Elasticsearch 官网阅读学习笔记01
Elasticsearch 官网阅读学习笔记01https://i-blog.csdnimg.cn/direct/6fb5b3408b954697b9983651822d5306.png
[*] 什么是 Elasticsearch？
[*]Elasticsearch 是位于 Elastic Stack 核心的分布式搜索和分析引擎。
[*]Elasticsearch 可为所有范例的数据提供近乎实时的搜索和分析。无论您拥有的是结构化或非结构化文本、数值数据还是地理空间数据
[*] Elasticsearch 使用可以做什么
[*]在应用程序或网站中添加搜索框
[*]存储和分析日志、指标和安全事故数据
[*]使用 Elasticsearch 作为存储引擎，实现业务工作流程自动化
[*]将 Elasticsearch 作为地理信息系统 (GIS) 来管理、整合和分析空间信息
[*] 数据：文件和索引
[*] 关键内容提取
[*] Elasticsearch 是一种分布式文档存储。Elasticsearch 存储的是序列化为 JSON 文档的复杂数据结构，而不是以列数据行的形式存储信息
[*] 文档存储后，会在 1 秒钟内编制索引并进行完全实时搜索Elasticsearch 使用一种称为倒排索引的数据结构，支持非常快速的全文检索
[*] 索引可以看作是文档的优化集合，而每个 文档又是字段的集合 ，即包罗数据的键值对
[*] Elasticsearch 会为每个字段中的所有数据创建索引，每个索引字段都有一个专用的优化数据结构。
[*]文本字段存储在倒排索引中
[*]数字和地理字段存储在 BKD 树中
[*] 启用动态映射后，Elasticsearch 会自动检测新字段并将其添加到索引中
[*] 界说映射可以作什么
[*]区分全文字符串字段和精确值字符串字段
[*]进行特定语言的文本分析
[*]优化字段以进行部分匹配
[*]使用自界说日期格式
[*]使用 geo_point(用于存储单个地理坐标点（经纬度），例如：一个商店的位置、用户的实时坐标等。 适合场景：快速查询“附近的地点”、盘算两点间隔、聚合地理位置数据。) 和 geo_shape (用于存储复杂的地理形状（如多边形、线、圆形等），例如：国家界限、配送区域、地理围栏。 适合场景：判断地理空间关系（如“某个点是否在某个区域内”或“两个区域是否相交”）。)等无法自动检测的数据范例
[*] 总结:
[*] 文档存储架构
[*]分布式文档存储，数据以序列化JSON文档形式存储
[*]支持跨节点分布式存储，数据可被集群内任意节点实时访问
[*]近实时搜索（1秒内完成索引）
[*] 倒排索引机制
[*] 核心数据结构支持快速全文搜索
[*] 通过记载单词与文档的映射关系实现快速检索
[*] 所有字段默认被索引，不同字段范例使用不同数据结构：
[*]文本字段 → 倒排索引
[*]数值/地理位置 → BKD树
[*] 动态映射（Schema-less）
[*]自动检测字段范例（布尔值、数值、日期、字符串等）
[*]自动添加新字段到索引
[*]适合快速探索数据的场景
[*] 自界说映射控制
[*] 可覆盖自动映射规则，实现更精确控制：
[*]区分全文检索(text)与精确值(keyword)字段
[*]实行语言特定的文本分析
[*]优化部分匹配
[*]自界说日期格式
[*]支持特别范例（geo_point/geo_shape）
[*] 字段多用途索引
[*] 持同一字段不同索引方式：
[*]文本字段同时用于全文搜索和排序/聚合
[*]多语言分析器处理混合语言内容
[*] 索引和分析链在查询时保持同等
[*] 搜索优化特性
[*]查询文本会经过与索引时相同的分析处理
[*]字段级数据结构优化查询性能
[*]支持复杂数据范例的地理空间查询
[*] 信息输出：搜索和分析
[*] 基于 Apache Lucene 搜索引擎库的全套搜索功能。
[*] Elasticsearch 提供了一个简朴、连贯的 REST API，用于管理集群以及索引和搜索数据
[*] 简短说明 REST哀求 RESTful 风格
[*] 资源导向 : 所有数据/服务抽象为资源，通过URI唯一标识 示例：/users/123 表示ID为123的用户资源
[*] HTTP方法映射操作
[*] 通过尺度HTTP方法实现CRUD：
[*]GET → 获取资源
[*]POST → 创建资源
[*]PUT → 更新资源
[*]DELETE → 删除资源
[*] 说明应用程序可以通过简朴网络哀求获取到数据
[*] Elasticsearch 客户端：Java、JavaScript、Go、.NET、PHP、Perl、Python 或 Ruby
[*] 数据搜索
[*] Elasticsearch REST API 支持结构化查询、全文本查询以及将二者联合起来的复杂查询
[*]结构化查询类似于在 SQL 中构建的查询范例。例如，您可以搜索 employee 索引中的 gender 和 age 字段，并根据 hire_date 字段对匹配结果进行排序
[*]全文查询可查找与查询字符串匹配的所有文档，并按干系性（即与搜索条件的匹配水平）排序返回。
[*] 支持 支持高性能地理和数值查询。
[*] 查询方式
[*]Elasticsearch 的综合 JSON 风格查询语言（ 查询 DSL ）访问所有这些搜索功能
[*]内部构建 SQL 风格 的查询
[*]JDBC 和 ODBC 驱动程序可让大量第三方应用程序通过 SQL 与 Elasticsearch 进行交互。
[*] 分析数据
[*]概述 : Elasticsearch 聚合使您能够创建复杂的数据摘要，并深入了解关键指标、模式和趋势
[*] 总结:
[*]核心搜索能力
[*]支持结构化查询（类SQL）与全文搜索（基于干系性排序）
[*]提供短语搜索、模糊匹配、前缀搜索及自动补全功能
[*]专为地理空间/数值数据优化，支持高性能地理查询
[*]提供Query DSL（JSON风格）和SQL双查询模式
[*]支持JDBC/ODBC驱动实现第三方工具集成
[*]实时数据分析
[*]聚合分析功能可天生多维数据洞察：
▪ 统计聚合（数目/平均值/中位数）
▪ 时间趋势分析（如按月统计）
▪ 制造商分布等贸易洞察
[*]搜索与聚合在单哀求中同步实行
[*]分析结果实时更新，支持动态数据可视化
[*] 可扩展性和弹性：集群、节点和碎片
核心概念
[*] Cluster（集群）
[*]分布式架构，支持横向扩展和高可用性。
[*]自动分配数据和查询负载到所有节点。
[*]节点增减时自动重均衡分片（Shard）分布。
[*] Node（节点）
[*]集群中的单个服务器，可动态参加或移除。
[*]节点越多，集群容量和查询能力越强（冗余性提拔）。
[*] Shard（分片）
[*] 逻辑索引（Index）由多个物理分片构成。
[*] 分片分为两类：
[*]Primary Shard（主分片） ：存储文档的唯一副本，数目在索引创建时固定。
[*]Replica Shard（副本分片） ：主分片的冗余副本，提供数据掩护和读哀求负载均衡，数目可动态调解。
[*] 分片分布在多个节点上，实现冗余和性能优化。
2. 分片设计原则
[*] 分片大小
[*]保举范围：几GB到几十GB（时间序列数据建议20-40GB）。
[*]过大问题：集群重均衡时迁移时间变长。
[*]过小问题：维护开销高（如大量小分片导致查询性能下降）。
[*] 分片数目
[*]主分片数：索引创建时确定，不可修改。
[*]副本分片数：可随时调解，不影响读写操作。
[*]分片与堆内存关系：每GB堆内存建议不凌驾20个分片（克制“海量分片”问题）。
[*]测试验证：需根据现实数据和查询场景测试最佳配置。
3. 高可用与容灾
[*] 跨集群复制（CCR, Cross-Cluster Replication）
[*] 作用：主集群（Active Leader）到备用集群（Passive Follower）的热备份，支持故障转移和地理相近读哀求。
[*] 模式：
[*]主集群处理写哀求，副本集群只读。
[*]主集群故障时，副本集群可接管。
4. 运维与管理
[*] 节点部署
[*]节点间需高可靠、低延迟连接（建议同数据中心或相近数据中心）。
[*]克制单点故障（多区域部署需联合CCR）。
[*] 工具与功能
[*]Kibana：集群管理控制中心，集成安全、监控、管理功能。
[*]索引生命周期管理：自动管理数据（如滚动更新、归档）。
[*]数据汇总（Rollups） ：优化历史数据存储与查询效率。
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]