ES基本原理

Elasticsearch是基于一款高性能的、可扩展的信息检索工具库Lucene构建的强大的搜索引擎，在很多情况，它也被作为NoSql数据库并取得了很好的效果，下面介绍下ES的基本概念，映射到数据库的概念就比较好理解。

集群（Cluster）：一组拥有共同的cluster name的节点，新创建的节点只要指定集群名，启动后就会自动加入集群，称为其中的节点，整个集群可以认为是一个数据库引擎。

节点（Node) ：集群中的一个Elasticearch实例，可以是一个虚机，容器等，每个实例有独立的存储，不会由于一个节点的故障导致数据丢失。

索引（Index) ：相当于关系数据库中的database概念，一个集群中可以包含多个索引，索引名就是库名

分片（shard）：一个索引会被切割成多个分片，分布到不同的集群节点上，每个主分片可以有一个或者多个副本，副本不和主分片在同一个节点上，以便完成数据备份。

类型（Type）：相当于数据库中的table概念，mapping相当于数据库中的schema，是针对 Type 的，同一个type下要求格式一致，同一个索引里可以包含多个 Type。

文档（Document) ：相当于数据库中的row，是查询的实体。

字段（Field）相当于数据库中的column。

ES也是采用主从模式和运用了服务发现的原理，业界成熟的服务发现组件有Zookeeper/etcd/Consul，但是ES并没有采用这些组件，而是自己实现了一个ZenDiscovery，当启动节点时，先使用内部实现的RPC命令ping来调用其他host，从各节点返回的信息里获取master节点信息并认主，如果没有主，则根据id的排序顺序选一个主出来，主节点负责监控从节点的状态，并协调分片的位置和职责。一旦有节点加入集群，主节点会根据分片及节点数量调整各节点拥有的分片数量，调整始终会保证主分片和副本分片（一般有多个副本）放在不同的节点，当某节点故障后，主节点会删除该节点，并重新调整分片，如果某主分片在那个节点，主节点会重新为该分片指定一个主分片，必须保证任一单个节点故障，ES都能正常提供服务，数据不会丢失，节点主从，索引分片，分片副本，副本散列分布都是为了解决这个问题，而分片分散分布在各节点也会提高搜索效率。

ES最为我们所赞叹的是其强大的索引能力，这也是现在ES如此受亲睐的原因。在索引机制上，ES使用倒排索引，倒排索引是相对正排索引的，正排索引大概是这样一个套路：文档1包含什么单词，出现了几次，在哪里出现的，文档2包含什么单词，出现几次，在哪里出现...。这样方式在查询的时候我们必须去扫描所有文档，并获取文档存储的内容，大大影响的查询效率，而倒排索引反其道而行，以关键词为key，映射文档的id，当我们存储一个文档，首先提取其包含的关键字，然后将关键字作为key，包含该关键字的文档id作为value，类似这样：key1：1,2,3；key2：2,4，这样当我们查询某key的时候就可以直接查询到哪些文档包含个key，大大节省了查询效率。但ES做的不止这些，比如查到的文档非常多我们该怎定位到某一个文档，全部放到内存里过滤不太现实，会把内存撑爆，ES采用的index分页机制和FST压缩技术来实现，index分页机制会存储查询条目的前缀，以及前缀所指向的block的映射关系，FST压缩技术则通过对前缀和后缀的重复利用来压缩存储空间这样，存储在内存的数据量就会大幅度下降，我们通过前缀找到对应的block，然后再通过二分法查找目标文档，减少了磁盘读取次数。总体来讲，Elasticsearch的索引思路就是将磁盘里的东西尽量搬进内存，减少磁盘随机读取次数(同时也利用磁盘顺序读特性)，结合各种奇技淫巧的压缩算法，用及其苛刻的态度使用内存。

为了理解ES的一些机制，下面通过ES的读写操作来进行说明。

当我们向ES写数据时，节点收到信息会先查找文档属于哪个分片，该分片位置，然后将消息路由过去，执行插入命令成功时，将内容返回，并并行的将数据同步到其他分片的副本，全部副本更新成功后才会向客户端返回成功。这么做是为了保证主切片与副本的数据同步。

对于读操作，请求节点会为每个请求选择不同的副本来完成负载均衡，默认的负载均衡策略是轮询。

对于更新操作，节点收到信息会先查找文档属于哪个分片，该分片位置，然后将消息路由过去，查询当前内容，把查到的内容修改然后执行插入，如果发现文档被修改，则重新查询、修改、插入，完成后，并并行的将数据同步到其他分片的副本，全部副本更新成功后才会向客户端返回成功。