# 1、概述 ## 功能 Elasticsearch 是一個分散式的 RESTful 搜索和分析引擎，可用來集中存儲您的數據，以便您對形形色色、規模不一的數據進行搜索、索引和分析。 例如： - 在電商網站搜索商品 
- ELK技術棧
發展歷程
elasticsearch底層是基於lucene來實現的。
Lucene是一個Java語言的搜索引擎類庫，是Apache公司的頂級項目，由DougCutting於1999年研發。官網地址：https://lucene.apache.org/ 。
elasticsearch的發展歷史：
- 2004年Shay Banon基於Lucene開發了Compass
- 2010年Shay Banon 重寫了Compass，取名為Elasticsearch。
2、倒排索引
倒排索引的概念是基於MYSQL這樣的正向索引而言的
正向索引
如果是根據id查詢，那麼直接走索引，查詢速度非常快。
但如果是基於title做模糊查詢，只能是逐行掃描數據，流程如下：
1）用戶搜索數據，條件是title符合"%手機%"
2）逐行獲取數據，比如id為1的數據
3）判斷數據中的title是否符合用戶搜索條件
4）如果符合則放入結果集，不符合則丟棄。回到步驟1
逐行掃描，也就是全表掃描，隨著數據量增加，其查詢效率也會越來越低。當數據量達到數百萬時，就是一場災難。
倒排索引
倒排索引中有兩個非常重要的概念：
- 文檔（
Document）：用來搜索的數據，其中的每一條數據就是一個文檔。例如一個網頁、一個商品信息 - 詞條（
Term）：對文檔數據或用戶搜索數據，利用某種演算法分詞，得到的具備含義的詞語就是詞條。例如：我是中國人，就可以分為：我、是、中國人、中國、國人這樣的幾個詞條
創建倒排索引是對正向索引的一種特殊處理，流程如下：
- 將每一個文檔的數據利用演算法分詞，得到一個個詞條
- 創建表，每行數據包括詞條、詞條所在文檔id、位置等信息
- 因為詞條唯一性，可以給詞條創建索引，例如hash表結構索引
如圖：
倒排索引的搜索流程如下（以搜索"華為手機"為例）：
1）用戶輸入條件"華為手機"進行搜索。
2）對用戶輸入內容分詞，得到詞條：華為、手機。
3）拿著詞條在倒排索引中查找，可以得到包含詞條的文檔id：1、2、3。
4）拿著文檔id到正向索引中查找具體文檔。
如圖：
雖然要先查詢倒排索引，再查詢倒排索引，但是無論是詞條、還是文檔id都建立了索引，查詢速度非常快！無需全表掃描。
總結
那麼為什麼一個叫做正向索引，一個叫做倒排索引呢？
- 正向索引是最傳統的，根據id索引的方式。但根據詞條查詢時，必須先逐條獲取每個文檔，然後判斷文檔中是否包含所需要的詞條，是根據文檔找詞條的過程。
- 而倒排索引則相反，是先找到用戶要搜索的詞條，根據詞條得到保護詞條的文檔的id，然後根據id獲取文檔。是根據詞條找文檔的過程。
是不是恰好反過來了？那麼兩者方式的優缺點是什麼呢？
正向索引：
- 優點：
- 可以給多個欄位創建索引
- 根據索引欄位搜索、排序速度非常快
- 缺點：
- 根據非索引欄位，或者索引欄位中的部分詞條查找時，只能全表掃描。
倒排索引：
- 優點：
- 根據詞條搜索、模糊搜索時，速度非常快
- 缺點：
- 只能給詞條創建索引，而不是欄位
- 無法根據欄位做排序
3、ES核心概念
elasticsearch中有很多獨有的概念，與mysql中略有差別，但也有相似之處。
文檔和欄位
elasticsearch是面向文檔（Document）存儲的，可以是資料庫中的一條商品數據，一個訂單信息。文檔數據會被序列化為json格式後存儲在elasticsearch中：
而Json文檔中往往包含很多的欄位（Field），類似於資料庫中的列。
索引和映射
索引（Index），就是相同類型的文檔的集合。
例如：
- 所有用戶文檔，就可以組織在一起，稱為用戶的索引；
- 所有商品的文檔，可以組織在一起，稱為商品的索引；
- 所有訂單的文檔，可以組織在一起，稱為訂單的索引；
因此，我們可以把索引當做是資料庫中的表。
資料庫的表會有約束信息，用來定義表的結構、欄位的名稱、類型等信息。因此，索引庫中就有映射（mapping），是索引中文檔的欄位約束信息，類似表的結構約束。
mysql和ES概念對比
我們統一的把mysql與elasticsearch的概念做一下對比：
| MySQL | Elasticsearch | 說明 |
|---|---|---|
| Table | Index | 索引(index)，就是文檔的集合，類似資料庫的表(table) |
| Row | Document | 文檔（Document），就是一條條的數據，類似資料庫中的行（Row），文檔都是JSON格式 |
| Column | Field | 欄位（Field），就是JSON文檔中的欄位，類似資料庫中的列（Column） |
| Schema | Mapping | Mapping（映射）是索引中文檔的約束，例如欄位類型約束。類似資料庫的表結構（Schema）。對索引欄位的描述（類型、分詞方式、是否要索引） |
| SQL | DSL | DSL（ Domain Specific Language）是elasticsearch提供的JSON風格的請求語句，用來操作elasticsearch，實現CRUD |
是不是說，我們學習了elasticsearch就不再需要mysql了呢？
並不是如此，兩者各自有自己的擅長支出：
- Mysql：擅長事務類型操作，可以確保數據的安全和一致性
- Elasticsearch：擅長海量數據的搜索、分析、計算
因此在企業中，往往是兩者結合使用：
- 對安全性要求較高的寫操作，使用mysql實現
- 對查詢性能要求較高的搜索需求，使用elasticsearch實現
- 兩者再基於某種方式，實現數據的同步，保證一致性
供個人複習使用，下期講解如何安裝和使用
