ElasticSearch

和关系型数据库的比较

什么是倒排索引

假设有这么几条数据(为了简单，去掉about, interests这两个field):

ID是Elasticsearch自建的文档id，那么Elasticsearch建立的索引如下:

• Posting List
  Elasticsearch分别为每个field都建立了一个倒排索引，Kate, John, 24, Female这些叫term，而[1,2]就是Posting List。Posting list就是一个int的数组，存储了所有符合某个term的文档id。
  看到这里，不要认为就结束了，精彩的部分才刚开始…
  通过posting list这种索引方式似乎可以很快进行查找，比如要找age=24的同学，爱回答问题的小明马上就举手回答：我知道，id是1，2的同学。但是，如果这里有上千万的记录呢？如果是想通过name来查找呢？

• Term Dictionary
  Elasticsearch为了能快速找到某个term，将所有的term排个序，二分法查找term，logN的查找效率，就像通过字典查找一样，这就是Term Dictionary。现在再看起来，似乎和传统数据库通过B-Tree的方式类似啊，为什么说比B-Tree的查询快呢？

• Term Index
  B-Tree通过减少磁盘寻道次数来提高查询性能，Elasticsearch也是采用同样的思路，直接通过内存查找term，不读磁盘，但是如果term太多，term dictionary也会很大，放内存不现实，于是有了Term Index，就像字典里的索引页一样，A开头的有哪些term，分别在哪页，可以理解term index是一颗树：
  
  这棵树不会包含所有的term，它包含的是term的一些前缀。通过term index可以快速地定位到term dictionary的某个offset，然后从这个位置再往后顺序查找。
  

  所以term index不需要存下所有的term，而仅仅是他们的一些前缀与Term Dictionary的block之间的映射关系，再结合FST(Finite State Transducers)的压缩技术，可以使term index缓存到内存中。从term index查到对应的term dictionary的block位置之后，再去磁盘上找term，大大减少了磁盘随机读的次数。

ES在电商平台的应用架构

JDBC 与 ES Client 对比

文章参考

https://www.cnblogs.com/dreamroute/p/8484457.html
https://blog.csdn.net/zl1zl2zl3/article/details/84799928
https://blog.csdn.net/zkyfcx/article/details/79998197
https://blog.csdn.net/wangnan9279/article/details/79287846
https://blog.csdn.net/zhenwei1994/article/details/94013059