第一阶段 01.Elasticsearch 核心概念与 PostgreSQL 对照

01 · Elasticsearch 核心概念与 PostgreSQL 对照

阶段：第一阶段 / 核心概念

目标：用 PostgreSQL 的心智模型快速建立 Elasticsearch 的世界观。

---

1. 概念

Elasticsearch（下称 ES）是一个分布式搜索与分析引擎 ，底层是 Lucene 的倒排索引。

它不是关系型数据库，但很多概念可以和 PostgreSQL 一一对应，帮你快速上手。

术语对照表

Elasticsearch	PostgreSQL	说明
Index（索引）	Table（表）	一类文档的集合，如 orders_idx
Document（文档）	Row（行）	一条 JSON 记录
Field（字段）	Column（列）	JSON 里的 key
Mapping（映射）	Table Schema / DDL	定义字段类型
_id	主键	文档唯一标识
Shard（分片）	表分区（近似）	索引水平切分，分布到多节点
Replica（副本）	流复制/备库（近似）	分片的冗余拷贝，用于高可用与读扩展
倒排索引	B-Tree / GIN 索引	ES 默认所有字段都建索引
Node / Cluster	实例 / 集群	多节点组成集群

关键差异：在 PostgreSQL 里「先建表，数据默认没索引，需要时才 CREATE INDEX」；

在 ES 里「几乎所有字段默认就是可检索的」，因为它的定位就是搜索。

---

2. PostgreSQL 对照

一张销售数据表在 PG 里是这样的：

CREATE TABLE salesdata_master_info (
    record_id      bigint PRIMARY KEY,
    invoice_number varchar(64),
    material       varchar(64),
    net_amount     numeric(18,2),
    invoice_dt     date
);

INSERT INTO salesdata_master_info
VALUES (1001, 'INV-2026-001', 'ThinkPad-X1', 8999.00, '2026-07-01');

在 ES 里，同样一条数据是一个 JSON 文档：

{
  "record_id": 1001,
  "invoice_number": "INV-2026-001",
  "material": "ThinkPad-X1",
  "net_amount": 8999.00,
  "invoice_dt": "2026-07-01"
}

• PG 的「表结构」= ES 的 mapping
• PG 的「一行」= ES 的 一个 document
• PG 的「主键」= ES 的 _id

---

3. ES DSL（在 Kibana Dev Tools 里跑）

查看集群健康（相当于「数据库还活着吗」）：

GET _cluster/health

查看索引列表（相当于 \dt 列出所有表）：

GET _cat/indices?v

查看某个索引的 mapping（相当于查看表结构 \d salesdata_master_info）：

GET salesdata_idx/_mapping

查一条文档（相当于 SELECT * FROM t WHERE id = 1001）：

GET salesdata_idx/_doc/1001

查全部（相当于 SELECT * FROM t LIMIT 10）：

GET salesdata_idx/_search
{
  "query": { "match_all": {} },
  "size": 10
}

---

4. Spring Boot 实现

通过 ElasticsearchClient（官方 co.elastic.clients 客户端）访问 ES，

把它声明为 Spring Bean（见第 04 篇），直接注入即可。

@Slf4j
@Component
public class ClusterInfoDemo {

    @Autowired
    private ElasticsearchClient elasticsearchClient;

    /** 相当于 SELECT * FROM salesdata_idx WHERE _id = ? */
    public Map<String, Object> getById(String indexName, String id) throws IOException {
        GetResponse<Map> resp = elasticsearchClient.get(
                g -> g.index(indexName).id(id), Map.class);
        return resp.found() ? resp.source() : null;
    }

    /** 相当于 SELECT * FROM salesdata_idx LIMIT 10 */
    public List<Map> matchAll(String indexName) throws IOException {
        SearchResponse<Map> resp = elasticsearchClient.search(s -> s
                .index(indexName)
                .query(q -> q.matchAll(m -> m))
                .size(10), Map.class);
        return resp.hits().hits().stream()
                .map(Hit::source)
                .collect(Collectors.toList());
    }
}

生产落地：用 SearchRequest.of(req -> ...) 构建请求，Query.of(q -> q.matchAll(...))

兜底空条件（完整骨架见第 42 篇）。

---

5. 坑与最佳实践

1. ES 不是事务型数据库 ：没有 PG 那样的 ACID 多行事务，别拿它当主库写业务。
   典型模式是：数据先落 PostgreSQL，再同步写入 ES 供查询（批量 bulk 写，见 31/42 篇）。
2. 近实时（NRT） ：写入后默认 1s 才可被搜索到（refresh_interval），不是立即可见。
3. 分片数创建后不可改：类似 PG 分区策略要提前规划。副本数可以动态调整。
4. 不要把 ES 当唯一数据源：它是查询/分析加速层，权威数据仍在 PG。

---

下一篇

02-Mapping与数据类型.md：重点讲 text vs keyword------这是从 SQL 转 ES 最容易踩的坑。