1.1.了解ES（ElasticSearch）

1.1.1.ElasticSearch的作用

ElasticSearch是一款非常強大的開源搜索引擎，具備非常多強大功能，可以幫助我們從海量數(shù)據(jù)中快速找到需要的內(nèi)容

例如：

• 在GitHub搜索代碼

  

• 在百度搜索答案

  

1.1.2.ELK技術棧

ElasticSearch結合kibana、Logstash、Beats，也就是elastic stack（ELK）。被廣泛應用在日志數(shù)據(jù)分析、實時監(jiān)控等領域：

而ElasticSearch是elastic stack的核心，負責存儲、搜索、分析數(shù)據(jù)。

1.1.3.ElasticSearch和lucene

ElasticSearch底層是基于lucene來實現(xiàn)的。

Lucene是一個Java語言的搜索引擎類庫，是Apache公司的頂級項目，由DougCutting于1999年研發(fā)。官網(wǎng)地址：https://lucene.apache.org/ 。

Lucene的優(yōu)勢：

• 易擴展

• 高性能（基于排序索引）

Lucene的缺點：

• 只限于java語言開發(fā)

• 學習曲線陡峭

• 不支持水平擴展

ElasticSearch的發(fā)展歷史：

• 2004年Shay Banon基于Lucene開發(fā)了Compass；
• 2010年Shay Banon重寫了Compass，取名為Elasticsearch。

相對于Lucene，ElasticSearch具備下列優(yōu)勢：

• 支持分布式，可水平擴展

• 提供Restful接口，可被任何語言調(diào)用

1.1.4.為什么不是其他搜索技術？

目前比較知名的搜索引擎技術排名：

雖然在早期，Apache Solr是最主要的搜索引擎技術，但隨著發(fā)展ElasticSearch已經(jīng)漸漸超越了Solr，獨占鰲頭：

1.1.5.總結

什么是ElasticSearch？

• 一個開源的分布式搜索引擎，可以用來實現(xiàn)搜索、日志統(tǒng)計、分析、系統(tǒng)監(jiān)控等功能

什么是elastic stack（ELK）？

• 是以ElasticSearch為核心的技術棧，包括beats、Logstash、kibana、ElasticSearch。

什么是Lucene？

• 是Apache的開源搜索引擎類庫，提供了搜索引擎的核心API。

1.2.倒排索引

倒排索引的概念是基于MySQL這樣的正向索引而言的。

1.2.1.正向索引

那么什么是正向索引呢？例如給下表（tb_goods）中的id創(chuàng)建索引：

如果是根據(jù)id查詢，那么直接走索引，查詢速度非常快。

但如果是基于title做模糊查詢，只能是逐行掃描數(shù)據(jù)，流程如下：

1）用戶搜索數(shù)據(jù)，條件是title符合"%手機%"

2）逐行獲取數(shù)據(jù)，比如id為1的數(shù)據(jù)

3）判斷數(shù)據(jù)中的title是否符合用戶搜索條件

4）如果符合則放入結果集，不符合則丟棄。回到步驟1

逐行掃描，也就是全表掃描，隨著數(shù)據(jù)量增加，其查詢效率也會越來越低。當數(shù)據(jù)量達到數(shù)百萬時，就是一場災難。

1.2.2.倒排索引

倒排索引中有兩個非常重要的概念：

• 文檔（Document）：用來搜索的數(shù)據(jù)，其中的每一條數(shù)據(jù)就是一個文檔。例如一個網(wǎng)頁、一個商品信息
• 詞條（Term）：對文檔數(shù)據(jù)或用戶搜索數(shù)據(jù)，利用某種算法分詞，得到的具備含義的詞語就是詞條。例如：我是中國人，就可以分為：我、是、中國人、中國、國人這樣的幾個詞條

創(chuàng)建倒排索引是對正向索引的一種特殊處理，流程如下：

• 將每一個文檔的數(shù)據(jù)利用算法分詞，得到一個個詞條
• 創(chuàng)建表，每行數(shù)據(jù)包括詞條、詞條所在文檔id、位置等信息
• 因為詞條唯一性，可以給詞條創(chuàng)建索引，例如hash表結構索引

如圖：

倒排索引的搜索流程如下（以搜索“華為手機”為例）：

1）用戶輸入條件"華為手機"進行搜索。

2）對用戶輸入內(nèi)容分詞，得到詞條：華為、手機。

3）拿著詞條在倒排索引中查找，可以得到包含詞條的文檔id：1、2、3。

4）拿著文檔id到正向索引中查找具體文檔。

如圖：

雖然要先查詢倒排索引，再查詢倒排索引，但是無論是詞條、還是文檔id都建立了索引，查詢速度非?？?！無需全表掃描。

1.2.3.正向和倒排

那么為什么一個叫做正向索引，一個叫做倒排索引呢？

• 正向索引是最傳統(tǒng)的，根據(jù)id索引的方式。但根據(jù)詞條查詢時，必須先逐條獲取每個文檔，然后判斷文檔中是否包含所需要的詞條，是根據(jù)文檔找詞條的過程。

• 而倒排索引則相反，是先找到用戶要搜索的詞條，根據(jù)詞條得到保護詞條的文檔的id，然后根據(jù)id獲取文檔。是根據(jù)詞條找文檔的過程。

是不是恰好反過來了？

那么兩者方式的優(yōu)缺點是什么呢？

正向索引：

• 優(yōu)點：
  • 可以給多個字段創(chuàng)建索引
  • 根據(jù)索引字段搜索、排序速度非?？?/li>
• 缺點：
  • 根據(jù)非索引字段，或者索引字段中的部分詞條查找時，只能全表掃描。

倒排索引：

• 優(yōu)點：
  • 根據(jù)詞條搜索、模糊搜索時，速度非常快
• 缺點：
  • 只能給詞條創(chuàng)建索引，而不是字段
  • 無法根據(jù)字段做排序

1.3.ES的一些概念

ElasticSearch中有很多獨有的概念，與mysql中略有差別，但也有相似之處。

1.3.1.文檔和字段

ElasticSearch是面向 文檔（Document） 存儲的，可以是數(shù)據(jù)庫中的一條商品數(shù)據(jù)，一個訂單信息。文檔數(shù)據(jù)會被序列化為json格式后存儲在ElasticSearch中：

而Json文檔中往往包含很多的字段（Field），類似于數(shù)據(jù)庫中的列。

1.3.2.索引和映射

索引（Index），就是相同類型的文檔的集合。

例如：

• 所有用戶文檔，就可以組織在一起，稱為用戶的索引；
• 所有商品的文檔，可以組織在一起，稱為商品的索引；
• 所有訂單的文檔，可以組織在一起，稱為訂單的索引；

因此，我們可以把索引當做是數(shù)據(jù)庫中的表。

數(shù)據(jù)庫的表會有約束信息，用來定義表的結構、字段的名稱、類型等信息。因此，索引庫中就有映射（mapping），是索引中文檔的字段約束信息，類似表的結構約束。

1.3.3.MySQL與ElasticSearch

我們統(tǒng)一的把MySQL與ElasticSearch的概念做一下對比：

是不是說，我們用了ElasticSearch就不再需要MySQL了呢？

并不是如此，兩者各自有自己的擅長支出：

• Mysql：擅長事務類型操作，可以確保數(shù)據(jù)的安全和一致性

• ElasticSearch：擅長海量數(shù)據(jù)的搜索、分析、計算

因此在企業(yè)中，往往是兩者結合使用：

• 對安全性要求較高的寫操作，使用MySQL實現(xiàn)
• 對查詢性能要求較高的搜索需求，使用ElasticSearch實現(xiàn)
• 兩者再基于某種方式，實現(xiàn)數(shù)據(jù)的同步，保證一致性

文章來源地址http://www.zghlxwxcb.cn/news/detail-414198.html

到了這里，關于SpringCloud：初識ES（ElasticSearch）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！