当前位置：首页 > 虚拟主机 > 正文

Elasticsearch怎么安装？elasticsearch安装教程

Elasticsearch 是一个基于 Apache Lucene 构建的开源、分布式、RESTful 风格的搜索和数据分析引擎，它不仅能提供全文搜索能力，还能处理复杂的聚合分析，广泛应用于日志分析、应用监控、企业级搜索等场景，以下从核心概念、架构原理、关键特性及最佳实践四个维度进行详细说明。

核心概念解析

理解 Elasticsearch 需要掌握其与传统关系型数据库（RDBMS）的映射关系，以下是核心术语的对比：

关系型数据库 (RDBMS)	Elasticsearch	说明
Database (数据库)	Index (索引)	索引是文档的集合，相当于数据库中的表。
Table (表)	Type (类型)	注意：在 ES 7.x 及更高版本中，Type 已被废弃，一个索引只包含一种文档类型。
Row (行)	Document (文档)	文档是 ES 中存储的基本数据单元，通常以 JSON 格式表示。
Column (列)	Field (字段)	文档中的具体属性，如 name, age, email。
Schema (模式)	Mapping (映射)	定义字段的数据类型、是否分词、是否存储等元数据。
Query (查询)	Query DSL	使用 JSON 格式的领域特定语言进行查询。

Elasticsearch 的设计目标是高可用和高性能，其底层架构主要依赖以下几个关键机制：

分布式集群架构
Elasticsearch 是分布式的，数据被分割成多个分片（Shard），每个分片是一个独立的 Lucene 索引，可以部署在集群的不同节点上。
- 主分片（Primary Shard）：负责处理写入请求，确保数据的一致性。
- 副本分片（Replica Shard）：负责处理读取请求，提供高可用性，当主分片所在节点故障时，副本分片会自动升级为主分片。
倒排索引（Inverted Index）
这是 Elasticsearch 实现快速全文搜索的核心，与数据库通过主键查找不同，倒排索引建立了“词语”到“文档ID”的映射。
- 文档包含 “Hello World”，倒排索引会记录：Hello -> [Doc1], World -> [Doc1]。
- 查询时,引擎直接查找倒排索引，无需扫描整个文档集合，从而实现毫秒级响应。
Near Realtime (NRT)
Elasticsearch 是近实时的，数据写入后，默认需要等待 1秒才能被搜索到，这个延迟是由 Lucene 的段合并（Segment Merge）机制决定的，如果需要更低的延迟，可以通过刷新索引（Refresh）来强制立即生效，但这会增加系统开销。

水平扩展性：通过增加节点即可线性提升集群的存储容量和查询吞吐量，无需停机即可动态添加或移除节点。
强大的聚合分析：除了搜索，Elasticsearch 支持复杂的聚合操作（Aggregations），如求和、平均值、直方图、分桶等，非常适合日志分析和业务数据洞察。
全文检索能力：内置多种分词器（Analyzer），支持中文（如 IK Analyzer）、英文等多种语言的分词和模糊匹配、拼音搜索等高级功能。

生态集成：拥有庞大的生态系统，包括 Logstash（数据采集）、Kibana（数据可视化）、Beats（轻量级数据采集器），共同构成 ELK Stack。

为了确保系统的稳定性和性能,建议遵循以下实践：

Elasticsearch怎么安装？elasticsearch安装教程第2张

合理设置分片数量
- 分片不宜过多或过少,每个分片占用一定的内存和文件句柄。
- 一般建议单个分片大小在 10GB-50GB 之间。
- 主分片数量在创建索引后不可更改,副本分片数量可随时调整。
优化 Mapping 设计
- 避免使用 dynamic: true 的默认动态映射，这可能导致字段类型推断错误（如将数字误判为文本）。
- 明确指定字段类型,对于不需要搜索的字段设置 index: false，对于不需要存储的字段设置 store: false，以节省空间。
查询性能优化
- 避免使用通配符查询（如 abc）在字段开头，这会导致全表扫描。
- 使用 filter 上下文代替 query 上下文进行精确匹配，因为 filter 结果会被缓存，性能更高。
- 分页深度限制：避免使用 from + size 进行深分页（如第10000页），建议使用 search_after 或滚动查询（Scroll API）。
资源监控与告警
- 监控 JVM 堆内存使用率，避免频繁 Full GC。
- 监控磁盘水位线,当磁盘使用率超过 85% 时，ES 会进入只读模式，需提前设置告警。