Elasticsearch是一個分散式可拓展的實時搜索和分析引擎 文件存儲：Elasticsearch，面向文檔型資料庫，一條數據就是一個文檔，用JSON作為文檔序列化的格式 MySQL和Elasticsearch數據關係術語對比： 關係資料庫-資料庫-表-行-列 Elasticsearch-索引- ...
Elasticsearch是一個分散式可拓展的實時搜索和分析引擎
分散式實時文件存儲，並將每一個欄位都編入索引，使其可以被搜索
實時分析的分散式搜索引擎
可以拓展到上百台伺服器，處理PB級別的結構化或非結構化數據
文件存儲：Elasticsearch，面向文檔型資料庫，一條數據就是一個文檔，用JSON作為文檔序列化的格式
MySQL和Elasticsearch數據關係術語對比：
關係資料庫-資料庫-表-行-列
Elasticsearch-索引-類型-文檔-欄位
Elasticsearch的交互：可以使用Java API，也可以直接使用HTTP的Restful API方式
Elasticsearch強大的索引能力：精髓-一切設計都是為了提高搜索的性能
什麼是倒排索引？舉個例子
| ID | Name | Age | Sex |
| - - |:-------:| -----:| -----:|
| 1 | Kate | 24 | Female
| 2 | John | 24 | Male
| 3 | Bill | 29 | Male
ID是Elasticsearch自建的文檔ID，Name、Age、Sex索引如下：
Name:| Term | Posting List |
| -- |:----:|
| Kate | 1 |
| John | 2 |
| Bill | 3 |
Age:| Term | Posting List |
| -- |:----:|
| 24 | [1,2] |
| 29 | 3 |
Sex:| Term | Posting List |
| -- |:----:|
| Female | 1 |
| Male | [2,3] |
Posting List
Elasticsearch分別為每個field都建立了一個倒排索引，
Kate ，24，Female，John，Male，Bill，29這些是Term。
而1，2，3是文檔ID，[1][3][1,2][2,3]這些就是Posting List。
Posting List就是一個int的數組，存儲了所有符合這個Term的文檔ID。
Term Dictionnary
Elasticsearch將所有的Term排個序，二分法查找Term，logN的查找效率。
Term Index
Term Index是Term Dictionnary的索引，包含的是Term的一些首碼。
Frame Of Reference
Elasticsearch要求Posting List是有序的，方便壓縮。
原理：通過增量，將原來的大數變成小數，僅儲存增量值，再按bit排好隊，最後通過位元組存儲。
Roaring Bitmaps
Bitmap是一種數據結構，假設Posting List[1,3,4,7,10]，對應的Bitmap就是[1,0,1,1,0,0,1,0,0,1]，非常直觀，用0/1表示某個值是否存在。
Bitmap的缺點是存儲空間隨著文檔個數線性增長。Roaring bitmaps需要用到某些指數特性：將posting list按照65535為界限分塊，用<商，餘數>的組合表示每一組id。
聯合索引
如果多個field索引的聯合查詢，倒排索引如何滿足快速查詢的要求呢？
利用跳錶的數據結構快速做”與“運算，或者利用bitset按位”與“。
Elasticsearch的索引思路：
將磁碟里的東西儘量搬進記憶體，減少磁碟隨機讀取次數（同時也利用磁碟順序讀特性），結合各種壓縮演算法，用極其苛刻的態度使用記憶體。
所以，對於使用Elasticsearch進行索引時需要註意:
不需要索引的欄位，一定要明確定義出來，因為預設是自動建索引的
同樣的道理，對於String類型的欄位，不需要analysis的也需要明確定義出來，因為預設也是會analysis的
選擇有規律的ID很重要，隨機性太大的ID(比如java的UUID)不利於查詢
關於最後一點，個人認為有多個因素:
上面看到的壓縮演算法，都是對Posting list里的大量ID進行壓縮的，那如果ID是順序的，或者是有公共首碼等具有一定規律性的ID，壓縮比會比較高；
最影響查詢性能的，應該是最後通過Posting list里的ID到磁碟中查找Document信息的那步，因為Elasticsearch是分Segment存儲的，Term定位到Segment的效率直接影響了最後查詢的性能，
如果ID是有規律的，可以快速跳過不包含該ID的Segment，從而減少不必要的磁碟讀次數
