Elasticsearch介绍
Elasticsearch 是一个分布式搜索和分析引擎，通常用于处理大规模的结构化和非结构化数据。它基于开源的 Lucene 库，提供了强大、实时的搜索能力和精细的分析功能。Elasticsearch 通常与其他工具（如 Logstash、Kibana 等）一起使用，构成了著名的 ELK Stack（后来改名为 Elastic Stack）。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
整套技术栈的核心就是用来存储、搜索、计算的Elasticsearc。
基础概念
文档：Elasticsearch 中最小的数据单元，类似于关系型数据库中的行。文档是以 JSON 格式存储的，包含一个或多个字段（key-value 对），每个字段可以有不同的数据类型。
索引： Elasticsearch 中存储、组织文档的地方，类似于传统关系型数据库的表。在 Elasticsearch 中，所有的数据都以 JSON 文档的形式存储在索引中。每个索引都有一个唯一的名字（类似数据库中的表名），这个名字用于引用和操作索引。
点击查看代码
#商品索引:组织文档的地方，每个{}是一个文档
{
"id": 1,
"title": "小米手机",
"price": 3499
}
{
"id": 2,
"title": "华为手机",
"price": 4999
}
{
"id": 3,
"title": "三星手机",
"price": 3999
}
Type：每个文档都必须具备字段类型，7.0之前一个索引只能有一个或者多个类型，7.0开始一个索引只能创建一个 Type ：_doc，8.0 之后，Type 被完全删除，解决了多 Type 索引带来的资源浪费、字段冲突、查询效率低下等问题。
Mapping：即映射，索引中文档的字段约束信息，类似表的结构约束。
Node：相当于一个 ES 实例，多个节点构成一个集群。
Cluster：多个 ES 节点的集合，用于解决单个节点无法处理的搜索需求和数据存储需求。
ES相关概念对比MySQL
工作原理
Elasticsearch 以其高性能的搜索和分析能力而闻名，主要得益于其底层的技术架构和索引机制。倒排索引是 Elasticsearch 的核心数据结构，它极大地提升了全文搜索的速度。它的工作原理可以类比为书的索引部分，快速定位某个词在文档中的位置。
- 首先对文档内容进行分词，ES默认英文是一个单词一个词，中文是一个汉字一个词，形成词条与文档ID对应的词条库，建立索引。
- 接着会对搜索内容进行分词，将分词后的关键词与词条库匹配，找到对应的文档ID，然后根据文档ID找到对应的文档信息。
在搜索时，用户输入某个词语，ES会直接在倒排索引中查找该词条，然后迅速定位到包含该词条的所有文档，相比与传统搜索方式需要扫描全部文档要高效的多。
