Elasticsearch基础概念

Elasticsearch 是一款开源的,ESTful风格的 分布式搜索、存储、分析引擎;

常见的使用场景

1. 网站搜索,代码搜索等
2. 日志管理与分析,应用系统性能分析,安全指标监控等
3. 数据库同步,将数据库某个表的数据同步到elasticsearch上然后提供搜索服务

ES基本概念

文档

我们向elasticsearch存储的一条数据,就是一个文档,类似于mysql 数据表中的一条数据.

每个文档都有一个id,可以自己指定,也可以让elasticsearch生成.

元数据

"_index" : "user",
"_id" : "l0D6UmwBn8Enzbv1XLz0",
"_score" : 1.6943597,
"_source" : {
    "user" : "mj",
    "sex" : "男",
    "age" : "18"
}

• _index:文档所属的索引名称.
• _id:文档的唯一标识.
• _version:文档的版本信息.
• _score:文档的相关性打分.
• _source:文档的原始JSON内容.

  索引

  一个索引包含多个文档,类似于mysql中的table,可以对文档元数据进行定义.

  索引体现的是一种逻辑空间的概念,每个索引都应该有自己的Mapping定义,用于定义包含文档的字段名和字段类型,索引的数据分布在分片上

  集群

  一个elasticsearch集群由多个节点构成，它的分布式架构支持存储水平扩容，并且依靠副本可用性也很高。

  

  节点

  一个节点就是一个elasticsearch实例，即一个java进程。节点根据功能可以划分多种角色，比如主节点、数据节点、协调节点、ingest节点等。默认一个节点这些角色都承担。

  分片（shard）

  • 主分片:用于解决数据的水平扩展问题,通过主分片就数据分布在集群内的不同节点上,主分片在创建索引的时候就指定了,后面就不允许修改,除非重新定义Index.

  • 副本:用于解决高可用的问题,分片是主分片的拷贝.副本分片数可以动态的调整,增加副本数量可以在一定的程度上提高服务的可用性.

    "settings" : {
        "index" : {
            // 设置主分片数
            "number_of_shards" : "1",
            "auto_expand_replicas" : "0-1",
            "provided_name" : "kibana_sample_data_logs",
            "creation_date" : "1564753951554",
            // 设置副本分片数
            "number_of_replicas" : "1",
            "uuid" : "VVMLRyw6TZeSfUvvLNYXEw",
            "version" : {
                "created" : "7010099"
            }
        }
    }
    

    倒排索引

    Elasticsearch 使用一种称为 倒排索引 的结构，它适用于快速的全文搜索。一个倒排索引由文档中所有不重复词的列表构成，对于其中每个词，有一个包含它的文档列表。

    借助官网的例子:假设我们有两个文档，每个文档的 content 域包含如下内容:

    1. The quick brown fox jumped over the lazy dog
    2. Quick brown foxes leap over lazy dogs in summer
    

    为了创建倒排索引，我们首先将每个文档的 content 域拆分成单独的 词（我们称它为 词条 或 tokens ），创建一个包含所有不重复词条的排序列表，然后列出每个词条出现在哪个文档。结果如下所示:

    Term      Doc_1  Doc_2
    -------------------------
    Quick   |       |  X
    The     |   X   |
    brown   |   X   |  X
    dog     |   X   |
    dogs    |       |  X
    fox     |   X   |
    foxes   |       |  X
    in      |       |  X
    jumped  |   X   |
    lazy    |   X   |  X
    leap    |       |  X
    over    |   X   |  X
    quick   |   X   |
    summer  |       |  X
    the     |   X   |
    ------------------------
    

    分词器

    分词是将文本转化为一系列单词的过程。转化为单词后就可以形成倒排索引 分词是由分词器实现的

    • Standard Analyzer:默认的分词器,按照词切分,并作大写转小写处理
    • Simple Analyzer:按照非字母切分（符号被过滤）,并作大写转小写处理
    • Stop Anayzer:停用词（the、is）切分,并作大写转小写处理
    • Whitespace Anayzer:空格切分,不做大写转小写处理
    • IK:中文分词器,需要插件安装
    • ICU:国际化的分词器,需要插件安装
    • jieba:时下流行的一个中文分词器

      Dynamic Mapping

      Mapping可以简单的理解为数据库中的Schema定义,用于定义索引中的字段的名称,定义字段的类型,字段的倒排索引,指定字段使用何种分词器等.Dynamic Mapping意思就是在我们创建文档的时候,如果索引不存在,就会自动的创建索引,同时自动的创建Mapping,ElasticSearch会自动的帮我们推算出字段的类型,当然,也会存在推算不准确的时候,就需要我们手动的设置.常用的字段类型如下:

      • 简单类型:Text、Date、Integer、Boolean等
      • 复杂类型:对象类型和嵌套类型.

        我们可以使用GET /shgx/_Mapping查询索引的Mapping的设置,需要注意的是以下几点:

        • 当我们对索引中的文档新增字段时候,希望可以更新索引的Mapping就可以可以设置Dynamic:true.
        • 对于已经有数据的字段,就不再允许修改其Mapping,因为Lucene生成的倒排索引后就不允许修改.

          Dynamic Mapping可以设置三个值,分别是:

          • true:文档可被索引,新增字段也可被索引,Mapping也会被更新.
          • false:文档可被索引,新增字段不能被索引,Mapping不会被更新.
          • strict:新增字段写入,直接报错.

            * index:可以设置改字段是否需要被索引到.设置为false就不会生成倒排索引,节省啦磁盘开销
            * null_value:可以控制NULL是否可以被索引
            * cope_to:将字段值放在一个新的字段中,可以使用新的字段search,但这个字段不会出现在_source中.
            * anaylzer:指定字段的分词器
            * search_anaylzer:指定索引使用的分词器
            * index_options:控制倒排索引的生成结构,有四种情况
            * docs:倒排索引只记录文档ID
            * freqs:记录文档ID和Term
            * positions:记录文档ID、Term和Term Position
            * offsets:记录文档ID、Term、Term Position和offsets
            * PS:Text类型的字段默认的是Position,其它类型默认的是docs,记录的越多,占用的存储空间就越大.