elsaticsearch是什么

elsaticsearch是一个全文搜索引擎，支持非实时的结构化搜索，底层是基于lucene，可以理解elasticsearch是基于lucene做了一些封装，lucene提供单机服务，elasticsearch提供分布式的服务。

elsaticsearch里面组件概念

1. node节点

一个es的进程可以理解为一个node，一般一个es集群由很多node组成。节点角色分为好几种：

• datanode数据节点，数据存放数据的处理各种增删改查操作的节点对机器配置要求较高

• clientnode协调请求节点，就是路由请求到datanode，然后汇聚结果

• ingestnode预处理节点，对请求进行预先的处理，比如需要对bulk做字段映射之类的

• masternode选主节点，主要是元数据的管理，对机器配置要求低

• machinelearningnode机器学习节点

2. indice索引

一类文档数据的集合，简单理解就是数据库里面的一张表，里面包含很多文档数据

3. type

一个索引可以有多个type，这个目前6.0以后就不建议使用了，7.0以后就废弃了

4. shard

一个索引底层数据的存储分散再几个shard分片上的（索引创建时候可以指定shard），具体数据落在哪个shard上就是通过id的hash路由的

5. segment

一个shard由n多个segment组成，每个segment都是包含一小部分数据的文件集合（里面包含倒排，docvalue，bkd tree等）

6. document

文档，可以理解为数据库表中的一条数据，一个索引里面含有很多doc

7. field

一个文档有好几个字段，可以理解数数据库表的表字段

elsaticsearch检索快的原因

elasticsearch主要是基于倒排，正排，bkd树等数据结构来加速查询，下面简单介绍下，后面文章系列会做一个详细的介绍

1. 倒排

就是一种字段值到文档id的映射，比如我要查一个name，通过name很快能定位到包含name的文档列表

2. 正排

就是一种文档id到字段值得映射，比如我通过name字段做排序，那会遍历文档id，然后通过文档id拿到对应的name值，然后进行比较排序

elsaticsearch里面容易混淆的一些术语

1. refresh和flush

refresh：每个索引都会有个refresh时间，默认是1s，意思是每隔1秒后，会生成一个segment，然后数据就可以被查询到了，注意此时refresh生成segmen相关文件未落盘只是在系统缓存中，具体是否落盘是由内核决定的

flush：每隔一定时间或者translog文档数到一定数量，会触发flush，注意：flush会强制还未落盘的segment强制落盘

2. tanslog

translog就是数据操作记录，主要是用来防止数据丢失的，比如断电等场景，这个一般是默认试试刷盘的，如果允许断电这种数据有小部分丢失，可以改成异步刷盘，提升数据的写入效率

后话

后续会有一些列的es文章，有实战的，有最佳实践的，有原理分析的，还希望大家多多关注