对于网站建设的体会,好的网站标准,目前最先进的网站建设技术,济南网站推广本文内容参考了田雪松老师编著的《Elastic Stack应用宝典》
对比关系型数据库
索引#xff08;Index#xff09;相当于库映射类型#xff08;Mapping Type#xff09;相当于表文档#xff08;Document#xff09;相当于行文档字段#xff08;Field#xff09;相当于列…本文内容参考了田雪松老师编著的《Elastic Stack应用宝典》
对比关系型数据库
索引Index相当于库映射类型Mapping Type相当于表文档Document相当于行文档字段Field相当于列
索引
Elasticsearch没有引入库的概念而是将文档的容器直接称为索引Index。而这里的索引就是倒排索引或者更准确的说是一组倒排索引。因为Elasticsearch中所有数据的检索都必须要通过倒排索引来检索离开了倒排索引文档就相当于不存在。所以从检索的角度来看文档以倒排索引的形式表现其存在性。
编入索引的信息包括文档ID、词项在字段中出现的频率、词项在字段中的次序、词项在字段中的起止偏移量等信息。
文档ID
文档ID是词项来源文档的编号是文档的惟一标识可用于存在性检索。文档ID由文档中的元字段_id保存。
词频
词项在字段中出现的频率一般称为词频Term Frequency它可以反映检索结果的相关性词项在文本中出现的频率越高与检索的相关性也就越高。
词序
词项在字段中的次序以下简称词序记录的是某一词项在所有词项中的次序主要用于短语查询Phrase Query。
词项偏移量
词项在字段中的起止偏移量以下简称词项偏移量给出了词项在字段中的实际位置一般用于高亮检索结果。
例如在“Elasticsearch is a search engine”中search这个词项在整个文本中只出现了1次所以它的词频为1而search之前还有3个词项所以词序为3词序起始位置为0最后由于search在整个短语中的位置是第19~24之间所以偏移量为1925
映射类型
映射类型Mapping Type是定义文档与索引映射关系的一种方式。
在Elasticsearch版本6之前一个索引中是可以定义多个映射类型。事实上映射类型这个概念的引入使得Elasticsearch的这些概念在整体上都变得混乱Elasticsearch官方已经开始弱化映射类型的概念。
在6.0版本以后映射类型的概念还将延续但在映射中只能有一个映射类型而不允许再定义多个映射类型而在7.0版本以后映射类型的概念被彻底删除。
索引是存储文档的容器文档在存储前会做文档分析并编入倒排索引。而文档从全文数据到索引的转变由映射Mapping定义这是另一个在Elasticsearch中非常重要的概念。映射介于文档与索引之间所以一般是在创建索引时指定文档与索引的映射关系。映射的概念比较难理解想要理解它就得先理解Elasticsearch中的文档概念。
文档
在Elasticsearch中数据存储和检索的基本单元是文档。Elasticsearch的文档使用JSON格式。Elasticsearch对外开放的接口以REST为主而REST本身也是以JSON为通用数据交换格式。可以预先定义好属性和数据类型。为了明确概念文档的JSON属性为字段Field即文档字段以区别在其他领域中使用的JSON属性。
文档字段
文档字段Field可以理解为文档的一个结构化特征。由于文档中的数据分散在各个字段中所以索引文档肯定都是针对文档字段进行的。在默认情况下文档的所有字段都会创建倒排索引。这可以通过字段的index参数来设置其默认值为true即字段会被编入索引。在编入索引时一般不会将字段值整体编入。比如text类型的字段来说它们会被解析为词项后再以词项为单位编入索引。
元字段
文档字段可以分为两类一类是元字段Meta-field另一类是用户定义的业务字段。元字段不需要用户定义在任一文档中都存在例如在前面提及的文件ID字段_id就是一个元字段。在名称上它们有一个显著的特征就是它们都以下划线“_”开头。在学习这些字段时要从字段索引和字段存储两方面理解它们。有些元字段只是为了存储它们会出现在文档检索的结果中但却不能通过这个字段本身做检索比如_source字段。而有些元字段则只是为了索引它会创建一个索引出来用户可以在这个索引上检索文档但这个字段却不会出现最终的检索结果中如_all字段。此外也并不是所有元字段都是默认开启的有些元字段是需要在索引中配置开启才可使用的。 _type
_id和_uid都是文档的标识符在版本6之前_id仅在映射类型内惟一而_uid由_type和_id组成并在索引内惟一
但在6.0.0版之后映射类型在索引内仅有一个所以_uid已经被废止而_id则在索引内惟一。
_source
尽管在默认情况下所有的字段都会被索引但是这些字段的原始值是不会被编入索引中的。这意味着用户可以通过某一字段的词项检索到文档但并不能直接取到这个字段的原始值。因为字段的索引最多只包含上述四项内容并不包含字段原始值。
为什么字段原始值不会被编入索引呢这显然还是出于对性能与效率的考量。还是以“Elasticsearch is a search engine”这段文本为例文档分析后会提取出5个词项并编入索引。如果这5个词项都在索引中保留字段的原始值那么这段文本就要被保留5次。而对于很多文档来说它们的文本内容要比这大得多如果都保留下来这对于存储空间的浪费将是十分惊人的。
尽管单个字段的原始值不会被保存但索引提供了一个叫_source的字段用于存储整个文档的原始值。_source字段有一个特性那就是这个字段在默认情况下是不会被索引的但是每个查询默认都会带着_source字段返回。_source字段保存的源文档信息是在索引文档时以JSON形式传递过来的最原始文档。
_field_names
_field_names字段用于给所有有值的字段名称做索引这可以用于检索某一字段是否存在。
