Elasticsearch 的分布式架构原理：通俗易懂版
Lucene 和 Elasticsearch 的前世今生
Lucene 是一个功能强大的搜索库，提供了高效的全文检索能力。然而，直接基于 Lucene 开发非常复杂，即使是简单的功能也需要编写大量的 Java 代码，并且需要深入理解其底层原理。
Elasticsearch（简称 ES）构建在 Lucene 之上，隐藏了 Lucene 的复杂性，提供了简单易用的 RESTful API 和 Java API，同时支持多种语言的 API 访问，使得搜索引擎的开发变得更加容易。
Elasticsearch 是什么？
Elasticsearch 主要有以下特点：
ES 的核心概念
近实时（Near Realtime，NRT）
Elasticsearch 是一个近实时（NRT）的搜索引擎，意味着：
- 从写入数据到数据可以被搜索到，会有一个小延迟（通常 1 秒左右）。
- 通过 ES 进行搜索和分析可以在秒级时间内返回结果。
集群（Cluster）
一个 Elasticsearch 集群由多个节点组成，每个节点所属的集群由配置决定。对于中小型应用来说，刚开始一个集群通常只有一个节点。
节点（Node）
- 节点是 ES 集群中的一个实例，每个节点都有一个唯一的名称。
- 默认情况下，节点会自动加入名为
elasticsearch的集群。 - 只要启动多个 ES 实例，它们就会自动组成一个集群。
文档（Document）和字段（Field）
- **文档（Document）**是 ES 中最小的数据单元，类似于数据库中的一行记录。
- **字段（Field）**是文档中的数据字段，类似于数据库中的列。
- ES 以 JSON 格式存储文档。
示例：
{"product_id": "1","product_name": "iPhone X","product_desc": "苹果手机","category_id": "2","category_name": "电子产品"
}
索引（Index）
- 索引（Index）是一组具有相似结构的文档集合，类似于数据库中的 表（Table）。
- 例如，一个
product_index可能存储所有商品的相关信息。
⚠ 过时概念：Type
在 Elasticsearch 7.x 及以上版本中，type 概念已被移除，所有索引只能有一个 type。
以前，type 用于对一个索引内的数据进行分类，比如：
product_index下可以有electronics和clothing两个type，分别存储电子产品和服装产品的数据。- 但在 ES 7.x 及以上版本中，这种分类方式已不再支持，建议使用不同的索引来存储不同类别的数据。
分片（Shard）
- 单台服务器无法存储海量数据，ES 通过 分片（Shard） 机制将索引拆分成多个部分，并分布在多台服务器上。
- 优点：
- 扩展能力：可以存储更多数据。
- 提高查询性能：查询时多个分片可以并行执行，提高吞吐量。
注意：
- 每个分片（Shard）本质上是一个独立的 Lucene 索引。
- 在创建索引时，需要指定分片数量，后续不能更改。
副本（Replica）
- 副本（Replica） 用于提高数据的可用性和查询性能。
- 副本的作用：
- 高可用性：如果主分片（Primary Shard）所在节点宕机，副本（Replica Shard）可以接管，防止数据丢失。
- 负载均衡：多个副本可以分担查询压力，提高查询速度。
默认配置：
- Primary Shard（主分片）：默认 5 个，创建索引时确定，无法修改。
- Replica Shard（副本分片）：默认 1 个，可以随时调整。
- 最小的高可用配置：需要至少 2 台服务器，确保每个副本分布在不同的节点上。
示意图：
索引 -> 分片（Shards）-> 主分片（Primary Shard）& 副本分片（Replica Shard）
ES vs 传统数据库对比
| Elasticsearch | 关系型数据库 |
|---|---|
| Index（索引） | 数据库（Database） |
| Document（文档） | 行（Row） |
| Field（字段） | 列（Column） |
总结
Elasticsearch 通过 分片（Sharding）+副本（Replication） 机制，实现了 分布式存储 和 高可用性，同时提供了 近实时搜索 的能力，使得它成为大数据搜索和分析的主流选择。
在现代互联网公司，Elasticsearch 主要用于 日志分析、全文搜索、业务分析、推荐系统 等场景。如果你在面试中遇到 ES 相关问题，理解这些基本概念，可以帮助你更好地应对面试挑战。
