当前位置：首页 > news >正文

ElasticSearch基本概念

news 来源：原创 2025/5/9 6:23:51

为什么要使用ElasticSearch

Elasticsearch 主要为系统提供搜索功能， MySQL 这类传统关系型数据库主要为系统提供数据存储功能

Elasticsearch 的优势：

支持多种数据类型，非结构化，数值，地理信息。简单的 RESTful API，天生的兼容多语言开发。

提供更丰富的分词器，支持热点词汇查询。

近实时查询，Elasticsearch 每隔 1s 把数据存储至系统缓存中，且使用倒排索引提高检索效率。支持相关性搜索，可以根据条件对结果进行打分。

天然分布式存储，使用分片支持更大的数据量

ElasticSearch中的基本概念

Index（索引）

作为名词理解的话，索引是一类拥有相似特征的文档的集合比如商品索引、商家索引、订单索引，有点类似于 MySQL 中的数据库表。作为动词理解的话，索引就是将一份文档保存在一个索引中。

Document（文档）

可搜索最小单位，用于存储数据，一般为 JSON 格式。文档由一个或者多个字段(Field)组成，字段类型可以是布尔，数值，字符串、二进制、日期等数据类型。

Type（字段类型）

每个文档在 ES 中都必须设定它的类型。ES 7.0 之前，一个 Index 可以有多个Type。6.0 开始，Type 已经被 Deprecated。7.0 开始，一个索引只能创建一个 Type ：_doc。8.0之后，Type 被完全删除，删除的原因看这里：Removal of mapping types | Elasticsearch Guide [7.17] | Elastic

Mapping（映射）

定义字段名称、数据类型、优化信息（比如是否索引)、分词器，有点类似于数据库中的表结构定义。一个 Index 对应一个 Mapping。

Node（节点）

相当于一个 ES 实例，多个节点构成一个集群。

Cluster（集群）

多个 ES 节点的集合，用于解决单个节点无法处理的搜索需求和数据存储需求。Shard（分片）: Index（索引）被分为多个碎片存储在不同的 Node 节点上的分片中，以提高性能和吞吐量。

Replica（副本）

Index 副本，每个 Index 有一个或多个副本，以提高拓展功能和吞吐量。DSL(查询语言) ：基于 JSON 的查询语言，类似于 SQL 语句。

什么是倒排索引

倒排索引也被称作反向索引（inverted index），是用于提高数据检索速度的一种数据结构，空间消耗比较大。

倒排索引首先将检索文档进行分词得到多个词语/词条，

然后将词语和文档 ID 建立关联，从而提高检索效率

倒排索引使用词语和词条来作为索引的关键字，记录哪些文档中有这些词语

什么是正排索引

查询时，先逐条获取每个文档，然后再判断文档中是否有包含所需要的词语

正排索引和倒排索引的优缺点

正排索引：

优点：维护成本低，新增数据的时候只要在末尾新增一个ID

缺点：扫描文档，在文档中一个一个比较来查找关键词，查询效率极低

倒排索引：

优点：建立分词和文档ID的关系，大大提高查询效率

缺点：建立倒排索引的成本高，维护起来困难。文档的每次更新都意味着倒排索引的重建

说一下倒排索引的创建和检索流程

创建流程：

1. 建立文档列表，每个文档都有一个唯一的文档 ID 与之对应。

2. 通过分词器对文档进行分词，生成类似于 <词语，文档ID> 的一组组数据。

3. 将词语作为索引关键字，记录下词语和文档的对应关系，也就是哪些文档中包含了该词语。

检索流程：

1. 根据分词查找对应文档 ID

2. 根据文档 ID 找到文档

说一下ES的聚合搜索

内容+标签匹配

SearchRequest 指定我们要查找的索引的名字
BoolQueryBuilder 准备我们的DSL语句
然后用request.source().query()来把我们弄好的DSL语句放进去然后发起请求
然后request.source.form().size()来进行分页

我自己封装了一个BoolQuery方法
如果我们的搜索栏没有指定东西，那么我们直接 must必须匹配 matchAllQuery
如果指定了东西我们要用should 文本匹配content 标签匹配titile，有就匹配
如果两个都有，我们用must就表示必须同时匹配
如果用should，就是有就匹配