“智慧的开始，是对自己无知的承认。” ——苏格拉底
点关注，不迷路
大家好，我是侠风，以后会持续更新在大厂实践中的一些硬核技术知识分享，希望小可爱们"一键三连"呀。
数据库使用排名
DB-Engines Ranking链接地址：db-engines.com/en/ranking
从上图我们可以看到，Elasticsearch作为一个搜索数据库，排名还是非常靠前的。其实除了Elasticsearch，还有Solr、Sphinx、Whoosh、Bleve等，都是搜索数据库，但是Elasticsearch的市场占有率是最高的。
ES与solr的区别：两者底层都是使用lucene去进行文本搜索。但是Solr更加专注于文本处理，而ES则常用于查询、过滤与分组分析统计。ES的分布式架构，不管是易用性，扩展性，还是速度上，都要优于Solr，ES的社区活跃度也更加高。
集群结构
集群（Cluster）：一个集群就是由一个或多个节点（Node）构成的，每个集群都有一个唯一的名字，默认是elasticsearch，在 config/elasticsearch.yml 中配置。
节点（Node）：一个节点就是一个Elasticsearch的运行实例，每个节点都有自己的名字，默认是运行实例的机器名，例如上图中的node-1、node-2、node-3。
索引（Index）：一个索引就是一个拥有相同特性的文档集合，可以类比为关系型数据库中的表。在存储结构上由 _index、_type、_id 唯一标识为一个文档。
分片（Shard）：一个索引可以被拆分为多个分片，每个分片都是一个独立的Lucene实例，可以类比为关系型数据库中的分区。上图中有P0、P1、P2三个分片。这三个副本共同组成一份完整的索引数据。
副本（Replica）：每个分片可以有多个副本，副本是分片的完整拷贝，可以类比为关系型数据库中的备份。上图中有R0、R1、R2三个副本。
Lucene: 每个分片都是一个Lucene实例，可以将其看做一个独立的搜索引擎，它能够对Elasticsearch中的数据进行索引和搜索。
segment: Lucene索引文件的存储形式，一个segment就是一个倒排索引文件，每个分片包含多个segment。
注意： 分片数和副本数可以在创建索引的时候指定，当索引创建以后，可以动态的改变副本数，但是不能改变分片数。给索引扩容方案，可以在后续文章中讲解。
索引数据结构
ES存储在集群index中的是一个个的文档，它是指最顶层或者根对象，这个根对象被序列化成JSON格式，然后存储在ES中，它指定的唯一ID，也就是document id。
文档中的元数据
一个文档不仅仅包含它的数据 ，也包含 元数据 —— 有关文档的信息。 三个必须的元数据元素如下：
- _index： 文档在哪存放
- _type： 文档表示的对象类别
- _id： 文档唯一标识
倒排索引
ES使用倒排索引的数据结构，它适用于快速的全文搜索。一个倒排索引由文档中所有不重复词的列表构成，对于其中每个词，都有一个包含它的文档列表。
例如，假设我们有两个文档，每个文档的 content 域包含如下内容：
- The quick brown fox jumped over the lazy dog
- Quick brown foxes leap over lazy dogs in summer
为了创建倒排索引，我们首先将每个文档的 content 域拆分成单独的 词（我们称它为 词条 或 tokens ），创建一个包含所有不重复词条的排序列表，然后列出每个词条出现在哪个文档。结果如下所示：
现在，如果我们想搜索 quick brown ，我们只需要查找包含每个词条的文档：
两个文档都匹配，但是第一个文档比第二个匹配度更高。如果我们使用仅计算匹配词条数量的简单 相似性算法 ，那么，我们可以说，对于我们查询的相关性来讲，第一个文档比第二个文档更佳。
ES数据写入过程
ES 如何做到准实时搜索
ES写入是会先refresh到操作系统的cache中，默认1s刷新一次，这个时候会生成segment，跟磁盘中的结构是一样的，没刷新一次，会生成一个新的segment。并且因为是内存操作，写入非常快。
ES读取时，会从cache中读取，如果cache中没有，则从磁盘中读取。所以基本可以做到准实时。
结尾
感谢看完的小可爱，如果觉得文章对你有帮助，请帮忙"一键三连"呀，感谢感谢。
后续会持续更新硬核技术文章，欢迎关注我。有任何技术问题也可以共同探讨，包括面试技巧，简历优化，疑难解答等。
