【ElasticSearch】****
elastic技术栈，完整的技术栈包括：- Elasticsearch：用于数据存储、计算和搜索。- Logstash/Beats：用于数据收集。- Kibana：用于数据可视化。整套技术栈被称为ELK，经常用来做日志收集、系统监控和状态分析。而技术栈的核心就是用来存储、搜索、计算的Elasticsearch.。
【倒排索引】****
正向索引 根据id精确匹配时，走索引，查询效率较高。而当搜索条件为模糊匹配时，由于索引无法生效，退化为全表扫描，效率很差。因此，正向索引不适合于根据索引字段的精确搜索，不适合基于部分词条的模糊匹配 → 倒排索引。
【倒排索引概念】
-
文档（Document）：用来搜索的数据，其中的每一条数据就是一个文档。例如一个 网页 或商品信息。
-
词条（Term）：对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。
【创建倒排索引的流程】
-
将每一个文档的数据利用分词算法根据语义拆分，得到一个个词条。
-
创建表，每行数据包括词条、词条所在文档id、位置等信息。
-
据词条唯一性，给词条创建正向索引。
【区别】
-
正向索引是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。
-
而倒排索引则相反，是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档。是根据词条找文档的过程。
【ElasticSearch基本概念】VS MySql 。文档，字段，索引，映射。
| MySQL | Elasticsearch | 说明 |
|---|---|---|
| Table | Index | 索引(index)，就是文档的集合，类似数据库的表(table) |
| Row | Document | 文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式 |
| Column | Field | 字段（Field），就是JSON文档中的字段，类似数据库中的列（Column） |
| Schema | Mapping | Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema） |
| SQL | DSL | DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD |
特长：
-
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
使用场景：
-
对安全性要求较高的写操作，使用mysql实现
-
对查询性能要求较高的搜索需求，使用elasticsearch实现
-
两者再基于某种方式，实现数据的同步，保证一致性
