本章节主要是对 Elasticsearch 的入门讲解篇，包括 Elasticsearch 是做什么的，有什么特点，优秀使用案例，还有和 Mysql 等关系型数据库的对比等进行了一定的讲解。

本文以 Elasticsearch 6.4.0 的角度来讲解其基本概念。

一、简介

Lucene：简单来说，就是一个 jar 包，里面包含了封装好的各种建立倒排索引，以及进行搜索的代码，包含各种算法，我们用java开发的时候，引入 lucene.jar 就可以进行开发了。

ElasticSearch 是一个基于 Lucene 的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于 RESTful web 接口。ElasticSearch 是用 Java 开发的，并作为 Apache 许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到近实时搜索，稳定，可靠，快速，安装使用方便。

Elasticsearch 有如下几个特点：

• 分布式存储，每个字段都被索引并可被搜索
• 分布式的近实时分析搜索引擎
• 可以扩展到上百台服务器，处理 PB 级结构化或非结构化数据

二、ES国内外使用优秀案例

1） 2013 年初，GitHub 抛弃了 Solr，采取 ElasticSearch 来做 PB 级的搜索。 “GitHub 使用 ElasticSearch 搜索 20TB 的数据，包括 13 亿文件和 1300 亿行代码”。

2）维基百科：启动以 Elasticsearch 为基础的核心搜索架构。

3）SoundCloud：“SoundCloud 使用 ElasticSearch 为 1.8 亿用户提供即时而精准的音乐搜索服务”。

4）百度：百度目前广泛使用 ElasticSearch 作为文本数据分析，采集百度所有服务器上的各类指标数据及用户自定义数据，通过对各种数据进行多维分析展示，辅助定位分析实例异常或业务层面异常。目前覆盖百度内部 20 多个业务线（包括 casio 、云分析、网盟、预测、文库、直达号、钱包、风控等），单集群最大 100 台机器，200 个 Elasticsearch 节点，每天导入 30 TB+数据。

5) 淘宝等电商网站，新闻网站，OA 办公系统等。

三、基本概念

参考官方文档：https://www.elastic.co/guide/en/elasticsearch/reference/6.4/getting-started-concepts.html

1. 节点(Node) 和 集群(Cluster)

集群是一个或多个 Elasticsearch 节点（服务器）的集合， 这些节点共同保存整个数据，并在所有节点上提供联合索引和搜索功能。一个集群由一个唯一集群 ID 确定，并指定一个集群名（默认为 “elasticsearch” ）。该集群名非常重要，因为节点可以通过这个集群名加入集群，一个节点是集群的一部分。

2. Index(索引)

索引是具有相似特征的文档的集合。例如，您可以为客户数据创建索引，为产品目录创建另一个索引，为订单数据创建另一个索引。索引由名称标识（必须全为小写，不能以下划线开头，不能包含逗号）。

在一个 Elasticsearch 集群中，您可以定义任意数量的索引。

3. Type(类型)

在 Elasticsearch 6.0.0 或更高版本中创建的索引只能包含一个映射类型。类型将在 Elasticsearch 7.0.0 中的 API 中弃用，并在 8.0.0 中完全删除。

详情可参考：https://www.elastic.co/guide/en/elasticsearch/reference/6.4/removal-of-types.html#_why_are_mapping_types_being_removed

4. Document(文档)

文件是可以建立索引的基本信息单位，以 json 表示。你可以用其来定义单个产品信息或是员工信息。我们可以把文档理解为 Mysql 表中的行级数据。在 Index(索引) 中，您可以存储大量文档。文档中有几个公共不可或缺的属性，分别为 _index、_type、_id、_source。

• _index：表示所在的 index 名。
• _type：在 6.x 版本只能指定一个类型，在 6.4.0 版本中默认为 “doc”。
• _id：文档的唯一标识，类似于 Mysql 数据库的主键 id 。
• _source：文档数据以 json 的形式保存在该字段内。

针对特定一个或一类文档进行操作时，必须指定这些属性。

5. Mapping(映射)

模式映射（schema mapping，或简称为映射）用于定义 Index(索引) 的元数据，指定要索引并存储文档的字段类型。Elasticsearch 在 Mapping 中存储有关字段的信息。Mapping 在文件中以 json 表示。

6. Field(字段)

Elasticsearch 里最小单元，相当于 Mysql 表的某个字段，类似于 json 里一个键。

7、Shards(分片)

索引可能会存储大量数据，这些数据可能超过单个节点的硬件限制。例如，十亿个文档的单个索引占用了 1 TB的磁盘空间，可能不适合单个节点的磁盘，或者可能太慢而无法单独满足来自单个节点的搜索请求。

为了解决此问题，Elasticsearch 提供了 Shards(分片) 的概念。每个 Shards(分片) 本身就是一个功能齐全且独立的 Lucene “索引”，可以存储在 Elasticsearch 集群中的任何节点上，这就是分布式存储。

分片的好处？

• 当你查询的索引分布在多个分片上时，Elasticsearch 会把查询发送给每个相关的分片，并将结果合并在一起。所以，多个分片可以加快查询，提高吞吐量。
• 通过将分片放在不同节点，可以存储超过单节点容量的数据。

8、Replica(副本)

当集群某节点宕机了，为了防只数据丢失，Elasticsearch 还提供了 Replica(副本) 概念。副本分片(Replica Shards)是一个分片的精确复制，每个分片可以有零个或多个副本。换句话说，Elasticsearch 可以有许多相同的分片，其中之一被自动选择去更改索引操作，这种特殊的分片称为主分片（primary shards），其余称为副本分片（replica shards）。在主分片丢失时，例如该分片数据所在服务器不可用，集群则将副本分片提升为新的主分片。

Replica(副本)的好处：

• 提供高可用性。当主分片节点故障时，可升级一个副本分片为新的主分片来应对节点故障。需要特别说明的是：副本分片(Replica Shards) 永远不会与 主分片(primary Shards) 分配在同一节点上。
• 由于每个 Shards(分片) 本身就是一个功能齐全且独立的 Lucene “索引”，所以也可以在所有的副本分片(Replica Shards)上并行执行搜索，从而加快 Elasticsearch 查询，提高吞吐量。
• 增加副本分片，可以将数据存储到更多节点上，更好地处理并发请求。

可以在创建 索引(Index) 时定义 主分片(Primary Shards) 和 副本分片(Replica Shards) 的数量。创建索引后，您还可以动态更改副本数，但要更改分片数就不那么轻松了。因此，预先规划正确的分片数量是最佳方法。

默认情况下，Elasticsearch 中的每个索引分配有 5 个主分片和 1 个副本分片，这意味着如果集群中至少有两个节点，则索引将具有 5 个主分片和另外 5 个副本分片（1个完整副本），总计每个索引 10 个分片。

四、关系型数据库和ElasticSearch中的对应关系

在 6.4.x 的官方文档中表示，“ 索引 ”类似于SQL数据库中的“ 数据库 ”，而“ 类型 ”等同于 “ 表 ”，这是一个不好的类比。但为了方便理解，其它概念还是有一些对应关系的。如下表所示：

关系型数据库	Elasticsearch
数据行 Row	文档 Document，但不需要固定结构，不同文档可以具有不同字段集合
模式 Schema	映射 Mapping
数据列 Column	字段 Field

---