初识elasticsearch
持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第2天，点击查看活动详情
ｅｌａｓｔｉｃSｅａｒｃｈ是一款非常强大的开源搜索引擎，可以帮助我们从海量数据中 快速找到我们想要的内容
比如说我们的ｇｏｏｇｌｅ，滴滴打车搜索附近车辆呀，都可以被ｅｌａｓｔｉｃSｅａｒｃｈ实现！
ｋｉｂａｎａ， ｌｏｇｓｔａｃｈ， ｂｅａｔｓ这些其实都可以被其他东西替代，毕竟Kｉｂａｎａ这个东西只是个可视化平台，数据抓取的话，ｐｙｔｈｏｎ好用的不要太多，而ｅｌａｓｔｉｃSｅａｒｃｈ则是不可被替代的
我们来看看ｅｌｓｅａｒｃｈ的使用率
没错，他正是最受欢迎的搜索引擎技术！
所以，我们一定得学！
倒排索引
正向索引和倒排索引
传统数据库，比如ｍｙｓｑｌ采用的是正向索引，例如我们给下面的表（ｔｂ＿ｇｏｏｄｓ）中的ｉｄ创建索引：
| ｉｄ | ｔｉｔｌｅ | ｐｒｉｃｅ |
|---|---|---|
| １ | ||
| ２ | ||
| ３ | ||
| ．．． | ．．． | ．．． |
我们都知道，ｍｙｓｑｌ会将表中的数据基于ｉｄ创建索引，创建一个B＋树，这就是一个正向索引，如果我们想要通过ｔｉｔｌｅ这个字段搜索呢？一般我们是不会给它加上索引的，因为我们一般只会搜一个标题的一部分，而这种场景ｍｙｓｑｌ就会自动拼接 ｌｉｋｅ 语句，那么此时的索引也会失效。ｍｙｓｑｌ会扫描每一行，将符合结果的数据放入结果集。
但是噢，想象一个场景，如果说，这个数据有１亿条，每搜索一个，都要全扫一遍，是不是性能极差？
倒排索引
那么倒排索引又是怎么去做的呢？
这是一张正向索引的表
那么我们怎么给它变成一个倒排索引的表呢？
在此之前，我们先了解一下文档和词条的概念
- 文档（ｄｏｃｕｍｅｎｔ）：每条数据就是一个文档
- 词条（ｔｅｒｍ）：文档按照语义分成的词语
他会变成上面那样的倒排索引。变成一个个词条，并且对应不同的文档ｉｄ
这样就确保了词条字段绝对不会重复，这样我们就可以根据词条创建索引啦！
比如：当我们搜索“华为手机”的时候，我们会得到“华为”，“手机”俩词条，然后我们会根据词条去搜索文档ｉｄ，然后根据文档ｉｄ去上搜索对应的文档，存入结果集。是不是俩次查都用了索引啊？效率毫无疑问是非常高的！
文档
ｅｌａｓｔｉｃｓｅａｒｃｈ是一个面向文档存储的，可以是数据库的一条商品数据，可以是一个订单信息。
文档数据会被序列化成ｊｓｏｎ格式之后存储在ｅｌａｓｔｉｃｓｅａｒｃｈ中
索引
索引是啥？它是相同类型的文档的集合
例如：
这么多杂乱文章的文档，可以分为，商品索引，用户索引，订单索引，是不是有点像数据库里面表结构的概念呢？但是在ｅｌｓｅａｒｃｈ里面，我们对这种索引中文档字段的约束信息，叫做映射（ｍａｐｐｉｎｇ）
既然ｍｙｓｑｌ和ｅｌａｓｔｉｃＳｅａｒｃｈ有很多相似点和不同点，那我们来整理一下
| Mｙｓｑｌ | EｌａｓｔｉｃＳｅａｒｃｈ | 说明 |
|---|---|---|
| Tａｂｌｅ（表） | Iｎｄｅｘ | 索引（Iｎｄｅｘ），就是文档的集合，类似数据库的表 |
| Rｏｗ | Dｏｃｕｍｅｎｔ | 文档，就是一条一条的数据 |
| Cｏｌｕｍｎ | Fｉｅｌｄ | 字段（Fｉｅｌｄ），就是JSON文档中的字段，类似数据库的列 |
| Sｃｈｅｍａ | Mａｐｐｉｎｇ | Mａｐｐｉｎｇ（映射）是索引中文档的约束，例如字段类型的约束，类似数据库的表结构 |
| SQL | DSL | DSL是ｅｌｅｃｓｅａｒｃｈ提供的JSON风格的请求语句，用来操作实现CRUD |
注意在ｍｙｓｑｌ操作的时候我们是不是要通过一个连接和ｍｙｓｑｌ连接，然后再操作啊？
但是DSL不同，我们只需要发一个RESTFUL的ｈｔｔｐ请求，任何语言只要能发ｈｔｔｐ请求，都能用他！方便的一批
那么我们是不是可以断言ｅｌ就是比ｍｙｓｑｌ强呢？
其实不是的，因为从架构的方面来说：
- ｍｙｓｑｌ：擅长事务类型操作，可以确保数据的安全和一致性
- EｌａｓｔｉｃSｅａｒｃｈ：擅长海量数据的搜索，分析，计算
如果说你对事务的安全性要求极高，比如说下单这类服务，你就不能用ｅｌ啦，ｍｙｓｑｌ是更好的选择！
但是如果你要对海量数据进行搜索，毫无疑问的选择ｅｌ！
因此，他俩是不是互补的呀！
补充一下，ｅｌ进行读的操作的时候，是不是得有数据才能读呀，这时候，ｍｙｓｑｌ同样也会写入ｅｌ中，进行一次很好的数据同步！
好啦讲了这么多的基础概念，下一章我们就可以进行一次实战吧
