1、lucene和elasticsearch的前世今生
2、elasticsearch的核心概念
3、elasticsearch核心概念 vs. 數據庫核心概念
----------------------------------------------------------------------------------------------------------------------------------------
1、lucene和elasticsearch的前世今生
lucene，最先進、功能最強大的搜索庫，直接基於lucene開發，非常複雜，api複雜（實現一些簡單的功能，寫大量的java代碼），需要深入理解原理（各種索引結構）
elasticsearch，基於lucene，隱藏複雜性，提供簡單易用的restful api接口、java api接口（還有其他語言的api接口）
（1）分佈式的文檔存儲引擎
（2）分佈式的搜索引擎和分析引擎
（3）分佈式，支持PB級數據
開箱即用，優秀的默認參數，不需要任何額外設置，完全開源
關於elasticsearch的一個傳說，有一個程序員失業了，陪着自己老婆去英國倫敦學習廚師課程。程序員在失業期間想給老婆寫一個菜譜搜索引擎，覺得lucene實在太複雜了，就開發了一個封裝了lucene的開源項目，compass。後來程序員找到了工作，是做分佈式的高性能項目的，覺得compass不夠，就寫了elasticsearch，讓lucene變成分佈式的系統。
----------------------------------------------------------------------------------------------------------------------------------------
![]()
（1）Near Realtime（NRT）：近實時，兩個意思，從寫入數據到數據可以被搜索到有一個小延遲（大概1秒）；基於es執行搜索和分析可以達到秒級
（2）Cluster：集羣，包含多個節點，每個節點屬於哪個集羣是通過一個配置（集羣名稱，默認是elasticsearch）來決定的，對於中小型應用來說，剛開始一個集羣就一個節點很正常
（3）Node：節點，集羣中的一個節點，節點也有一個名稱（默認是隨機分配的），節點名稱很重要（在執行運維管理操作的時候），默認節點會去加入一個名稱爲“elasticsearch”的集羣，如果直接啓動一堆節點，那麼它們會自動組成一個elasticsearch集羣，當然一個節點也可以組成一個elasticsearch集羣
（4）Document&field：文檔，es中的最小數據單元，一個document可以是一條客戶數據，一條商品分類數據，一條訂單數據，通常用JSON數據結構表示，每個index下的type中，都可以去存儲多個document。一個document裏面有多個field，每個field就是一個數據字段。
product document
{
"product_id": "1",
"product_name": "高露潔牙膏",
"product_desc": "高效美白",
"category_id": "2",
"category_name": "日化用品"
}
（5）Index：索引，包含一堆有相似結構的文檔數據，比如可以有一個客戶索引，商品分類索引，訂單索引，索引有一個名稱。一個index包含很多document，一個index就代表了一類類似的或者相同的document。比如說建立一個product index，商品索引，裏面可能就存放了所有的商品數據，所有的商品document。
（6）Type：類型，每個索引裏都可以有一個或多個type，type是index中的一個邏輯數據分類，一個type下的document，都有相同的field，比如博客系統，有一個索引，可以定義用戶數據type，博客數據type，評論數據type。
商品index，裏面存放了所有的商品數據，商品document
但是商品分很多種類，每個種類的document的field可能不太一樣，比如說電器商品，可能還包含一些諸如售後時間範圍這樣的特殊field；生鮮商品，還包含一些諸如生鮮保質期之類的特殊field
type，日化商品type，電器商品type，生鮮商品type
日化商品type：product_id，product_name，product_desc，category_id，category_name
電器商品type：product_id，product_name，product_desc，category_id，category_name，service_period
生鮮商品type：product_id，product_name，product_desc，category_id，category_name，eat_period
每一個type裏面，都會包含一堆document
{
"product_id": "2",
"product_name": "長虹電視機",
"product_desc": "4k高清",
"category_id": "3",
"category_name": "電器",
"service_period": "1年"
}
{
"product_id": "3",
"product_name": "基圍蝦",
"product_desc": "純天然，冰島產",
"category_id": "4",
"category_name": "生鮮",
"eat_period": "7天"
}
（7）shard：單臺機器無法存儲大量數據，es可以將一個索引中的數據切分爲多個shard，分佈在多臺服務器上存儲。有了shard就可以橫向擴展，存儲更多數據，讓搜索和分析等操作分佈到多臺服務器上去執行，提升吞吐量和性能。每個shard都是一個lucene index。
（8）replica：任何一個服務器隨時可能故障或宕機，此時shard可能就會丟失，因此可以爲每個shard創建多個replica副本。replica可以在shard故障時提供備用服務，保證數據不丟失，多個replica還可以提升搜索操作的吞吐量和性能。primary shard（建立索引時一次設置，不能修改，默認5個），replica shard（隨時修改數量，默認1個），默認每個索引10個shard，5個primary shard，5個replica shard，最小的高可用配置，是2臺服務器。
----------------------------------------------------------------------------------------------------------------------------------------
3、elasticsearch核心概念 vs. 數據庫核心概念
Elasticsearch 數據庫
-----------------------------------------
Document 行
Type 表
Index 庫
2、elasticsearch的核心概念
3、elasticsearch核心概念 vs. 數據庫核心概念
----------------------------------------------------------------------------------------------------------------------------------------
1、lucene和elasticsearch的前世今生
lucene，最先進、功能最強大的搜索庫，直接基於lucene開發，非常複雜，api複雜（實現一些簡單的功能，寫大量的java代碼），需要深入理解原理（各種索引結構）
elasticsearch，基於lucene，隱藏複雜性，提供簡單易用的restful api接口、java api接口（還有其他語言的api接口）
（1）分佈式的文檔存儲引擎
（2）分佈式的搜索引擎和分析引擎
（3）分佈式，支持PB級數據
開箱即用，優秀的默認參數，不需要任何額外設置，完全開源
關於elasticsearch的一個傳說，有一個程序員失業了，陪着自己老婆去英國倫敦學習廚師課程。程序員在失業期間想給老婆寫一個菜譜搜索引擎，覺得lucene實在太複雜了，就開發了一個封裝了lucene的開源項目，compass。後來程序員找到了工作，是做分佈式的高性能項目的，覺得compass不夠，就寫了elasticsearch，讓lucene變成分佈式的系統。
----------------------------------------------------------------------------------------------------------------------------------------
2、elasticsearch的核心概念
（1）Near Realtime（NRT）：近實時，兩個意思，從寫入數據到數據可以被搜索到有一個小延遲（大概1秒）；基於es執行搜索和分析可以達到秒級
（2）Cluster：集羣，包含多個節點，每個節點屬於哪個集羣是通過一個配置（集羣名稱，默認是elasticsearch）來決定的，對於中小型應用來說，剛開始一個集羣就一個節點很正常
（3）Node：節點，集羣中的一個節點，節點也有一個名稱（默認是隨機分配的），節點名稱很重要（在執行運維管理操作的時候），默認節點會去加入一個名稱爲“elasticsearch”的集羣，如果直接啓動一堆節點，那麼它們會自動組成一個elasticsearch集羣，當然一個節點也可以組成一個elasticsearch集羣
（4）Document&field：文檔，es中的最小數據單元，一個document可以是一條客戶數據，一條商品分類數據，一條訂單數據，通常用JSON數據結構表示，每個index下的type中，都可以去存儲多個document。一個document裏面有多個field，每個field就是一個數據字段。
product document
{
"product_id": "1",
"product_name": "高露潔牙膏",
"product_desc": "高效美白",
"category_id": "2",
"category_name": "日化用品"
}
（5）Index：索引，包含一堆有相似結構的文檔數據，比如可以有一個客戶索引，商品分類索引，訂單索引，索引有一個名稱。一個index包含很多document，一個index就代表了一類類似的或者相同的document。比如說建立一個product index，商品索引，裏面可能就存放了所有的商品數據，所有的商品document。
（6）Type：類型，每個索引裏都可以有一個或多個type，type是index中的一個邏輯數據分類，一個type下的document，都有相同的field，比如博客系統，有一個索引，可以定義用戶數據type，博客數據type，評論數據type。
商品index，裏面存放了所有的商品數據，商品document
但是商品分很多種類，每個種類的document的field可能不太一樣，比如說電器商品，可能還包含一些諸如售後時間範圍這樣的特殊field；生鮮商品，還包含一些諸如生鮮保質期之類的特殊field
type，日化商品type，電器商品type，生鮮商品type
日化商品type：product_id，product_name，product_desc，category_id，category_name
電器商品type：product_id，product_name，product_desc，category_id，category_name，service_period
生鮮商品type：product_id，product_name，product_desc，category_id，category_name，eat_period
每一個type裏面，都會包含一堆document
{
"product_id": "2",
"product_name": "長虹電視機",
"product_desc": "4k高清",
"category_id": "3",
"category_name": "電器",
"service_period": "1年"
}
{
"product_id": "3",
"product_name": "基圍蝦",
"product_desc": "純天然，冰島產",
"category_id": "4",
"category_name": "生鮮",
"eat_period": "7天"
}
（7）shard：單臺機器無法存儲大量數據，es可以將一個索引中的數據切分爲多個shard，分佈在多臺服務器上存儲。有了shard就可以橫向擴展，存儲更多數據，讓搜索和分析等操作分佈到多臺服務器上去執行，提升吞吐量和性能。每個shard都是一個lucene index。
（8）replica：任何一個服務器隨時可能故障或宕機，此時shard可能就會丟失，因此可以爲每個shard創建多個replica副本。replica可以在shard故障時提供備用服務，保證數據不丟失，多個replica還可以提升搜索操作的吞吐量和性能。primary shard（建立索引時一次設置，不能修改，默認5個），replica shard（隨時修改數量，默認1個），默認每個索引10個shard，5個primary shard，5個replica shard，最小的高可用配置，是2臺服務器。
----------------------------------------------------------------------------------------------------------------------------------------
3、elasticsearch核心概念 vs. 數據庫核心概念
Elasticsearch 數據庫
-----------------------------------------
Document 行
Type 表
Index 庫
