Elasticsearch 不彻底入门指北系列（二）：概念介绍与 DSL

这是我参与更文挑战的第10天，活动详情查看：更文挑战

本篇会主要介绍一些关于 Elasticsearch 的基本概念以及 DSL 是什么。

1. 基本概念

1.1 近实时

Elasticsearch 是一个能提供近实时查询的搜索服务引擎，这意味着从索引文档到真正可搜索之间会有一个轻微的延迟（大概在一秒内）。后面的系列文章咱们会谈到关于 ES 的数据搜索（或者叫读取）原理以及持久化原理，均与内存的刷新写入有关，这里咱们只须要先知道大概会有一秒的延迟，而且在代理能够实现强制刷新就能够了。

1.2 分词与倒排索引

要解释倒排索引呢，就须要先了解一下分词。分词 顾名思义，做为一个动词，就是分解成词语，根据不一样的规则，分词的结果也不尽相同。好比咱们常用的中文分词插件 ik 分词：

ik_max_word: 会将文本作最细粒度的拆分，好比会将“中华人民共和国国歌”拆分为“中华人民共和国,中华人民,中华,华人,人民共和国,人民,人,民,共和国,共和,和,国国,国歌”，会穷尽各类可能的组合，适合 Term Query；

ik_smart: 会作最粗粒度的拆分，好比会将“中华人民共和国国歌”拆分为“中华人民共和国,国歌”，适合 Phrase 查询。

可见，根据查询的目标不一样，咱们也须要来调整不一样的分词模式。分词大概就是这样。

倒排索引：好比咱们要根据一些关键词来检索一些文章，首先咱们会对全部的文章进行编码，也能够说是标记页码，倒排索引至关于建立了关键词（分词结果）目录，记录了哪一个单词被哪些文章包含，以下：

关键词	页码
运动	1,2,3,5,7,8
活动	3,4
生命	1,2
chenqionghe	8

当咱们要搜索找到有“运动”的文章时，先去关键词目录找，找到在1,2,3,5,7,8这几页，而后直接把书翻到这些页就能获取到相应的内容了。若是咱们要搜索“运动生命”，得先把这个分红“运动”和“生命”，再分别去目录找（所以怎么分词，也是搜索引擎中的一大艺术）。

倒排索引的原理其实就这么简单（其实没这么简单，能够先这么理解）。

1.3 文档（document）、索引（index）与类型（type）

文档（document） ：Elasticsearch是面向文档(document oriented)的，这意味着它能够存储整个对象或文档(document)。然而它不只仅是存储，还会索引(index)每一个文档的内容使之能够被搜索。在Elasticsearch中，你能够对文档（而非成行成列的数据）进行索引、搜索、排序、过滤。 Elasticsearch 使用 Javascript 对象符号(JavaScript Object Notation)，也就是JSON，做为文档序列化格式。一般，咱们能够认为对象(object)和文档(document)是等价相通的。不过，他们仍是有所差异： 对象(Object)是一个JSON结构体——相似于哈希、hashmap、字典或者关联数组；对象(Object)中还可能包含其余对象(Object)。 在Elasticsearch中，文档(document)这个术语有着特殊含义。它特指最顶层结构或者根对象(root object)序列化成的JSON数据（以惟一ID标识并存储于Elasticsearch中）。

索引：在 Elasticsearch 中存储数据的行为就叫作索引(indexing)。在 Elasticsearch 中，文档归属于一种类型 (type)，而这些类型存在于索引(index)中，咱们能够画一些简单的对比图来类比传统关系型数据库：

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

Elasticsearch集群能够包含多个索引(indices)（数据库），每个索引能够包含多个类型(types)（表），每个类型包含多个文档(documents)（行），而后每一个文档包含多个字段(Fields)（列）。

「索引」含义的区分

你可能已经注意到索引(index)这个词在Elasticsearch中有着不一样的含义，因此有必要在此作一下区分:

• 索引（名词） 如上文所述，一个索引(index)就像是传统关系数据库中的数据库，它是相关文档存储的地方，index的复数是indices 或indexes。
• 索引（动词） 「索引一个文档」表示把一个文档存储到索引（名词）里，以便它能够被检索或者查询。这很像SQL中的INSERT关键字，差异是，若是文档已经存在，新的文档将覆盖旧的文档。
• 倒排索引 传统数据库为特定列增长一个索引，例如B-Tree索引来加速检索。Elasticsearch和Lucene使用一种叫作倒排索引(inverted index)的数据结构来达到相同目的。

类型：6.0 以前的版本用来区分同一索引下的不一样类型。在 6.0 的时候，已经默认只能支持一个索引一个 type 了，7.0 版本新增了一个参数 include_type_name ，即让全部的 API 是 type 相关的，这个参数在 7.0 默认是 true，不过在 8.0 的时候，会默认改为 false，也就是不包含 type 信息了，这个是 type 用于移除的一个开关。也就是说，对比图最后会更新成以下：

Relational DB -> Databases -> Tables -> Rows -> Columns
Elasticsearch ->  <无对应>  -> Indices  -> Documents -> Fields
复制代码

1.4 节点和集群

节点(node)是一个运行着的 Elasticsearch 实例，你能够认为是单个服务器。集群(cluster)是一个或多个节点的集合，他们协同工做，共享数据并提供故障转移和扩展功能。实现整个 Elasticsearch 服务的高可用。

1.5 分片（shards）

理论上，索引能够存储尽量多的数据，可是这种状况下性能每每不太乐观，或者常见的磁盘容量限制也不能容许。因此 Elasticsearch 提供了相似于 MongoDB 中的分片功能，该功能能将索引细分为多个分片。每一个分片自己是一个功能彻底和独立的“索引”，能够托管在集群中的任何节点上。

一样的，有分片技术来处理数据量增加快速的问题，就意味着须要复制技术来应对这种过程当中（其实不仅是该过程，任何状况下都应该有安全意识）数据安全的问题。Elasticsearch 容许您将索引分片的一个或多个副本转换为所谓的副本分片。复制技术为咱们提供了数据的高可用性和搜索吞吐的扩展性。不过须要注意的是，副本分片从不分配在与从其复制的原始/主分片相同的节点上。

总而言之，每一个索引能够拆分为多个分片。索引也能够复制为零（意味着没有副本）或更屡次。一旦复制，每一个索引将具备主分片（从索引复制的原始分片）和副本分片（主分片的副本）。开发者能够在建立索引时就为每一个索引定义分片和副本的数量。建立索引后，能够随时动态更改副本数，但不能在此过程后随即更改分片数。

2. DSL 是什么？

领域特定语言（英语：domain-specific language、DSL）指的是专一于某个应用程序领域的计算机语言。又译做领域专用语言。而这里咱们说到的即是关于 Elasticsearch 的专用语言。这些专用语言通常会用于直接访问 ES 而非经过好比 Java 客户端这种调用接口的方式来操做 ES 数据。DSL 并非本系列的重点，这里咱们就先不作更多描述和介绍了，你们能够参照 Quick Start 文档来作一些练习。

总结

本篇咱们简单介绍了一些关于 Elasticsearch 的基本概念和 DSL 语言是什么。下一篇咱们会开始搭建项目并逐渐介绍 Elasticsearch 的一些底层原理。

连接

• elasticsearch 倒排索引原理
• Elasticsearch Quick Start