Elaticsearch 总结

1、为什么用es做搜索而不用myslq

原因:
1）描述上万文字 不可能一一进行判断
2）es能进行分词，mysql不可以分词，比如我们想搜索 “生化危机” 生危机，mysql不能搜索到，es就可以搜到
3）大量查询mysql比较低下

4）用数据库来实现搜索，是不太靠谱的。通常来说，性能会很差的

2、全文检索
-------------------------
总结1：数据库里面的数据 比如100万条，按照之前思路数据库存储，其实就是要扫描100万次，而且每次扫描
都需要匹配那个文本所有的字符，确认是否包含搜索的关键词，而且还不能将搜索的词拆分

总结2：利用倒排索引，进行搜索的话，假设100万条数据，拆分词语 10000万条，那么在倒排索引中，就有10000万
条数据，可能我们只索引前面几个就出来结果 ，10000万条 。最起码索引搜索还是比较快的

3、ES介绍
Elasticsearch是一个实时分布式搜索和分析引擎。它用于全文搜索、结构化搜索、分析。

4、Elasticsearch的适用场景
-----------------------------
1）维基百科，类似百度百科，牙膏，牙膏的维基百科，全文检索，高亮，搜索推荐。
2）The Guardian（国外新闻网站），类似搜狐新闻，用户行为日志（点击，浏览，收藏，评论）+ 社交网络数据（对某某新闻的相关看法），数据分析，给到每篇新闻文章的作者，让他知道他的文章的公众反馈（好，坏，热门，垃圾，鄙视，崇拜）。
3）Stack Overflow（国外的程序异常讨论论坛），IT问题，程序的报错，提交上去，有人会跟你讨论和回答，全文检索，搜索相关问题和答案，程序报错了，就会将报错信息粘贴到里面去，搜索有没有对应的答案
4）GitHub（开源代码管理），搜索上千亿行代码。
5）国内：站内搜索（电商，招聘，门户，等等），IT系统搜索（OA，CRM，ERP，等等），数据分析（ES热门的一个使用场景）。

5、Elasticsearch的特点
1）可以作为一个大型分布式集群（数百台服务器）技术，处理PB级数据，服务大公司；也可以运行在单机上，服务小公司
2）Elasticsearch不是什么新技术，主要是将全文检索、数据分析以及分布式技术，合并在了一起，才形成了独一无二的ES；lucene（全文检索），商用的数据分析软件（也是有的），分布式数据库（mycat）
3）对用户而言，是开箱即用的，非常简单，作为中小型的应用，直接3分钟部署一下ES，就可以作为生产环境的系统来使用了，数据量不大，操作不是太复杂
4）数据库的功能面对很多领域是不够用的（事务，还有各种联机事务型的操作）；特殊的功能，比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据的近实时处理；Elasticsearch作为传统数据库的一个补充，提供了数据库所不能提供的很多功能

6、

Elasticsearch的核心概念
-----------------------------
1）近实时
从写人数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es搜索可以达到秒级

2）Cluster(机器)
集群包含多个节点，每个节点属于哪儿集群是通过配置（集群的名称默认是
Elasticsearch）来决定的，一个集群就是一个节点 或者二个

3）Noder（节点）
一个机器，

4）Index（索引--mysql数据库）
索引包含一堆有相似结构的文档数据，比如可以有一个客户索引，商品分类索引，订单索引，索引有一个名称。
一个Index包含多个docment，一个index就代表一类类似或者相同的docment
product index(商品索引 )--->商品信息

5）Type(类型表)
 每个索引里面可以有一个或者多个type，type是index中的一个逻辑数据分类，一个type下的docment，都有
相同的field。

例:

博客 index(数据库)
用户信息 type（表）---docment（一条数据）---field（字段）
博客数据 type（表）---docment（一条数据）---field（字段）
评论数据 type（表）---docment（一条数据）---field（字段）

6）Document（文档-行）

文档是es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，
一条订单数据，通常用JSON数据结构表示，每个index下的type中，都可以去存储多个document。

7） Field （字段 列）
Field是Elasticsearch的最小单位。一个document里面有多个field，每个field就是一个数据字段。

8）mapping（映射-约束）

定义自己的映射使您能够：

• 区分全文字符串字段和精确值字符串字段
• 执行特定于语言的文本分析
• 优化字段以进行部分匹配
• 使用自定义日期格式
• 使用无法自动检测到的数据类型，例如geo_point和geo_shape

Mysql 和 Elasticsearch 对比
----------------------------------
关系型数据库（比如Mysql）    非关系型数据库（Elasticsearch）
数据库Database                                   索引Index
表Table                                                 类型Type
数据行Row                                           文档Document
数据列Column                                      字段Field
约束 Schema                                        映射Mapping

6、

es的数据保存会根据你对每一个字段添加的映射去做过滤处理，处理完成后再做索引保存，所以在集群搭建完成后就想要创建索引，然后对需要处理的字段添加相应的映射。

更多精彩文章请访问：百考汇