ElasticSearch-03-简单理解ElasticSearch中的概念，以及Shard&Replica的解释

Posted 2023-02-10 Frank Q

elasticsearch的核心概念与简单举例

1、Near Realtime（NRT）：

近实时，两个意思，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级；

2、Cluster：集群

包含多个节点，每个节点属于哪个集群是通过一个配置（集群名称，默认是elasticsearch）来决定的，
对于中小型应用来说，刚开始一个集群就一个节点很正常；
比如，在上文
ElasticSearch-02-使用Docker在Mac系统上搭建两个节点的ElasticSearch集群
（并同时创建kibana，cerebro两个容器）： https://blog.csdn.net/yangqian201175/article/details/99664126 
中在本机上通过Docker部署的便是一个拥有两个节点的集群，elasticsearch_cluster_product；

3、Node：节点

集群中的一个节点，节点也有一个名称（默认是随机分配的），
节点名称很重要（在执行运维管理操作的时候），
默认节点会去加入一个名称为“elasticsearch”的集群，
如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，
一个节点的elasticsearch部署也可以称之为一个集群；
在上文02中部署后的两个节点命名如下图所示：

4、Document&field：文档

es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，一条订单数据，通常用JSON数据结构表示，
每个index下的type中，都可以去存储多个document。一个document里面有多个field，每个field就是一个数据字段，
比如大家在工作中通过Kibana去查询某个服务的日志，那么诸多服务的日志通过换行截取，收集以后便是一份一份的文档，
而文档中所包含的服务名称，访问TxId，logDetails等信息便是其中的filed；
简单举例如下图所示：

5、Index：索引

包含一堆有相似结构的文档数据，比如可以有一个客户索引，商品分类索引，订单索引，索引有一个名称。
一个index包含很多document，一个index就代表了一类类似的或者相同的document。
还是按照大家熟悉的日志系统举例，我们的日志组成结构，
如果是业务服务，日志一般情况下会通过切面的形式进行统一处理，
或者在手机的时候进行统一处理成格式基本一致的日志入到ElasticSearch中，
那么我们不同的测试场景，业务服务，数据服务，不同的环境，便是不同的Index；
简单的举例如下图所示：

6、Type：类型

每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document，
都有相同的field，比如博客系统，有一个索引，可以定义用户数据type，博客数据type，评论数据type（不再赘述）

7、shard

单台机器无法存储大量数据，es可以将一个索引中的数据切分为多个shard，分布在多台服务器上存储。
有了shard就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，提升吞吐量和性能。

8、replica

任何一个服务器随时可能故障或宕机，此时shard可能就会丢失，因此可以为每个shard创建多个replica副本。
replica可以在shard故障时提供备用服务，保证数据不丢失，多个replica还可以提升搜索操作的吞吐量和性能。
primary shard（建立索引时一次设置，不能修改，默认5个），
replica shard（随时修改数量，默认1个），
默认每个索引10个shard，5个primary shard，5个replica shard，最小的高可用配置，是2台服务器。

如上图所示，其实每个shard都是一个lucene index，在读取，搜索的时候replica可以起到分摊的作用从而提高性能；

类比理解

ES	数据库
Index	库
Type	表
Document	行
field	列