初识elasticsearch

本文介绍: 前一段时间在接触一个新项目的时候，学习和运用了elasticsearch（简称es），后期会不定期出一系列 es的学习笔记内容（从初识到安装再到应用部署）。事实证明，本科做课设涉及查询搜索的时候数据量不大，基本不需要考虑太多应用性能的问题，但是当运用的数据量级别开始变成“大数据”的情况下，如果还是仅仅简单的数据库查找，用户可能需要等待几分钟甚至更长时间去检索到需要的数据。所以es的作用就体现出来了，es在微服务和分布式应用当中应用很广泛的。什么是elasticsearch？

文章 目录

一、前言
二、了解ES
三、倒排索引
四、es的一些概念

一、前言

前一段时间在接触一个新项目的时候，学习和运用了elasticsearch（简称es），后期会不定期出一系列 es的学习笔记内容（从初识到安装再到应用部署）。
事实证明，本科做课设涉及查询搜索的时候数据量不大，基本不需要考虑太多应用性能的问题，但是当运用的数据量级别开始变成“大数据”的情况下，如果还是仅仅简单的数据库查找，用户可能需要等待几分钟甚至更长时间去检索到需要的数据。所以es的作用就体现出来了，e s在微服务和分布式应用当中应用很广泛的。

二、了解ES

2.1 elastic search的作用

elastic search（e s）是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容。例如在以下的应用场景中，都会使用到e s

2.2 ELK技术栈

elastic search 结合 kibana、Lo g stash、Be a ts，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。
而elastic search是elastic stack的核心，负责存储、搜索、分析数据。
在这里插入图片描述

2.3 elastic search和lucene

elastic search 底层是基于lucene来实现的。

Lucene是一个Ja va 语言的搜索引擎类库，是Apac he 公司的顶级项目，由DougCut ting于1999年研发。官网地址：https://lucene.apache.org/ 。
在这里插入图片描述
elastic search的发展历史：

2004年Sha y Ba non 基于Lucene 开发了Co m pass
2010年Sha y Ba non 重写了Comp a ss，取名为Elas t ic search。

ES的官网地址 https://www.elastic.co/cn/

相比于lucene,elastic search具备如下优势：

支持分布式，可水平扩展
提供Re s tf ul 接口，可被任何语言调用

2.4 为什么不是其他搜索 技术

答案很简单：因为开源搜索引擎排名第一，大厂主流搜索引擎。
虽然在早期，Ap a che Sol r是最主要的搜索引擎技术，但随着发展 el ast i csearc h已经渐渐超越了Solr，独占鳌头。Solr和ES的技术比较如下：在这里插入图片描述
关于两者的比较更加详细的信息可以参考这篇文章

2.5 总结

什么是el ast i csearc h？

一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、系统监控等功能

什么是el ast ic stack（ELK）？

是以el asticsearc h为核心的技术栈，包括beats、Log stash、kibana、el asticsearch

什么是Lucene？

是Ap a che的开源搜索引擎类库，提供了搜索引擎的核心API

三、倒排索引

倒排索引的概念是基于MySQL这样的正向索引而言的。

3.1 正向 索引

什么是正向索引呢？例如给下表（tb _go ods）中的id 创建索引：
在这里插入图片描述
如果是根据id 查询，那么直接走索引，查询速度非常快。

但如果是基于 title做模糊查询，只能是逐行扫描数据，流程如下：

1）用户搜索数据，条件是title符合"%手机%"

2）逐行获取数据，比如 id为1的数据

3）判断数据中的title 是否符合用户搜索条件

4）如果符合则放入结果集，不符合则丢弃。回到步骤1

逐行扫描，也就是全表扫描，随着数据量增加，其查询效率也会越来越低。当数据量达到数百万时，就是一场灾难。

3.2 倒排索引

倒排索引中有两个非常重要的概念：

文档（Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息
词条（Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条

创建倒排索引是对正向索引的一种特殊处理，流程如下：

将每一个文档的数据利用算法分词，得到一个个词条
创建表，每行数据包括词条、词条所在文档 id、位置等信息
因为词条唯一性，可以给词条创建索引，例如 hash表结构索引

如图：在这里插入图片描述
倒排索引的搜索流程如下（以搜索”华为手机“为例）：

1）用户输入条件"华为手机"进行搜索。

2）对用户输入内容分词，得到词条：华为、手机。

3）拿着词条在倒排索引中查找，可以得到包含词条的文档 id：1、2、3。

4）拿着文档id到正向索引中查找具体文档。

如图：
在这里插入图片描述
虽然要先查询倒排索引，再查询倒排索引，但是无论是词条、还是文档id都建立了索引，查询速度非常快！无需全表扫描。

3.3 正向和倒排

那么为什么一个叫做正向索引，一个叫做倒排索引呢？

正向索引是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。
而倒排索引则相反，是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id 获取文档。是根据词条找文档的过程。

正向索引：

优点：
- 可以给多个字段创建索引
- 根据索引字段搜索、排序速度非常快
缺点：
- 根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。

倒排索引：

优点：
- 根据词条搜索、模糊搜索时，速度非常快
缺点：
- 只能给词条创建索引，而不是字段
- 无法根据字段做排序

四、es的一些概念

elasticsearch中有很多独有的概念，与mysql中略有差别，但也有相似之处。

4.1 文档和字段

elasticsearch是面向**文档（Docu ment）**存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json 格式后存储在elasticsearch中：

在这里插入图片描述
而Json文档中往往包含很多的字段（Fie ld），类似于数据库中的列。

4.2 索引和映射

索引（Index），就是相同类型的文档的集合。

例如：

所有用户文档，就可以组织在一起，称为用户的索引；
所有商品的文档，可以组织在一起，称为商品的索引；
所有订单的文档，可以组织在一起，称为订单的索引；

在这里插入图片描述
因此，我们可以把索引当做是数据库中的表。

数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。

4.3 mysql和elasticsear ch

我们统一的把mysql与elasticsear ch的概念做一下对比：

MySQL	Elasticsear ch	说明
Table	Index	索引(index)，就是文档的集合，类似数据库的表(table)
Row	Docu ment	文档（Docu ment），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式
Column	Fie ld	字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）
Schema	Map ping	Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）
SQL	DSL	DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD