elaticsearch 基本概念

Posted 2023-02-26 henry-hacker

前言

        es从某种层面来说，其实也就是一种存储数据媒介，而我们想要学习它。我们就应该首先清楚其保存数据的格式。然而，我却没有自信觉得自己一定会对这些概念的理解足够深入，因此，只能翻一下es官网上的一篇文章了。下面，翻译正式开始！、

---

基本概念

        这里有一些概念是Elaticsearch的核心概念，从一开始就理解这些概念将会大大的有助于缓解学习过程。

近实时（NRT）

        Elaticsearch是一个近乎实时的搜索平台。这意味着从你索引文档到可搜索的时间有一点点的延迟。（通常是一秒钟）

集群

        集群指的是一个或者多个节点（服务器）的集合，这些节点会一起保存数据，并且会在所有的节点上提供联合索引和搜索的功能。一个集群通常会被一个名字所标示，当然，它的默认值是‘Elaticsearch’。这个名字是十分重要的，因为如果一个节点想要加入这个集群那么必须依靠这个名字来加入。
        值得说明的是，确保不要在不同的环境中使用相同的集群名称。否则你的节点可能会加入错误的集群。例如你可以使用logging-dev、logging-stage和logging-production来给不同的环境的集群命名。
        请注意，拥有一个节点的集群是有效和完美的。此外，你还可以拥有多个独立的集群，但是每个集群都必须有自己的独立的集群名称。

节点

        节点指的是一个集群中的单个机器，它存储数据、并且参与集群的索引和搜索功能，实际上就像一个集群。一个节点也是被一个名字所标示，其默认的名称是在节点启动时候的分配给他的唯一标示符（UUID）。你可以任意定义你的节点名称。如果你带着管理的目的的话，那么这些名字无疑是很重要的。当您希望确定网络中的那些服务器对应于Elaticsearch集群中的那些节点得时候。
        一个节点可以通过一个集群名加入某一个集群。默认情况下，每一个节点都会加入名为elasticseaarch的集群中。这意味着在你的网络环境中当你启动了一些节点，在这里我们假设他们可以互相发现对方，他们将会全部自动的加入和形成一个名为elaticsearch的集群。
        在一个集群中，你可以拥有您想要的任意多的节点。此外如果当前没有任何的节点在你的网络环境中运行，此时启动的单个节点将会形成名为elaticsearch的新的单节点集群。

索引

        索引指的是一系列文档的集合，这些文档有着共同的特性和特征。举例来说：你可以拥有客户数据的索引，产品目录的索引以及订单数据的索引。索引由名称，当然在命名时候必须全部为小写字母，该名称的作用是可以针对其中存在的文档执行索引，搜索更新和删除操作时候也可以借用名称引用索引。
        在单个集群中，你可以根据需要定义任意多的索引。

类型

        在索引中，你可以定义一种或者多种类型。类型的你的索引的逻辑类别/分区，当然，其中的含义取决于你自己。一般而言，一种类型定义是为了给一个拥有共同的元素的集合。例如,假设你运行一个博客的平台，并且将所有的数据保存在单个的索引中，在此索引中你可以定义用户数据的类型、博客数据的类型以及注释数据的类型。

文档

        文档可以被索引的基本单元。例如，你可以拥有一个针对单个消费者的文档，另一个用于单个订单信息的文档。该文档以JSON（javascript Object Notation）表示，JOSN是一种无处不在的互联网数据的交换格式。
        在一个索引/类型中，你可以存储任意多的文档。需要注意的是尽管文档在物理上是属于索引的，但是他会被分配给特定的索引类型。

分片&副本

        一个索引中可能存放非常多的数据，这些数据甚至有可能超越一个单节点机器的资源限制。例如一个索引中如果有十亿个文档的话将会占用多达1Tb的空间，而这些是无法从单个节点提供搜索请求的，因为这将十分缓慢。
        想要解决这个问题，elaticsearch提供了可以将你的索引分片的能力，这些分片成为切片。每当你创建一个索引的时候，你可以十分轻松的制定这个索引的分片个数。每个分片就是一个功能完整且独立的索引，当然，他们可以分布在集群的任意一个节点上。
        分片十分重要，主要原因有两个：

1 它允许你水平的分割你的内容卷

2 它允许你在分片（可能在多个节点上）分布和并行的操作，从而提高整个集群的性能和吞吐量。

        搜素请求分发的机制以及文档最终如何汇总到搜索请求完全由elaticsearch来进行管理，这对于你来说是透明的。

        在可能发生故障的网络/云环境中,尤其是故障随时可能发生，我们强烈的建议采用故障转移机制，防止分片或者节点脱机或者消失。为此，elaticsearch允许您将索引的分片的一个甚至多个复制到所谓的复制分片上去，这也别我们成为副本。
        副本十分重要，主要原因有两个：

1 当主分片出现故障的时候，副本即可提供高可用的特性。因此，需要注意的是，复制分片分配的节点绝不会同原始的分片在同一个数据节点上。
2 它同样可以提升扩展搜索量/吞吐量，因为可以对所有的副本执行并行的搜索请求。

        总而言之，每个索引可以分为多个数据分片。索引的复制分片也可以被设置为0，当然，这意味着没有数据分片。一旦复制，每个索引都将具有原始的数据分片以及副本。你可以在创建索引的时候指定副本的数量。
当你创建索引后，你可随时修改副本数，但是分片数已经固定，无法修改。

        默认情况下，Elasticsearch中的每个索引都分配了5个主分片和1个副本，这意味着如果您的集群中至少有两个节点，则索引将具有5个主分片，另外5个复本分片（1个完整副本）。一共是10个数据分片。

NOTE
每一个搜索的数据分片都是一个Lucene索引，在一个Lucene索引所能拥有的最大文档数量为Integer.MAX_VALUE-128。当然，你可以采用_cat/shards api监视数据分片。

---

原文链接：Base Concepts

总结

        此篇翻译已经将elaticsearch的基本概念，集群、节点、索引、类型、文档以及数据分片讲的十分清楚，当然，阿福水平有限，还望海涵，若有错误，欢迎斧正！