为什么要使用es

• 先抛出一个问题

如果数据库已经能 like '%关键词%' 查询了，为什么还要 ES？

• 可以总结为三点
  • 海量数据（千万、上亿）
  • 高性能搜索（毫秒级）
  • 复杂搜索需求（全文检索、相关性排序、高亮、分词）

ES的核心概念

elasticsearch	mysql
Index(索引)	database
Document(文档)	row(行)
Field(字段)	column(行)
Mapping	表结构
Shard(分片)	数据拆分
Replic(副本)	数据备份

倒排索引

可以理解为词 -> 出现在哪些文档中 的映射维护

用一个例子讲倒排索引

假设有3条文档：

js
文档1：我 爱 北京
文档2：我 爱 上海
文档3：北京 是 中国 的 首都

分词后

js
我、爱、北京
我、爱、上海
北京、是、中国、的、首都

构建倒排索引

js
我     → 文档1，文档2
爱     → 文档1，文档2
北京   → 文档1，文档3
上海   → 文档2
中国   → 文档3

结论

搜索“北京”时，ES 直接定位到文档 1 和 3，而不是扫描所有文档

分片

• 为什么分片
  • 一个索引假如有1TB数据，那么放在一台机器上肯定是不行的，所以需要将索引拆分为多份
• 概念
  • 分片是索引的最小存储和查询单元
• 分片带来的好处
  • 数据分散储存
    • 一个索引的数据分布在多台机器上
    • 单台机器压力下降
  • 查询并行执行
    • 一次查询-> 同时查多个分片
    • 最后汇总结果
• 举例
  • 一个索引： order_index
  • 设置： 5个主分片

  js
  order_index
   ├─ shard 0
   ├─ shard 1
   ├─ shard 2
   ├─ shard 3
   └─ shard 4
  
  

  每个分片都是一个 独立的 Lucene 索引

副本

• 什么是副本

  副本是主分片的拷贝

• 副本解决了什么问题
  • 高可用
    • 某台机器挂了，副本立即顶上，服务不受影响
  • 提升查询性能
    • 查询可以落在主分片或者副本，查询压力被分摊

一次查询在分布式ES中是怎么跑的

1. 请求先到某个节点（协调节点）
2. 协调节点把请求广播到所有相关分片
3. 每个分片本地并行查询
4. 协调节点汇总结果、排序
5. 返回给客户端