ElasticSearch基本概念

ES和solr的区别

1. 当实时建立索引的时候。solr会产生IO阻塞。而ES不会，ES查询效率更高。
2. 不断动态添加数据时，solr的检索效率会变得低下，ES没什么变化。
3. sorl利用zookeeper做分布式管理，ES自带分布式管理功能。solr要部署到web服务器上，如tomcat，启动时要配置tomcat与solr的关联。
4. solr支持更多的数据数据【xml、json、csv】,ES仅支持json。
5. solr对已有数据检索时效率更好，ES对实时建立索引和动态添加数据时的检索效率更好。

ElasticSearch名词解释

索引（Index）

索引是具有类似特性的文档的集合，相当于SQL中的一个数据库。索引由其名称(必须为全小写字符)进行标识，并通过引用此名称完成文档的创建、搜索、更新及删除操作。

类型（Type）

索引内部的逻辑分区(category/partition)，相当于“表”。

文档（Document）

索引和搜索的原子单位，基于JSON格式进行表示，包含了一个或多个域（Field）的容器，相当于“行”。

域(Fields)

相当于“列”

Elasticsearch是如何做到快速索引的

答案：倒排索引（Inverted Index）

假设有这么几条数据：

ID	Name	Age	Sex
1	Kate	24	Female
2	John	24	Male
3	Bill	29	Male

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

Name:

Term	Posting List
Kate	1
John	2
Bill	3

Age:

Term	Posting List
24	[1,2]
29	3

Sex:

Term	Posting List
Female	1
Male	[2,3]

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。

Elasticsearch为了能快速找到某个term，将所有的term排个序，这就是Term Dictionary，二分法查找term，logN的查找效率。

ES通过内存查找term，不读磁盘，但是如果term太多，term dictionary也会很大，于是有了Term Index