前言
这篇文章主要介绍一下 Elasticsearch 里面的基本概念，包括索引、文档、REST API、集群、节点、分片、副本。
基本概念
传统数据库和 ElasticSearch 的区别
| 数据库(RDBMS) | Elasticsearch |
|---|---|
| Table | Index(Type) |
| Row | Document |
| Column | Filed |
| Schema | Mapping |
| SQL | DSL |
- Document(文档)：是所有可搜索数据的最小单位，文档会被序列化成 JSON 格式，每个文档都有一个唯一的ID，这个ID可以自己指定，也可以自动生成。
- 元数据：用于标注文档的相关信息
- _index：文档所属的索引名
- _type：文档所属的类型名，7.0以后统一只能指定一种类型_doc
- _id：文档唯一的 id
- _source：文档的原始 Json 数据
- _score：相关性打分
- _version：上图没有显示出来，这个版本号代表文档的版本信息
- Index：索引是文档的容器，是一类文档的集合。名词：一个 ES 集群中，可以创建很多不同的索引(B树索引)。动词：保存一个文档到 ES 的过程也叫索引，比如创建一个倒排索引的过程。
- 索引中的 Mapping 定义了文档字段的类型、Settings 定义了不同的数据分布，分布在几个分片等信息。
- Index 是逻辑空间的概念，每个索引都有自己的 Mapping 定义，用于定义包含的文档的字段名和字段类型。
- Shard 是物理空间的概念，索引中的数据分散在分片上
- Type：7.0以前，一个 Index 可以设置多个 Type。7.0开始，一个索引只能创建一个 Type - “_doc”
- REST API：可以很容易被各种语言调用。例如：PUT products 创建 Index，GET movies/_mapping 查看 mapping
- 节点：节点是一个 Elasticsearch 的实例，本质就是一个 Java 进程，一台机器可以运行多个 Elasticsearch 进程实例，生产上建议一台机器只运行一个实例；每一个节点都有名字，可以通过配置文件指定，也可以启动时用
-E node.name=node1指定；节点在启动后，会分配一个 UID，保存在 data 目录下。开发环境中一个节点可以承担多种角色，生产中，应该设置单一的角色节点：
| 节点类型 | 配置参数 | 默认值 |
|---|---|---|
| master eligible | node.master | true |
| data | node.data | true |
| ingest | node.ingest | true |
| coordinating only | / | 每个节点默认都是，设置其他类型全部为 false就可以指定为 coordinating 节点 |
| machine learning | node.ml | true(需要 enable x-pack) |
- 每个节点启动后，默认就是 Master eligible 节点，可以参加选主流程，第一个节点启动时，会将自己选举成 Master 节点，可通过
node.master:fasle设置为禁用。 - 每个节点上都保存了集群的状态，只有 Master 节点才能修改集群状态(Cluster State)信息，集群信息包括：所有节点信息；所有的索引和其相关的 Mapping 和 Setting 信息；分片的路由信息。
- Data Node：可以保存数据的节点，为数据扩展起到了重要的作用。
- Coordinating Node：负责接受 Client 的请求，将请求分发到合适的节点，最后把结果汇到一起。每个节点默认都起到了 Coordinating Node 的职责。
- Hot & Warm Node：不同硬件配置的 Data Node，用来实现 Hot & Warm 架构，降低集群部署成本。
- Machine Learning Node：负责跑机器学习的 JOB，用来做异常检测。
- 分片(Primary Shard & Replica Shard)：生产中对分片的设定，需要提前做好容量规划。如果分片数设置过小，会导致后续无法增加节点实现水平扩展。如果分片数设置过大，会影响搜索结果相关性打分，影响统计结果的准确性，同时导致资源浪费，影响性能。
- 主分片(Primary Shard)：用来解决数据水平扩展的问题，通过主分片，可以将数据分布到集群内的所有节点上。一个分片是一个运行的 Lucene 的实例，主分片数在索引创建时指定，后续不允许修改，如果要修改，需要 Reindex。
- 副本分片(Replica Shard)：用来解决数据高可用问题，是主分片的拷贝。副本分片数，可以动态调整，增加副本数，可以一定程序上提高服务的可用性。
总结
这里介绍了 Elasticsearch 的基本概念，一个 Cluster 包含多个 Node,一个 Node 包含多个 Shard，每个 Shard 上面有多个 index，一个 index 又可以分布在多个 Shard 上(索引是逻辑空间，分片是物理空间)。一个 index 可以有多个 Document。下图可能更加清楚的了解各个概念之间的关系。
这是一个本地的 Cluster (集群)，有两个 Node (节点，表格中每一行表示一个节点)，12个 Shard (分片，绿色的小框)，6个 indices (索引，表格中每一列表示，每个索引分布在不同的分片中)，2万多个文档(在图中看到只有8个绿色小框，但是上面写的有12个 Shard，这是因为我之前建了索引删掉了，好像分片不会减少的原因)。