ElasticSearch实战(二)-核心概念之NRT/Document/Index/分片/副本

网友投稿 744 2022-05-29

1 lucene VS elasticsearch

lucene,最先进、功能最强大的Java搜索类库。直接基于lucene开发,非常复杂,api复杂(实现简单功能,写大量java代码),需要深入理解原理(各种索引结构)。

elasticsearch,基于lucene,隐藏复杂性,提供简单易用的restful api接口、java api接口(还有其他语言的api接口)

(1)分布式的文档存储引擎

(2)分布式的搜索引擎和分析引擎

(3)分布式,支持PB级数据

开箱即用,优秀的默认参数,不需要任何额外设置,完全开源。

2 核心概念

2.1 近实时-Near Realtime(NRT)

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。

2.2 集群-Cluster

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)决定。

对于中小型应用来说,刚开始一个集群就一个节点很正常。

2.3 节点-Node

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

2.4 索引-Index(表)

由具有相同字段的文档列表组成,包含一堆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/相同的document。

比如建立一个product index 商品索引,里面可能就存放了所有的商品数据(商品document)。

索引中存储具有相同结构的文档(Document)

每个索引都有自己的mapping定义(类似 MySQL 的 schema),用于定义字段名和类型

一个集群可以有多个索引,比如

nginx日志存储的时候可以按照日期每天生成一个索引来存储

nginx-log-2020-01-01

nginx-log-2020-01-02

nginx-log-2020-01-03

2.5 Document & field(行 & 列)

document

JSON结构,用户存储在 ES 中的数据文档。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。由字段 Filed 组成。

每个文档有唯一的id标识:

自行指定

es自动生成

字符串

text、keyword

数值型

long、integer、short, byte, double, float half_float, scaled_float

布尔

boolean

日期

date

二进制

binary

范围

integer_range, float_range, long_range, double_range, date_ range

_ index: 文档所在的索引名

_type: 文档所在的类型名

_id:文档唯一id

_uid:组合id,由type和. jid 组成(ES 6.x开始 _type不再起作用,同_id)

_source:文档原始JSON数据,存储了文档的完整原始数据,可从这里获取每个字段内容

_all:整合所有字段内容到该字段,默认禁用,因其针对所有字段内容分词,很占磁盘空间

field

每个index下的type,都可以存储多个document。一个document里面有多个field,每个field就是一个数据字段列。

product document { "product_id": "1", "product_name": "JavaEdge 公众号", "product_desc": "全是技术干货", "category_id": "2", "category_name": "技术追求" }

1

2

3

4

5

6

7

8

2.6 shard

单台机器无法存储大量数据,es可以将一个索引中的数据切分为多个shard,分布在多台服务器上存储

有了shard就可以横向扩展,存储更多数据,让搜索和分析等操作分布到多台服务器上去执行,提升吞吐量和性能

每个shard都是一个lucene index。

2.7 replica

任何一个服务器随时可能故障或宕机,此时shard可能就会丢失,因此可以为每个shard创建多个replica副本。

replica可以在shard故障时提供备用服务,保证数据不丢失,多个replica还可以提升搜索操作的吞吐量和性能。primary shard(建立索引时一次设置,不能修改,默认5个),replica shard(随时修改数量,默认1个),默认每个索引10个shard,5个primary shard,5个replica shard,最小的高可用配置,是2台服务器。

shard和replica的解释

类型 Type(表逻辑类型)ES 7.x中已废除

每个index都可有一或多个type,type是index的一个逻辑数据分类。

一个type下的document,都有相同field。

比如博客系统,有一个索引,可定义用户数据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

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

1

2

3

每个type里,包含一堆document

{ "product_id": "2", "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": "3", "product_name": "基围虾", "product_desc": "纯天然,冰岛产", "category_id": "4", "category_name": "生鲜", "eat_period": "7天" }

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

ElasticSearch实战(二)-核心概念之NRT/Document/Index/分片/副本

3 RESTful API(REpresentational State Transfer)

Elasticsearch 集群对外提供RESTful API

URI 指定资源 , 如 Index、Document等

Http Method 指明资源操作类型,如GET、POST、 PUT、DELETE

交互方式

curl 命令行

Kibana DevTools

Elasticsearch 实时流计算服务 CS

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:Bash脚本教程之read命令
下一篇:C++初学者必看的50个建议 绝对经典
相关文章