这一章节主要讲解Elasticsearch的几个基础概念，掌握了基础之后，我们就可以真正的开始搜索引擎之旅了。
基础概念：
- 集群
- 节点
- 索引
- 类型
- 文档
- 分片
- 全文检索
- 倒排索引
集群(cluster)
- 可以将多个ES节点作为集群使用，可以在任何一台节点上进行搜索。集群有一个默认的名称（可修改），“elasticsearch”，这个集群名称必须是唯一的，因为集群的节点是通过集群名称来加入集群的。确保在相同环境中不要有相同的集群名称，否则有可能节点会加入到非预期的集群中。
节点(node)
- 节点是作为集群的一部分的单个服务器，存储数据，并且参与集群的索引和搜索功能。与集群一样，节点由一个名称标识，默认情况下，该名称是在启动时分配给节点的随机通用唯一标识符（UUID）。如果不希望使用默认值，则可以定义所需的任何节点名称。此名称对于管理目的很重要，因为您希望确定网络中的哪些服务器对应于ElasticSearch集群中的哪些节点。
一个节点(node)就是一个Elasticsearch实例，而一个集群(cluster)由一个或多个节点组成，它们具有相同的cluster.name，它们协同工作，分享数据和负载。当加入新的节点或者删除一个节点时，集群就会感知到并平衡数据。
至于索引、类型、文档的概念，如果对MySQL熟悉的同学可以这样子理解
注意：在7.x版本版本中已经移除了types概念，一个index下只能有一个type(https://www.elastic.co/guide/en/elasticsearch/reference/7.x/removal-of-types.html) 所以这一点与mysql对比来说，还是有很大的差别，上图的对比只是给刚入门的同学有一个大概的认识。
分片(shards)
- 每个索引有一个或多个分片，索引的数据被分配到各个分片上，相当于一桶水用了N个杯子装
副本(replica)
- 可以理解为备份分片，相应地有primary shard（主分片）。处理查询时可以把这些副本当做主分片来对待（primary shard），此外副本策略提供了高可用和数据安全的保障，当分片所在的机器宕机，Elasticsearch可以使用其副本进行恢复，从而避免数据丢失
主副分片设计的优点：
- 容灾：主分片丢失，副分片就会被顶上去成为新的主分片，使用其副本进行恢复
- 提高查询性能：与主分片的数据相同，所以分担查询负载，在合适的范围内多个replica性能会更优（但要考虑资源占用也会提升[cpu/disk/heap]），另外index request只能发生在主分片上，replica不能执行index request。
- 对于一个索引，除非重建索引否则不能调整分片的数目（主分片数, number_of_shards），但可以随时调整replica数(number_of_replicas)
- 便于横向扩展。新增node3的时候，node1和node2的一个分片会迁移到node3。
路由(routing)
-
在存入时通过路由键将数据存入指定分片，在查询的时候可以通过相同的路由键指明在哪个分片将数据查出来。
- 默认情况下，索引数据的分片算法如下
shard_num = hash(_routing) % num_primary_shards
routing值是一个任意字符串，它默认是_id但也可以自定义
- 默认情况下，索引数据的分片算法如下
-
这也解释了为什么主分片的数量只能在创建索引时定义且不能修改：如果主分片的数量在未来改变了，所有先前的路由值就失效了，文档也就永远找不到了
全文检索
- 全文检索就是对一篇文章进行索引，可以根据关键字搜索，类似于mysql里的like语句。 把内容根据词的意义进行分词，然后分别创建索引，例如“你们的激情是因为什么事情来的” 可能会被分词成：“你们”，“激情”，“什么事情”，“来”等token，这样当你搜索“你们” 或者 “激情” 都会把这句搜出来。
倒排索引(inverted index)
- 倒排索引也叫反向索引，有反向索引必有正向索引。通俗地来讲，正向索引是通过key找value，反向索引则是通过value找key。
上图是一个倒排索引的简单例子，每个字段拆分，并且与主键ID关联
这里简单讲解一下，Elasticsearch数据写入磁盘的一些知识点
- 一个Index由若干个segment组成,搜索的时候按段搜索,我们索引一条段后，每个段会通过fsync 操作持久化到磁盘，而fsync 操作比较耗时,如果每索引一条数据都做这个full commit(rsync)操作,提交和查询的时延都非常之大,所以在这种情况下做不到实时的一个搜索
- 为了解决这个问题，尽可能的提高es的读写性能。引入一层称为FileSystem Cache的系统缓存。只要sengment文件被写入cache后，这个sengment就可以打开和查询，从而确保在短时间内就可以搜到，而不用执行一个full commit也就是fsync操作，这是一个非常轻量级的处理方式而且是可以高频次的被执行，而不会破坏es的性能。
- 这个轻量级的写入和打开一个cache中的segment的操作叫做refresh，默认情况下，es集群中的每个shard会每隔1秒自动refresh一次，这就是我们为什么说es是近实时的搜索引擎而不是实时的，也就是说给索引插入一条数据后，我们需要等待1秒才能被搜到这条数据，这是es对写入和查询一个平衡的设置方式，这样设置既提升了es的索引写入效率同时也使得es能够近实时检索数据
普通的改变，将改变普通
我是宅小年，一个在互联网低调前行的小青年
关注公众号「宅小年」，个人博客 📖 edisonz.cn，阅读更多分享文章
