初探 Elasticsearch,学习笔记第一讲

 
 

1. ES 基础

 

1.1 ES定义

 
  1. ES=elaticsearch简写, Elasticsearch是一个开源的高扩展的分布式全文检索引擎,它可以近乎实时的存储、检索数据;本身扩展性很好,可以扩展到上百台服务器,处理PB级别的数据。
  2. Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能,但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性,从而让全文搜索变得简单。
 

1.2 Lucene与ES关系?

 
  1. 1Lucene只是一个库。想要使用它,你必须使用Java来作为开发语言并将其直接集成到你的应用中,更糟糕的是,Lucene非常复杂,你需要深入了解检索的相关知识来理解它是如何工作的。
  2. 2Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能,但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性,从而让全文搜索变得简单。
 

1.3 ES主要解决问题:

 
  1. 1)检索相关数据;
  2. 2)返回统计结果;
  3. 3)速度要快。
 

1.4 ES核心概念

 
  1. 1Cluster:集群。
  2. ES可以作为一个独立的单个搜索服务器。不过,为了处理大型数据集,实现容错和高可用性,ES可以运行在许多互相合作的服务器上。这些服务器的集合称为集群。
  3. 2Node:节点。
  4. 形成集群的每个服务器称为节点。
  5. 3Shard:分片。
  6. 当有大量的文档时,由于内存的限制、磁盘处理能力不足、无法足够快的响应客户端的请求等,一个节点可能不够。这种情况下,数据可以分为较小的分片。每个分片放到不同的服务器上。
  7. 当你查询的索引分布在多个分片上时,ES会把查询发送给每个相关的分片,并将结果组合在一起,而应用程序并不知道分片的存在。即:这个过程对用户来说是透明的。
  8. 4Replia:副本。
  9. 为提高查询吞吐量或实现高可用性,可以使用分片副本。
  10. 副本是一个分片的精确复制,每个分片可以有零个或多个副本。ES中可以有许多相同的分片,其中之一被选择更改索引操作,这种特殊的分片称为主分片。
  11. 当主分片丢失时,如:该分片所在的数据不可用时,集群将副本提升为新的主分片。
  12. 5)全文检索。
  13. 全文检索就是对一篇文章进行索引,可以根据关键字搜索,类似于mysql里的like语句。
  14. 全文索引就是把内容根据词的意义进行分词,然后分别创建索引,例如”你们的激情是因为什么事情来的” 可能会被分词成:“你们“,”激情“,“什么事情“,”来“ token,这样当你搜索“你们” 或者 “激情” 都会把这句搜出来。
 

1.6 ES数据架构的主要概念(与关系数据库Mysql对比)

 
  1. 这里写图片描述
  2. 1)关系型数据库中的数据库(DataBase),等价于ES中的索引(Index
  3. 2)一个数据库下面有N张表(Table),等价于1个索引Index下面有N多类型(Type),
  4. 3)一个数据库表(Table)下的数据由多行(ROW)多列(column,属性)组成,等价于1Type由多个文档(Document)和多Field组成。
  5. 4)在一个关系型数据库里面,schema定义了表、每个表的字段,还有表和字段之间的关系。 与之对应的,在ES中:Mapping定义索引下的Type的字段处理规则,即索引如何建立、索引类型、是否保存原始索引JSON文档、是否压缩原始JSON文档、是否需要分词处理、如何进行分词处理等。
  6. 5)在数据库中的增insert、删delete、改update、查search操作等价于ES中的增PUT/POST、删Delete、改_update、查GET.
 

1.7 ELK是什么?

 
  1. ELK=elasticsearch+Logstash+kibana
  2. elasticsearch:后台分布式存储以及全文检索
  3. logstash: 日志加工、“搬运工”
  4. kibana:数据可视化展示。
  5. ELK架构为数据分布式存储、可视化查询和日志解析创建了一个功能强大的管理链。 三者相互配合,取长补短,共同完成分布式大数据处理工作。
  6. 2. ES特点和优势
  7. 1)分布式实时文件存储,可将每一个字段存入索引,使其可以被检索到。
  8. 2)实时分析的分布式搜索引擎。
  9. 分布式:索引分拆成多个分片,每个分片可有零个或多个副本。集群中的每个数据节点都可承载一个或多个分片,并且协调和处理各种操作;
  10. 负载再平衡和路由在大多数情况下自动完成。
  11. 3)可以扩展到上百台服务器,处理PB级别的结构化或非结构化数据。也可以运行在单台PC上(已测试)
  12. 4)支持插件机制,分词插件、同步插件、Hadoop插件、可视化插件等。
  13. 3ES性能
  14. 3.1 性能结果展示
  15. 1)硬件配置:
  16. CPU 16 AuthenticAMD
  17. 内存 总量:32GB
  18. 硬盘 总量:500GB SSD
  19. 2)在上述硬件指标的基础上测试性能如下:
  20. 1)平均索引吞吐量: 12307docs/s(每个文档大小:40B/docs
  21. 2)平均CPU使用率: 887.7%(16核,平均每核:55.48%)
  22. 3)构建索引大小: 3.30111 GB
  23. 4)总写入量: 20.2123 GB
  24. 5)测试总耗时: 28m 54s.
+
 
 2018-07-15 16:45 字数 2087 阅读 0
posted @ 2018-07-15 16:47  流星小子  阅读(202)  评论(0编辑  收藏  举报