从本章开始，我将讲解和高性能相关的另一类分布式框架——分布式搜索引擎。目前开源界主要的搜索引擎框架有三个：Lucene、Elasticsearch、Solr。事实上，Lucene仅仅只是一个库，而Elasticsearch和Solr在底层都是使用了Lucene，相当于对它进行了封装，从而对用户更加友好，使用更加便捷。
Elasticsearch是一个开源的分布式、RESTful 风格的搜索和数据分析引擎，采用Java编写，内部使用Apache Lucene 做索引与搜索，它的目标是使数据搜索和分析变得更简单。简单来说，Elasticsearch就是对Lucene 做了一层封装，它提供了一套简单一致的 RESTful API 来帮助我们实现数据的存储、检索、分析。
当然，Elasticsearch 不仅仅是 Lucene，并且也不仅仅只是一个搜索引擎。 它主要可以用作以下用途：
- 作为一个分布式的NoSQL文档数据库；
- 进行数据的准实时搜索和聚合分析；
Solr这里就不再介绍了，它和Elasticsearch一样都是比较火的，各有优劣，读者可以自行查找相关资料进行了解。
后续章节，我将以Elasticsearch为例，主要从架构层面讲解它的核心设计要点。由于本系列是分布式系统进阶篇系列，不是开源框架使用教程，所以我只会围绕分布式系统的四个核心要点—— 高性能 、 高可用 、 可扩展 、 数据一致性 去讲解。
更多关于Elasticsearch的知识和底层原理，读者可以参阅官方文档和相关书籍，也可以参阅我写的《深入浅出Elasticsearch系列》。
本章，我们先来了解下Elasticsearch中的一些核心概念。
一、核心概念
1.1 Document（文档）
在Elasticsearch中，数据以JSON格式进行存储，最小数据单元就叫 document 。一个document可以是一条客户数据、一条商品信息数据，一条订单数据等等。比如，下面就是一个商品信息document：
{
"product_id": "1",
"product_name": "高露洁牙膏",
"product_desc": "高效美白",
"category_id": "2",
"category_name": "日化用品"
}
1.2 Index（索引）
Index，指包含一堆有相似结构的document数据，比如一个客户索引，商品索引，订单索引等等。一个Index包含很多document，代表了一类相似或者相同的document。
1.3 Type（分类）
Type，表示Index中的一个 逻辑数据分类 。每个Index可以有多个type，而每个type又可以存储多个document。
1.4 Field（字段）
一个document里面有多个field，每个field就是一个数据字段。
以关系型数据库来类比理解：
| Elasticsearch | 关系型数据库 |
|---|---|
| Index | 数据库实例 |
| Type | 表 |
| Document | 行 |
| Field | 列 |
还是不理解？没关系，我再来举个示例，假设我们的系统要存储商品信息。
- 首先“商品”这个概念就可以作为一个Index，比如我们叫它
mer_idx； - 然后，商品有很多分类，比如日化商品、电器商品、生鲜商品，每一个分类我们把它作为一个Type，那么就有
mer_normal_type、mer_elc_type、mer_sea_type。 - 每一种Type分类下都有自己的一些商品信息，这些商品信息的大部分Field都是相同的，比如商品ID、商品名称、数量、描述等等，但是每个分类又略有差别，比如电器商品类相比生鲜商品类，可能多了些电器参数字段。
# Type
mer_elc_type(电器商品类型)：product_id，product_name，product_desc，electic_power
mer_sea_type(生鲜商品类型)：product_id，product_name，product_desc，expired_date
# Document
{
#一条电器类商品Document
"product_id": "2",
"product_name": "长虹电视机",
"product_desc": "4k高清",
"electic_power": "250V"
}
{
#一条生鲜类商品Document
"product_id": "3",
"product_name": "基围虾",
"product_desc": "纯天然，冰岛产",
"expired_date": "3天"
}
1.5 Shard（分片）
单台机器无法存储大量数据，Elasticsearch可以将一个Index（索引）中的数据切分为多个Shard，分布在不同服务器节点上，这样就可以实现水平扩展，提升吞吐量和性能。这其实是一种数据分散集群的架构模式。
每个Shard都是一个Lucene index，可以看成是一个Lucene实例，后续章节我会专门讲解Shard。
1.6 Replica（副本）
任何一台服务器随时都可能故障或宕机，此时Shard中的数据就可能丢失，因此可以为每个Shard创建多个备份——Replica副本。Replica可以在Shard故障时提供备用服务，保证数据不丢失，多个Replica还可以提升搜索的吞吐量和性能。这其实是一种主从架构模式。
每个索引的Primary Shard数量，需要在索引建立时就设置，一旦设置完不能修改，而Replica Shard可以随时修改数量。
二、关于Type的补充说明
Elasticsearch从7.0版本开始，移除了Type这个概念。主要原因是在同一个索引中，存储仅有小部分字段相同或者全部字段都不相同的document，会导致数据稀疏，影响Lucene有效压缩数据的能力。
但是，我在本系列的讲解中仍然沿用Type这个概念，主要是考虑到向前兼容，因为很多公司都是用的5.x、6.x版本。事实上，这也引入Type讲解也不会造成什么影响，因为目前在7.x中，还是兼容Type的。
三、总结
本章，我简单介绍了Elasticsearch的一些基本概念。下一章我将对Elasticsearch的架构做一个完整阐述。对Elasticsearch感兴趣的读者，可以参考我的《深入浅出Elasticsearch系列》。
Java 面试宝典是大明哥全力打造的 Java 精品面试题，它是一份靠谱、强大、详细、经典的 Java 后端面试宝典。它不仅仅只是一道道面试题，而是一套完整的 Java 知识体系，一套你 Java 知识点的扫盲贴。
它的内容包括：
- 大厂真题：Java 面试宝典里面的题目都是最近几年的高频的大厂面试真题。
- 原创内容：Java 面试宝典内容全部都是大明哥原创，内容全面且通俗易懂，回答部分可以直接作为面试回答内容。
- 持续更新：一次购买，永久有效。大明哥会持续更新 3+ 年，累计更新 1000+，宝典会不断迭代更新，保证最新、最全面。
- 覆盖全面：本宝典累计更新 1000+，从 Java 入门到 Java 架构的高频面试题，实现 360° 全覆盖。
- 不止面试：内容包含面试题解析、内容详解、知识扩展，它不仅仅只是一份面试题，更是一套完整的 Java 知识体系。
- 宝典详情：https://www.yuque.com/chenssy/sike-java/xvlo920axlp7sf4k
- 宝典总览：https://www.yuque.com/chenssy/sike-java/yogsehzntzgp4ly1
- 宝典进展：https://www.yuque.com/chenssy/sike-java/en9ned7loo47z5aw
目前 Java 面试宝典累计更新 400+ 道，总字数 42w+。大明哥还在持续更新中，下图是大明哥在 2024-12 月份的更新情况：
想了解详情的小伙伴，扫描下面二维码加大明哥微信【daming091】咨询
同时，大明哥也整理一套目前市面最常见的热点面试题。微信搜[大明哥聊 Java]或扫描下方二维码关注大明哥的原创公众号[大明哥聊 Java] ，回复【面试题】 即可免费领取。
