ElasticSearch基础

最新推荐文章于 2024-12-09 09:52:18 发布

原创最新推荐文章于 2024-12-09 09:52:18 发布 · 1.1k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#elasticsearch #搜索引擎 #全文检索

学习之旅专栏收录该内容

12 篇文章

订阅专栏

Elasticsearch是一个基于Lucene的分布式全文搜索引擎，它允许快速存储、搜索和分析大量数据。倒排索引是其核心，提供高效的全文检索。每个文档由多个字段组成，字段可以被索引。索引被划分为shard和replica，以实现横向扩展和高可用性。Elasticsearch中的index类似数据库，type类似表，document代表记录，field是基本单位，而shard和replica确保数据分布和冗余。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

ElasticSearch基础：java

什么是Elasticsearch：类似于查字典

Elasticsearch 是基于 Lucene 搜索引擎为核心构建的Restful 风格分布式全文搜索引擎，每个字段都可以使索引并可以被搜索，可以快速存储、搜索、分析大量的数据。
全文检索是指对每一个词建立一个索引，指明该词在文章中出现的次数和位置。
当查询时，根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。

- [x] 什么是倒排索引：倒排索引使用的是词来作为索引关键字，同时记录了哪些文档中有这个词。

在搜索引擎中，每个文档都有一个对应的文档 ID，文档内容被表示为这些关键词的集合。
倒排索引就是关键词到文档 ID 的映射，每个关键词都对应着很多的的文件，这些文件中都出现了这个关键词。
有了倒排索引，搜索引擎可以很方便地响应用户的查询。

为什么不使用B+Tree？

全文索引的文本字段通常会比较长，索引值本身会占用较大空间，从而会加大 B+ 树的深度，影响查询效率。
全文索引往往需要全文搜索，不遵循最左匹配原则，使用 B+ 树可能导致索引失效。

要注意倒排索引的两个重要细节：

倒排索引中的所有词项对应一个或多个文档
倒排索引中的词项根据字典顺序升序排列

Elasticsearch 的基本概念：

index 索引：索引类似于mysql 中的数据库，Elasticesearch 中的索引是存在数据的地方，包含了一堆有相似结构的文档数据。
type 类型：类型是用来定义数据结构，可以认为是 mysql 中的一张表，type 是 index 中的一个逻辑数据分类
document 文档：类似于 MySQL 中的一行，不同之处在于 ES 中的每个文档可以有不同的字段，但是对于通用字段应该具有相同的数据类型，
文档是es中的最小数据单元，可以认为一个文档就是一条记录。
Field 字段： Field是Elasticsearch的最小单位，一个document里面有多个field
shard 分片：单台机器无法存储大量数据，es可以将一个索引中的数据切分为多个shard，分布在多台服务器上存储。
有了shard就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提升吞吐量和性能。
replica 副本：任何一个服务器随时可能故障或宕机，此时 shard 可能会丢失，因此可以为每个 shard 创建多个 replica 副本。
replica可以在shard故障时提供备用服务，保证数据不丢失，多个replica还可以提升搜索操作的吞吐量和性能。primary shard（建立索引时一次设置，不能修改，默认5个），replica shard（随时修改数量，默认1个），默认每个索引10个 shard，5个primary shard，5个replica shard，最小的高可用配置，是2台服务器。