Elasticsearch学习

1、什么是Elasticsearch?

Elaticsearch，简称为 ES， ES 是一个开源的高扩展的分布式全文搜索引擎， 是整个 ElasticStack 技术栈的核心。可以帮助我们从海量数据中快速找到需要的内容。

elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域

ES底层是基于Lucene，Lucene是一个Java语言的搜索引擎类库，但是这个类库只支持java，学习复杂。ES通过简单的RESTfulAPI来隐藏Lucene的复杂性，从而让全文搜索变得简单。

2、为什么要有ES?

数据存储大致可分为结构化数据和非结构化数据

结构化数据是指可以使用关系型数据库表示和存储，表现为二维形式的数据。一般特点是：数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的。

非结构化数据就是没有固定结构的数据。各种文档、图片、视频/音频等都属于非结构化数据。对于这类数据，我们一般直接整体进行存储，而且一般存储为二进制的数据格式。

从字面理解，关系型数据库主要的功能是存储而不是搜索，搜索只是顺便提供的功能。

而搜索引擎主要功能在于搜索，存储只是过程不是目的。

关系型数据库进行精确搜索可以胜任，但是针对模糊搜索，性能就比较差了，尤其是数据量大的时候。但是模糊搜索或者是相关性搜索才是人们用的更多的搜索，所以才有了ES的存在。

底层实现：

Mysql基于B+树索引，来实现快速检索，ES则基于倒排索引，对于文档搜索来说，倒排索引在性能和空间上都有更加明显的优势。

3、ES的历史

2004年Shay Banon基于Lucene开发了Compass
2010年Shay Banon 重写了Compass，取名为Elasticsearch。
官网地址: https://www.elastic.co/cn/
相比与lucene，elasticsearch具备下列优势：

•       支持分布式，可水平扩展
•       提供Restful接口，可被任何语言调用

4、什么是倒排索引

正向索引：像mysql中存储的形式，他们基于一条数据的id创建索引，当进行查询时，先找到这一条数据，然后判断数据中是否有想查询的内容

倒排索引：数据库中记录的都是对文档内容分词后的词条，针对词条创建索引，并且记录词条所在文档的信息，查询时现根据词条查询到文档id,然后获取到文档。

关于倒排索引理解可参考https://www.cnblogs.com/fengfengyang/p/16704685.html

比如用户要搜索华为手机，可以将华为和手机进行分词，分词后，根据词条查询包含这两个词的文档id,然后根据文档id查询到文档，最后经过去重，就可以得到搜索结果。

 倒排索引中包含两部分：

1、词条字典：记录所有的词条，以及词条与倒排列表之间的关系，会给词条创建索引，提高查询和插入效率

2、倒排列表：记录词条所在的文档id、词条出现频率、词条出现位置等信息

   文档id:用于快速获取文档

词条频率： 词条在文档中出现的次数，用于评分（频率高的可能搜索结果靠前）

5、ES中的一些概念

ES与Mysql中概念比对

 

索引（index）：相同类型的文档的集合，比如商品信息索引，订单信息索引，人员信息索引

文档：索引中存储的每一条数据叫做一条文档，文档数据会被序列化为json格式后存储在elasticsearch中

字段：文档中的字段，也就是JSON中的每一个字段

映射：索引中文档的约束，包括字段类型的约束等

操作语句：DSL,JSON风格的请求语句，用来实现增删改查等操作