目錄
初識elasticsearch
1.1.了解ES
1.1.1.elasticsearch的作用
1.1.2.ELK技術棧
1.1.3.elasticsearch和lucene
1.1.4.為什么不是其他搜索技術？
1.1.5.總結
1.2.倒排索引
1.2.1.正向索引
1.2.2.倒排索引
1.2.3.正向和倒排
1.3.es的一些概念
1.3.1.文檔和字段
1.3.2.索引和映射
1.3.3.mysql與elasticsearch
初識elasticsearch
1.1.了解ES
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
-
在電商網(wǎng)站搜索商品
-
在百度搜索答案
-
在打車軟件搜索附近的車
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：Apache Lucene - Welcome to Apache Lucene 。
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。
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?；氐讲襟E1
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、排序速度非常快
-
-
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?？?/p>
-
-
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：
| MySQL | Elasticsearch | 說明 |
|---|---|---|
| Table | Index | 索引(index)，就是文檔的集合，類似數(shù)據(jù)庫的表(table) |
| Row | Document | 文檔（Document），就是一條條的數(shù)據(jù)，類似數(shù)據(jù)庫中的行（Row），文檔都是JSON格式 |
| Column | Field | 字段（Field），就是JSON文檔中的字段，類似數(shù)據(jù)庫中的列（Column） |
| Schema | Mapping | Mapping（映射）是索引中文檔的約束，例如字段類型約束。類似數(shù)據(jù)庫的表結構（Schema） |
| SQL | DSL | DSL是elasticsearch提供的JSON風格的請求語句，用來操作elasticsearch，實現(xiàn)CRUD |
是不是說，我們學習了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：http://www.zghlxwxcb.cn/news/detail-546814.html
文章來源地址http://www.zghlxwxcb.cn/news/detail-546814.html
到了這里，關于【Elasticsearch】初識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)！
