基本概念

es里面有很多核心概念，从一开始了解这些概念会更有助于了解es。

准实时（NRT,near realtime）

es是一个准实时的搜索平台，这就意味当你存一条数据进去到可以搜索到中间有一定延迟（一般是一秒左右）。

集群

集群是存有数据多个节点的集合。集群用名字来作为唯一标志，默认为“elasticsearch”。集群的名字非常重要，因为一个节点只能属于一个集群。

节点

es集群的一部分，节点是用来存储数据、提供搜索请求计算的单位。es节点和es集群一样都是用名字来作为唯一标识的，es节点默认的名字是uuid。

es节点在一个网段里面是有自动发现功能的，节点启动前配置好节点要加入的集群名称，es节点就会自动加入集群。

在一个集群里面，你可以加入任意多你想添加的节点。

下面的概念不翻译成中文了，因为会和传统数据库的叫法混淆。

index

索引。索引是一组具有相同特点文档的集合。在es里面，索引是参与搜索、更新、删除的基本单位。
在一个集群里面，你可以创建任意多的索引。
在这里的索引不同于传统数据库的索引。

type

类型。在索引里面，你可以定义多个类型，类型在索引里面仅仅是一个逻辑层面的分类字段。在索引里面，你可以将里面的所有字段按照分类从逻辑层面用类型来区分。

document

文档。文档在es里面是数据存储的最基本单元。

shard&relicas（分片和副本）

es是一个分布式的系统，分布式就必须要考虑到容灾、数据丢失的容错问题。

shard（分片）

一个index是可以存储超过一台节点硬件极限的数据。为了能够让更多的数据存储在es集群里面，es能够让index打散成多个分片分布在不同的节点上从而增大index存储数据的量。这个打散的碎片就是shard分片。

每个index创建的时候都能定义分片的数量，定义好后是不能修改的。

  • 分片可以水平扩展index存储的数据量
  • 分片可以让计算请求分为多个并行处理。一个分片会有一个线程处理一份数据，多个分片会有多个线程来处理一个请求。

replication（副本）

分布式系统都会有副本的概念，因为数据分散的分布在不同的机器上，难免会遇到网络、死机、硬盘损坏等造成数据损坏、丢失等严重情况，所以一份数据会有多个副本保证数据的完整安全性。

这里副本实际上是分片的副本，数据在节点上以分片数据的形式存在，es通过算法使每台机器上的碎片副本保存在其它机器上，保证在down掉更多机器的情况下依然保证数据不会丢失。

  • 当分片或者几点down掉之后，副本依然能够保证数据的完整性，所以分片的副本绝不会和原始分片分布在一台机器上。
  • 因为搜索的时候，也会并行的在分片副本上进行，所以副本会扩大你集群搜索的吞吐量，从而加快搜索的速度

创建index的时候可以定义分片和副本的数量，副本的数量可以动态修改，分片的数量一旦定义就不能修改。
总而言之，言而总之，副本和分片数量都对index的搜索速度有影响。

分片越多，搜索的线程越多，占用的资源多，自然快，适用于数据量很大的情况。数据量很小分片很多的时候会造成资源的浪费。

副本越多，可以搜索的文件越多，会提升搜索的速度，但是副本多也会对写入速度造成影响。

所以要根据数据实际使用的场景合理设置副本和分片的数量。