Elasticsearch的一些基本概念

基本概念：文档和索引

Elasticsearch是面向文档的，文档是所有可搜索数据的最小单位。

• 文档会被序列化成JSON格式，保存在Elasticsearch中。
• JSON对象由字段组成，每个字段都有对应的字段类型（字符串／数值／布尔／日期／二进制／范围类型）。
• 每个文档都有一个UniqueID，你可以自己指定ID，或者通过Elasticsearch自动生成。

JSON文档

一篇文档包含了一系列的字段，类似数据库表中一条记录，字段的类型可以指定或者通过Elasticsearch自动推算，支持数组，支持嵌套。

元数据

每一个文档都有一个元数据，元数据是用于标注文档的相关信息的。

• _index: 文档所属的索引名
• _type:文档所属的类型名
• _id:文档唯一ld
• _source:文档的原始Json数据
• _all:整合所有字段内容到该字段，7.0版本已被废除
• _version：文档的版本信息
• _score：相关性打分
  

索引

索引(Index)是文档的容器，是一类文档的结合。

• Index体现了逻辑空间的概念：每个索引都有自己的Mapping定义，用于定义包含的文档的字段名和字段类型；
• Shard体现了物理空间的概念：索引中的数据分散在Shard上
• 索引的 Mapping定义文档字段的类型，Setting定义不同的数据分布
  

{
  "settings": {
    "index": {
      "creation_date": "1690724511450",
      "number_of_shards": "1",
      "number_of_replicas": "1",
      "uuid": "fl-Kf7M9TiiEpFPfAT6Iew",
      "version": {
        "created": "7010099"
      },
      "provided_name": "movies"
    }
  }

REST API

补充：kibana显示中文界面，打开 kibana/config/kibana.yml，最后一行写入 i18n.locale: “zh-CN”，然后重新启动kibana

进入Kibana页面–>开发工具–>console：

//查看索引信息
GET kibana_sample_data_ecommerce

//查看索引的文档总数
GET kibana_sample_data_ecommerce/_count

//_cat相关
//根据索引名称关键词通配符查询
GET /_cat/indices/kibana*?&s=index

//按照文档个数排序
GET /_cat/indices?v&s=docs.count:desc

//查看状态为green的索引
GET /_cat/indices?v&health=green

//查看每个索引占用的内存
GET /_cat/indices?v&h=i,tm&s=tm:desc

节点和集群

Elasticsearch分布式系统的高可用性和可扩展性：

• 服务可用性-允许有节点停止服务
• 数据可用性-部分节点丢失，不会丢失数据
• 请求量提升/数据的不断增长(将数据分布到所有节点上)

Elasticsearch分布式架构的特点

• 存储的水平扩容
• 提高系统的可用性，部分节点停止服务，整个集群的服务不受影响
• 不同的集群通过不同的名字来区分，默认名字“elasticsearch”，也可以通过配置文件修改，或者在命令行中-E cluster.name=geektime进行设定
• 一个集群可以有一个或者多个节点

节点

• 节点是一个 Elasticsearch的实例，其本质上就是一个 JAVA进程，一台机器 上可以运行多个Elasticsearch进程，但是生产环境一般建议一台机器上只运行一个Elasticsearch实例；
• 每一个节点都有名字， 通过配置文件配置，或者启动时候 -E node.name=node1 指定。每一个节点在启动之后，会分配一个UID，保存在data目录下。

Master eligible节点和Master节点

• 每个节点启动后，默认就是一个Master eligible节点（可以通过设置node.master: false 禁止）
• Master-eligible节点可以参加选主流程，成为Master 节点；当第一个节点启动时候，它会将自己选举成Master节点。
• 每个节点上都保存了集群的状态，只有Master节点才能修改集群的状态信息。
• 集群状态(Cluster State) 维护了一个集群中必要的信息，包括：所有的节点信息、所有的索引和其相关的Mapping与Setting 信息、分片的路由信息。任意节点都能修改信息会导致数据的不一致性。

Data Node 和 Coordinating Node

• 可以保存数据的节点，叫做Data Node，负责保存分片数据，在数据扩展上起到了至关重要的作用。
• Coordinating Node：负责接受Client的请求，将请求分发到合适的节点，最终把结果汇集到一起；每个节点默认都起到了Coordinating Node的职责。

其它节点

• Hot & Warm Node：不同硬件配置的Data Node, 用来实现Hot & Warm架构，降低集群部署的成本
• Machine L earning Node：负责跑机器学习的Job，用来做异常检测
  *Tribe Node：(5.3开始使用Cross Cluster Serarch) Tribe Node连接到不同的Elasticsearch集群，并且支持将这些集群当成一个单独的集群处理

分片(Primary Shard & Replica Shard)

• 主分片，用以解决数据水平扩展的问题。通过主分片，可以将数据分布到集群内的所有节点之上。一个分片是一个运行的Lucene的实例。主分片数在索引|创建时指定，后续不允许修改，除非Reindex。
• 副本用以解决数据高可用的问题。分片是主分片的拷贝副本分片数，可以动态地调整。增加副本数，还可以在一定程度上提高服务的可用性(读取的吞吐)

分片的设定

• 对于生产环境中分片的设定，需要提前做好容量规划。如果分片数设置过小，导致后续无法增加节点实现水品扩展；如果单个分片的数据量太大，导致数据重新分配耗时。
• 分片数设置过大，7.0开始，默认主分片设置成1， 解决了over-sharding的问题，影响搜索结果的相关性打分，影响统计结果的准确性；单个节点上过多的分片，会导致资源浪费,同时也会影响性能。

操作命令

通过 GET _cluster/health 可以查看集群的健康度

其中 status的含义如下：

• Green- 主分片与副本都正常分配
• Yellow -主分片全部正常分配，有副本分片未能正常分配
• Red -有主分片未能分配例如，当服务器的磁盘容量超过85%时,去创建了一个新的索引

#查看健康度（按下Command+/可以跳转到官网查看详细用法）
GET _cluster/health

#查看node信息
GET _cat/nodes 

#查看shards信息
GET _cat/shards