ElasticSearch简介
Elaticsearch， 是一款大数据场景下的分布式全文搜索引擎，是建立在全文搜索引擎 Apache Lucene基础上的搜索引擎。
ElasticSearch基本原理
1.index 索引
索引是具有相似特征的文档的集合，类似于关系数据库中mysql的索引 ，包括：配置信息mapping和倒排索引数据文件。
一个索引的数据文件可能会分布于一台机器，也有可能分布于多台机器。
2.type 类型
type：表示一类相似的文档，作为一个元数据来实现逻辑划分，类比传统的关系型数据库领域来说，类型相当于“表”。
3.document 文档
document：是在ElasticSearch中可以被索引的基本单位，以JSON表示，类似于关系数据库中的一行。
4.Field 字段
Field是Elasticsearch的最小单位，一个document里面有多个field，这个与MySQL表中的字段类似的作用。
5.shard 分片
单台机器无法存储大量数据，为了支持更大量的数据，ElasticSearch可以将一个索引中的数据切分为多个shard分片。
ElasticSearch的分片(shard)机制：将一个索引内部的数据分布地存储于多个节点。
将一个索引切分为多个底层物理的 Lucene 索引，完成索引数据的分割存储功能，这每一个物理的 Lucene 索引称为一个分片(shard)。
分片有两种：
- 主分片（Primary Shard）；
- 副本分片（Replica Shard）；
有了shard分片就可以横向扩展，存储更多数据，让搜索和分析等操作分布到多台服务器上去执行，从而提升吞吐量和性能。
6.replica副本
任何一个服务器随时可能故障或宕机，此时 shard 分片可能会丢失，因此可以为每个shard 需要创建多个 replica 副本。
副本就是对分片的 Copy，每个主分片都有一个或多个副本分片，当主分片异常时，副本可以提供数据的查询等操作，保证数据不丢失。
ElasticSearch工作原理
1.分词
搜索是以词为单位做最基本单位的搜索单元，依赖分词器构建分词，用分词器倒排索引。
ElasticSearch的分词器Analyzer一般由三种组件构成：
1)character filter 字符过滤器
在一段文本分词之前，先进行预处理，比如说最常见的就是 过滤html标签。
比如：
<div> <span>mikechen的互联网架构<span> </div>
如果想获取其中文本：mikechen的互联网架构，你首先需要过滤的就是html标签，这就是字符过滤器。
2)tokenizers 分词器
默认情况下，英文分词根据空格将单词分开，中文分词按单字隔开，也可以采用机器学习算法来分词。
比如：mikechen的互联网架构，这个就是需要涉及到分词器，根据英文和中文来分词，所以这里就会涉及到具体的分词器。
比如：ElasticSearch 有下面这些内置的分词器：
- Standard Analyzer：默认分词器，按词切分，转小写处理，可以过滤停用词（默认关闭）；
- Simple Analyzer：按照非字母切分，非字母会被去除，转小写处理；
- Stop Analyzer：按照非字母切分，非字母会被去除，转小写处理，停用词过滤(the、a、is 等)；
- Whitespace Analyzer：按照空格切分，不转小写；
- Keyword Analyzer：不做任何的分词处理，直接将输入当作输出；
- Pattern Analyzer：通过正则表达式进行分词；
- Language Analyzers：提供了30多种常见语言的分词器，比如：english英语分词器等。
3)Token filters 过滤器
对切分好的单词进一步加工，比如大小写转换，删除停用词等。
2.倒排索引
倒排索引是搜索引擎的核心,搜索引擎的主要目标是在查找发生搜索条件的文档时提供快速搜索。
倒排索引是一种像数据结构一样的散列图，可将用户从单词导向文档或网页,它是搜索引擎的核心，其主要目标是快速搜索从数百万文件中查找数据。
倒排索引是区别于正排索引的概念：
正排索引：是以文档对象的唯一 ID 作为索引，以文档内容作为记录。
倒排索引：Inverted index，指的是将文档内容中的单词作为索引，将包含该词的文档 ID 作为记录。
3.ElasticSearch的搜索流程
搜索被执行成一个两阶段过程：
第一个阶段：Query阶段
主要分为如下3个步骤：
- 客户端发送请求到 coordinate node，协调节点将搜索请求广播到所有的 primary shard 或 replica；
- 每个分片在本地执行搜索，并构建一个匹配文档的大小为 from + size 的优先队列；
- 接着每个分片返回各自优先队列中 所有 docId 和 打分值 给协调节点，由协调节点进行数据的合并、排序、分页等操作，产出最终结果。
第二个阶段：Fetch阶段
协调节点根据 Query阶段产生的结果，去各个节点上查询 docId 实际的 document 内容，最后由协调节点返回结果给客户端。
陈睿mikechen
10年+大厂架构经验，资深技术专家，就职于阿里巴巴、淘宝、百度等一线互联网大厂。
关注「mikechen」公众号，获取更多技术干货！
后台回复【面试】即可获取《史上最全阿里Java面试题总结》，后台回复【架构】，即可获取《阿里架构师进阶专题全部合集》