->类型-->文档ID，文档ID不必须是一个数字，实际上它是一个字符串。

文档 document

（说白了就是一条条数据）前面的表格中，文旦对应了数据库中的行，行在关系型数据库中其实就是一个记录，也就是一条数据。

为什么说ES是面向文档的，因为索引和搜索数据的最小单位是文档，在ES中，文档有几个重要属性：

• 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！
• 可以是层次性的，一个文档中包含自文档，复杂的逻辑实体就是这么来的{就是一个json对象！}
• 灵活的结构，文档不依赖预选定义的模型，关系型数据库中，要提前定义字段才能使用，在ES中，对于字段是非常灵活的，有时候我们可以忽略字段，或者动态的添加一个新的字段。

类型

类型就是文档的逻辑容器，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es是怎么做的呢？elastic search自动的将新字段加入映射，但是这个字段不确定它的类型，elasticsearch就开始猜测，如果这个值是18，那么elastic search就会认为它是整型。但是也可能猜不对，因为最安全的方式是提前定义好所需要的映射，这个跟关系型数据库还是有点雷系了，先定义好字段，然后再使用它。

索引

就是数据库！

索引是映射类型的容器，elastic search中的索引是一个非常大的文档集合。索引中存储了映射类型的字段和其他设置，然后它们被存储到各个分片上了，下面来看下分片的工作方式。

上图是一个包含三个节点的集群，如果其中一个节点不能使用了，数据也不至于丢失。

实际上，一个分片是一个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elastic search再不扫描全部文档的情况下，就能告诉你哪些文档中包含特定的关键字。

倒排索引（重要！）

elasticsearch使用的是倒排索引的结构，采用Lucene倒排索引作为底层，这种结构适用于快速的全文搜索。一句话说倒排索引就是：将每篇文档划分为关键词，然后索引关键词包含在了哪些文档里面。（之前的索引方式是：列出每篇文档，然后在文档里面去索引包含了哪些关键词）。下面有个简单的例子来直观的说明什么是倒排索引。（下面其实就是多个分片，每个分片就是一个倒排索引而已！）

term	doc1	doc2
student	√	√
study	×	√
every	√	×
date	×	√

现在来搜索student study，只需要查看包含这些词条的文档

term	doc1	doc2
student	√	√
study	×	√
total	1	2

分数的统计是自动化完成的，不需要我们认为的计算。采用倒排索引会大大的提高检索的速度。

我们只需要根据我们搜索的关键词去对应的文档里面搜索，完全过滤掉无关的东西。

总结：elastic search中，索引（就是库）被分为多个分片，每个分片其实就是一个Lucene的索引。所以一个elasticsearch索引就是由多个Lucene索引组成的。

接下来的一切操作都是在Kibana中的Dev Tools下的Console里面进行的。

done！