带你读《Elastic Stack 实战手册》之7:——3.3.2.专有名词解释(3)

简介: 带你读《Elastic Stack 实战手册》之7:——3.3.2.专有名词解释(3)

《Elastic Stack 实战手册》——三、产品能力——3.3.基础篇——3.3.2.专有名词解释(2) https://developer.aliyun.com/article/1231573


Type

 

类型是文档的逻辑容器,类似于表是行的容器。

 

您将具有不同结构(模式)的文档放在不同类型中。 例如,你可以使用一种类型来定义聚合组,并在人们聚集时为事件定义另一种类型。

 

每种类型的字段定义称为映射。 例如,name 将映射为字符串,但 location 下的 geolocati-on 字段将映射为特殊的 geo_point 类型。每种字段的处理方式都不同。 例如,你在名称字段中搜索单词,然后按位置搜索组以查找位于居住地附近的组。

 

很多人认为 Elasticsearch 是 schema-less 的。大家都甚至认为 Elasticsearch 中的数据库是不需要 mapping 的。其实这是一个错误的概念。schema-less 在 Elasticsearch 中正确的理解是,我们不需要事先定义一个类型关系数据库中的 table 才使用数据库。

 

在 Elasticsearch 中,我们开始可以不定义一个 mapping,而直接写入到我们指定的 index中。这个 index 的 mapping 是动态生成的 (当然我们也可以禁止这种行为)。其中的数据项的每一个数据类型是动态识别的。比如时间,字符串等,虽然有些数据类型,还是需要我们手动调整,比如 geo_point 等地理位置数据。

 

另外,它还有一个含义,同一个 type,我们在以后的数据输入中,可能增加新的数据项,从而生产新的 mapping。这个也是动态调整的。


Elasticsearch 具有 schema-less 的能力,这意味着无需显式指定如何处理文档中可能出现的每个不同字段,即可对文档建立索引。 启用动态映射后,Elasticsearch 自动检测并向索引添加新字段。 这种默认行为使索引和浏览数据变得容易-只需开始建立索引文档,Elasticsearch 就会检测布尔值,浮点数和整数值,日期和字符串,并将其映射到适当的 Elasticsearch 数据类型。

 

由于一些原因,在 Elasticsearch 6.0 以后,一个 Index 只能含有一个 type。这其中的原因是:相同 index 的不同映射 type 中具有相同名称的字段是相同; 在 Elasticsearch 索引中,不同映射 type 中具有相同名称的字段在 Lucene 中被同一个字段支持。在默认的情况下是 _doc。在未来8.0的版本中,type 将被彻底删除。


Index

 

在 Elasticsearch 中,索引是文档的集合。


image.png

每个 Index 一个或许多的 documents 组成,并且这些 document 可以分布于不同的 shard之中。

image.png

很多人认为 index 类似于关系数据库中的 database。这中说法是有些道理,但是并不完全相同。其中很重要的一个原因是,在Elasticsearch 中的文档可以有 object 及 nested 结构。一个 index 是一个逻辑命名空间,它映射到一个或多个主分片,并且可以具有零个或多个副本分片。

 

每当一个文档进来后,根据文档的 id 会自动进行 hash 计算,并存放于计算出来的 shard 实例中,这样的结果可以使得所有的 shard 都比较有均衡的存储,而不至于有的 shard 很忙。

 

shard_num = hash(_routing) % num_primary_shards

 

在默认的情况下,上面的 _routing 既是文档的 _id。如果有 routing 的参与,那么这些文档可能只存放于一个特定的 shard,这样的好处是对于一些情况,我们可以很快地综合我们所需要的结果而不需要跨 node 去得到请求。比如针对 join 的数据类型。


一个索引可以存储超出单个结点硬件限制的大量数据。比如,一个具有 10 亿文档的索引占据1TB 的磁盘空间,而任一节点都没有这样大的磁盘空间;或者单个节点处理搜索请求,响应太慢。

 

为了解决这个问题,Elasticsearch 提供了将索引划分成多份的能力,这些份就叫做分片

(shard)。当你创建一个索引的时候,你可以指定你想要的分片 (shard) 的数量。每个分片本身也是一个功能完善并且独立的“索引”,这个“索引”可以被放置到集群中的任何节点上。

 

分片之所以重要,主要有两方面的原因:

 

l 允许你水平分割/扩展你的内容容量

l 允许你在分片(潜在地,位于多个节点上)之上进行分布式的、并行的操作,进而提高性能/吞吐量


《Elastic Stack 实战手册》——三、产品能力——3.3.基础篇——3.3.2.专有名词解释(4) https://developer.aliyun.com/article/1231571

相关实践学习
以电商场景为例搭建AI语义搜索应用
本实验旨在通过阿里云Elasticsearch结合阿里云搜索开发工作台AI模型服务,构建一个高效、精准的语义搜索系统,模拟电商场景,深入理解AI搜索技术原理并掌握其实现过程。
ElasticSearch 最新快速入门教程
本课程由千锋教育提供。全文搜索的需求非常大。而开源的解决办法Elasricsearch(Elastic)就是一个非常好的工具。目前是全文搜索引擎的首选。本系列教程由浅入深讲解了在CentOS7系统下如何搭建ElasticSearch,如何使用Kibana实现各种方式的搜索并详细分析了搜索的原理,最后讲解了在Java应用中如何集成ElasticSearch并实现搜索。  
相关文章
|
SQL XML Oracle
数据库中间件DBLE学习(一) 基本介绍和快速搭建
dble基本架构简介 dble是基于mysql的高可用扩展性的分布式中间件。江湖人送外号MyCat Plus。开源地址 我们首先来看架构图,外部应用通过NIO/AIO进行连接操作。
4934 108
|
消息中间件 人工智能 移动开发
阿里云Rocket MQ PHP Http SDK发送消息示例Demo
消息队列 RocketMQ 版支持 RESTful 风格的 HTTP 协议通信,并提供了以下 7 种语言的 SDK,下面以最新的PHP Http SDK为范例介绍RocketMQ消息的发送。
3341 0
阿里云Rocket MQ PHP Http SDK发送消息示例Demo
|
缓存 Kubernetes 监控
Sentry(v20.12.1) K8S 云原生架构探索,Sentry JavaScript SDK 三种安装加载方式
Sentry(v20.12.1) K8S 云原生架构探索,Sentry JavaScript SDK 三种安装加载方式
1240 0
Sentry(v20.12.1) K8S 云原生架构探索,Sentry JavaScript SDK 三种安装加载方式
|
数据可视化 数据挖掘 Python
绘制箱线图 与 异常值的输出 - 基于Python matplotlib库
绘制箱线图 与 异常值的输出 - 基于Python matplotlib库
1775 0
绘制箱线图 与 异常值的输出 - 基于Python matplotlib库
|
弹性计算
阿里云服务器降级配置的方法
阿里云服务器支持按需升级配置和降级配置
3222 0
|
算法 关系型数据库 芯片
MDK 用Jlink调试无法使用断点
MDK 用Jlink调试无法使用断点
1467 0
MDK 用Jlink调试无法使用断点
|
数据格式
基于单片机的温度远程采集显示(RS485通信)
基于单片机的温度远程采集显示(RS485通信)
527 0
基于单片机的温度远程采集显示(RS485通信)
|
Java
java导出excel合并单元格
java导出excel合并单元格
995 0
java导出excel合并单元格
|
机器学习/深度学习 数据可视化 数据挖掘
Nat. Commun. | msiPL:质谱数据分析的新工具
Nat. Commun. | msiPL:质谱数据分析的新工具
1200 0
Nat. Commun. | msiPL:质谱数据分析的新工具
|
机器学习/深度学习 人工智能 并行计算
性能提升20倍:英伟达GPU旗舰A100登场,全新7nm架构安培出炉
时隔三年,英伟达最强芯片 Tesla V100 有了继任者,20 倍的性能提升着实让人有些招架不住。
1975 0
性能提升20倍:英伟达GPU旗舰A100登场,全新7nm架构安培出炉

热门文章

最新文章