ElasticSearch
简介：ElasticSearch简称ES是一个开源的分布式搜素和数据分析引擎。是使用Java开发并且是当前最流行的开源的企业级搜索引擎，能够达到近实时搜索，它专门设计用于处理大规模的文本数据和实现高性能的全文搜索。它基于 Apache Lucene 构建，专为处理海量数据而设计。它支持全文搜索、结构化查询、数据分析，并广泛应用于日志管理（如 ELK Stack）、电商搜索、实时监控等场景。
基本概念
| 术语 | 说明 |
|---|---|
| 索引（Index） | 类似数据库中的“表”，存储相关文档（如 user_index）。 |
| 文档（Document） | 索引中的基本数据单元，格式为 JSON（如一条用户信息）。 |
| 分片（Shard） | 索引被分割成的子部分，支持分布式存储和并行计算。 |
| 节点（Node） | 一个运行中的 Elasticsearch 实例，多个节点组成集群（Cluster）。 |
ELK技术栈
Elasticsearch结合Kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析，实时监控等领域：
核心组件
| 组件 | 功能 | 配图示意（文字描述） |
|---|---|---|
| Logstash、Beats | 数据采集与处理：从多种来源（如日志文件、数据库）收集数据，过滤并格式化后传输到 Elasticsearch。 | [输入] → Logstash（过滤/转换） → [输出] |
| Elasticsearch | 数据存储与检索：分布式存储处理后的数据，支持快速搜索和分析。 | [数据存储] → Elasticsearch（索引/分片） |
| Kibana | 数据可视化：通过图表、仪表盘展示 Elasticsearch 中的数据。 | Kibana ← [查询] → Elasticsearch |
总结：ELK 技术栈通过 Logstash/Beats（采集）→ Elasticsearch（存储）→ Kibana（可视化） 实现数据全生命周期管理，适用于日志分析、运维监控等场景。学习时需掌握各组件配置和协同工作原理。
Elasticsearch和lucene之间的关系
说的专业一点：Elasticsearch 基于 Apache Lucene（高性能全文检索引擎库）构建，核心的索引和搜索功能由 Lucene 实现。
说的通俗一点：Lucene 是“发动机”，专注单机性能；Elasticsearch 是“整车”，集成发动机并添加了方向盘、底盘（分布式、易用性）
总结：Elasticsearch = Lucene + 分布式 + 易用接口 + 高级功能（如聚合、近实时搜索）。
索引
两个基本概念：
文档（Document）：文档是 Elasticsearch 中 最小的数据存储单元，类似于 Excel 表格中的一行数据，但更灵活。
词条（Term）：词条是文档内容经过 分词处理 后的最小单位，是搜索引擎操作的基本元素。
文档与词条的关系：
| 维度 | 文档（Document） | 词条（Term） |
|---|---|---|
| 角色 | 数据存储的基本单位（“完整信息包”） | 搜索的基本单位（“信息碎片”） |
| 存储方式 | 原始 JSON 格式，保存在索引（Index）中 | 分词后存储在反向索引（Inverted Index）中 |
| 操作目标 | 用于增删改查完整数据 | 用于快速检索和匹配内容 |
正向索引：正向索引是 以文档为中心 的索引结构，记录每个文档包含哪些关键词（类似书的目录，告诉你每本书里有什么内容）。
反向索引：反向索引是 以关键词为核心 的索引结构，记录每个关键词出现在哪些文档中（类似词典的索引页，告诉你哪个词在哪本书出现）。
正向索引VS反向索引
| 正向索引 | 反向索引 | |
|---|---|---|
| 核心逻辑 | 文档→关键词（书→内容） | 关键词→文档（词典→书页） |
| 搜索效率 | 慢（需遍历所有文档） | 快（直接查关键词对应的文档） |
| 存储空间 | 较小 | 较大（需存储词频、位置等额外信息） |
| 典型应用 | 早期搜索引擎、小规模系统 | 现代搜索引擎（Google/Bing）、大数据系统 |
Mysql与ElasticSearch
ES 适合全文搜索和实时分析（如日志、商品搜索）。
MySQL 适合强事务和高一致性的业务（如支付、订单）。
实际项目中常结合使用（如 MySQL 存储业务数据，ES 提供搜索服务）。
