一文彻底了解Elasticsearch（新手必看）

Elasticsearch 是一个分布式的基于 RESTful 接口的搜索和分析引擎，它建立在一个全文搜索引擎库 Apache Lucene 的基础之上。

Elasticsearch 可以说是目前最先进、高性能、全功能的搜索引擎，是目前全文搜索引擎的首选。

Elasticsearch 使用 Java 编写，它的目的是使全文检索变得简单，通过使用 Lucene 进行索引与搜索，同时，又隐藏了 Lucene 的复杂性，为开发者提供了一套简单易用的 RESTful API。

Elasticsearch 不仅仅是全文搜索引擎，它更是一个分布式的实时文档存储服务，能够轻松实现上百个服务节点的扩展，支持 PB 级别的结构化或者非结构化数据。

Elasticsearch 作为分布式实时分析搜索引擎，非常契合目前云计算的发展趋势，能够达到实时搜索，并且稳定、可靠、快速，安装使用方便。Elasticsearch 已经被各大互联网公司验证了其强大的数据检索能力。

Elasticsearch 适合非常多的使用场景，常见的使用场景如下：

• 搜索领域：如百度、谷歌等搜索企业；
• 门户网站：访问统计、文章点赞、留言评论等；
• 广告推广：记录用户行为数据、消费趋势、特定群体进行定制推广等；
• 信息采集：记录应用的埋点数据、访问日志数据等，方便大数据进行分析。

Elasticsearch数据结构

数据存储与检索是 Elasticsearch 的核心，下面通过一个例子介绍 Elasticsearch 是如何存储数据的。

以员工数据为例，一个文档代表一个员工数据，存储数据到 Elasticsearch 的行为叫作索引，但在索引一个文档之前，需要确定将文档存储在哪里，如下图所示：


如图 1 所示，一个 Elasticsearch 集群可以包含多个索引，每个索引又可以包含多个类型。这些不同的类型中存储着多个文档，每个文档又有多个属性字段。

听起来很绕，其实与数据库的关系比较类似，结合数据库的结构理解起来就会比较清楚：

• 索引（Index）=>数据库（Database）；
• 类型（Type）=>表（Table）；
• 文档（Document）=>表中的一行记录（Row）；
• 属性（Field）=>字段列（Column）。

Elasticsearch 集群可以包含多个索引，每个索引可以包含多个类型，每个类型可以包含多个文档，然后每个文档又可以包含多个字段。这与数据库的结构类似，在 DB 中可以有多个数据库，每个库中可以有多张表，每个表中又包含多行，每行包含多列。

1) 索引

索引是含义相同的属性文档的集合，是 Elasticsearch 的一个逻辑存储，可以理解为关系型数据库中的数据库。Elasticsearch 可以把索引数据存放到一台服务器上，也可以分片后存到多台服务器上，每个索引有一个或多个分片，每个分片可以有多个副本。

索引也可以定义一个或多个类型，文档必须属于一个类型。在 Elasticsearch 中，一个索引对象可以存储多个不同用途的对象，通过索引类型可以区分单个索引中的不同对象，可以理解为关系型数据库中的表。每个索引类型可以有不同的结构，但是不同的索引类型不能为相同的属性设置不同的类型。

2) 类型

文档可以分组，比如员工信息。这种分组就叫类型，它是虚拟的逻辑分组，用来过滤文档数据。

不同的类型应该有相似的数据结构（schema），例如，id 字段不能在这个组是字符串，在另一个组是数值，这是与关系型数据库的表的一个区别。结构完全不同的数据（比如 products 和 orders）应该存成两个索引，而不是一个索引的两个类型。

根据规划，Elastic 6.x 版只允许每个索引包含一个类型，7.x 版将会彻底移除类型。

3) 文档

文档是可以被索引的基本数据单位，存储在 Elasticsearch 中的主要实体叫文档，可以理解为关系型数据库中表的一行记录。

每个文档由多个字段构成，Elasticsearch 是一个非结构化的数据库，每个文档可以有不同的字段，并且有一个唯一的标识符。

文档使用 JSON 作为数据的序列化格式，JSON 序列化为大多数编程语言所支持，并且已经成为 NoSQL 领域的标准格式。它简单、简洁、易于阅读。下面这个 JSON 文档代表了一个 user 对象：

{
  "id": 1,
  "name": "张三",
  "age": 20
}

同一个索引中的文档不要求有相同的结构（scheme），但是最好保持相同，这样有利于提高搜索效率。

Elasticsearch 的映射（Mapping）类似于静态语言中的数据类型：声明一个变量为 int 类型的变量，以后该变量只能存储 int 类型的数据。同样，一个 number 类型的 mapping 字段只能存储 number 类型的数据。与静态语言的数据类型相比，mapping 还有一些其他的含义：mapping 不仅告诉 Elasticsearch 一个 Field 中是什么类型的值，它还告诉 Elasticsearch 如何索引数据以及数据是否能被搜索到。

Elasticsearch 默认是动态创建索引和索引类型的 mapping 的。Elasticsearch 无须指定各个字段的索引规则就可以索引文件，使用起来很方便。

Elasticsearch客户端

Elasticsearch 支持 HTTP 和 Native Elasticsearch Binary 两种协议：

• HTTP 协议主要提供完善的 RESTful 接口，通过发送 HTTP 请求的形式查询数据；
• Native Elasticsearch Binary 协议其实就是 Elasticsearch 官方提供的 Transport 客户端。

Spring Boot 对以上两种协议都做了很好的支持，使我们能够轻松将 Elasticsearch 集成到 Spring Boot 项目中。总结起来，常用的方式有以下 3 种：

• Java API：这种方式基于 TCP 与 ES 通信，官方已经明确表示在 ES 7.0 版本中将弃用 TransportClient 客户端，而且在 8.0 版本中完全移除它，所以不提倡使用；
• REST Client：官方给出了基于 HTTP 的客户端 REST Client（推荐使用），包括 Java Low Level REST Client 与 Java Hight Level REST Client 两个，前者兼容所有版本的 ES，后者是基于前者开发出来的，只披露了部分 API，还有待完善；
• Spring Data Elasticsearch：Spring 提供了基于 Spring Data 实现的一套方案，它是 Spring Data 项目下的一个子模块。如果了解过 JPA 技术的话，会发现其操作语法与 JPA 非常类似，可以像操作数据库一样操作 Elasticsearch 中的缓存数据。

推荐使用 Spring 提供的 Spring Data Elasticsearch 组件的方式，这种方式使用简单，容易上手。与使用 JPA 操作数据库类似。