Elasticsearch学习笔记

在介绍Elasticsearch的用法之前先讲讲为什么要用它吧。首先学习搜索引擎，肯定不可避免的都听过lucene，solr和Elasticsearch都是基于它的。spinx文章很多，但是数据库的入侵性太强（插件模式）。Elasticsearch是当下最流行的分布式搜索引擎之一。solr也稍微玩过，文章也多。同时也希望能通过Elasticsearch进一步学习完善自己对于分布式的学习。更深入的同学可以考虑开始学习ELK(Elasticsearch, Logstash, Kibana)。

推荐：《Elasticsearch-definitive-guide》

看过这本书之后入门就成了很简单的事，书很浅显易懂，没什么特别难的地方。

其中有一个例子写的非常好，可以作为全局引导大家学习，摘抄一部分过来：

我们首先要做的是存储员工数据，每个文档代表一个员工。在Elasticsearch中存储数据的行为就叫做索引(indexing)，不过在索引之前，我们需要明确数据应该存储在哪里。

在Elasticsearch中，文档归属于一种类型(type),而这些类型存在于索引(index)中，我们可以画一些简单的对比图来类比传统关系型数据库：

Relational DB -> Databases -> Tables -> Rows -> Columns
Elasticsearch -> Indices   -> Types  -> Documents -> Fields

Elasticsearch集群可以包含多个索引(indices)（数据库），每一个索引可以包含多个类型(types)（表），每一个类型包含多个文档(documents)（行），然后每个文档包含多个字段(Fields)（列）。

「索引」含义的区分

你可能已经注意到索引(index)这个词在Elasticsearch中有着不同的含义，所以有必要在此做一下区分:

• 索引（名词） 如上文所述，一个索引(index)就像是传统关系数据库中的数据库，它是相关文档存储的地方，index的复数是indices 或indexes。
• 索引（动词） 「索引一个文档」表示把一个文档存储到索引（名词）里，以便它可以被检索或者查询。这很像SQL中的INSERT关键字，差别是，如果文档已经存在，新的文档将覆盖旧的文档。
• 倒排索引 传统数据库为特定列增加一个索引，例如B-Tree索引来加速检索。Elasticsearch和Lucene使用一种叫做倒排索引(inverted index)的数据结构来达到相同目的。

默认情况下，文档中的所有字段都会被索引（拥有一个倒排索引），只有这样他们才是可被搜索的。

理解上面的索引介绍后，接下来就是很入门的开工工作了。安装Elasticsearch：

1. 安装JDK（下载地址）
2. 安装ElasticSearch（下载地址）
   1. 解压，运行inelasticsearch.bat.
   2. 浏览器输入http://localhost:9200/，可以看到如图：

      

   3. 安装成功。
3. 安装ElasticSearch – header plugin https://github.com/mobz/elasticsearch-head

   这个插件主要是用来管理索引数据和状态，文档中有详细说明，安装步骤也很简单，用命令行转bin目录下运行插件安装

   完成后，打开http://localhost:9200/_plugin/head/就可以看到下面这个管理界面

   

　　这样子安装算告一段落了，可以开始写点代码做点实事了，我用的是NEST这个Client工具，大家可以根据自己的语言选择工具。

　　一般而言，我们用到搜索的功能都是全文索引，否则也没必要用搜索引擎了：

        static void Main(string[] args)
        {
            //var person = new Person
            //{
            //    Id = System.Guid.NewGuid().ToString("N"),
            //    Firstname = "中文测试一下 天才",
            //    Lastname = "哈哈 蠢的不行？"
            //};
            //CraateIndex(person);
            var items = GetPagingForSearch<Person>("天才", "firstname", SortOrder.Descending, 0, 10);
            foreach (var item in items)
            {
                Console.WriteLine("item:" + Newtonsoft.Json.JsonConvert.SerializeObject(item));
            }

            Console.ReadLine();
        }

        public static IList<T> GetPagingForSearch<T>(string key, string orderbyKey, SortOrder orderType, int index, int size) where T : class
        {
            var client = GetClient();
            //query_string只是其中一种最常用查询，Operator枚举的Or和And可以根据全文检索的业务要求使用，以下查询就是为了最简单的分页全文检索接口
            var searchResults = client.Search<T>(s => s
                .Index("sample-index")
                .Type("sample-type")
                .Query(q => q.QueryString(qs => qs.Query(key).DefaultOperator(Operator.And)))
                .Sort(sort => sort.OnField(orderbyKey).Order(orderType))
                .From(index * size)       //分页页码
                .Size(size)      //分页尺寸
            );

            return searchResults.Documents.ToList();
        }

        public static void CraateIndex<T>(T model) where T : class
        {
            var client = GetClient();
            var index = client.Index(model, i => i
                .Index("sample-index")
                .Type("sample-type")
                .Id(System.Guid.NewGuid().ToString("N"))
                .Refresh()
                .Ttl("1m")
            );
        }

        public static ElasticClient GetClient()
        {
            var node = new Uri("http://localhost:9200");

            var settings = new ConnectionSettings(
                node,
                defaultIndex: "my-application"
            );

            return new ElasticClient(settings);
        }  

 运行结果：

以上只用到了QueryString，当然它的查询方法远不只这些，具体的查询方法我这里就不班门弄斧了。推荐去看文档。附上NEST的文档：http://nest.azurewebsites.net/nest/quick-start.html

　　Elasticsearch致力于隐藏分布式系统的复杂性。以下这些操作都是在底层自动完成的：

• 将你的文档分区到不同的容器或者分片(shards)中，它们可以存在于一个或多个节点中。
• 将分片均匀的分配到各个节点，对索引和搜索做负载均衡。
• 冗余每一个分片，防止硬件故障造成的数据丢失。
• 将集群中任意一个节点上的请求路由到相应数据所在的节点。
• 无论是增加节点，还是移除节点，分片都可以做到无缝的扩展和迁移。

　　你可以看到以下默认的分片情况：

很明显以上分片都在同一个node上，而分片又组成了集群。其中node本身是有可能存在主分片和复制分片，而节点与节点之间又有可能通过分片联系。
还有一些很关键的集群模块，集群健康监控，Elasticsearch健康有三种状态：green、yellow或red。限制query执行时占用的JVM Heap sized等等。
对于分布式这块这里就不能再往下展开了，具体可学习文中提到的那本书，里面有详细介绍。而性能方面，由于现在公司的业务根本达不到这个数量级，暂时无法给出较好的对比。千百万级别，不管solr，还是ES都是OK的。上亿恐怕要斟酌和优化了。