Elasticsearch实战---------相关名词介绍

ElasticSearch

分布式的搜索引擎和数据分析引擎

应用场景

1.可以处理海量数据
2.elk

优点

1.ES有分片的概念，一个大的索引会被自动分成多个分片来进行存储数据，使用分布式的架构对分片进行并行搜索

缺点

1.ES没有事务的处理
2.相对于MYSQL ES不适用于定位某一个唯一值(如用会员id找会员)时并不需要es
所以在实际项目中一般MYSQL和ES连用，MYSQL数据库应该是基础数据来源并导入ES索引。 如果异常情况发生（节点丢失，中断或误操作 ）导致丢失了索引，您将能够完全恢复它。 一般的用法是另外的数据库比如MySQL里面有一份，然后实时同步到ES(通过ElasticSearch-jdbc同步)，这样一个用于键值查询(MYSQL)，一个用于各种其他查询(ES)

理论

索引（index）

类似MYSQL的数据库

类型（type）

类似MYSQL的表（在es5.0后一个索引下只能建一个类型）

文档（Document）

类似MYSQL的一条记录

分词？？

节点（node）

一个运行中的 Elasticsearch 实例称为一个节点，而集群是由一个或者多个拥有相同cluster.name配置的节点组成， 它们共同承担数据和负载的压力

分片（Shard）

一个索引中的数据保存在多个分片中，相当于水平分表。一个分片便是一个Lucene 的实例，它本身就是一个完整的搜索引擎（所以es的分布式就是体现在分片上的（前提是只有一个节点））。我们的文档被存储和索引到分片内，但是应用程序是直接与索引而不是与分片进行交互。

ES实际上就是利用分片来实现分布式。分片是数据的容器，文档保存在分片内，分片又被分配到集群内的各个节点里。 当你的集群规模扩大或者缩小时， ES会自动的在各节点中迁移分片，使得数据仍然均匀分布在集群里。

一个分片可以是主分片或者副本分片。 索引内任意一个文档都归属于一个主分片，所以主分片的数目决定着索引能够保存的最大数据量。一个副本分片只是一个主分片的拷贝。 副本分片作为硬件故障时保护数据不丢失的冗余备份，并为搜索和返回文档等读操作提供服务。

在索引建立的时候就已经确定了主分片数，但是副本分片数可以随时修改。默认情况下，一个索引会有5个主分片，而其副本可以有任意数量。

主分片和副本分片的状态决定了集群的健康状态。每一个节点上都只会保存主分片或者其对应的一个副本分片，相同的副本分片不会存在于同一个节点中。如果集群中只有一个节点，则副本分片将不会被分配，此时集群健康状态为yellow，存在丢失数据的风险。

ES的数据类型

text
当一个字段需要用于全文搜索(会被分词), 比如产品名称、产品描述信息, 就应该使用text类型.
text的内容会被分词, 可以设置是否需要存储: “index”: “true|false”.
text类型的字段不能用于排序, 也很少用于聚合.

PUT website
{
    "mappings": {
        "blog": {
            "properties": {
                "summary": {"type": "text", "index": "true"}
            }
        }
    }
}

keyword
当一个字段需要按照精确值进行过滤、排序、聚合等操作时, 就应该使用keyword类型.
keyword的内容不会被分词, 可以设置是否需要存储: “index”: “true|false”.

PUT website
{
    "mappings": {
        "blog": {
            "properties": {
                "tags": {"type": "keyword", "index": "true"}
            }
        }
    }
}

text和keyword的区别