目录
1、初识elasticsearch
1.1、什么是elasticsearch
elasticsearch是一款非常强大的开源搜索引擎，具备非常多强大功能，可以帮助我们从海量数据中快速找到需要的内容。
elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ ELK）。被广泛应用在日志数据分析、实时监控等领域。
架构:
Mysql：擅长事务类型操作，可以确保数据的安全和一致性。
Elasticsearch：擅长海量数据的搜索、分析、计算。
1.2.ELK技术栈
elasticsearch是elastic stack的核心，负责存储、搜索、分析数据。
总结:
什么是elasticsearch？
一个开源的分布式搜索引擎，可以用来实现搜索、日志统计、分析、系统监控等功能
什么是elastic stack（ELK）？
是以elasticsearch为核心的技术栈，包括beats、Logstash、kibana、elasticsearch
什么是Lucene？
是Apache的开源搜索引擎类库，提供了搜索引擎的核心API
2、正向索引和倒排索引
2.1、正向索引
传统数据库（如MySQL）采用正向索引，例如给下表（tb_goods）中的id创建索引：
如果是根据id查询，那么直接走索引，查询速度非常快。
但如果是基于title做模糊查询，只能是逐行扫描数据，流程如下：
(1）用户搜索数据，条件是title符合`"%手机%"`(索引失效)
(2）逐行获取数据，比如id为1的数据
(3）判断数据中的title是否符合用户搜索条件
(4）如果符合则放入结果集，不符合则丢弃。回到步骤1
逐行扫描，也就是全表扫描，随着数据量增加，其查询效率也会越来越低。当数据量达到数百万时，就是一场灾难。
2.2、倒排索引
倒排索引中有两个非常重要的概念：
文档（Document）： 用来搜索的数据，其中的每一条数据就是一个文档。例如一个网页、一个商品信息。
**词条（Term）：**对文档数据或用户搜索数据，利用某种算法分词，得到的具备含义的词语就是词条。例如：我是中国人，就可以分为：我、是、中国人、中国、国人这样的几个词条
创建倒排索引是对正向索引的一种特殊处理，流程如下：
-
将每一个文档的数据利用算法分词，得到一个个词条
-
创建表，每行数据包括词条、词条所在文档id、位置等信息
-
因为词条唯一性，可以给词条创建索引，例如hash表结构索引
如图：
倒排索引的搜索流程如下（以搜索"华为手机"为例）：
虽然要先查询倒排索引，再查询倒排索引，但是无论是词条、还是文档id都建立了索引，查询速度非常快！无需全表扫描。
2.3、正向索引和倒排索引的区别
-
正向索引 是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。
-
而倒排索引 则相反，是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档。是根据词条找文档的过程
正向索引：
-
优点：
-
可以给多个字段创建索引
-
根据索引字段搜索、排序速度非常快
-
-
缺点：根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描。
倒排索引：
-
优点：根据词条搜索、模糊搜索时，速度非常快
-
缺点：
-
只能给词条创建索引，而不是字段
-
无法根据字段做排序
-
3、elasticsearch中的概念理解
3.1、文档和字段
elasticsearch是面向文档存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为json格式后存储在elasticsearch中。
而Json文档中往往包含很多的字段（Field），类似于数据库中的列。
3.2、索引和映射
索引（index ）：相同类型的文档的集合
映射（mapping ）：索引中文档的字段约束信息，类似表的结构约束
因此，我们可以把索引当做是数据库中的表。数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。
3.3、mysql与elasticsearch
