ElasticSearch 常见用法-北京尧图网络

一、ElasticSearch 整体介绍1.1 是什么ElasticSearch（简称 ES）是分布式、RESTful 风格的全文搜索引擎，底层基于 Lucene。Lucene：底层检索库，只提供 jar 包，复杂，不支持分布式ES：对 Lucene 封装，提供 HTTP‑REST API、Java 客户端，开箱即用，天然分布式集群。适用场景：全文检索、日志分析（ELK 栈）、商品搜索、APP 检索、日志埋点、数据分析。不适合：大量实时更新、强事务、高频写入。1.2 ES 核心概念图解（面试必背，可手画）ES7.x 之后：移除 Type，一个索引就对应一个 type，一个索引就是一堆文档plaintext【集群 Cluster】 ├─节点 Node1（主节点/数据节点） │ ├─索引 Index（类比Mysql数据库 database） │ │ ├─分片 Shard（分片，分为主分片primary、副本replica） │ │ │ └─段 Segment（Lucene底层，不可修改） │ │ └─文档 Document（类比mysql row行，json格式） │ │ └─字段 Field（类比mysql column列） ├─节点 Node2 └─节点 Node3表格ES7.x 概念MySQL 类比Cluster 集群数据库实例Index 索引Database 数据库Document 文档Row 一行数据Field 字段Column 列Mapping 映射Table 表结构（字段类型、分词器）Shard 分片分库分表Replica 副本备份⚠️ES7 重要变化：Type 被废弃，一个索引只有一个虚拟_doc类型，不要再写自定义 type主分片数创建索引后不可修改，副本数可以随时修改。1.3 分片原理图解（面试高频）plaintext索引创建：3主分片，1副本，共6个分片 Primary(主分片): P0 P1 P2 Replica(副本): R0 R1 R2 集群3个节点部署： Node1: P0 R1 Node2: P1 R2 Node3: P2 R0 规则： 1. 主分片和它的副本**不能放在同一个节点**（节点宕机，副本失效） 2. 写请求只写到【主分片】，同步复制到副本 3. 读请求：可以读主分片，也可以读副本，负载均衡 4. 主分片数量索引创建完不能修改！只能重建索引迁移数据主分片：数据真实写入，处理写请求；副本分片：备份，分担读压力，主分片挂掉，副本升级为主分片，保证高可用。1.4 倒排索引（核心！面试必考）ES 底层靠倒排索引实现极速全文检索，正排索引就是普通数据库。正排索引（Mysql）文档 ID → 完整内容plaintextdoc1: "小米手机很好用" doc2: "华为手机性价比高" doc3: "小米手机性价比高"倒排索引 ES分词词条 → 关联文档 ID 列表表格Term 词条文档 ID小米doc1,doc3手机doc1,doc2,doc3华为doc2性价比doc2,doc3好用doc1流程：文档写入 ES，经过分词器 Analyzer 拆分成词条 term；构建倒排索引表；查询的时候，把查询语句分词，去倒排索引匹配 term，快速拿到文档 id，再拿完整文档。关键点：Term：分词后的最小单元；分词器 Analyzer：包含字符过滤器、分词器、token 过滤器；中文推荐分词器：ik_max_word(细粒度)、ik_smart(粗粒度)。1.5 写入流程图解（面试必问）plaintext客户端写请求 → 协调节点Coordinating Node ↓ 1. 通过文档id hash路由，算出该文档落到哪个主分片 ↓ 2. 请求转发到对应的主分片节点 ↓ 3. 主分片执行写入，写入内存buffer + translog事务日志（防止宕机丢数据） ↓ 4. 主分片把写请求同步给所有副本分片，副本写入成功 ↓ 5. 所有副本返回成功 → 主分片返回成功给协调节点 → 返回客户端补充两个重要概念：refresh：内存 buffer → 生成 segment 放到文件系统缓存，此时可以被搜索，默认 1 秒刷新。近实时 NRT，不是完全实时。flush：把内存数据持久化到磁盘，清空 translog。translog：类似 mysql redo log，宕机恢复数据。面试常问：为什么 ES 写入不是实时？默认 1s refresh，写入后 1 秒后才能搜到。想要强实时可以手动 refresh，性能会暴跌。1.6 查询流程图解plaintext客户端搜索请求 → 协调节点 1. 协调节点把查询转发给该索引**所有主/副本分片** 2. 每个分片本地执行检索，返回文档id+打分_score给协调节点 3. 协调节点合并各个分片返回结果，全局排序、分页 4. 根据文档id，去各个分片拉取完整文档数据 5. 返回最终结果给客户端1.7 ES 的打分机制默认 BM25 算法（7.x 默认，替代旧的 TF‑IDF），计算词条和文档相关性得分_score。二、SpringBoot + ElasticSearch 完整样例版

ElasticSearch 常见用法

相关推荐

Mybatis resultType深度解析：从基础映射到高级应用实战

免命令行！NS-USBloader 用一款工具搞定 Switch 注入、传游戏与文件分割

ROS框架在电赛运动控制中的降维打击：从PID到成熟机器人方案

更多资讯

ABP中HttpClient的POST及GET请求方式

【日拱一卒，三省吾身】2024.12.14随想

网盘直链下载助手使用指南：9 大网盘取直链，3 步直连 IDM 与 Motrix

PoB PoE2珠宝系统实战思路：从词缀选择到技能树布局的完整指南

【日拱一卒，三省吾身】2024.12.10 随想

深入理解Linux Netlink：内核与用户态通信的协议与实战

今日更新

Verilog实现FPGA密码锁：矩阵键盘与状态机设计实战

数据服务监控运维实战：从指标体系到告警治理与故障排查

FreeRTOS任务通知实战详解：内核原理、API与避坑指南

本周精选

金融AI落地指南：从调研报告到技术选型与工程实践

大模型上下文成本与注意力优化技术深度解析——为何O(n²)平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测

基于GMM的语音识别系统原理与MATLAB实现详解

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？