ES基础与安装

ElasticSearch(ES) 来自于 ElasticStack(ELK) 中，是 ELK 的核心组件，负责数据的存储、搜索与分析。
ELK 还有其他的一些组件，有负责数据可视化的 Kibana 、负责数据抓取的 Logstash 和 Beats。

ES 的底层是一个 Java 的搜索引擎类库 Lucene，由 Apache 公司研发，ES 在其基础上实现了分布式并提供了 Restful 借口可以被任何语言调用。

倒排索引

MySQL 中用的是正排索引，也就是如果在 id 字段创建索引，可以根据 id 找到某条记录。
ES 中使用的是倒排索引，可以根据一个**文档（类似于记录）**的某些内容来找到 id 并获取到整个文档，并且 ES 中的文档是以 JSON 格式存储的，比如有下面这些数据：

{
    "id": 1,
    "user": "snopzyz",
    "age": 21
},
{
    "id": 2,
    "user": "zhangyize",
    "age": 21
},
{
    "id": 3,
    "user": "demo",
    "age": 20
}

那么要对 age 建立倒排索引时，会生成如下这份对应关系表：

词条	文档id列表
21	1,2
20	3

一般不同类型的文档会放到不同的索引库，比如还有一份数据有：

{
    "id": 1,
    "animal": "cat",
    "voice": "miaomiao~"
}
{
    "id": 2,
    "animal": "dog",
    "voidce": "wangwang!"
}

这份数据就有别于我们上面的那份数据，因此会生成并放到另一份索引中，因此索引可以被视为 MySQL 中的库，索引对文档的约束信息可以视为 MySQL 中表的字段结构

索引库对应的是MySQL中的database，本来应该有表也就是es中的type，但是es一直在考虑删除type，在7.0后type也出现了是否开启的选择开关，所以后面就不说type这个概念了，按一个库就是一个type来看。

这种索引方式更能提高检索效率，因为可以直接通过词条找到关联的文档都有哪些，且在类似于模糊查询的场合它不用像 MySQL 一样进行全文扫描。
但由于它对事物功能的缺乏无法保证脏数据的消失，所以一般工作中会对它和 MySQL 双写，结合在一起使用。

安装

在 docker 中部署运行 es，先建一个 docker 网：

docker network create es

然后再拉取一个 es 镜像并运行：

# 拉取镜像
docker pull elasticsearch:7.14.0
# 建立容器并运行
# 容器名为 es，环境变量 Java 运行大小缩小一点，单机运行，挂载两个数据卷，连接网络 es，访问端口 9200，节点通信端口 9300
docker run -d \
	--name es \
	-e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
	-e "discovery.type=single-node" \
	-v es-data:/usr/share/elasticsearch/data \
	-v es-plugins:/usr/share/elasticsearch/plugins \
    -v es-config:/usr/share/elasticsearch/config \
	--privileged \
	--network es \
	-p 9200:9200 \
	-p 9300:9300 \
elasticsearch:7.14.0

如果你像作者一样运行时报了关于宿主机架构的问题，比如

WARNING: The requested image's platform (linux/amd64) does not match the detected host platform (linux/arm64/v8) and no specific platform was requested

只需要根据提示拉取 arm64v8 的镜像
比如作者这里就重新拉了一份

docker pull arm64v8/elasticsearch:7.14.0

然后再运行就不会出现问题了。

然后通过 ${宿主机ip}:9300 访问出一些 json 数据就代表运行成功了

我们也可以通过 postman 向 es 发送请求进行查询

这里 match_all 就是匹配所有的意思