Elasticsearch-概述（四）Elasticsearch核心概念

大数据技术之Elasticsearch-概述（四）Elasticsearch核心概念

一、近实时

近实时，两个意思，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级。

二、Cluster（集群）

ES集群包含多个节点，每个节点属于哪个集群是通过一个配置（集群名称，默认是elasticsearch）来决定的（从找主），对于中小型应用来说，刚开始一个集群就一个节点很正常。

三、Node（节点）

集群中的一个节点，节点也有一个名称（默认是随机分配的），节点名称很重要（在执行运维管理操作的时候），默认节点会去加入一个名称为“elasticsearch”的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，当然一个节点也可以组成一个elasticsearch集群。

四、Index（索引-数据库）

索引相当于数据库

索引包含一堆有相似结构的文档数据，比如可以有一个客户索引，商品分类索引，订单索引，索引有一个名称。一个index包含很多document，一个index就代表了一类类似的或者相同的document。比如说建立一个product index，商品索引，里面可能就存放了所有的商品数据，所有的商品document。

五、Type（类型-表）

Type相当于表

每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document，都有相同的field，比如博客系统，有一个索引，可以定义用户数据type，博客数据type，评论数据type。

商品index，里面存放了所有的商品数据，商品document

但是商品分很多种类，每个种类的document的field可能不太一样，比如说电器商品，可能还包含一些诸如售后时间范围这样的特殊field；生鲜商品，还包含一些诸如生鲜保质期之类的特殊field

type，日化商品type，电器商品type，生鲜商品type

不同的type之间有区别：

日化商品type：product_id，product_name，product_desc，category_id，category_name

电器商品type：product_id，product_name，product_desc，category_id，category_name，service_period

生鲜商品type：product_id，product_name，product_desc，category_id，category_name，eat_period

（ES在7版本就可能要被废弃了，渐渐的就只有Index了）

每一个type里面，都会包含一堆document

{

  "product_id": "1",

  "product_name": "长虹电视机",

  "product_desc": "4k高清",

  "category_id": "3",

  "category_name": "电器",

  "service_period": "1年"

}

 

{

  "product_id": "2",

  "product_name": "基围虾",

  "product_desc": "纯天然，冰岛产",

  "category_id": "4",

  "category_name": "生鲜",

  "eat_period": "7天"

}

六、Document（文档-行）

文档是es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，一条订单数据，通常用JSON数据结构表示，每个index下的type中，都可以去存储多个document。

格式化检验/转换格式为JSON工具：bejson  https://www.bejson.com/

JSON举例：

{

"product_id": "1",

"product_name": "长虹电视机",

"product_desc": "4k高清",

"category_id": "3",

"category_name": "电器",

"service_period": "1年"

}

七、Field（字段-列）

Filed相当于列，比如product_id就相当于一个字段

Field是Elasticsearch的最小单位。一个document里面有多个field，每个field就是一个数据字段。

product document

{

  "product_id": "1",

  "product_name": "高露洁牙膏",

  "product_desc": "高效美白",

  "category_id": "2",

  "category_name": "日化用品"

}

八、mapping（映射-约束）

类似于mysql的schema

数据如何存放到索引对象上，需要有一个映射配置，包括：数据类型、是否存储、是否分词等。（选装）

这样就创建了一个名为blog的Index。Type不用单独创建，在创建Mapping 时指定就可以。Mapping用来定义Document中每个字段的类型，即所使用的 analyzer、是否索引等属性，非常关键等。

创建Mapping 的代码示例如下：

client就是JavaAPI中操作ES的对象

添加映射，给index-库是blog,type-表是article的

body:{}中就是约束了

每个字段的数据类型是String类型

分词器是ik

store:’yes’多存放一份（检索速度稍微慢快一些），

如果是no就是少存放一份（检索速度稍微慢一些）

 

client.indices.putMapping({

    index : 'blog',

    type : 'article',

    body : {

        article: {

            properties: {

                id: {

                    type: 'string',

                    analyzer: 'ik',

                    store: 'yes',

                },

                title: {

                    type: 'string',

                    analyzer: 'ik',

                    store: 'no',

                },

                content: {

                    type: 'string',

                    analyzer: 'ik',

                    store: 'yes',

                }

            }

        }

    }

});

九、elasticsearch与数据库的类比

关系型数据库（比如Mysql）	非关系型数据库（Elasticsearch）
数据库Database	索引Index
表Table	类型Type
数据行Row	文档Document
数据列Column	字段Field
约束 Schema	映射Mapping

十、ES存入数据和搜索数据机制

 

1）索引对象（index）：存储数据的表结构 ，任何搜索数据，存放在索引对象上 。

2）映射（mapping）：数据如何存放到索引对象上，需要有一个映射配置， 包括：数据类型、是否存储、是否分词等。

3）文档（document）：一条数据记录，存在索引对象上 。

4）文档类型（type）：一个索引对象，存放多种类型数据，数据用文档类型进行标识。