初识分布式搜索引擎--ElasticSearch

这段时间项目上在研究ElasticSearch，所以记录一下学习心得，如有不对或者有需要补充的地方，麻烦各位小伙伴积极指出！

ES核心术语

index索引         数据库的表

document         数据库的表中对应的数据行

field                  数据库中字段列

ES的优势

mapping映射              对应的表结构定义

近实时NRT                  Near Real Time   好比在github上建了一个仓库，基本耗时1S，最快可以1S内可以被搜索到

节点node                    可以使用分布式集群（相当于一台服务器就是一个节点，独立也可以使用）

shard replica               数据分片与备份（分片【shard】：把索引库拆分为多份，分布在不同的节点上，比如有2个节点，这2个节点的所有数据可以组成一个完整的索引库，分别存在这2个节点，目的是水平扩展，可以有效的提高吞吐量。备份【replica】每个节点的备份）在每个分片上会有一个ES的进程，会有一定的计算能力，在分片存在的同时，ES会对相应的分片进行备份，假如此时还是2个节点，当其中一个节点挂了以后，会立即把此节点备份的数据挂载到另外一个节点上。分片【shard】也可以被称为primary shard（主分片），备份【replica】也可以被称为replica shard （备份），如果后期数据达到6T的数据量的话，需要配置6个shard分片

ES处理数据的一个方式       倒排索引

比如我下面的例子：  以下数据其实就是对应数据中的一张表的3行数据，右图是ES中的排序方式

文档ids表示单词在表中存在的数据行（表示数据在左边的第几行）简单来说就是根据key查找value这个属于正排索引

id                      name                                  单词            文档ids             词频TF;位置POS

1                    肯德基真好吃                         肯德基          1，2，3           1:1:<1>,2:1:<1>,3:1:<1>

2                    肯德基是快餐                          真                     1                 1:1:<3>

3                    肯德基好吃的不行                   好吃                  3                 3:1:<3>

                                                                      是                      2                 2:1:<3>

                                                                       的                      3                 3:1:<5>

                                                                       快餐                   2                 2:1:<4>

                                                                       不行                   3                 3:1:<6>

以下是根据右上图的文档ids，我们可以得出以下数据：倒排索引是根据value来查找对应的key，

我们以1：1：<1>为例，第一个1是表示单词所在的行Id,第二个1表示在单词所在行Id出现的次数，<1>表示单词所在行Id的位置,索引是从0开始的。出现的频率越高，越容易被用户搜索的到。