1.由日志存储引出的问题
本文或者说本系列的来源：
前面我们聊过了分布式链路追踪系统，在基于日志实现的分布式链路追踪的方式seluth+zipkin中为了防止数据丢失，需要将数据持久化。我们给出的是持久化进mysql中的示例。
这里就需要关注一个问题了：
用mysql来存储日志真的合适吗？或者说用什么方式来存储日志合适喃？
从两个场景来具体切入：
- 聚合
- 搜索
聚合：
我们收集到日志后，需要对内容进行一些统计，比如请求报错的比列，就要去统计error的数量。
搜索：
我们收集到日志后需要进行一些搜索，比如在进行问题排查的时候搜索一些具体的报错信息。
以上两个操作MySQL支持吗？很明显是支持的，用聚合函数和like函数可以轻松实现。但是性能喃？
日志是文本类的数据，是非结构化的，不是结构化的。要存储到mysql中也是将日志内容存到一个字段上，对这个字段内的内容进行模糊查询根本没办法用到索引，一旦数据量大了以后，会迎来性能上的灾难。除此之外我们再仔细思考一下，内容存在单字段内，似乎聚合也不是很好做。
所以我们说，关系型的数据交给关系型数据库来做，非关系型的数据还是交给非关系型的数据来做才合适。
这里复习一下什么是关系型和非关系型最核心的区别：
关系型，数据之间（表之间）可以通过主键、外键之间建立起很强的关系。
非关系型，数据之间相对独立，没有建立起很强关联关系的方式。
2.什么是ES？
前面我们聊过了对于文本内容来说，关系型数据库是很难满足业务要求的。这时候就需要用到专业的做文本搜索的组件。Elasticsearch（简称ES） 是为全文搜索而设计的，可以快速且高效地搜索大量文本数据。它支持复杂的查询，包括全文、模糊 、通配符、范围和正则表达式查询等。
ES的架构其实可以类比数据库来理解：
| ES | database |
| 索引 | 库 |
| 类型 | 表 |
| 文档 | 行 |
| 字段 | 列 |
目前新版本的ES中是没有type这一层级的，这是因为ES使用了倒排索引，层级过多会影响性能，而且随着在实际应用中的铺开，大家发现对于文档来说，类型其实是多余的，如果非要使用类型的概念，索引层面已经可以实现了，把不同分类的数据放到不同的索引中就行了。于是在之前的三个大版本的迭代中，ES围绕淡化和去除type做了一些工作：
- 5.X及其以前，一个index下允许存在多个type。
- 6.X一个index下只允许存在一个type。
- 7.X即其以后，取消了type这个概念。
3.ES的数据结构
ES是用Json的方式来组织数据的，下面来演示一下一篇文章在ES中是怎样存储的。
随便打开百度上今天的一条热搜新闻：
建立好索引并声明好各个字段的配置：
ES是采用rest api的方式通过http method+参数的方式来进行操作的，创建index是put方法跟上index的名字和index的详细描述。
PUT /my_article_index
{ "settings": { "number_of_shards": 3, // 设置分片数量 "number_of_replicas": 1 // 设置副本数量 }, "mappings": { "properties": { "title": { "type": "text", // 文本类型，用于全文搜索 "fields": { "keyword": { "type": "keyword", // 关键字类型，用于精确匹配 "ignore_above": 256 // 忽略较长的文本 } } }, "content": { "type": "text", // 文本类型，用于全文搜索 "analyzer": "standard" // 使用标准分析器 }, "author": { "type": "keyword" // 关键字类型，用于精确匹配 }, "publish_date": { "type": "date", // 日期类型 "format": "yyyy-MM-dd HH:mm:ss||epoch_millis" // 支持的日期格式 } } } }
将文章存进建立好的索引中：
ES是采用rest api的方式通过http method+参数的方式来进行操作的，向index中添加数据是post方法+index名字+_doc+id，id可以不指定自动生成，也可以指定。
POST /my_article_index/_doc/1
{ "title": "天南地北迎新年 喜庆欢乐庆元旦", "content": "央视网消息（新闻联播）：辞旧迎新，欢度元旦。天南地北的人们在丰富多彩的节庆活动中迎接2024年的到来。跨年夜，神州大地一派欢乐。在北京，新年倒计时主场活动在首钢园举行，精彩纷呈的光影秀、灯光雕塑、文艺表演等，将园区变成了欢乐的海洋。在江西南昌，充满科技与未来感的灯光秀，在城市楼宇间变幻出一幅幅美丽的画卷。在海南海口、安徽芜湖，数百架无人机摆出各种欢度节日的字样和图案，喜迎新年的到来。在重庆解放碑中央广场，众多市民和游客共同聆听新年钟声，许下美好的新年愿望。在福建平潭综合实验区、在太湖边的苏州湾、在北国江城吉林市，寓意着幸福安康、欢乐祥和的烟花秀在夜空绽放，为人们送上新年祝福。在河南郑州、山西忻州，打铁花、创意灯展等表演吸引了众多市民游客。在山东泰山脚下，民俗非遗夜游专场，让游客亲身体验民间习俗。在黑龙江鸡西，晶莹剔透的冰雕、栩栩如生的雪雕与五彩斑斓的花灯交相辉映，营造出浓浓的节日气氛。喜迎新年，尽享欢乐。今天（1月1日），广州白云国际机场、广州南站、广州白云站响起《我爱你中国》等歌曲，大家用快闪歌舞为祖国送上祝福。在内蒙古鄂尔多斯东胜区，堆雪人、亲子拉力赛，人们在冰雪那达慕活动中欢乐跨年。在浙江绍兴丰惠古城、在湖南益阳百年书院，糖画、扇绘、竹编等充满年味的古风集市处处洋溢着节日的喜庆。在贵州乌江寨，地方传统戏剧、杂技轮番上演，人们喝茶看戏，好不惬意。在广西富川瑶族村落，村民穿上节日盛装唱瑶歌，展示传统习俗，祝福新年五谷丰登、国泰民安。", "author": "央视网", "publish_date": "2024-01-01 20:07:27" }
4.ES的核心原理
Elasticsearch中采用倒排索引来支持对文档进行高效的全局搜索。倒排索引是类比正排索引的一个概念。比如在文档中搜索关键字，正排索引的做法是指通过索引找到数据，再在数据中搜索关键字,比如通过id找到content，再在content中寻找关键字。
| id | content |
| 1001 | my name is zhang san |
| 1002 | my name is li si |
倒排索引的做法是指的是通过数据找到索引，再通过索引找到文档，会有个地方专门记录每个字段和索引的对应关系。
| keyword | id |
| name | 1001，1002 |
| zhang | 1001 |
| ...... | ...... |
Elasticsearch 采用倒排索引的方式，将每个词汇与其在文档中的位置建立索引。这样的设计使得它更适合文本搜索，尤其是全文搜索。字段和索引的对应关系是在建立倒排索引的时候生成的，Elasticsearch 在建立倒排索引时采用了分词（tokenization）的过程，使用分词器，将文本字段中的文本切分成一个个有意义的词（token）以便进行检索。关于分词器，这是一项开源的技术，其实现是五花八门的，常见的分词器包括标准分词器（standard tokenizer）、较简单的空格分词器（whitespace tokenizer）、关键字分词器（keyword tokenizer）等。ES是支持替换分词器的。
我想到这里大家会有这样的疑惑：
比如ES中存储的是海量数量的文章，那么分词出来的索引和分词的关系也是海量的，即使使用倒排索引，应该也很慢吧。MySQL的索引用了B+树来提升索引的匹配速度，ES是怎么处理的喃？
ES给出了以下两个维度的优化
分布式
倒排索引的优化
分布式：
Elasticsearch 是为分布式和水平扩展而设计的，它将数据分布在多个节点上，每个节点负责部分数据。这样可以让每个节点上的倒排索引总的规模要小一些。
倒排索引的优化：
Elasticsearch 对倒排索引进行了多方面的优化，包括倒排索引的压缩、分段存储、合并和优化等策略，以提高查询性能。
总的来说倒排索引是文档全文搜索最好的解法，剩下要做的都是围绕采用倒排索引后带来问题进行优化，仅此而已。
