Lucene与elasticsearch初步认识

开始elasticsearch之前先说一下Lucene的，elasticsearch封装了Lucene的（全文搜索引擎）。

先内容建立索引，对在索引进行搜索的过程叫做全文检索。创建索引很慢但是使用时很快，所以创建索引是有必要的。对数据量大，数据结构不固定的数据用全文检索。

流程

• 创建索引

1. 获得文档
2. 构建文档对象
3. 分析文档（分词）
4. 创建索引

• 索引库

 索引库中有索引和原文件

• 查询索引

1. 用户查询接口
2. 创建查询
3. 执行接口
4. 渲染结果（执行完毕返回1）

文档对象（对象）

文档对象中域包括文件名称，文件大小，文件内容，文件路径...每个文件可以有多个域（场），不同的文档（文档）可以有不同的域（场）同一个文档（文档）可以有相同的域（场），每一个文档都有一个唯一的编号（ID）。

分析文档

分析的过程是提取单词，将字母转成小写，去标点符号去除停用词等过程生成最终的词汇单元。每个单词是一个长期，不同域中拆分出来的单词是不同的术语，术语中包括俩部分，一部分是域名，一部分是单词的内容（键值）。

创建索引

第一部分：索引

第二部分文档对象

索引一样则数量增加，返回对应的文档并根据唯一编号找文档。

倒排索引

根据内容（词语）找文档叫倒排索引结构，也叫反向索引结构，包括索引和文档两部分。

索引既词汇表，它的规模较小，而文档集合较大。

elasticsearch

• 索引是ElasticSearch存放数据的地方，可以理解为关系型数据库中的一个数据库。
• 类型用于区分同一个索引下不同的数据类型,相当于关系型数据库中的表
• 文档是ElasticSearch中存储的实体，类比关系型数据库，每个文档相当于数据库表中的一行数据。
• 文档由字段组成，相当于关系数据库中列的属性，不同的是ES的不同文档可以具有不同的字段集合。 
  对比关系型数据库：

• 节点与集群

ElasticSearch是一个分布式全文搜索引擎,既可以做为一个独立的搜索服务器工作，也可以使用多台服务器同时运行，这样就构成了一个集群(cluster),集群的每一个服务器称为一个节点(node).

• 分片

当数据量比较大的时候,受RAM、硬盘容量的限制，同时一个节点的计算能力有限。可以将数据切分，每部分是一个单独的lucene索引，成为分片(shard)。每个分片可以被存储在集群的不同节点上。当需要查询由多个分片构成的索引时，ElasticSearch将查询发送到每个相关的分片，之后将查询结果合并。过程对应用透明，无须知道分片的存在。

• 副本

副本是对原始分片的一个精确拷贝，原始分片成为主分片。对索引的所有操作都直接作用在主分片上，每个主分片可以有零个或多个副分片。主分片丢失，集群可以将一个副分片提升为主的新分片。

es中shard（分片）就是lucene的一个实例，可以处理一个单独的请求，es的数据由几个shard分担，每个shard的数据都不一样，几个shard加起来是一个完整的index，创建index的时候shard是固定的，replica是可以修改的。

副本的作用是备份碎片的数据，提高容错，如果一个碎片宕机了就会启用复制的数据来，当数据添加到一个碎片的时候会添加到对应的副本中。但是碎片和副本不能在同一个节点（服务器）中，如果在同一节点宕机以后则碎片和复制品都不能用了，这样就备份没有意义。

如果一个节点中没有备份，在水平扩容添加节点的时候，会自动把第一个节点的备份（复制品）加到第二个节点中。

同一个索引中可以有不同类型的文档，但是建议同一索引使用相同的类型，比如甲类型和乙类型都在同一索引，因为遇到并发时一端访问一个碎片的甲类型，另一端也在访问同一个shard的B类型，这样就忙不过来，处理慢了。

es6.0开始，一个索引只能有一个类型

路由

一个索引由多个分片构成，当es要添加（修改、删除）一个文档时，es决定文档在哪个分片存储，这个过程就是路由