Elasticsearch 学习记录（一）

基本概念和术语

• 什么是 ES
  ES 是一个基于全文搜索引擎库 Apache Lucene 做出来的开源分布式搜索引擎，使用 JAVA 编写，隐藏了 Luncene 的复杂性，提供了简单 RESTFUL API 接口访问。

• 什么是文档
  ES 是面向文档的，文档代表的就是数据，也可以理解为 MySQL 中的记录，但是 ES 不是使用行列存储数据。ES 的文档采用 JSON 对象的形式存储，当集群中有多个 ES 节点时，存储的文档会分布在整个集群中，并且可以从任何节点立即访问。

• 什么是索引
  索引可以被认为是文档的优化集合，每个文档都是字段的集合，字段是包含数据的键值对。默认情况下，ES 索引每个字段中的所有数据，并且每个索引字段都有一个专用的优化数据结构。

• 搜索数据
  ES 支持通过 RESETFUL API 查询结构化数据、全文查询，和两者结合的复杂查询。

• 分析数据
  ES 可以聚合查找复杂数据，并同时进行过滤结果和数据分析，因为聚合利用了用于搜索的相同数据结构，所以它们也非常快。

• 节点
  指已经部署了 ES 的服务器，节点可以指定身份，用以标识在集群中的角色，分为：
  1、node.master ：主节点，可以管理整个集群的设置及变化：创建、更新、删除索引，添加节点，为节点配置分片
  2、node.data ：数据
  3、node.ingest ：数据接入
  4、node.ml ：机器学习

• 集群
  由一个或多个节点组成，可以通过集群名称进行标识，在 elasticsearch.yml 配置文件中的 cluster.name 设置

• 分片
  1、ES 用于存储文档的容器，可以进行复制以提供数据冗余副本，防止硬件故障造成数据不能访问的情况。
  2、分片可以分布在集群中不同的节点上，由 ES 自动管理分片的排序
  3、分片可以很方便的支持水平扩容
  4、分片可以进行分布式、并行的操作，从而提高性能和吞吐量

• 分片类型
  1、主分片：每个文档都存储在主分片上，索引文档时，首先在主分片上编制索引，然后在此分片的所有副分片上编制索引，索引可以包含一个或多个主分片，一旦创建索引，主分片数量就无法修改了。
  2、副分片：每个主分片可以具有零个或多个副本，可以实现故障转移，当主分片无法工作时将副分片提升为主分片，也可以提高性能。

• 倒排索引
  ES 中的索引结构，它由文档中所有不重复词的列表构成，适合快速的全文搜索，这也是比关系型数据库更适合做全文索引的重要原因。
  假设有两个文档，每个文档的正文字段包含如下内容：
  1、The quick brown fox jumped over the lazy dog
  2、Quick brown foxes leap over lazy dogs in summer
  倒排索引创建时，会将每个文档的正文字段拆分成单独的词（称为词条或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。

默认情况下，ES 文档每个字段都会被索引，如果某些字段不需要支持查询，可以在映射中配置 "index": false，减少存储空间占用，并且提升写入速度。

• 文档值
  在 ES 中，文档值（Doc Values）是一种列式存储结构，在索引时创建，文档值默认对除 text 和 annotated_text 类型以外的所有字段启用。文档值常被应用到以下场景：
  1、对一个字段进行排序
  2、对一个字段进行聚合
  3、地址位置过滤
  4、脚本计算
  5、使用 docvalue_fields 返回搜索结果部分字段值
  如果确定数据集中的某些字段不会应用以上场景，也可以选择禁用文档值，这样不仅可以节省磁盘空间，也会提升索引的速度，通过 mapping 设置 doc_values:false即可。