一、全文檢索基礎

將非結構化數據中的一部分信息提取出來，重新組織，使其變得有一定結構，然后對此有一定結構的數 據進行搜索，從而達到搜索相對較快的目的。這部分從非結構化數據中提取出的然后重新組織的信息， 我們稱之索引。 例如：字典。字典的拼音表和部首檢字表就相當于字典的索引，對每一個字的解釋是非結構化的，如果 字典沒有音節表和部首檢字表，在茫茫辭海中找一個字只能順序掃描。然而字的某些信息可以提取出來 進行結構化處理，比如讀音，就比較結構化，分聲母和韻母，分別只有幾種可以一一列舉，于是將讀音 拿出來按一定的順序排列，每一項讀音都指向此字的詳細解釋的頁數。我們搜索時按結構化的拼音搜到 讀音，然后按其指向的頁數，便可找到我們的非結構化數據——也即對字的解釋。 這種先建立索引，再對索引進行搜索的過程就叫全文檢索(Full-text Search)。 雖然創建索引的過程也是非常耗時的，但是索引一旦創建就可以多次使用，全文檢索主要處理的是查 詢，所以耗時間創建索引是值得的。

二、ElasticSearch簡介

2.1 什么是ElasticSearch

Elaticsearch，簡稱為es， es是一個開源的高擴展的分布式全文檢索引擎，它可以近乎實時的存儲、檢 索數據；本身擴展性很好，可以擴展到上百臺服務器，處理PB級別的數據。es也使用Java開發并使用 Lucene作為其核心來實現所有索引和搜索的功能，但是它的目的是通過簡單的RESTful API來隱藏 Lucene的復雜性，從而讓全文搜索變得簡單。

2.2 ElasticSearch的使用案例

2013年初，GitHub拋棄了Solr，采取ElasticSearch 來做PB級的搜索。

“GitHub使用ElasticSearch 搜索20TB的數據，包括13億文件和1300億行代碼” 維基百科：啟動以elasticsearch為基礎的核心搜索架構 SoundCloud：“SoundCloud使用ElasticSearch為1.8億用戶提供即時而精準的音樂搜索服務” 百度：

百度目前廣泛使用ElasticSearch作為文本數據分析，采集百度所有服務器上的各類指標數 據及用戶自定義數據，通過對各種數據進行多維分析展示，輔助定位分析實例異常或業務層面異 常。

目前覆蓋百度內部20多個業務線（包括casio、云分析、網盟、預測、文庫、直達號、錢包、 風控等），單集群最大100臺機器，200個ES節點，每天導入30TB+數據 新浪使用ES 分析處理32億條實時日志 阿里使用ES 構建挖財自己的日志采集和分析體系

2.3 ElasticSearch對比Solr

Solr 利用 Zookeeper 進行分布式管理，而 Elasticsearch 自身帶有分布式協調管理功能;

Solr 支持更多格式的數據，而 Elasticsearch 僅支持json文件格式；

Solr 官方提供的功能更多，而 Elasticsearch 本身更注重于核心功能，高級功能多有第三方插件提 供；

Solr 在傳統的搜索應用中表現好于 Elasticsearch，但在處理實時搜索應用時效率明顯低于 Elasticsearch

三、ElasticSearch相關概念(術語)

3.1 概述

Elasticsearch是面向文檔(document oriented)的，這意味著它可以存儲整個對象或文檔(document)。 然而它不僅僅是存儲，還會索引(index)每個文檔的內容使之可以被搜索。在Elasticsearch中，你可以對 文檔（而非成行成列的數據）進行索引、搜索、排序、過濾。Elasticsearch比傳統關系型數據庫如下：

Relational DB -> Databases -> Tables -> Rows -> Columns Elasticsearch -> Indices -> Types -> Documents -> Fields

3.2 Elasticsearch核心概念

3.2.1 索引 index

一個索引就是一個擁有幾分相似特征的文檔的集合。比如說，你可以有一個客戶數據的索引，另一個產 品目錄的索引，還有一個訂單數據的索引。一個索引由一個名字來標識（必須全部是小寫字母的），并 且當我們要對對應于這個索引中的文檔進行索引、搜索、更新和刪除的時候，都要使用到這個名字。在 一個集群中，可以定義任意多的索引。

3.2.2 類型 type

在一個索引中，你可以定義一種或多種類型。一個類型是你的索引的一個邏輯上的分類/分區，其語義 完全由你來定。通常，會為具有一組共同字段的文檔定義一個類型。比如說，我們假設你運營一個博客 平臺并且將你所有的數據存儲到一個索引中。在這個索引中，你可以為用戶數據定義一個類型，為博客 數據定義另一個類型，當然，也可以為評論數據定義另一個類型。

3.2.3 字段Field

相當于是數據表的字段，對文檔數據根據不同屬性進行的分類標識

3.2.4 映射 mapping

mapping是處理數據的方式和規則方面做一些限制，如某個字段的數據類型、默認值、分析器、是否被 索引等等，這些都是映射里面可以設置的，其它就是處理es里面數據的一些使用規則設置也叫做映射， 按著最優規則處理數據對性能提高很大，因此才需要建立映射，并且需要思考如何建立映射才能對性能 更好。

3.2.5 文檔 document

一個文檔是一個可被索引的基礎信息單元。比如，你可以擁有某一個客戶的文檔，某一個產品的一個文 檔，當然，也可以擁有某個訂單的一個文檔。文檔以JSON（Javascript Object Notation）格式來表 示，而JSON是一個到處存在的互聯網數據交互格式。 在一個index/type里面，你可以存儲任意多的文檔。注意，盡管一個文檔，物理上存在于一個索引之 中，文檔必須被索引/賦予一個索引的type。

3.2.6 接近實時

NRT Elasticsearch是一個接近實時的搜索平臺。這意味著，從索引一個文檔直到這個文檔能夠被搜索到有一 個輕微的延遲（通常是1秒以內）

3.2.7 集群 cluster

一個集群就是由一個或多個節點組織在一起，它們共同持有整個的數據，并一起提供索引和搜索功能。 一個集群由一個唯一的名字標識，這個名字默認就是“elasticsearch”。這個名字是重要的，因為一個節 點只能通過指定某個集群的名字，來加入這個集群

3.2.8 節點 node

Relational DB -> Databases -> Tables -> Rows -> Columns Elasticsearch -> Indices -> Types -> Documents -> Fields 一個節點是集群中的一個服務器，作為集群的一部分，它存儲數據，參與集群的索引和搜索功能。和集 群類似，一個節點也是由一個名字來標識的，默認情況下，這個名字是一個隨機的漫威漫畫角色的名 字，這個名字會在啟動的時候賦予節點。這個名字對于管理工作來說挺重要的，因為在這個管理過程 中，你會去確定網絡中的哪些服務器對應于Elasticsearch集群中的哪些節點。 一個節點可以通過配置集群名稱的方式來加入一個指定的集群。默認情況下，每個節點都會被安排加入 到一個叫做“elasticsearch”的集群中，這意味著，如果你在你的網絡中啟動了若干個節點，并假定它們 能夠相互發現彼此，它們將會自動地形成并加入到一個叫做“elasticsearch”的集群中。 在一個集群里，只要你想，可以擁有任意多個節點。而且，如果當前你的網絡中沒有運行任何 Elasticsearch節點，這時啟動一個節點，會默認創建并加入一個叫做“elasticsearch”的集群。

總結

以上是生活随笔為你收集整理的ElasticSearch入门的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。