Elasticsearch中的一些重要概念

Elasticsearch 是一款分布式全文检索框架，底层基于基于Lucene实现。

Elasticsearch中的一些重要概念:cluster, node, index, document, shards及replica

一、基本概念：文档、索引

1、文档 （Document）

• Elasticsearch 是面向文档的，文档是所有可搜索数据的最小单元。

• 文档会被序列化为 JSON 格式，保存在 Elasticsearch 中。

  • JSON 对象由字段组成。
  • 每个字段都有对应的字段类型（字符串 / 数值 / 布尔 / 日期 / 二进制 / 范围类型）

• 每个文档都有一个 Unique ID

  • 你可以自己指定 ID
  • 或者通过 Elasticsearch 自动生成。

  文档的元数据

  ​ 元数据，用于标注文档的相关信息。

  • _index : 文档所属的索引名。
  • _type : 文档所属的类型名。
  • _id : 文档唯一 ID。
  • _source : 文档的原始 JSON 数据。
  • _all : 整合所有字段内容到该字段，7.0版本开始已被废除。
  • _version : 文档的版本信息，每改动一次都会加一。
  • _source : 相关性打分。

2、索引（Index）

• Index — 索引是文档的容器，是一类文档的结合。
  • Index 体现了逻辑空间的概念：每个索引都有自己的 Mapping 定义，用户定义包含的文档的字段名和字段类型。
  • Shard 体现了物理空间的概念：索引中的数据分散在 Shard 上。
• 索引的 Mapping 和 Settings
  • Mapping 定义文档字段的类型。
  • Setting 定义不同的数据分布。

二、基本概念：节点、分片、集群

1、节点(Node)

• 节点是一个 Elasticsearch 的实例
  • 本质上就是一个 JAVA 进程
  • 一台机器上可以运行多个 Elasticsearch 进程，但是生产环境一般建议一台机器上只运行一个 Elasticsearch 实例。
• 每一个节点都有名字，通过配置文件配置，或者启动的时候 -e node.name=node1 来指定。‘
• 每一个节点在启动之后，会分配一个 UID，保存在 data 目录下。

2、分片（Primary Shard & Replica Shard）

• 主分片，用以解决数据水平扩展的问题。通过主分片，可以将数据分布到集群内的所有节点上。
  • 一个分片是一个运行的 Lucene 的实例。
  • 主分片在创建时指定，后续不允许修改，除非 Rdindex。
• 副本，用以解决数据高可用的问题。分片是主分片的拷贝。
  • 副本分片数量，可以动态调整。
  • 增加副本数，可以在一定程度上提高服务的可用性（读取的吞吐）。

分片的设定

• 对于生产环境中分片的设定，需要提前做好容量规划
  • 分片设置过小
    • 导致互殴徐无法增加节点实现水平扩展
    • 单个分片数据量太大，导致数据重新分配耗时
  • 分片书设置过大，从 7.0 开始，默认主分片设置成了 1，解决了 over-sharding 的问题
    • 影响搜索结果的的相关性打分，影响统计结果的准确性
    • 单个节点上过多的分片，会导致资源浪费，同时也会影响性能

3、集群

​ 集群是多个 Elasticsearch 节点的集合，这些节点应对单个节点无法处理的搜索需求和数据存储需求。

​ 集群同时也是对于部分机器(节点)运行中断或者升级导致无法提供服务这一问题的利器。

​ 我们可以在config/elasticsearch.yml里定制我们的集群的名字：

4、查看集群的健康情况

GET _cluster/health

通过上面的命令来获取整个集群的状态。这个状态只能被 master node 所改变。

es 通过三种颜色来表明集群的建康程度

• Green ： 主分片与副本都分配正常
• Yellow ： 主分片全部正常分配，有副本分片未能正常分配
• Red ：有主分片未能分配
  • 例如：当服务器磁盘容量超过85%时，去创建一个新的索引

三、ES与传统数据的区别：

传统数据库	Elasticsearch
Database(数据库)	Index
Row(行)	Document
Column(字段)	Field
SQL	Query DSL
SELECT * from table..	GET http://...
UPDATE table set ...	PUT http://...

Elastchsearch(集群)中可以包含多个索引(数据库)，每个索引中可以包含多个类型(表)，

每个类型下面又包含多个文档(行),每个文档中包含多字段(列)；

四、物理设计：

Elasticsearch在后台默认会把每个索引划成多个分片，每个分片可以在集群不同服务器之间进行迁移。