ES基本概念（未完成）

倒排索引

在搜索引擎中，每个文档都有对应的文档 ID，文档内容可以表示为一系列关键词的集合，例如，某个 文档经过分词，提取了 20 个关键词，而通过倒排索引，可以记录每个关键词在文档中出现的次数和出 现位置。也就是说，倒排索引是 关键词到文档 ID 的映射，每个关键词都对应着一系列的文件，这些文 件中都出现了该关键词。
倒排索引由两部分组成

1. 单词字典：由B+树或者哈希拉链表实现，存储单词
2. 倒排列表：包含文档id，词频，位置，偏移量

倒排索引虽然可以提高搜索性能，但也存在缺陷，比如我们需要对数据做排序或聚合等操作时， lucene 会提取所有出现在文档集合的排序字段，然后构建一个排好序的文档集合，而这个步骤是基于 内存的，如果排序数据量巨大的话，容易造成内存溢出和性能缓慢。
doc_values 就是 es 在构建倒排索引的同时，会对开启 doc_values 的字段构建一个有序的 “document文档 ==> field value” 的列式存储映射，可以看作是以文档维度，实现了根据指定字段进行 排序和聚合的功能，降低对内存的依赖。另外 doc_values 保存在操作系统的磁盘中，当 doc_values 大 于节点的可用内存，ES可以从操作系统页缓存中加载或弹出，从而避免发生内存溢出的异常，但如果 docValues 远小于节点的可用内存，操作系统就自然将所有 doc_values 存于内存中(堆外内存)，有 助于快速访问。

基本组成

• 索引（index）：一个拥有相似特征的文档的集合，类比数据库的数据表

• 文档（document）：可搜索的最小范围，一般是json格式，含有多个字段（field）

• 类型（type）：已被废弃

• Mapping（映射）：定义字段，类型，优化信息，分词器等，一个index只有一个mapping

• node：服务节点，一个es实例

• cluster：多个node的集合

• shard：index分割存储在不同节点中提高吞吐量和性能

• replica：index副本

• DSL：基于json查询语言

支持的数据类型

• 基本类型：
  • 关键字： keyword，constant_keyword，wild_card
  • 数值型：integer，long，short，byte，double，float等
  • 布尔型：boolean
  • 日期型：date
  • 二进制：binary
• 结构化数据类型：
  • 范围型
  • 版本
  • ip
• 文字搜索类型：
  • 非结构化文本：text
• 对象和关系类型：
  • 嵌套类型：nested，join
  • 对象类型：object

keyword和text区别

两个类型的区别主要是分词:keyword 类型是不会分词的，直接根据字符串内容建立倒排索引，所以 keyword类型的字段只能通过精确值搜索到;Text 类型在存入 Elasticsearch 的时候，会先分词，然后 根据分词后的内容建立倒排索引

nested数据

允许对象数组以相互独立的方式进行索引，能够避免数组扁平化处理，多字段数组笛卡尔积化导致查到不存在的数据