Elasticsearch 基础概述
Elasticsearch 是一个基于 Lucene 的分布式搜索引擎。它提供了 HTTP Web 界面和无架构（Schema-less）的 JSON 文档处理能力，支持多租户环境下的全文搜索。Elasticsearch 使用 Java 开发，遵循 Apache 许可条款开源发布。
在文档层面，我们可以执行以下基本操作：
- 创建：将文档索引到 Elasticsearch 中。
- 读取：检索已存储的文档内容。
- 更新：修改现有文档的内容。
- 删除：移除不需要的文档。
核心数据结构：倒排索引
倒排索引是搜索引擎的核心组件。其主要目标是在海量数据中快速定位包含特定搜索条件的文档。简单来说，它将单词映射到包含该单词的文档列表，类似于书籍末尾的索引页，通过关键词直接找到对应的页码。
例如，对于文本'JavaInUse 是一个很好的网站'，系统会将其标记为独立的术语（Terms），并记录每个术语出现的文档 ID 及位置。当用户搜索'网站'时，系统直接查询倒排索引，迅速识别出包含该词的文档，而无需遍历所有文件。
集群架构与层级关系
理解 Elasticsearch 的层级结构至关重要：
- 集群（Cluster）：由一个或多个节点组成，共同保存数据并提供联合索引和搜索功能。集群名称必须唯一，默认值为
elasticsearch。只有名称匹配的节点才能加入同一集群。 - 节点（Node）：集群中的单个服务器实例，负责存储数据和参与索引/搜索任务。
- 索引（Index）：类似于关系型数据库中的'数据库'。它是逻辑名称空间，映射到一个或多个主分片，并可配置多个副本分片。
- 文档（Document）：对应数据库中的一行数据。不同之处在于，Elasticsearch 中的每个文档可以具有不同的字段结构（动态映射），但通用字段应保持相同的数据类型。
- 类型（Type）：注：在较新版本中已被弃用。这是索引的逻辑分区，语义完全取决于用户定义。在早期版本中，一个索引可包含多种类型。
无架构特性与映射管理
Elasticsearch 通常被称为'无架构'或'模式灵活'的数据库，这意味着可以在不明确定义字段类型的情况下索引文档。如果未指定映射（Mapping），Elasticsearch 会在索引期间自动检测新字段并动态生成映射。不过，为了优化性能和确保数据类型正确，建议在生产环境中显式定义 Mapping。
分片与副本机制
由于 Elasticsearch 是分布式的，索引会被分割成多个分片（Shard），这些分片分布在不同的节点上，以实现水平扩展和数据分发。
**副本（Replica）**则是分片的完整拷贝。引入副本的主要目的是提高系统的可用性（高可用）和读取性能。如果一个主分片所在的节点宕机，副本分片可以立即提升为主分片，保证服务不中断。
分析器与文本处理
在索引数据时，Elasticsearch 会使用**分析器（Analyzer）**对文本进行转换。分析器由三个部分组成：
- 字符过滤器（CharFilter）：可选，用于预处理输入字符串（如去除 HTML 标签）。
- 分词器（Tokenizer）：核心组件，负责将字符串拆分为术语流（Tokens）。例如，遇到空格或标点时进行切分。
- 令牌过滤器（Token Filter）：对分词后的结果进行处理，如转换为小写、去除停用词等。
Elasticsearch 内置了多种预构建的分析器，也支持组合内置组件创建自定义分析器。
字段属性详解
在定义字段时，有几个关键属性需要注意：
- enabled：控制字段是否被索引。默认为
true。如果设为false，该字段不会被索引，但仍存在于_source中。 - ：决定原始数据是否单独存储。默认情况下，字段不单独存储，但完整的 会保留。如果设置 ，Lucene 会单独存储该字段值，以便后续直接返回，但这会增加存储空间开销。
