Elasticsearch概览

首先这是一套关于elasticsearch7.0使用与探索的文章，主要面向对elasticsearch有一定了解的用户；和其它技术系列文章一样，在开始本系列探索之前，我们需要对ES（elasticsearch）进行下整理了解。

一、介绍：

一句话概述：

es是基于lucene分片（shard）存储的近实时的分布式搜索引擎。

名词解释：
Lucene：使用java语言编写的存储与查询框架，通过组织文档与文本关系信息进行倒排索引，内部形成多个segment段进行存储，是es的核心组件，但不具备分布式能力。

segment：Lucene内部最小的存储单元，也是es的最小存储单元，多个小segment可合为一个较大的segment，并但不能拆分。

shard：es为解决海量数据的处理能力，在Lucene之上设计了分片的概念，每个分片存储部分数据，分片可以设置多个副本，通过内部routing算法将数据路由到各个分片上，以支持分布式存储与查询。

近实时：严格讲es并不是索引即可见的数据库，首先数据会被写入主分片所在机器的内存中，再触发flush操作，形成一个新的segment数据段，只有flush到磁盘的数据才会被异步拉取到其它副本节点，如果本次搜索命中副本节点且数据没有同步的话，那么是不会被检索到的；es默认flush间隔是1s，也可通过修改refresh_interval参数来调整间隔（为提升性能和体验，一版设置30s-60s）。

分布式：es天生支持分布式，配置与使用上与单机版基本没什么区别，可快速扩张至上千台集群规模、支持PB级数据检索；通过内部路由算法将数据储存到不同节点的分片上；当用户发起一次查询时，首先会在各个分片上完成提前批处理（这个会在之后章节详细讲解），处理后的数据汇总到请求节点再做一次全局处理后返回。

当然，也有人将es定义为开箱即用的NoSql文档数据库，这么说也没错，es借助其平滑扩展的能力实现了nosql数据库对海量数据增删改查的能力，目前市面上基于文档存储的nosql数据库有MongoDB、couchbase、es、orientdb等，几种数据库都有其各自的使用场景，其中es与MongoDB备受国内开发人员青睐，社区活跃度极高，尤其es，最近一段时间平均每个月都要发布3-4个release版本，值得高兴的是今天es7.0也发布了。

二、Mapping&Setting

众所周知完成一个索引库的创建需要配置mapping与setting两部分；

mapping:

常用数据类型：text、keyword、number、array、range、boolean、date、geo_point、ip、nested、object

 text：默认会进行分词，支持模糊查询（5.x之后版本string类型已废弃，请大家使用text）。
 keyword：不进行分词；keyword类型默认开启doc_values来加速聚合排序操作，占用了大量磁盘io 如非必须可以禁用doc_values。
 number：如果只有过滤场景 用不到range查询的话，使用keyword性能更佳，另外数字类型的doc_values比字符串更容易压缩。
 array：es不需要显示定义数组类型，只需要在插入数据时用'[]'表示即可，'[]'中的元素类型需保持一致。
 range：对数据的范围进行索引；目前支持 number range、date range 、ip range。
 boolean: 只接受true、false 也可以是字符串类型的“true”、“false”
 date：支持毫秒、根据指定的format解析对应的日期格式，内部以long类型存储。
 geo_point：存储经纬度数据对。
 ip：将ip数据存储在这种数据类型中，方便后期对ip字段的模糊与范围查询。
 nested：嵌套类型，一种特殊的object类型，存储object数组，可检索内部子项。
 object：嵌套类型，不支持数组。

es7.0新增数据类型：alias、date_nanos、features、vector

alias：并不实际存在，而是对已有字段的一种别名映射，搜索该字段与搜索实际字段返回的内容没有本质的区别。
date_nanos：另一种时间类型，可精确到纳秒，用法类似date。
features：用来存储特征向量，数据不能为0和负数，查询时只能使用rank_feature query，该字段主要为支持后续机器学习相关功能做准备。
vector：存储特征数组，支持稀疏与稠密向量存储，该字段主要为支持后续机器学习相关功能做准备。

doc_values：列式存储，为支持快速聚合与排序场景而设计，不在该类场景的可禁用

 "user_id": { 
          "type": "keyword",
          "doc_values": false
        } 

index：控制字段索引方式

    analyzed：先分词再索引
    not_analyzed：不分词直接索引
    no：不被索引

ignore_malformed：是否忽略脏数据

ignore_malformed设置为true，如果遇到数据格式或类型错误数据将被忽略，其它字段会正常插入
如果设置为false，一旦数据不符合要求整个文档将被拒绝。

_source：不需要回显数据内容的可选择禁用该字段

  "_source": {
        "enabled": false
   } 
需要注意的是禁用该项后将不能支持update和索引库的reindex操作，需谨慎。

includes&excludes：_source字段黑白名单控制，可控制哪些字段在查询结果的source中出现

    "_source": {
        "includes": [
          "*.count",
          "meta.*"
        ],
        "excludes": [
          "meta.description",
          "meta.attributes.*"
        ]
      }

dynamic：动态mapping，禁用后将不会自动创建field，但数据仍可以正常插入

"dynamic":"false"

_all：es6.x默认已禁用全文索引，es7.0彻底移除该配置

"_all": {
       "enabled": false
     }

norms：控制该字段是否参与相关度排名计算，如果该字段只做过滤用可禁用该项以提升搜索性能

"categorys": {
      "type": "text",
      "norms": false
    }

index_options：细粒度控制倒排索引方式

docs：只索引文档id
freqs：文档id和词频，词频可用于评分
positions：增加位置信息，位置可用于模糊和短语查询
offsets：增加偏移量，高亮时会用到偏移量信息

setting:

    "index.max_result_window":20000   #控制查询返回的最大结果数
    "index.merge.scheduler.max_thread_count": 2   #segment段合并时可使用的最大线程数，为避免过度的io操作，该值一般不超过2
    "index.routing.allocation.total_shards_per_node":10    #分配到单个节点的最大分片数
    "index.refresh_interval":"-1"    #index刷新频率，频繁刷新会降低性能，一般设置为30s-60s；-1表示禁用刷新
    "index.translog.durability":"async"    #translog刷新方式，如果对数据安全性要求不算太高，可设置为async以提升性能
    "index.translog.flush_threshold_size":"1024mb"    #translog刷新字节条件，超过1g才会刷新
    "index.translog.sync_interval":"120s"    #translog刷新时间条件，超过120s才会刷新
    "index.unassigned.node_left.delayed_timeout":"1d"    #当有节点宕机后索引库多久触发副本balance操作
    "index.search.slowlog.threshold.query.info":"1s"    #超过1s的查询会被记录到慢查询日志里
    "index.store.type":"niofs"    #网络通信协议
    "index.number_of_replicas":0    #index分片的副本数
    "index.number_of_shards":8    #index分片数，需要注意的是es7.0默认索引分片数调整为1了
    "index.codec":"best_compression"    #index数据的压缩方式，best_compression压缩可节省4-8倍的存储空间

三、elasticsearch7.0有哪些重大改进

1、彻底废弃多type支持，包括api层面，之前版本可在一个索引库下创建多个type。

2、彻底废弃_all字段支持，为提升性能默认不再支持全文检索，即7.0之后版本进行该项配置会报错。

3、新增应用程序主动监测功能，搭配对应的kibana版本，用户可监测应用服务的健康状态，并在出现问题后及时发出通知。

4、取消query结果中hits count的支持（聚合查询除外），使得查询性能大幅提升（3x-7x faster）。这意味着，每次查询后将不能得到精确的结果集数量。

5、新增intervals query ,用户可设置多字符串在文档中出现的先后顺序进行检索。

6、新增script_core ，通过此操作用户可以精确控制返回结果的score分值。

7、优化集群协调子系统，缩减配置项提升稳定性。

8、新增 alias、date_nanos、features、vector等数据类型。

9、7.0自带java环境，所以我们在安装es时不再需要单独下载和配置java_home。

10、7.0将不会再有OOM的情况，JVM引入了新的circuit breaker（熔断）机制，当查询或聚合的数据量超出单机处理的最大内存限制时会被截断，并抛出异常（有点类似clickhouse）。

11、丰富多彩的kibana功能。

es7.0还有很多新特性、新改进这里就不一一列举了，总之es7将是一个里程碑式的发布，我会在后面章节与大家一一介绍学习...