【Elasticsearch基础】基本核心概念介绍

Elasticsearch作为当前最流行的分布式搜索和分析引擎，其强大的功能背后是一套精心设计的核心概念体系。本文将深入解析Elasticsearch的五大核心概念，帮助开发者构建坚实的技术基础，并为高效使用ES提供理论支撑。

1 索引（Index）与文档（Document）

1.1 索引：数据的逻辑容器

在Elasticsearch中，索引(Index)*是最高层次的数据组织单位，相当于传统数据库中的"数据库"概念。但与传统数据库不同，ES索引具有以下特点：

• 动态模式：字段类型可以在写入时自动识别（可通过映射关闭）
• 分布式存储：数据自动分布在集群的多个节点上
• 优化设计：专为搜索性能优化的数据结构

// 创建索引示例
PUT /test
{
  "settings": {
    "number_of_shards": 3,
    "number_of_replicas": 1
  }
}

// 查看索引 
GET /test

1.2 文档：数据的基本单元

文档(Document)：是ES中可被索引的最小数据单元，采用JSON格式表示：

• 每个文档有唯一ID（可自动生成）
• 文档包含多个字段（Field）
• 文档元数据包括：_index, _type, _id, _version等

// 插入文档
POST /test/_doc/01
{
  "name": "智能手机",
  "price": 3999,
  "description": "旗舰级配置",
  "tags": ["电子","数码"]
}

// 查看文档 
GET /test/_doc/01

2 分片（Shard）与副本（Replica）

2.1 分片：分布式存储的基础

分片(Shard)：是Elasticsearch实现分布式特性的核心机制：

• 横向扩展：索引被分成多个分片，分散在不同节点
• 容量限制：单个分片推荐不超过50GB数据（实际取决于硬件）
• 主分片(Primary)：负责处理索引和搜索请求
• 不可变性：分片数量在创建索引后不可更改

// 创建带分片的索引
PUT /testindex
{
  "settings": {
    "number_of_shards": 3,
    "number_of_replicas": 1
  }
}

// 查看索引分片 
GET _cat/shards/testindex?v

2.2 副本：高可用的保障

副本(Replica)：是分片的拷贝，主要具备如下特性

• 数据冗余：防止硬件故障导致数据丢失
• 读取扩展：搜索请求可以在所有副本上并行执行
• 故障转移：当主分片不可用时，副本可提升为主分片

// 查看分片分配情况 
GET /_cat/shards/test?v

分片策略最佳实践：

• 根据数据量预估总分片数（每分片30-50GB）
• 生产环境至少1个副本
• 分片数应与集群节点数协调（避免分配不均）

3 映射（Mapping）与字段类型

3.1 映射：数据结构的定义

映射(Mapping)：定义了文档及其字段的存储和索引方式

• 字段数据类型：text, keyword, date, long等
• 索引控制：是否可搜索、是否存储原始值
• 分析器指定：如何处理文本内容

// 基础文本映射
PUT /test3
{
  "mappings": {
    "properties": {
      "title": { "type": "text" }, 
      "views": { "type": "integer" },
      "publish_date": { "type": "date" }
    }
  }
}

3.2 核心字段类型详解

3.2.1 Text vs Keyword

3.2.2 特殊类型

3.2.3 多字段(Multi-fields)

• 允许一个字段以不同方式索引

"product_id": {
  "type": "keyword",
  "fields": {
    "analyzed": { "type": "text" }
  }
}

4 总结

深入理解Elasticsearch这些基础核心概念，是构建高效搜索解决方案的基础。在实际应用中，需要根据具体业务场景灵活组合这些特性。后续我们将深入探讨查询DSL、聚合分析等高级主题。