ElasticSearch 知识点整理，

1：es介绍

         Elasticsearch是一个基于Lucene的实时的分布式搜索和分析引擎。设计用于云计算中，          能够达到实时搜索，稳定，可靠，快速，安装使用方便。基于RESTful接口。          普通请求是...get?a=1          rest请求....get/a/1

2：全文搜索的工具有哪些

         Lucene Solr Elasticsearch        

3：es的bulk的引用场景

1.bulk API可以帮助我们同时执行多个请求 2.create 和index的区别 如果数据存在，使用create操作失败，会提示文档已经存在，使用index则可以成功执行。 3.可以使用文件操作 使用文件的方式 vi requests curl  -XPOST/PUT localhost:9200/_bulk --data-binary @request; bulk请求可以在URL中声明/_index 或者/_index/_type 4.bulk一次最大处理多少数据量

• bulk会把将要处理的数据载入内存中，所以数据量是有限制的
• 最佳的数据量不是一个确定的数值，它取决于你的硬件，你的文档大小以及复杂性，你的索引以及搜索的负载
• 一般建议是1000-5000个文档，如果你的文档很大，可以适当减少队列,大小建议是5-15MB，默认不能超过100M，
• 可以在es的配置文件中修改这个值http.max_content_length: 100mb

5.版本控制的一个问题

• 在读数据与写数据之间如果有其他线程进行写操作，就会出问题，es使用版本控制才避免这种问题。
• 在修改数据的时候指定版本号，操作一次版本号加1。

6.es的两个web访问工具

• BigDesk Plugin (作者 Lukáš Vlček)           简介：监控es状态的插件,推荐！主要提供的是节点的实时状态监控，包括jvm的情况，linux的情况，elasticsearch的情况
• Elasticsearch Head Plugin (作者 Ben Birch)  简介：很方便对es进行各种操作的客户端。        

        

4：核心概念

集群 cluster*** 代表一个集群，集群中有多个节点，其中有一个为主节点，这个主节点是可以通过选举产生的，主从节点是对于集群内部来说的。         es的一个概念就是去中心化，字面上理解就是无中心节点，这是对于集群外部来说的，因为从外部来看es集群，在逻辑上是个整体， 你与任何一个节点的通信和与整个es集群通信是等价的。        主节点的职责是负责管理集群状态，包括管理分片的状态和副本的状态，以及节点的发现和删除。        只需要在同一个网段之内启动多个es节点，就可以自动组成一个集群。         默认情况下es会自动发现同一网段内的节点，自动组成集群。 分片 shards*        代表索引分片，es可以把一个完整的索引分成多个分片，这样的好处是可以把一个大的索引拆分成多个，分布到不同的节点上。构成分布式搜索。分片的数量只能在索引创建前指定，并且索引创建后不能更改。         可以在创建索引库的时候指定           curl -XPUT 'localhost:9200/test1/' -d'{"settings":{"number_of_shards":3}}'          默认是一个索引库有5个分片          index.number_of_shards: 5 副本   replicas*          代表索引副本，es可以给索引设置副本，副本的作用一是提高系统的容错性，当某个节点某个分片损坏或丢失时可以从副本中恢复。           二是提高es的查询效率，es会自动对搜索请求进行负载均衡。           可以在创建索引库的时候指定，副本数后期可以更改。           curl -XPUT 'localhost:9200/test2/' -d'{"settings":{"number_of_replicas":2}}'            默认是一个分片有1个副本            index.number_of_replicas: 1   数据重新分布 recovery * 代表数据恢复或叫数据重新分布，es在有节点加入或退出时会根据机器的负载对索引分片进行重新分配，挂掉的节点重新启动时也会进行数据恢复。
数据的持久化操作 gateway* 代表es索引的持久化存储方式，es默认是先把索引存放到内存中，当内存满了时再持久化到硬盘。 当这个es集群关闭再重新启动时就会从gateway中读取索引数据。es支持多 种类型的gateway，有本地文件系统（默认），分布式文件系统，Hadoop的HDFS和amazon的s3云存储服务。
自动发现机制 discovery.zen* 代表es的自动发现节点机制，es是一个基于p2p的系统，它先通过广播寻找存在的节点，再通过多播协议来进行节点之间的通信，同时也支持点对点的交互。
集群或节点与客户端交互的方式 Transport* 代表es内部节点或集群与客户端的交互方式，默认内部是使用tcp协议进行交互，同时它支持http协议（json格式）、thrift、servlet、memcached、zeroMQ等的传输协议（通过插件方式集成）。          index         和rdbms中的数据库相似          type          表          document         行          field           列

5：serachType

四种搜索类型，详细介绍                                          分布式搜索的流程 QUERY_AND_FETCH 1：客户端把请求发送给集群中的某一个节点，这个节点会把查询请求发 送给所有分片去执行， 2：每个分片会把查询的数据(包含数据的分值,以及数据的详细内容)返回给某一个节点进行汇总，排序，然后把这些数据返回给客户端 这样客户端可能会收到(10*分片数量) 的数据 这种方案，数据量和排名都有问题。 优点：效率高，查询速度快                                    
QUERY_THEN_FETCH（默认） 1：客户端把请求发送给集群中的某一个节点，这个节点会把查询请求发送给所有分片去执行， 2：每个分片会把查询的数据(包含数据的分值,以及数据ID)返回给某一个 节点进行汇总，排序，取前10名 3：根据前10名的id到对应的分片查询数据的详细内容，返回给客户端 这种方案，解决了数据量的问题。 但是排名还有有问题。
(DFS：初始化散发过程) DFS_QUERY_AND_FETCH 1：在查询之前，会把所有分片的词频和文档频率(打分依据)汇总到一块 2：客户端把请求发送给集群中的某一个节点，这个节点会把查询请求发送给所有分片去执行， 3：每个分片会把查询的数据(包含数据的分值,以及数据的详细内容)返回 给某一个节点进行汇总，排序，然后把这些数据返回给客户端 解决了排名的问题 还存在数据量的问题                                
DFS_QUERY_THEN_FETCH 1：在查询之前，会把所有分片的词频和文档频率(打分依据)汇总到一块 2：客户端把请求发送给集群中的某一个节点，这个节点会把查询请求发送给所有分片去执行， 3：每个分片会把查询的数据(包含数据的分值,以及数据ID)返回给某一个节点进行汇总，排序，取前10名 4：根据前10名的id到对应的分片查询数据的详细内容，返回给客户端 既解决了排名问题，也解决了数据量的问题 但是性能最低 总结一下，从性能考虑QUERY_AND_FETCH是最快的，DFS_QUERY_THEN_FETCH是最慢的。从搜索的准确度来说，DFS要比非DFS的准确度更高。
高亮        补：高亮的注意事项： 高亮的内容和原始内容是分开返回的 高亮字段的内容必须在es中存储(是否存储这个属性的值必须是true) 分组：分组统计数量或者分组统计分数 删除索引库：两种方式xurl或者java api Timeout  ：

6：建立索引和查询的流程

建立索引的流程： 首先根据空白符进行分割再切分关键词，去除停用词，如果有英文全部转换为小写，对切分的关键词建立索引，每个关键词都有对应的id，还有一个倒排索引队列存储该关键词出现在文档的id，在该文档出现的次数，在该文档出现的位置 查询的流程： 首先根据空白符进行分割，再切分关键词，去除停用词，如果有英文全部转换为小写，将切分后的到的关键词和索引库进行匹配 中文分词器-IK es官方提供的分词插件对中文分词效果不是很好，可以集成ik分词，对中文分词效果比较好 如果想根据自己的规则进行分词，可以自定义分词库，自定义分词库文件必须以.dic结尾，词库文件的编码为utf—8 without bom，一个词语一行，将自定义的文件库加入到ES_HOME/config/ik/ 目录下，修改ik的配置文件，重启生效    

7：为什么使用索引工具查询快

(使用了倒排索引的技术，大致介绍一下倒排索引，还有索引库中的词都是按照顺序排列 ， 后期根据一个关键词查询的时候，可以利用类似折半查找的算法，查询效率非常高) 使用了倒排索引的技术，一般我们都是这样定义id  关键词，倒排索引是关键词  id正好相反，使用索引工具进行查询时，首先得到关键词，建立倒排索引表，关键词----索引列表包含该关键词所在的文档的id、在该文档中出现的次数、在该文档中出现的位置信息，这种由属性值确定记录的位置的方式成为倒排索引。还有 索引库中的词都是按照顺序排列 ，后期根据一个关键词查询的时候，
可以利用类似折半查找的算法，查询效率非常高

8.setting 与mapping 作用

settings修改索引库默认配置 例如：分片数量，副本数量 查看：curl -XGET http://localhost:9200/crxy/_settings?pretty (操作不存在索引) curl -XPUT 'localhost:9200/crxy/' -d'{"settings":"number_of_shards":3,"number_of_replicas":2}}' (操作已存在索引) curl -XPUT 'localhost:9200/crxy/_settings' -d'{"index":{"number_of_replicas":2}}' Mapping,动态mapping机制：这个机制会自定识别参数值的类型，自动给这个参数设置属性 好处：操作方便，不需要提前考虑这个字段是否在es中定义过。 弊端：针对一个未知的数据，本来不应该存储的，这样也会存储了，对数据基本没有什么可控性 在实际开发中，如果数据类型已知，建议还是关闭自动mapping。 如果数据类型未知，只能使用自定mapping机制  

9：分片查询方式：

es中默认的分片查询方式为随机从分片中取数据，其他的分片查询方式还有如：

• _local:查询操作首先在本地查找，如果本地没有再到其他节点进行查找
• _primary:只在主分片中查询
• _shads:按照指定的分片进行查询，这种查询方式实现了es的极速查询

（在存储数据的时候通过rooting参数可以指定将数据分配到某一个分片中，rooting参数值相同的分配到一个分片中，后期查询时可以根据rooting参数值指定到哪个分片中查找，从而实现了极速查询） 修改源码自定义从多个节点进行查询等    

10：es集群的脑裂问题

                   es集群有可能会出现脑裂问题，原因主要有两个：                    1）如果集群中节点不在同一个网段有可能是网络延迟造成的                    2）如果集群中的节点在同一个网段，有可能是主节点负载太大造成的                    解决方案主要有两种：                    1）  把主从节点的职责分离,设置三个储备主节点，        node.master=true,node.data=false                             从节点只存储数据，node.master=false,node.data=true                    2)增加延迟时间                    将储备主节点数最小设为n/2+1个              

11：优化

12：典型的应用场景

es+hbase 利用两个框架的优点实现快速复杂查询和海量数据存储 Es+hbase：利用这两个框架的优点实现快速复杂查询和海量数据存储。 Es通过建立索引实现快速查询，它也可以存储但是不适合海量数据的存储，只存储需要那些需要从索引库中直接返回给客户的内容 Hbase适合海量数据存储，按rowkey查询可以实现快速查询，但是按列查询效率不高，所以结合es实现按字段快速查询 例如：针对海量的文章数据进行存储和快速复杂查询服务就可以通过es+hbase 比如文章数据有：（如果是面试题，需要问清楚需求，需要根据哪些字段进行查询，哪些内容直接从索引库中直接返回给客户，再进行下面的设置） Es的设计：

• Id：es内置，既建立索引也存储
• Title：既建立索引也存储
• Author：不建立索引，存储
• Describe：既建立索引也存储
• Content：建立索引不存储
• Hbase的设计：
• Rowkey的设计：文章的id
• 一个列族：info
• 列限定符：title，author，describe，content

13.客户端请求过程

文档能够通过主要分片(Primary Shard)或者任意一个副本分片(Replica Shard)获取。 每个步骤解释如下：