一本书讲透ElasticSearch：原理、进阶与工程实践

ES的基础知识

搜索引擎基础知识

倒排索引

• 面对海量数据时，倒排索引扮演了关键角色，它以卓越的性能为我们快速定位包含用户查询关键词的相关内容。为更好地理解倒排索引，我们首先需要明确其定义：在一个文档集合中，每个文档都可视为一个词语的集合，倒排索引则是将词语映射到包含这个词语的文档的数据结构。这与普通索引（即将文档映射到其包含的词语）正好相反，而倒排索引正因其特性，成为了快速实现全文搜索的理想选择。
• 倒排索引主要由两部分组成：单词词典，即每个文档进行分词后的词项在去重后组成的集合；倒排文件是倒排列表持久化存储的结果，通常保存在磁盘等存储设备上。倒排列表记录了词项所在文档的文档列表、单词频率等信息。

全文检索

数据索引化指的是数据在写入搜索引擎（本书中主要指Elasticsearch）的过程中，扫描文档中的每一个词项，结合分词器和词典对必要的词项建立倒排索引，同时指明该词项在文章中出现的次数和位置。

特点如下：

• 只处理文本，不处理语义。
• 结果列表有相关度排序。
• 支持高亮显示结果数据。
• 原始的文本被切分为单个单词、短语或特殊标记后进行存储。
• 给定词与它的变体（如近义词）会被折叠为一个词，如electrification和ectric、mice和mouse、​“土豆”和“马铃薯”​、​“西红柿”和“番茄”等，每组词均被视为同一个词。

ES的核心概念

对外提供服务的是整个集群，一个集群可以由多个节点组成，不同的节点根据用途不同会划分成不同的角色，每个节点的数据会划分出多个索引，一个索引对应多个分片数据。
如果用MySQL做对比的话如图所示（感觉意思上是仅供参考的，也不是完全对应的）

MySQL	ES
Table表	Index索引
Row行	Document文档
Column列	Field字段
Schema模式	Mapping映射
Index索引	所有字段都可以索引化

ES集群知识介绍

基础知识