一、全文检索

全文检索是计算机程序通过扫描文章中的每一个词，对每一个词简历索引，指明改词在文章中出现的次数和位置。当用户查询时根据建立的索引查找，类似通过字典的检索字表查字的过程，衡量全文检索系统的关键性指标：全面，准确，快速。

• 只处理文本，不处理语义，不进行语义转换查询；
• 检索时英文不区分大小写；
• 检索出的结果按相关性进行排序。

二、简介

You Know, for Search.

ElasticSearch是基于Apache Lucene构建的分布式开源搜索引擎，是当前最流行的企业级搜索引擎。Lucene本身被认为是迄今为止性能最好的一款开源搜索引擎工具包，但Lucene的API相对复杂，需要深厚的搜索理论，很难集成到实际的应用中。ES采用java语言编写，提供了简单易用的Restful API，开发者可以使用简单的Restful API，开发相关的搜索功能，避免Lucene的复杂性。

三、ES安装（7.14.0版本）

• 传统安装方式：下载安装包，解压
• Docker方式安装：推荐

3.1 传统安装方式

# 1.环境准备
- centos7.x+，windows，macos
- 安装jdk11.0+,并设置环境变量

# 2.下载ES
- https://www.elastic.co/cn/start

# 3.安装ES不要使用root用户，创建普通用户
# 添加用户名
$ useradd es
#修改密码
$ passwd es

# 4.解压缩ES安装包，解压后的目录如下图
$ tar -zxvf elasticsearch-7.14.0-linux-86_64.tar.gz

# 5.启动es，启动完，访问127.0.0.1:9200
$ ./elasticsearch

解压后的目录如下：

image.png

image.png

启动错误

• 虚拟内存过小：failure [1]:max virtual memory areas vm.max_map_count [65530] is too low, increase to at least [262144].

解决方法：
$ vim /etc/sysctl.conf
vm.max_map_count=655360 #centos7 系统
vm.max_map_count=262144 #ubuntu 系统
$ sysctl -p

• 默认配置模式以集群启动：failure[2]:the default discovery settings are unsuitable for production use; at least one of[discoery.seed_hosts, discovery.seed_providers...

解决方法：
$ vim conf/elastic_search.yml
cluster.initial_master_nodes: [ "node-1" ].

• 必须已非root用户启动
  解决方法：切换到普通用户启动。

解决上述错误后重启elasticsearch服务即可。

3.2 Docker方式安装

# 1.获取镜像
- docker pull elasticsearch:7.14.0

# 2.运行ES
- docker run -d -p 9200:9200 -p 9300:9300 -e "discovery.type=single-node" elasticsearch:7.14.0

# 3.访问ES
- http://127.0.0.1:9200/

3.3 elasticsearch.yml配置详解

network.host: 0.0.0.0 //配置远程访问
cluster.initial_master_nodes: [ "node-1" ] //设置单节点启动

四、Kibana（官方ES客户端工具）

Kibana是一个针对ElasticSearch的开源分析及可视化平台，使用Kibana可以查询、查看并与存储在ES索引的数据进行交互操作，使用Kibana能执行高级的数据分析，并能以图标、表格与地图的形式可视化数据。

4.1 Kibana传统方式安装

# 1. 下载Kibana
- https://elastic.co/download/kibana

# 2. 安装下载的Kibana
$ tar -zxvf kibana-7.14.0-linux-x86_64.tar.gz

# 3. 编辑kibana配置文件
$ vim ./kibana安装目录conf目录/kibana.yml

# 4.修改配置如下
- server.host: "0.0.0.0"   #开启kibana远程访问
- elsaticsearch.hosts: [ "http://localhost:9200" ] #ES服务器地址

# 5. 启动kibana
- ./bin/kibana
输出"Kibana is now available(was degraded)"表示启动成功。

# 6. 访问kibana
- http://localhost:5601

4.1 Kibana Docker方式安装

# 1.获取镜像
- docker pull kibana:7.14.0

# 2.运行kibana
- docker run -d --name kibana -p 5601:5601 kibana:7.14.0

# 3.进入容器连接到ES，重启kibana容器，访问
- http://127.0.0.1:5601

# 4.基于数据卷加载配置文件方式运行
- a.从容器复制kibana配置文件出来
- b.修改配置文件对应的ES服务器地址
- c.通过数据卷加载配置文件方式启动
- docker run -d -v /宿主机kibana.yml目录/kibana.yml:/usr/share/kibana/config/kibana.yml --name kibana -p 5601:5601 kibana:7.14.0

4.3 compose方式安装（推荐）

# kibana配置文件连接到es
server.host: "0"
server.shutdownTimeout: "5s"
elasticsearch.hosts: [ "http://elasticsearch:9200" ]
#monitoring.ui.container.elasticsearch.enable: true

version: "3.8"
volumes:
  data:
  config:
  plugin:
networks:
  es:
services:
  elasticsearch:
    environment:
      - "discovery.type=single-node"
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    image: "elasticsearch:7.14.0"
    ports:
      - "9200:9200"
      - "9300:9300"
    networks:
      - "es"
    volumes:
      - data:/usr/share/elasticsearch/data
      - config:/usr/share/elasticsearch/config
      - plugin:/usr/share/elasticsearch/plugin

  kibana:
    image: kibana:7.14.0
    ports:
      - "5601:5601"
    networks:
      - "es"
    volumes:
      - ./kibana.yml:/usr/share/kibana/config/kibana.yml

五、核心概念（索引，映射，文档）

索引(index)：索引就是一个拥有相似文档的集合，索引由一个名字来唯一标识（全小写），在对这个索引中的文档进行索引、搜索、更新和删除的时候都要使用这个索引名。

映射(mapping)：定义一个文档和它所包含的字段如何被存储和索引的过程，mapping中主要包括字段及其类型。动态映射，根据文档自动创建mapping，静态映射，存储文档前自定义mapping(更符合业务实际场景）。

文档(document)：文档中存储的一条条数据，一条文档是可被索引的最小单元，文档采用轻量级的JSON数据格式来表示。

image.png

基本操作

索引

# 1.查看索引
GET /_cat/indices?v
health status index                           uuid                   pri rep docs.count docs.deleted store.size pri.store.size
green  open   .kibana-event-log-7.14.0-000001 fEP5eEZ5SmavP6C8FY6iSQ   1   0          4            0     21.8kb         21.8kb
green  open   .geoip_databases                2HuyGoOZRmuFBfbz5khHuw   1   0         41           34     41.5mb         41.5mb
green  open   .kibana_7.14.0_001              Nur7JeOSQkiqJZ8ek-N3dA   1   0         52            5      4.3mb          4.3mb
green  open   .apm-custom-link                Lyy8YHKmRguONODxP6p2Vw   1   0          0            0       208b           208b
green  open   .apm-agent-configuration        1MwrINkORBiqoBipgvhycA   1   0          0            0       208b           208b
green  open   .kibana_task_manager_7.14.0_001 rihXKN13TF-q57ZXRJPyVw   1   0         14         2004       17mb           17mb
yellow open   backup_products                 ijd5atmoQlKf2jC4MuA86g   1   1          0            0       208b           208b
green  open   products                        7w2ie_Q0SIm7OHIOsBG_PQ   1   0          0            0       208b           208b
green  open   .tasks                          BE5vwDh0QgWJJorQJRdeCA   1   0          4            0     21.3kb         21.3kb

# 2.创建索引
#PUT  /索引名  ====> PUT /products
- 注意：
    1.ES中的索引健康状态 red(索引不可用) yellow(索引可用，存在风险) green(健康)
    2.默认ES创建索引时会为索引创建一个备份索引和一个primary索引
    
# 3.创建索引 进行索引分片配置
PUT /products
{
  "settings": {
    "number_of_shards": 1,  #指定主分片的数量
    "number_of_replicas": 0  #指定副本分片的数量
  }
}

# 4.创建成功返回
{
  "acknowledged" : true,
  "shards_acknowledged" : true,
  "index" : "products"
}

# 5.删除索引(不允许修改）
DELETE /products

映射

# 1.创建索引&映射
PUT /products
{
  "settings": {
    "number_of_shards": 1,
    "number_of_replicas": 0
  }, 
  "mappings": {
    "properties": {
      "title":{
        "type":"keyword",
        "store": true
      },
      "price":{
        "type":"double"
      },
      "create_at":{
        "type":"date"
      },
      "description":{
        "type":"text",
        "store": true,
        "analyzer": "standard"
      }
    }
  }
}

# 2.查看已创建的索引映射
GET /products/_mapping

# 3.映射不允许修改，只能删除

文档

# 1.添加文档
# 指定文档id
POST /products/_doc/1
{
  "title":"iphone13",
  "price":7999.0,
  "create_at":"2019-10-01",
  "description":"Iphone13是一款性能不错的手机，价格偏贵"
}

# 自动生成文档id
POST /products/_doc/
{
  "title":"HuaweiP50",
  "price":5999.0,
  "create_at":"2021-10-01",
  "description":"HuaweiP50是一款性能不错的手机，喜欢拍照的女生可以购买"
}

# 2.文档的查询
#基于id查询
GET /products/_doc/1

#3.删除文档
#根据id删除
DELETE /products/_doc/1

# 4.更新文档
#根据id更新，删除原始文档再添加新文档，若不想删除原文档，将原文档全部字段传递
PUT /products/_doc/1
{
   "title":"小米10"
}

#根据指定字段更新，保留原文档
POST /products/_doc/1/_update
{
  "doc":{
    "title":"小米10"
  }
}

# 5.批量操作文档
# 增加两条记录，修改一条记录，删除一条记录
POST /products/_doc/_bulk
{"index":{}}
{"title":"HuaweiMate40","price":6999.0,"create_at":"2020-10-01","description":"Huawei Mate 20是华为手机的谢幕之作"}
{"index":{}}
{"title":"Honor 60 Pro","price":3699.0,"create_at":"2021-10-01","description":"荣耀最新手机60 pro还是不错的"}
{"update":{"_id":3}}
{"doc":{"tilte":"华为P40 pro"}}
{"delete":{"_id":"R8WrNX8Be4vXDspnRdKS"}}
#批量操作时不会因为一个失败而全部失败，而是继续执行后续操作，攒返回时按照执行的状态返回！

六、高级查询Query DSL

ES提供强大的数据检索方式，这种方式称之为Query DSL(Domain Specific Language)，Query DSL是利用Rest API传递JSON格式的请求体数据与ES进行交互，这种方式的丰富查询语法让ES检索变得更强大，更简洁。

语法

GET /索引名/_search {json格式请求体数据}

# 1.查询所有,match_all
GET /products/_search
{
  "query": {
    "match_all": {}
  }
}

# 2.基于term查询,term，注意text类型字段会分词，其余类型均不会分词
# 默认text字段使用标准分词器，英语是单个单词分词，中文是单字分词
GET /products/_search
{
  "query": {
    "term": {
      "title": {
        "value": "iphone13"
      }
    }
  }
}

# 3.基于范围查询查询,range
GET /products/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 5000,
        "lte": 7000
      }
    }
  }
}

# 4.基于前缀查询,prefix
GET /products/_search
{
  "query": {
    "prefix": {
      "title": {
        "value": "iphone"
      }
    }
  }
}

# 5.通配符查询，?匹配任意一个字符， *匹配任意多个字符,wildcard
GET /products/_search
{
  "query": {
    "wildcard": {
      "title": {
        "value": "H?aweiMate*"
      }
    }
  }
}

# 6.多ids查询,ids
GET /products/_search
{
  "query": {
    "ids": {
      "values": [1,2,3]
    }
  }
}

# 7.模糊查询,fuzzy
#注意，fuzzy模糊查询，最大模糊错误必须在0-2之间
- 搜索关键词长度为2，不允许存在模糊
- 搜索关键词长度为3-5，允许一次模糊
- 搜索关键词长度为大于5，允许最大2模糊
GET /products/_search
{
  "query": {
    "fuzzy": {
      "title": "Honor 60 pro"
    }
  }
}

# 8.bool查询,bool(must,should,must_not)
#bool关键字:用来组合多个条件复杂查询
- must:相当于&&,必须成立
- should:相当于||,
- must_not:相当于!,必须不成立
GET /products/_search
{
  "query": {
    "bool": {
      "should": [
        {
          "term": {
            "title": {
              "value": "Honor 60 Pro"
            }
          }
        },
        {
          "range": {
            "create_at": {
              "lt": "2021-10-01"
            }
          }
        }
      ]
    }
  }
}

# 9.多字段查询
# 注意：query输入关键词 输入一段文本，搜索词会分词
GET /products/_search
{
  "query": {
    "multi_match": {
      "query": "iphone13",
      "fields": ["title","description"]
    }
  }
}

# 10.默认字段查询
# 注意：查询字段类型是分词则查询条件会分词查询，查询字段类型部分词则查询条件不会分词查询
GET /products/_search
{
  "query": {
    "query_string": {
      "default_field": "description",
      "query": "真贵"
    }
  }
}

# 11.高亮查询，highlight
#只有分词字段能高亮,通过pre_tags和post_tags自定义高亮标签
GET /products/_search
{
  "query": {
   "term": {
     "description": {
       "value": "iphone13"
     }
   }
  },
  "highlight": {
    "fields": {
      "description":{}
    }, 
    "pre_tags":"<a>",
    "post_tags": "</a>"
  }
}

# 12.分页查询，from,size
# 默认from = 0, size = 10
GET /products/_search
{
  "query": {
    "match_all": {}
  },
  "size": 5,
  "from": 2
}

# 13.查询后排序，sort
#先按日期降序，再按价格升序排序
GET /products/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "create_at": {
        "order": "desc"
      }
    },
    {
      "price": {
        "order": "asc"
      }
    }
  ]
}

# 14.查询后返回指定字段，_source
GET /products/_search
{
  "query": {
    "match_all": {}
  },
  "_source": ["title","price","create_at"]
}

七、索引原理

倒排索引：也叫反向索引，与数据库的正向索引对应。反向索引是通过value找key,再根据key拿记录，ES底层再检索使用的就是倒排索引。

现有索引和映射如下：

{
  "products" : {
    "mappings" : {
      "properties" : {
       "description" : {
          "type" : "text",
        },
        "price" : {
          "type" : "integer"
        },
        "title" : {
          "type" : "keyword"
        }
      }
    }
  }
}

先录入如下数据，有三个字段title，price, description等

es.png

八、分词器

Analysis:文本分词是把全文本转换成一系列单词(term/token)的过程，也叫分词(Analyzer)。Analysis是通过Analyzer来实现的。 分词就是将文档通过Analyzer分成一个一个的Term(关键词查询)，每一个Term都指向包含这个Term的文档。

分词器由三种构建组成：Character Filters(0或多个)->Tokenizers->Token Filters(0或多个)
Character Filters：对文本进行预处理，如过滤html标签；
Tokenizers分词器: 标准分词器将英文按空格分词为单词，中文单个汉字分词；
Token Filters: 将切分单词进行加工，大小写转换，去除停用词，加入同义词等。

内置分词器

• Standard Analyzer：默认分词器，英文按单词词切分，并小写处理；
• Simple Analyzer：按照单词切分（符号被过滤），小写处理；
• Stop Analyzer：小写处理，停用词过滤；
• Whitespace Analyzer：按照空格切分，不转小写；
• Keyword Analyzer：不分词，直接将输入作为输出。

# 1.标准分词器
GET /_analyze
{
  "analyzer": "standard",
  "text":"中华人民共和国,I am Chinese"
}

# 2.simple分词器
GET /_analyze
{
  "analyzer": "simple",
  "text":"中华人民共和国,I am Chinese"
}

# 3.stop分词器
GET /_analyze
{
  "analyzer": "stop",
  "text":"中华人民共和国,I am Chinese"
}


# 4.whitespace分词器
GET /_analyze
{
  "analyzer": "whitespace",
  "text":"中华人民共和国,I am Chinese"
}

# 5.keyword分词器
GET /_analyze
{
  "analyzer": "keyword",
  "text":"中华人民共和国,I am Chinese"
}

# 6.ik分词器（ik_smart）
{
  "analyzer": "ik_smart",
  "text":"中华人民共和国,I am Chinese"
}

# 7.ik分词器（ik_max_word,切分更细）
{
  "analyzer": "ik_smart",
  "text":"中华人民共和国,I am Chinese"
}

IK中文分词器

安装IK分词器
# github地址:https://github.com/medcl/elasticsearch-analysis-ik
- 注意IK分词器的版本与ES的版本要一致
- Docker容器运行ES安装插件目录为：/usr/share/elasticsearch/plugins

# 1.下载对应版本
- wget https://github.com/medcl/elasticsearch-analysis-ik/release/download/v7.14.0/elasticsearch-analysis-ik.zip

# 2.解压安装包
- tar -zxvf elasticsearch-analysis-ik.zip ./

# 3.映射plugins
- ./plugins/ik-7.14.0:/usr/share/elasticsearch/plugins/ik-7.14.0

IK的两种颗粒度拆分

• ik_smart: 做最粗粒度的拆分
• ik_max_word:文本按最细粒度的拆分

扩展词、停用词

• 扩展词典：有些词不是关键词，但是也希望被ES用来作为检索的关键词，可以将这些词加入到扩展词典。
• 停用词典：有些词是关键词，但出于业务场景不想使用这些关键词被检索到，可以将这些词放入停用词典。
  定义扩展词典和停用词典可以修改IK分词器中config目录中IKAnalyzer.cfg.xml文件。

#1.修改vim IKAnalyzer.cfg.xml,配置扩展词典项与停用词典项
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd">
<properties>
        <comment>IK Analyzer 扩展配置</comment>
        <!--用户可以在这里配置自己的扩展字典 -->
        <entry key="ext_dict">my_ext.dic<entry>
         <!--用户可以在这里配置自己的扩展停止词字典-->
        <entry key="ext_stopwords">my_stop.dic</entry>
        <!--用户可以在这里配置远程扩展字典 -->
        <!-- <entry key="remote_ext_dict">words_location</entry> -->
        <!--用户可以在这里配置远程扩展停止词字典-->
        <!-- <entry key="remote_ext_stopwords">words_location</entry> -->
</properties>

#2.重启elasticsearch服务即可

九、过滤查询

Filter查询:过滤查询只会筛选符合条件的文档并不会计算得分，而且它可以缓存文档，查询性能优于query。适合在大范围筛选数据，而query适合精确匹配数据。一般应用是，应先使用过滤操作过滤数据，然后使用查询匹配数据。

elasticsearch-Page-2.drawio.png

# 注意：
- filter查询必须配合bool使用；
- 在执行filter和query时，先执行filter再执行query；
- ElasticSearch会自动缓存经常使用的过滤器，以加快性能。

#常用的过滤类型：term, terms, range, exists, ids等filter
GET /products/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match_all": {}
        }
      ],
      "filter": [
        {
          "terms": {
            "title": [
              "Honor 60 Pro",
              "iphone13"
            ]
          }
        }
      ]
    }
  }
}

十、集群cluster

集群主要是为了高可用，单节点的问题主要是：

• 存在单节点故障问题；
• 存在单节点并发压力问题，高并发场景下崩溃；
• 存在单节点物理上线问题，存储磁盘不够用等。

相关概念

集群搭建

# 1.准备三个ES节点，ES 9200 9300
- http:9201 tcp:9301 node-1 elasticsearch.yml
- http:9202 tcp:9302 node-1 elasticsearch.yml
- http:9203 tcp:9303 node-1 elasticsearch.yml

-注意

• 所有节点集群名称必须一直 cluster.name
• 每个节点必须有唯一名字 node.name
• 开启每个节点远程连接 network.host: 0.0.0.0
• 指定使用IP地址进行集群节点通信： network.publish_host
• 修改web端口与tcp端口：http:port transport.tcp.port
• 指定集群中所有节点通信列表：discovery.seed_hosts:node-1 node-2 node-3
• 允许集群初始化master节点数：cluster.initial_master_nodes:[ "node-1", "node-2", "node-3" ]
• 集群最少几个节点可用：gateway.recover_after_nodes:2
• 开启每个节点跨域访问：http.cors.enabled:true http.cors.allow-origin: "*"

# node1配置
cluster.name: my-application
node.name: node-1
network.host: 127.0.0.1
network.publlish_host: 127.0.0.1
http.port: 9201
transport.tcp.port: 9301
discovery.seed_hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
cluster.initial_master_nodes: ["node-1", "node-2", "node-3"]
gateway.recover_after_nodes: 2
http.cors.enabled: true
http.cors.allow-origin: "*"

# node2配置
cluster.name: my-application
node.name: node-2
network.host: 127.0.0.1
network.publlish_host: 127.0.0.1
http.port: 9202
transport.tcp.port: 9302
discovery.seed_hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
cluster.initial_master_nodes: ["node-1", "node-2", "node-3"]
gateway.recover_after_nodes: 2
http.cors.enabled: true
http.cors.allow-origin: "*"

# node3配置
cluster.name: my-application
node.name: node-3
network.host: 127.0.0.1
network.publlish_host: 127.0.0.1
http.port: 9203
transport.tcp.port: 9303
discovery.seed_hosts: ["127.0.0.1:9301","127.0.0.1:9302","127.0.0.1:9303"]
cluster.initial_master_nodes: ["node-1", "node-2", "node-3"]
gateway.recover_after_nodes: 2
http.cors.enabled: true
http.cors.allow-origin: "*"

# docker-compose.yml配置
version: "3.8"
volumes:
  data:
  config:
networks:
  esclusetr:
services:
  es01:
    image: elasticsearch:7.14.0
    environment:
      - "discovery.type=single-node"
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    image: "elasticsearch:7.14.0"
    ports:
      - "9200:9201"
      - "9300:9301"
    networks:
      - "esclusetr"
    volumes:
      - ./node-1/data:/usr/share/elasticsearch/data
      - ./node-1/config:/usr/share/elasticsearch/config
      - ./node-1/plugins/ik-7.14.0:/usr/share/elasticsearch/plugins/ik-7.14.0
  es02:
    image: elasticsearch:7.14.0
    environment:
      - "discovery.type=single-node"
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    image: "elasticsearch:7.14.0"
    ports:
      - "9200:9202"
      - "9300:9302"
    networks:
      - "esclusetr"
    volumes:
      - ./node-2/data:/usr/share/elasticsearch/data
      - ./node-2/config:/usr/share/elasticsearch/config
      - ./node-2/plugins/ik-7.14.0:/usr/share/elasticsearch/plugins/ik-7.14.0
 es03:
    image: elasticsearch:7.14.0
    environment:
      - "discovery.type=single-node"
      - "ES_JAVA_OPTS=-Xms512m -Xmx512m"
    image: "elasticsearch:7.14.0"
    ports:
      - "9200:9203"
      - "9300:9303"
    networks:
      - "esclusetr"
    volumes:
      - ./node-3/data:/usr/share/elasticsearch/data
      - ./node-3/config:/usr/share/elasticsearch/config
      - ./node-3/plugins/ik-7.14.0:/usr/share/elasticsearch/plugins/ik-7.14.0
  kibana:
    image: kibana:7.14.0
    ports:
      - "5601:5601"
    networks:
      - "es"
    volumes:
      - ./kibana.yml:/usr/share/kibana/config/kibana.yml

#查看集群状态
http://127.0.0.1:9201/_cat/health?v

Head插件查看集群状态

# 1.访问github网站
搜索:elasticsearch-head插件

# 2.安装git
yum install git

# 3.下载elasticsearch-head到本地
git clone git://github.com/mobz/elasticsearch-head.git

# 4.安装node.js
wget http://cdn.npm.taobao.org/dist/node/lastest-v8.x/node-v8.1.2-linux-x64.tar.xz

# 5.解压缩node.js
tar -xvf node-v10.15.3-linux-arm64.tar

# 6.设置环境变量
mv node-v10.15.3-linux-arm64 nodejs
mv nodejs /usr/nodejs
vim /etc/profile
    - export NODE_HOME=/usr/nodejs
    - export PATH=$PATH:$JAVA_HOME/bin:$NODE_HOME/bin

# 7.进入elasticsearch-head目录
npm config set registry https://registry.npm.taobao.org
npm install
npm run start

# 8.启动访问head插件 默认端口9100
http://127.0.0.1:9100 查看集群状态

image.png

十一、核心原理

11.1 ES的写入与检索原理

image.png

1. 假如选择了Node2（DataNode）发送请求，此时Node2称为coordinating node（协调节点）
2. 计算得到文档要写入的分片 shard = hash(routing) % number_of_primary_shards routing 是一个可变值，默认是文档的 _id
3. coordinating node会进行路由，将请求转发给其他DataNode（对应某个primary shard，假如主分片在Node1节点上）
4. Node1上的Primary Shard处理请求，写入数据到索引库中，并将数据同步到其他的Replica Shard中
5. Primary Shard 和 Replica Shard都保存完文档后，返回客户端。

image.png

1. 假如选择了Node2，此时Node2称为coordinating node（协调节点）
2. 协调节点（Coordinating Node）将查询请求广播到每一个数据节点，这些数据节点的分片会处理该查询请求。
3. 每个分片进行数据查询，将符合条件的数据放在一个优先队列中，并将这些数据的文档ID、节点信息、分片信息返回给协调节点。
4. 协调节点将所有的结果进行汇总，并进行全局排序。
5. 协调节点向包含这些文档ID的分片发送get请求，对应的分片将文档数据返回给协调节点，最后协调节点将数据返回给客户端。

ES的文档算分原理

十二、高频面试题