简介：

Elasticsearch是一款非常强大的开源搜索引擎，Elasticsearch还有关联的一整套技术栈，包含Kibana、Logstash等组件，称为ELK。被广泛应用在日志数据分析、系统实时监控等领域。Elasticsearch核心是基于Apache Lucene库实现的。

Elasticsearch有如此高性能的搜索表现，是基于底层的倒排索引技术，而MySQL是基于正向索引。

正向索引和倒排索引：

  • 正向索引是最传统的，根据id索引的方式。但根据词条查询时，必须先逐条获取每个文档，然后判断文档中是否包含所需要的词条，是根据文档找词条的过程。

  • 而倒排索引则相反，是先找到用户要搜索的词条，根据词条得到保护词条的文档的id，然后根据id获取文档。是根据词条找文档的过程。

优缺点：

正向索引：

  • 优点：可以给多个字段创建索引，根据索引字段搜索、排序速度非常快；

  • 缺点：根据非索引字段，或者索引字段中的部分词条查找时，只能全表扫描

倒排索引：

  • 优点：根据词条搜索、模糊搜索时，速度非常快；

  • 缺点：只能给词条创建索引，而不是字段，无法根据字段做排序；

基本概念：

Elasticsearch中有很多独有的概念，与mysql中略有差别，但也有相似之处

索引和映射:

随着业务发展，需要在es中存储的文档也会越来越多，比如有商品的文档、用户的文档、订单文档等等,因此，我们可以把索引当做是数据库中的表;

数据库的表会有约束信息，用来定义表的结构、字段的名称、类型等信息。因此，索引库中就有映射（mapping），是索引中文档的字段约束信息，类似表的结构约束。

文档和字段：

Elasticsearch是面向文档（Document）存储的，可以是数据库中的一条商品数据，一个订单信息。文档数据会被序列化为JSON格式后存储在Elasticsearch中；原本数据库中的一行数据就是ES中的一个JSON文档；而数据库中每行数据都包含很多列，这些列就转换为JSON文档中的字段（Field）

MySQL

Elasticsearch

说明

Table

Index

索引(index)，就是文档的集合，类似数据库的表(table)

Row

Document

文档（Document），就是一条条的数据，类似数据库中的行（Row），文档都是JSON格式

Column

Field

字段（Field），就是JSON文档中的字段，类似数据库中的列（Column）

Schema

Mapping

Mapping（映射）是索引中文档的约束，例如字段类型约束。类似数据库的表结构（Schema）

SQL

DSL

DSL是elasticsearch提供的JSON风格的请求语句，用来操作elasticsearch，实现CRUD

各自擅长之处：

  • Mysql：擅长事务类型操作，可以确保数据的安全和一致性

  • Elasticsearch：擅长海量数据的搜索、分析、计算

因此在企业中，往往是两者结合使用：

  • 对安全性要求较高的写操作，使用mysql实现

  • 对查询性能要求较高的搜索需求，使用elasticsearch实现

  • 两者再基于某种方式，实现数据的同步，保证一致性