Elasticsearch基础教程-基本概念

8870188

　　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RESTfulweb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，是第二最流行的企业搜索引擎。
　　Elasticsearch有几个核心概念。从一开始理解这些概念会对整个学习过程有莫大的帮助。
　　 1.准实时（NRT）
　　    说到准实时，必然会提到异步以及实时。比如报表之类的，实时性要求不高，我们可以以每天/每半小时的频率执行，当频率逐渐增大，如每分钟甚至每秒执行一次，就接近实时效果了，这就是准实时。通俗的讲，就是延迟低。
　　Elasticsearch是一个接近实时的搜索平台。这意味着，从索引一个文档直到这个文档能够被搜索到有一个轻微的延迟（通常是1秒）。
2.1. 节点（node）
    一个节点是一个独立的服务单元，你可以采用一台机器只部署一个node的方式，也可以是一台机器，通过不同端口部署不同Node。Node将存储你的索引等数据，参与集群的索引和搜索功能。一个或者一组Node组成集群。一个节点也是由一个名字来标识的，默认情况下，这个名字是一个随机的漫威漫画角色的名字，这个名字会在启动的时候赋予节点。这个名字对于管理工作来说挺重要的，因为在这个管理过程中，你会去确定网络中的哪些服务器对应于Elasticsearch集群中的哪些节点。
　　2.2. 集群（cluster）
    一个集群就是由一个或多个节点组织在一起，它们共同持有你整个的数据，并一起提供索引和搜索功能。一个集群由一个唯一的名字标识，这个名字默认就是“elasticsearch”,也可以在启动时通过“--cluster.name”指定（详见下一篇Elasticsearch基础教程之安装）。一个节点可以通过指定某个集群的名字，来加入这个集群。一般建议起一个有意义的名称，并且采用通用的命名规范，像驼峰式命名，如：adsQueryCluster。
　　    一个节点可以通过配置集群名称的方式来加入一个指定的集群。默认情况下，每个节点都会被安排加入到一个叫做“elasticsearch”的集群中，这意味着，如果你在你的网络中启动了若干个节点，并假定它们能够相互发现彼此，它们将会自动地形成并加入到一个叫做“elasticsearch”的集群中。
    在一个集群里可以拥有任意多个节点。而且，如果当前你的网络中没有运行任何Elasticsearch节点，这时启动一个节点，会默认创建并加入一个叫做“elasticsearch”的集群。
　　 3.1. 索引（index）
    一个INDEX就是一个拥有几分相似特征的数据组的集合，类似传统数据库中的database。一个索引由一个名字来标识（必须全部是小写字母的，可以有特殊字符吗？），并且当我们要对对应于这个索引中的文档进行索引、搜索、更新和删除的时候，都要使用到这个名字。
3.2. 类型（document type）
   类似关系数据库的表，主要功能是将完全不同schema（这个概念以后会讲到，不急）的数据分开，一个index里面可以有若干个Document type。
    在一个index/type里面，只要你想，你可以存储任意多的文档。注意，尽管一个文档，物理上存在于一个索引之中，文档必须被索引/赋予一个索引的type。
　　3.3. 文档（document）
   类似关系数据库的一行，在同一个Document type下面，每一Document都有一个唯一的ID作为区分，一个文档是一个可以被索引的最基础的信息单元，文档以JSON（JavascriptObject Notation）格式来表示，而JSON是一个到处存在的互联网数据交互格式。
　　3.4.Filed：
　　     类似关系数据库的某一列，这是ES数据存储的最小单位。
4、分片和复制（shards & replicas）
    一个索引可以存储超出单个结点硬件限制的大量数据。比如，一个具有10亿文档的索引占据1TB的磁盘空间，而任一节点都没有这样大的磁盘空间；或者单个节点处理搜索请求，响应太慢。
    为了解决这个问题，Elasticsearch提供了将索引划分成多份的能力，这些份就叫做分片。当你创建一个索引的时候，你可以指定你想要的分片的数量。每个分片本身也是一个功能完善并且独立的“索引”，这个“索引”可以被放置到集群中的任何节点上。
    分片之所以重要，主要有两方面的原因：
      - 允许你水平分割/扩展你的内容容量
      - 允许你在分片（潜在地，位于多个节点上）之上进行分布式的、并行的操作，进而提高性能/吞吐量
    至于一个分片怎样分布，它的文档怎样聚合回搜索请求，是完全由Elasticsearch管理的，对于作为用户的你来说，这些都是透明的。
    在一个网络/云的环境里，失败随时都可能发生，在某个分片/节点不知怎么的就处于离线状态，或者由于任何原因消失了，这种情况下，有一个故障转移机制是非常有用并且是强烈推荐的。为此目的，Elasticsearch允许你创建分片的一份或多份拷贝，这些拷贝叫做复制分片，或者直接叫复制。
    复制之所以重要，有两个主要原因：
      - 在分片/节点失败的情况下，提供了高可用性。因为这个原因，注意到复制分片从不与原/主要（original/primary）分片置于同一节点上是非常重要的。
      - 扩展你的搜索量/吞吐量，因为搜索可以在所有的复制上并行运行
    总之，每个索引可以被分成多个分片。一个索引也可以被复制0次（意思是没有复制）或多次。一旦复制了，每个索引就有了主分片（作为复制源的原来的分片）和复制分片（主分片的拷贝）之别。分片和复制的数量可以在索引创建的时候指定。在索引创建之后，你可以在任何时候动态地改变复制的数量，但是你事后不能改变分片的数量。
    默认情况下，Elasticsearch中的每个索引被分片5个主分片和1个复制，这意味着，如果你的集群中至少有两个节点，你的索引将会有5个主分片和另外5个复制分片（1个完全拷贝），这样的话每个索引总共就有10个分片。