Elastic Search

[kun-song]

Elasticsearch 是一个实时的分布式搜索引擎，建立在 Apache Lucene 上，可以用作：

• 全文检索
• 结构化搜索
• 分析

Lucene 非常复杂，Elasticsearch 内部使用 Lucene 做搜索、索引，但屏蔽了 Lucene 的复杂性，为用户提供了一套简单易用的 REST 接口，但 Elasticseach 不仅仅是搜索引擎，还是：

• 一个分布式的实时文档存储，每个字段 可以被索引与搜索
• 一个分布式实时分析搜索引擎
• 能胜任上百个服务节点的扩展，并支持 PB 级别的结构化或者非结构化数据

Elasticsearch 将所有这些功能打包成一个服务，用户使用 REST 接口与之交互。

ES 内置两个客户端：

• 节点客户端（Node Client）
• 传输客户端（Transport Client）

配置

1. max file descriptors [4096] for elasticsearch process is too low, increase to at least [65536]

2. max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144]

索引

ES 中索引一词具有多种含义：

• 索引（名字）
  • 类似传统数据库中的 数据库 概念，是存储文档的地方；
• 索引（动词）
  • 索引一个文档 -> 存储一个文档到一个索引（名字）中，以便它可以被索引、查询；
  • 类似 insert 含义
• 倒排索引
  • 传统数据库通过添加一个 B 树索引 提升检索速度，ES 使用 倒排索引 达到相同目的；

默认情况下，每个文档的每个属性都有倒排索引，因此都可以被索引、被搜索（无倒排索引则无法被搜索）。

文档路径

对文档索引、检索，都需要指定文档的路径，文档路径 /megacorp/employee/1 有以下三部分组成：

• 索引（即文档所在的数据库）
• 类型（类似文档在数据库哪个表中）
• 文档 ID

增删改查

ES 的增删改查使用 HTTP 方法实现：

• GET 检索
• PUT 新增、更新
• DELETE 删除
• HEAD 检查文档是否存在

检索文档

指令：curl -XGET 'localhost:9200/megacorp/employee/1?pretty'，看起来是设计良好的 REST 接口，结果为：

{
  "_index" :   "megacorp",
  "_type" :    "employee",
  "_id" :      "1",
  "_version" : 1,
  "found" :    true,
  "_source" :  {
      "first_name" :  "John",
      "last_name" :   "Smith",
      "age" :         25,
      "about" :       "I love to go rock climbing",
      "interests":  [ "sports", "music" ]
  }
}

搜索

轻量级搜索

最简单的搜索方式为将 id 替换为查询条件：

curl -XGET 'localhost:9200/megacorp/employee/_search?age=35&pretty'

查询条件以 GET 参数形式提供。

使用 DSL 搜索

ES 定义了一个查询 DSL：

{
    "query" : {
        "match" : {
            "last_name" : "Smith"
        }
    }
}

此时查询条件将不在 GET 方法的 query string 中，而是在 request body 中。

全文搜索

全文检索使用传统数据库很难实现，全文搜索使用 DSL 的 about 实现，与传统数据库不同，ES 中的匹配不止两种状态（匹配、不匹配），ES 的匹配会有一个相关性得分，搜索结果按照相关性得分排序。