ES核心概念和原理

ES:
1：倒排索引
　　基于Document 关键词索引实现 、 根据关键词做索引 相关度
　　a. 数据结构
　　　　i. 包含关键词的Document List
　　　　ii. 关键词在每个doc中出现的次数 词频 TF term frequency
　　　　iii. 关键词在整个索引中出现的次数 IDF inverse doc frequency （TF_IDF 算法）
　　　　iv. 关键词在当前doc中出现的次数
　　　　v. 每个doc的长度，越长相关度越低
　　　　vi. 包含这个关键词的所有doc的平均长度
　　b. lucene
　　　　i. 宕机后节点数据丢失，没有容灾机制
　　　　ii. 自己进行数据管理，可用性差
　　　　iii. 单台节点，计算能力有线

2：ElasticSearch
　　• 优点
　　　　○ 开发友好、集群自动发现
　　　　○ 自动维护，数据在多个节点建立
　　　　○ 搜索进行负载均衡
　　　　○ 自动维护冗余副本，数据稳定
　　• 核心概念（doc 可以理解为MySQL一行记录，Type 相当于一张表 ， index 相当于一个数据库）
　　　　○ Cluster(集群) 2个以上节点
　　　　○ Node 集群上的节点 ， 节点 != 服务器
　　　　○ field： 一个数据字段，与 index和type一起可以进行doc定位
　　　　○ Document ES最小数据单元 JSON格式
　　　　○ Type：逻辑上的数据分类 7.X删除
　　　　○ Index ： 一类相同或者类似的 doc 员工索引 商品索引
　　• Shard分片 (保证集群高可用)　　　　

　　　　1：一个index包含多个Shard，默认5P，默认每个P分配一个R，P的数量在创建索引的时候设置，如果想修改，需要重建索引。

　　　　2：每个Shard都是一个Lucene实例，有完整的创建索引的处理请求能力。

　　　　3：ES会自动在nodes上为我们做shard 均衡。

　　　　4：一个doc是不可能同时存在于多个PShard中的，但是可以存在于多个RShard中。

　　　　5: P和对应的R不能同时存在于同一个节点，所以最低的可用配置是两个节点，互为主备。