Elasticsearch-1.es核心概念

Elasticsearch

小知识环节：select * from product where brand like ‘%小米NFC手机%’，前面这段brand 就算加了索引，在使用 like % 的时候也会造成全表扫描

1、什么是搜索：百度、垂直搜索（站内搜索）
搜索：通过一个关键词或一段描述，得到你想要的（相关度高）结果。

---

2、如何实现搜索功能?
关系型数据库：性能差、不可靠、结果不准确（相关度低）

---

3、倒排索引、Lucene和全文检索？
（1）倒排索引

数据结构：
1、包含这个关键词的document list
2、关键词在每个doc中出现的次数 TF term frequency --TF 词频
3、关键词在整个索引中出现的次数 IDF inverse doc frequency
IDF在所有文件中出现额次数，比如上图手机出现次数 ，IDF越高，说明相关度越低，因为都是手机没啥必要
4、关键词在当前doc中出现的次数
5、每个doc的长度，越长相关度越低
6、包含这个关键词的所有doc的平均长度

(2) Lucene：jar包，帮我们创建倒排索引，提供了复杂的API
(3) 如果用Lucene做集群实现搜索，会有那些问题？
①节点一旦宕机，节点数据丢失，后果不堪设想，可用性差。
②自己维护，麻烦（自己创建管理索引），单台节点的承载请求的能力是有限的，需要人工做负载（雨露均沾）。

---

4、Elasticsearch：分布式、高性能、高可用、可伸缩、易维护 ES≠搜索引擎

(1)分布式的搜索，存储和数据分析引擎：
(2)优点：

①面向开发者友好，屏蔽了Lucene的复杂特性，集群自动发现（cluster discovery）
②自动维护数据在多个节点上的建立
③会帮我做搜索请求的负载均衡
④自动维护冗余副本，保证了部分节点宕机的情况下仍然不会有任何数据丢失
⑤ES基于Lucene提供了很多高级功能：复合查询、聚合分析、基于地理位置等。
⑥对于大公司，可以构建几百台服务器的大型分布式集群，处理PB级别数据；对于小公司，开箱即用，门槛低上手简单。
⑦相遇传统数据库，提供了全文检索，同义词处理（美丽的cls>漂亮的cls），相关度排名。聚合分析以及海量数据的近实时（NTR）处理，这些传统数据库完全做不到。

(3)应用领域：

①百度（全文检索、高亮、搜索推荐）
②各大网站的用户行为日志（用户点击、浏览、收藏、评论）
③BI（Business Intelligence商业智能），数据分析：数据挖掘统计。
④Github：代码托管平台，几千亿行代码
⑤ELK：Elasticsearch（数据存储）、Logstash（日志采集）、Kibana（可视化）

---

5、ES核心概念：

(1) cluster（集群）：每个集群至少包含两个节点.
(2) node：集群中的每个节点，一个节点不代表一台服务器
(3) field：一个数据字段，与index和type一起，可以定位一个doc
(4) document：ES最小的数据单元 Json

{
    "id": "1",
    "name": "小米",
    "price": {
        "标准版": 3999,
        "尊享版": 4999,
        "吴磊签名定制版": 19999
    }
}

Type：逻辑上的数据分类，es 7.x中删除了type的概念
Index：一类相同或者类似的doc，比如一个员工索引，商品索引。

Doc <>row
type<>table
index<>db

---

Shard分片：
1：一个index包含多个Shard，默认5P，默认每个P分配一个R，P的数量在创建索引的时候设置，如果想修改，需要重建索引。
2：每个Shard都是一个Lucene实例，有完整的创建索引的处理请求能力。
3：ES会自动在nodes上为我们做shard 均衡。
4：一个doc是不可能同时存在于多个PShard中的，但是可以存在于多个RShard中。
5: P和对应的R不能同时存在于同一个节点，所以最低的可用配置是两个节点，互为主备。