weixin_42972832的博客

当我们使用 index API 更新文档 ，可以一次性读取原始文档，做我们的修改，然后重 新索引 整个文档。最近的索引请求将获胜：无论最后哪一个文档被索引，都将被唯一存 储在 Elasticsearch 中。如果其他人同时更改这个文档，他们的更改将丢失。很多时候这是没有问题的。或者对于我们的业务来说偶尔丢失更改并不是很严重的问题。但有时丢失了一个变更就是 非常严重的。比如：库存的扣减（虽然目前很多库存的扣减都是使用redis实现），如果丢失将会发生超卖的现象。

一个运行中的 Elasticsearch 实例称为一个节点，而集群是由一个或者多个拥有相同 cluster.name 配置的节点组成， 它们共同承担数据和负载的压力。当有节点加入集群中或者 从集群中移除节点时，集群将会重新平均分布所有的数据。当一个节点被选举成为主节点时， 它将负责管理集群范围内的所有变更，例如增加、 删除索引，或者增加、删除节点等。而主节点并不需要涉及到文档级别的变更和搜索等操 作，所以当集群只拥有一个主节点的情况下，即使流量的增加它也不会成为瓶颈。

当你通过关键字搜索相关文档时，可能会出现多个文档，这些文档的顺序是通过一个max_score属性的大小从高到低顺序展现出来的，max_score属性就是我们所说的评分。而这个评分是通过一个文档打分机制计算出来的。

虽然 Elasticsearch 带有一些现成的分析器，然而在分析器上 Elasticsearch 真正的强大之 处在于，你可以通过在一个适合你的特定数据的设置之中组合字符过滤器、分词器、词汇单 元过滤器来创建自定义的分析器。一个 分析器 就是在一个包 里面组合了三种函数的一个包装器， 三种函数按照顺序被执行:1、字符过滤器：字符过滤器 用来 整理 一个尚未被分词的字符串。例如，如果我们的文本是 HTML 格 式的，它会包含像或者这样的 HTML 标签，这些标签是我们不想索引的。

一般传统数据库，全文检索都实现的很鸡肋，因为一般也没人用数据库存文本字段。进 行全文检索需要扫描整个表，如果数据量大的话即使对 SQL 的语法优化，也收效甚微。建 立了索引，但是维护起来也很麻烦，对于 insert 和 update 操作都会重新构建索引。而这就是Elasticsearch存在的理由。The Elastic Stack, 包括 Elasticsearch、Kibana、Beats 和 Logstash（也称为 ELK Stack）。