Java大数据：全文搜索引擎Elasticsearch入门

在之前的《Java大数据：大数据开发必须掌握的四种数据库》一文中，我们提到了MongoDB、Redis、ElasticSearch、Hbase，系列文也对MongoDB、Redis、Hbase都做了简单的入门介绍。今天是系列文的最后一篇，我们来讲全文搜索引擎Elasticsearch。

搜索是我们日常生活当中非常熟悉的一项功能，各大搜索引擎以及各种资讯APP，都会提供搜索功能。而Elasticsearch 在分布式搜索与数据分析领域，可以说是功能强大。

Elasticsearch简介

ElasticSearch是一款基于 Apache Lucene的开源搜索引擎产品，特点是开源、分布式、准实时等。

ElasticSearch可以单机部署，也可以集群部署。ES的分布式属性，可以轻松的处理超过单机负载能力的数据量，集群也是无间断服务的一种解决方案。因此在Java大数据开发当中得到重用。

Elasticsearch被广泛运用于大数据近实时分析，包括日志分析、指标监控、信息安全等多个领域。国内包括腾讯、滴滴、今日头条、饿了么、360等公司，都在使用Elasticsearch。

ElasticSearch应用场景

（1）海量数据分析引擎。当你需要对应用日志、系统日志等进行分析时，可以使用ElasticSearch的聚合搜索功能来实现；

（2）站内搜索引擎。当你需要快速搭建一个站内搜索的时候，使用ElasticSearch就能完成这个任务；

（3）数据仓库。使用ElasticSearch强大的分布式搜索能力，直接将其作为数据仓库产品来使用，可以存储PB级别的结构化或者非结构化数据，这样可以为上层应用提供强大的数据存储能力。

ElasticSearch基础概念

Near Realtime（近实时）：Elasticsearch是一个近乎实时的搜索平台，这意味着从索引文档到可搜索文档之间只有轻微的延迟（通常是一秒钟）。

Cluster（集群）：集群是一个或多个节点的集合，它们一起保存整个数据，并提供跨所有节点的联合索引和搜索功能。每个集群都有自己的唯一集群名称，节点通过名称加入集群。

Node（节点）：节点是指属于集群的单个Elasticsearch实例，存储数据并参与集群的索引和搜索功能。可以将节点配置为按集群名称加入特定集群，默认情况下，每个节点都设置为加入一个名为elasticsearch的集群。

Index（索引）：索引是一些具有相似特征的文档集合，类似于MySql中数据库的概念。

Type（类型）：类型是索引的逻辑类别分区，通常，为具有一组公共字段的文档类型，类似MySql中表的概念。注意：在Elasticsearch 6.0.0及更高的版本中，一个索引只能包含一个类型。

Document（文档）：文档是可被索引的基本信息单位，以JSON形式表示，类似于MySql中行记录的概念。

Shards（分片）：当索引存储大量数据时，可能会超出单个节点的硬件限制，为了解决这个问题，Elasticsearch提供了将索引细分为分片的概念。分片机制赋予了索引水平扩容的能力、并允许跨分片分发和并行化操作，从而提高性能和吞吐量。

Replicas（副本）：在可能出现故障的网络环境中，需要有一个故障切换机制，Elasticsearch提供了将索引的分片复制为一个或多个副本的功能，副本在某些节点失效的情况下提供高可用性。

关于Java大数据，全文搜索引擎Elasticsearch入门，以上就为大家做了简单的介绍了。在大数据开发当中，往往需要基于不同的场景需求来规划解决方案，而Elasticsearch在特定场景下，具备相当的优势。