Elasticsearch 不徹底入門指北系列（二）：概念介紹與 DSL

這是我參與更文挑戰的第10天，活動詳情查看：更文挑戰

本篇會主要介紹一些關於 Elasticsearch 的基本概念以及 DSL 是什麼。

1. 基本概念

1.1 近實時

Elasticsearch 是一個能提供近實時查詢的搜索服務引擎，這意味着從索引文檔到真正可搜索之間會有一個輕微的延遲（大概在一秒內）。後面的系列文章咱們會談到關於 ES 的數據搜索（或者叫讀取）原理以及持久化原理，均與內存的刷新寫入有關，這裏咱們只須要先知道大概會有一秒的延遲，而且在代理能夠實現強制刷新就能夠了。

1.2 分詞與倒排索引

要解釋倒排索引呢，就須要先了解一下分詞。分詞 顧名思義，做爲一個動詞，就是分解成詞語，根據不一樣的規則，分詞的結果也不盡相同。好比咱們常用的中文分詞插件 ik 分詞：

ik_max_word: 會將文本作最細粒度的拆分，好比會將「中華人民共和國國歌」拆分爲「中華人民共和國,中華人民,中華,華人,人民共和國,人民,人,民,共和國,共和,和,國國,國歌」，會窮盡各類可能的組合，適合 Term Query；

ik_smart: 會作最粗粒度的拆分，好比會將「中華人民共和國國歌」拆分爲「中華人民共和國,國歌」，適合 Phrase 查詢。

可見，根據查詢的目標不一樣，咱們也須要來調整不一樣的分詞模式。分詞大概就是這樣。

倒排索引：好比咱們要根據一些關鍵詞來檢索一些文章，首先咱們會對全部的文章進行編碼，也能夠說是標記頁碼，倒排索引至關於建立了關鍵詞（分詞結果）目錄，記錄了哪一個單詞被哪些文章包含，以下：

關鍵詞	頁碼
運動	1,2,3,5,7,8
活動	3,4
生命	1,2
chenqionghe	8

當咱們要搜索找到有「運動」的文章時，先去關鍵詞目錄找，找到在1,2,3,5,7,8這幾頁，而後直接把書翻到這些頁就能獲取到相應的內容了。若是咱們要搜索「運動生命」，得先把這個分紅「運動」和「生命」，再分別去目錄找（所以怎麼分詞，也是搜索引擎中的一大藝術）。

倒排索引的原理其實就這麼簡單（其實沒這麼簡單，能夠先這麼理解）。

1.3 文檔（document）、索引（index）與類型（type）

文檔（document） ：Elasticsearch是面向文檔(document oriented)的，這意味着它能夠存儲整個對象或文檔(document)。然而它不只僅是存儲，還會索引(index)每一個文檔的內容使之能夠被搜索。在Elasticsearch中，你能夠對文檔（而非成行成列的數據）進行索引、搜索、排序、過濾。 Elasticsearch 使用 Javascript 對象符號(JavaScript Object Notation)，也就是JSON，做爲文檔序列化格式。一般，咱們能夠認爲對象(object)和文檔(document)是等價相通的。不過，他們仍是有所差異： 對象(Object)是一個JSON結構體——相似於哈希、hashmap、字典或者關聯數組；對象(Object)中還可能包含其餘對象(Object)。 在Elasticsearch中，文檔(document)這個術語有着特殊含義。它特指最頂層結構或者根對象(root object)序列化成的JSON數據（以惟一ID標識並存儲於Elasticsearch中）。

索引：在 Elasticsearch 中存儲數據的行爲就叫作索引(indexing)。在 Elasticsearch 中，文檔歸屬於一種類型 (type)，而這些類型存在於索引(index)中，咱們能夠畫一些簡單的對比圖來類比傳統關係型數據庫：

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

Elasticsearch集羣能夠包含多個索引(indices)（數據庫），每個索引能夠包含多個類型(types)（表），每個類型包含多個文檔(documents)（行），而後每一個文檔包含多個字段(Fields)（列）。

「索引」含義的區分

你可能已經注意到索引(index)這個詞在Elasticsearch中有着不一樣的含義，因此有必要在此作一下區分:

• 索引（名詞） 如上文所述，一個索引(index)就像是傳統關係數據庫中的數據庫，它是相關文檔存儲的地方，index的複數是indices 或indexes。
• 索引（動詞） 「索引一個文檔」表示把一個文檔存儲到索引（名詞）裏，以便它能夠被檢索或者查詢。這很像SQL中的INSERT關鍵字，差異是，若是文檔已經存在，新的文檔將覆蓋舊的文檔。
• 倒排索引 傳統數據庫爲特定列增長一個索引，例如B-Tree索引來加速檢索。Elasticsearch和Lucene使用一種叫作倒排索引(inverted index)的數據結構來達到相同目的。

類型：6.0 以前的版本用來區分同一索引下的不一樣類型。在 6.0 的時候，已經默認只能支持一個索引一個 type 了，7.0 版本新增了一個參數 include_type_name ，即讓全部的 API 是 type 相關的，這個參數在 7.0 默認是 true，不過在 8.0 的時候，會默認改爲 false，也就是不包含 type 信息了，這個是 type 用於移除的一個開關。也就是說，對比圖最後會更新成以下：

Relational DB -> Databases -> Tables -> Rows -> Columns
Elasticsearch ->  <無對應>  -> Indices  -> Documents -> Fields
複製代碼

1.4 節點和集羣

節點(node)是一個運行着的 Elasticsearch 實例，你能夠認爲是單個服務器。集羣(cluster)是一個或多個節點的集合，他們協同工做，共享數據並提供故障轉移和擴展功能。實現整個 Elasticsearch 服務的高可用。

1.5 分片（shards）

理論上，索引能夠存儲儘量多的數據，可是這種狀況下性能每每不太樂觀，或者常見的磁盤容量限制也不能容許。因此 Elasticsearch 提供了相似於 MongoDB 中的分片功能，該功能能將索引細分爲多個分片。每一個分片自己是一個功能徹底和獨立的「索引」，能夠託管在集羣中的任何節點上。

一樣的，有分片技術來處理數據量增加快速的問題，就意味着須要複製技術來應對這種過程當中（其實不僅是該過程，任何狀況下都應該有安全意識）數據安全的問題。Elasticsearch 容許您將索引分片的一個或多個副本轉換爲所謂的副本分片。複製技術爲咱們提供了數據的高可用性和搜索吞吐的擴展性。不過須要注意的是，副本分片從不分配在與從其複製的原始/主分片相同的節點上。

總而言之，每一個索引能夠拆分爲多個分片。索引也能夠複製爲零（意味着沒有副本）或更屢次。一旦複製，每一個索引將具備主分片（從索引複製的原始分片）和副本分片（主分片的副本）。開發者能夠在建立索引時就爲每一個索引定義分片和副本的數量。建立索引後，能夠隨時動態更改副本數，但不能在此過程後隨即更改分片數。

2. DSL 是什麼？

領域特定語言（英語：domain-specific language、DSL）指的是專一於某個應用程序領域的計算機語言。又譯做領域專用語言。而這裏咱們說到的即是關於 Elasticsearch 的專用語言。這些專用語言通常會用於直接訪問 ES 而非經過好比 Java 客戶端這種調用接口的方式來操做 ES 數據。DSL 並非本系列的重點，這裏咱們就先不作更多描述和介紹了，你們能夠參照 Quick Start 文檔來作一些練習。

總結

本篇咱們簡單介紹了一些關於 Elasticsearch 的基本概念和 DSL 語言是什麼。下一篇咱們會開始搭建項目並逐漸介紹 Elasticsearch 的一些底層原理。

連接

• elasticsearch 倒排索引原理
• Elasticsearch Quick Start