Elasticsearch 笔记 | 入门概念

Elasticsearch 基础

Lucene 简介

百度百科：Lucene是apache软件基金会 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。Lucene是一套用于全文检索和搜寻的开源程式库，由Apache软件基金会支持和提供。Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在Java开发环境里Lucene是一个成熟的免费开源工具。就其本身而言，Lucene是当前以及最近几年最受欢迎的免费Java信息检索程序库

官网参考地址：https://lucene.apache.org/

基于Lucene的搜索引擎有：Apache Solr 、Elasticsearch、 Index Tank 、Katta 、Bobo Search 、Compass 、Summa 、Constellio

Lucene最初是由Doug Cutting完成的：

Doug Cutting是Lucene、Nutch 、Hadoop等项目的发起人，大佬就是不一样

Elasticsearch 是什么

官方参考网址：https://www.elastic.co/cn/what-is/elasticsearch

ELK官方网址：https://www.elastic.co/cn/

Elasticsearch的前身：Compass，由Shay Banon在2004年创造出来的；Shay Banon在2010年2月发布了Elasticsearch的第一个版本。

Elasticsearch 是一个分布式的免费开源搜索和分析引擎，适用于包括文本、数字、地理空间、结构化和非结构化数据等在内的所有类型的数据。Elasticsearch 在

Apache Lucene 的基础上开发而成，由 Elasticsearch N.V.（即现在的 Elastic）于 2010 年首次发布。Elasticsearch 以其简单的 REST 风格 API、分布式特性、速

度和可扩展性而闻名，是 Elastic Stack 的核心组件。

Elasticsearch 用途用例

Elasticsearch 在速度和可扩展性方面都表现出色（可高度伸缩及扩展），而且还能够索引多种类型的内容，这意味着其可用于多种用例：

• 应用程序搜索
• 网站搜索
• 企业搜索
• 日志处理和分析
• 基础设施指标和容器监测
• 应用程序性能监测
• 地理空间数据分析和可视化
• 安全分析
• 业务分析

Elasticsearch 的工作原理

原始数据会从多个来源（包括日志、系统指标和网络应用程序）输入到 Elasticsearch 中。数据采集指在 Elasticsearch 中进行索引之前解析、标准化并充实这些原

始数据的过程。这些数据在 Elasticsearch 中索引完成之后，用户便可针对他们的数据运行复杂的查询，并使用聚合来检索自身数据的复杂汇总。在 Kibana 中，

用户可以基于自己的数据创建强大的可视化，分享仪表板，并对 Elastic Stack 进行管理。

Elasticsearch 索引

• Elasticsearch 索引指相互关联的文档集合。Elasticsearch 会以 JSON 文档的形式存储数据。每个文档都会在一组键（字段或属性的名称）和它们对应的值（字符串、数字、布尔值、日期、数值组、地理位置或其他类型的数据）之间建立联系。

• Elasticsearch 使用的是一种名为倒排索引的数据结构，这一结构的设计可以允许十分快速地进行全文本搜索。倒排索引会列出在所有文档中出现的每个特有词汇，并且可以找到包含每个词汇的全部文档。

• 在索引过程中，Elasticsearch 会存储文档并构建倒排索引，这样用户便可以近实时地对文档数据进行搜索。索引过程是在索引 API 中启动的，通过此 API 您既可向特定索引中添加 JSON 文档，也可更改特定索引中的 JSON 文档。

Elasticsearch 优势

• Elasticsearch 很快。由于 Elasticsearch 是在 Lucene 基础上构建而成的，所以在全文本搜索方面表现十分出色。Elasticsearch 同时还是一个近实时的搜索平台，这意味着从文档索引操作到文档变为可搜索状态之间的延时很短，一般只有一秒。因此，Elasticsearch 非常适用于对时间有严苛要求的用例，例如安全分析和基础设施监测。

• Elasticsearch 具有分布式的本质特征。Elasticsearch 中存储的文档分布在不同的容器中，这些容器称为分片，可以进行复制以提供数据冗余副本，以防发生硬件故障。Elasticsearch 的分布式特性使得它可以扩展至数百台（甚至数千台）服务器，并处理 PB 量级的数据。

• Elasticsearch 包含一系列广泛的功能。除了速度、可扩展性和弹性等优势以外，Elasticsearch 还有大量强大的内置功能（例如数据汇总和索引生命周期管理），可以方便用户更加高效地存储和搜索数据。

• Elastic Stack 简化了数据采集、可视化和报告过程。通过与 Beats 和 Logstash 进行集成，用户能够在向 Elasticsearch 中索引数据之前轻松地处理数据。同时，Kibana 不仅可针对 Elasticsearch 数据提供实时可视化，同时还提供 UI 以便用户快速访问应用程序性能监测 (APM)、日志和基础设施指标等数据。

Elasticsearch 支持的编程语言

Elasticsearch 支持多种编程语言，目前提供针对下列编程语言的官方客户端：

• Java
• JavaScript (Node.js)
• Go
• .NET (C#)
• PHP
• Perl
• Python
• Ruby

Elasticsearch 核心概念

近实时

一个近实时（Near Real Time，NRT）的数据搜索和分析平台。从索引文档到可搜索文档很微小的延迟（通常是1s以内）。

集群

• 一个集群由多个节点（node）组成，节点共同拥有完整的数据，并且可以跨节点提供联合索引、搜索和分析功能。
• 集群由唯一的名称来进行标识：elasticsearch.yml配置文件中的cluster.name参数，节点只能通过集群名称加入集群，不同环境应该使用不同的集群名称，否则会导致节点加入错误的集群，集群最少都有一个节点，不然是无效的。

节点

运行Elasticsearch的一个实例，多个节点组成集群

• 存储数据
• 参数集群的索引、搜索、分析
• 由一个名称标识

索引

具有某种相似特性的文档的集合；（index）由一个名称（必须是小写）标识，当对其中的文档执行索引、搜索、更新、删除操作时候，该名称指向这个特定的索引，单个集群，可以定义任意多个索引。

文档

文档（document）是可以被索引的基本信息单元。例如，可以为单个客户创建一个文档，为单个产品创建另一个文档，以及为单个订单创建另一个文档。文档以

JSON表示，JSON是一种普遍存在的Internet数据交换格式。在单个索引中，理论上可以存储任意多的文档。

分片和副本

• 索引可能会存储大量数据，这些数据可能会超出单个节点的硬件限制。例如，占用1TB磁盘空间的10亿个文档的单个索引可能超出单个节点的磁盘容量，或者速度太慢，无法满足搜索请求的性能要求。为了解决这个问题，Elasticsearch提供了将索引水平切分为多段（称为分片，shard）的能力。创建索引时，只需定义所需的分片数量。每个分片本身就是一个具有完全功能的独立“索引”，可以分布在集群中的任何节点上。

• 分片的重要性：

  • 分片可以水平拆分数据，实现大数据存储和分析。

  • 可以跨分片（可能在多个节点上）进行分发和并行操作，从而提高性能和吞吐量。

  • 如何分配分片以及如何将其文档聚合回搜索请求的机制完全由Elasticsearch管理，并且对用户是透明的。

• 副本；在随时可能发生故障的网络或云环境中，如果某个分片或节点以某种方式脱机或因何种原因丢失，则强烈建议用户使用故障转移机制。为此Elasticsearch提出了将索引分片复制一个或多个拷贝，称为副本（replica）。副本的重要性：

  • 副本在分片或节点发生故障时提供高可用性。因此，需要注意的是，副本永远不会分配到复制它的原始主分片所在的节点上。也就是分片和对应的副本不可在同一节点上。
  • 通过副本机制，可以提高搜索性能和水平扩展吞吐量，因为可以在所有副本上并行执行搜索。总之，每个索引可以分割成多个分片。每个分片可以有零个或多个副本。

• 创建索引时可指定每个索引分片和副本的数量，可以动态更改副本的数量；可以使用shrink和_split API更改索引的分片数量，但是不推荐这种更改分片的做法，更改分片数量最好是重建索引，重新定义分片数量，所以需要注意的是：预先评估准确的分片数量才是最佳方法。

• 分片和副本功能机制是Elasticsearch实现分布式、动态扩展、高并发、高容错的核心。