全文检索与ElasticSearch(一)——ES概述，正向索引与倒排索引，B+树，简单命令，Mapping

ElasticSearch概述

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接口。它可以近乎实时的存储、检索数据；本身扩展性非常好，一个ES节点就可以认为是一个集群(默认支持集群)，它可以扩展到上百台服务器。ES的生产环境至少在8GB以上

Lucene和ES的关系

1. Lucene只是一个库，必须使用Java作为开发语言将他集成到应用中，使用起来十分复杂
2. ElasticSearch也是使用Java开发并使用Lucene作为其核心来实现所有索引和搜索功能，它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，让全文搜索变得简单

ES和Mysql对比理解

MySQL	Elastic Search
Database	Index
Table	Type
Row	Document
Column	Field
Schema	Mapping
Index	Everything is indexed
SQL	Query DSL
SELECT* FORM table…	GET http://…
UPDATE table SET…	PUT http://…

• 关系型数据库中schema定义了表，字段以及表和字段之间的关系。与之对应的，在ES中：Mapping定义索引下的Type的字段处理规则，即索引如何建立、索引类型、是否保存原始索引json文档、是否需要分词处理、如何进行分词处理等等
• Mysql主要用途：存储数据，用来完成强一致性，保证ACID的数据，逻辑性事务性操作
• Redis主要用途：存储数据，做缓存
• ES主要用途：存储数据，提供全文检索

ES核心概念

1. 索引Index：ES中的索引类似关系型数据库中的数据库，里面存放用户文档数据，因为ES是封装的Lucene，所以底层还是由Lucene的一个或者多个索引组成，数据的增删改查也是由底层的Lucene完成，ES中的分片或副本实际上就是一个Lucene索引
2. 文档Document：文档是ES中存储数据的主体，ES中所有操作都是建立在文档的基础上的，每个文档都是由各种Field组成，每一个Field有一个名称和一个或多个值构成，文档展示给用户就是一个JSON对象
3. 类型Type：ES中Type是一种逻辑上的概念，类似关系型数据库中的表，每个文档都属于某一种类型，如果没有定义类型会有默认值，ES每个索引可以包含多种类型。现在ES5.0之后，就不推荐使用Type了，全部叫_doc
4. 映射Mapping：映射类似关系型数据库中的schema，用于定义field的属性，如字段类型、是否分词等，这里有一点和关系型数据库不同的是ES会在用户没有定义字段属性的情况下，自动嗅探该字段的类型进行自动识别
5. 集群Cluster：多个ES节点工作在一起组成一个集群，ES对于集群的支持几乎是无缝的
6. 节点Node：一个ES实例就是一个节点，说的再简单点，一台部署了ES服务器的机器就是一个节点，同时一台机器如果硬件资源允许也可以同时启动多个ES实例，ES中每个节点都和集群(如果是多个节点的集群)中的其他节点相互通信，了解多有文档存储位置并能转发用户的请求到对应的数据节点上
7. 分片Shard：因为ES是分布式架构，类似有HDFS的存储方式，所以数据被打散存储在集群的多个节点上，一个分片实际上就是底层Lucene的一个索引，这里说分片指的是ES中的主分片，分片的方式是ES自动完成，用户可以指定分片的数量，主分片一旦指定就不能修改，因为ES打散数据的方式和索引创建时指定的主分片数量有关，后期改变会导致分片中的数据不可搜索