Elasticsearch: 权威指南 阅读笔记

1、基本概念

索引：库，分结构化索引、非结构化索引

类型：表

文档：数据，倒排索引，默认的，一个文档中的每一个属性都是 被索引 的（有一个倒排索引）和可搜索的。一个没有倒排索引的属性是不能被搜索到的

2、更新文档实际流程

从旧文档构建 JSON

 更改该 JSON

删除旧文档

索引一个新文档

2、删除文档

删除文档不会立即将文档从磁盘中删除，只是将文档标记为已删除状态。随着你不断的索引更多的数据，Elasticsearch 将会在后台清理标记为已删除的文档

3、乐观并发控制：

1）、只有现在的_version为1时，本次更新才能成功 

PUT /website/blog/1?version=1   

2）、一个常见的设置是使用其它数据库作为主要的数据存储，使用 Elasticsearch 做数据检索，这意味着主数据库的所有更改发生时都需要被复制到 Elasticsearch ，如果多个进程负责这一数据同步，你可能遇到类似于之前描述的并发问题

增加version_type=external，检查当前_version是否小于指定的版本号

PUT /website/blog/2?version=5&version_type=external

4、查询与过滤

过滤查询（Filtering queries）只是简单的检查包含或者排除，这就使得计算起来非常快。考虑到至少有一个过滤查询（filtering query）的结果是

“稀少的”（很少匹配的文档），并且经常使用不评分查询（non-scoring queries），结果会被缓存到内存中以便快速读取，所以有各种各样的手段来优化查询结果。

相反，评分查询（scoring queries）不仅仅要找出匹配的文档，还要计算每个匹配文档的相关性，计算相关性使得它们比不评分查询费力的多。同时，查询结果并不缓存

通常的规则是，使用查询（query）语句来进行全文搜索或者其它任何需要影响相关性得分的搜索。除此以外的情况都使用过滤（filters)。

5、词的权重

词频（TF）：Term Frequency。词在文档中出现的频度是多少？频度越高，权重越高。

逆向文档频率（IDF）（Inverse Document Frequency），词在集合所有文档里出现的频率是多少？频次越高，权重越低。

字段长度归一值（norm）字段的长度是多少？字段越短，字段的权重越高。