一、ElasticSearch 入门概念

    ElasticSearch是一个开源的分布式、高度可扩展的搜索引擎，简单可以理解为类似百度、Google这样的搜索引擎产品。 它能够快速、近乎实时的存储、搜索和分析大量数据。

一、Elasticsearch适应于哪些场景

• 电商搜索引擎： 许多电商平台使用Elasticsearch作为其搜索引擎，以提供实时、高性能的商品搜索和过滤功能。用户可以通过关键字搜索、过滤条件等快速找到所需的商品。

• 日志和指标分析： Elasticsearch在处理大规模日志和指标数据方面表现出色。许多组织使用它来存储、搜索和分析应用程序生成的日志，以便监控系统健康、进行故障排除和实现安全分析。

• 全文搜索和内容管理： 新闻网站、博客平台和内容管理系统使用Elasticsearch来提供全文搜索功能。它能够支持复杂的搜索查询，帮助用户轻松找到所需的文章或内容。

• 地理空间数据分析： 地理信息系统（GIS）和位置数据分析是Elasticsearch的另一个常见应用。它能够索引和搜索地理坐标，并支持地理空间查询，用于地图应用、位置分析和地理数据可视化。

• 企业级搜索和知识管理： 在企业内部，Elasticsearch被用于构建内部搜索引擎，帮助员工快速查找企业内的文档、数据和知识库。这有助于提高员工的工作效率和信息获取速度。

• 安全信息与事件管理（SIEM）： 安全行业使用Elasticsearch来构建SIEM系统，用于收集、分析和可视化网络安全事件。这有助于及时检测和应对潜在的安全威胁。

• 医疗信息系统： 在医疗领域，Elasticsearch被用于构建医疗信息系统，以实现对患者记录、医学文献和研究数据的高效搜索和分析。

二、Elastichsearch处理数据能力

 ES有非常强大的数据处理能力。处理数据可以达到TB及PB级。 2013年初GitHub抛弃了Solr，采取ElasticSearch来做搜索，使用ElasticSearch完成对20TB的数据搜索，包括13亿文件和1300 亿行代码。 ES是一个分布式搜索引擎，单集群节点可以扩展到几百到上千个，单个节点堆内存支持设置到30G(太大也会影响检索效率)。经过大厂的验证ES完全能满足大部分业务场景下的海量数据需求。

三、ES官方地址

大家下载最好去官网下载，避免出现安全问题，下面给出了官网下载地址和文档地址

7.10版本文档地址：What is Elasticsearch? | Elasticsearch Guide [7.10] | Elastic

ES及Kibana下载地址：Past Releases of Elastic Stack Software | Elastic

ES源码地址： https://github.com/elastic/elasticsearch

四、与关系型数据库对比概念上的区别

类型	MySql	ElasticSearch	ES与关系型数据库对比概念上的差异
逻辑隔离方式	Database	/	关系型数据库中可以在一个数据库实例中创建多个数据库，数据库之间互相隔离，不同库中的表可以重复，每个库可以单独设置账号权限。 在ES7++版本中没有与之对应的一层，所有的索引数据都在同一个ES实例下管理，一个索引在当前ES实例下唯一。
数据集合	Table	Index	一个数据库中可以有多个表，每个表是一类数据的集合，例如电商场景中商品表、订单表。在一个ES集群实例中也可以创建多个索引，每个索引是一类数据的集合，例如商品索引、订单索引。 关系型数据库中的每个字段需要提前创建好，在ES中支持存储数据时自动添加新字段到索引中。
数据记录	Row	Document	关系型数据库表中的每条数据一般称为行。 ES索引中的每条数据称为文档，查出来的数据为Json格式。
字段	Column	Field	关系型数据库表中的每个字段称为列，在ES中称为字段。不过日常交流数据库表中的列有时候也会说成字段。
结构定义	Schema	Mapping	关系型数据库描述一个表的结构一般会称为Schema或建表语句，格式为标准的DDL语句。在ES描述一个索引结构称为Mapping, 是一个JSON格式，Mapping中定义了该索引有多少个字段，每个字段的数据类型及索引类型、分词方式等。
索引方式	Index	Every Field is Index	关系型数据库中的索引需要明确指定，例如主键索引、唯一索引等，在ES中所有的字段默认都是索引字段。
查询语言	SQL	ES DSL / SQL	关系型数据库中使用标准的SQL语言进行增删改查，ES中有自己的查询语言，同时也支持使用SQL。

以下是创建一个名为Student的ES索引语法示例

 与数据库建表语句差异还是比较大的，但整体概念是比较类似

五、ES中的分片与副本

  在关系型数据库中，进行分库分表操作成本比较高，且对研发人员要求技能较高。相比之下，Elasticsearch的门槛就比较低。ES天生为分布式搜索引擎设计，内置了集群搭建和分片设置策略，使得在ES中进行分布式操作更为轻松。

为了能够让Elasticsearch能提供更高的检索效率，需理解两个关键概念：分片（Shard）和副本（Replica）。它们对于集群的性能、可用性和扩展性至关重要。

• 分片（Shard）：
  • 定义： 分片是将索引数据拆分为更小的部分，每个部分就是一个分片。一个索引可以设置N个分片，也可以称为主分片。
  • 作用： 分片有助于实现横向扩展，使得索引的数据能够分布在集群的不同节点上，从而提高查询和写入的性能。主分片是原始的数据分片，负责处理所有写入和查询操作。主分片的数量在索引创建时定义，一旦创建后就不能更改。
• 副本（Replica）：
  • 定义： 每个主分片都可以有零个或多个副本。副本是主分片的Copy，用于提高系统的可用性和容错性。每个副本都是一个独立的分片，与主分片数据相同。
  • 作用： 副本分布在集群的不同节点上，确保即使某个主分片所在的节点发生故障，仍然可以从其它节点获取相同的数据。 ES会尽量让主分片与副本数据落在不同节点上，但基于集群实例数据及分片策略也有可能会落在同一个节点上。
  • 数量： 副本的数量在索引创建后是可以动态调整的。增加副本的数量可以提高系统的容错性和读取性能，但也会占用更多的存储空间。

在索引创建时，通过设置主分片数量和副本数量，可以定义数据在集群中的分布和复制策略。例如，一个索引可以有5个主分片和1个副本，这意味着总共有10个分片（5个主分片 + 5个副本），并且每个主分片都有一个副本。这样的设置可以使得索引数据分布在5个节点上，同时每个节点都有该索引的完整副本。

六、ElasticSearch优点

除了全文检索高效查找外还有以下一些优点

1. 分布式和横向扩展： Elasticsearch被设计为分布式系统，可以在多个节点上运行。通过添加更多的节点，集群可以横向扩展以处理大规模数据和高并发请求。相比关系型数据库来说，这块优势非常大。

2. 高性能： Elasticsearch使用倒排索引等技术，使其在搜索和分析大数据集时表现出色。它能够快速地定位和检索文档，提供低延迟的查询结果。

3. 多功能性： Elasticsearch不仅仅是一个搜索引擎，还支持聚合、过滤、地理空间搜索等高级功能。它可以用于构建复杂的分析和数据挖掘应用。

4. 灵活的数据模型： Elasticsearch的数据模型是面向文档的，采用JSON格式。这意味着你可以存储各种形式的数据，而且可以动态映射字段，不需要预定义表结构。

5. 易用性： Elasticsearch提供RESTful API，与多种编程语言兼容，这使得它易于集成到各种应用中。此外，它还有直观的Web界面（Kibana）用于监控和管理集群。