ELK
何为 ELK，Elasticsearch + Logstach + Kibaba
- Elasticsearch：存储，计算，搜索数据
- Logstash：数据抓取
- Kibaba：数据可视化
倒排索引
要说倒排索引，首先要从正向索引谈起，比如 MySQL
MySQL 这类关系型数据库，如果搜索 ID，会直接走索引（索引设置得正确的前提下），一旦走了索引，查询起来是很快的，但是如果是模糊查询，就不一定了，需要逐行扫描，在索引设置得不好的情况下，需要全表扫描，数据量大的场景下效率非常低
倒排索引中有两个重要的概念：
- 文档（Document）：ES 里保存的数据，其中的每一条数据就是一个文档，类似数据库的一条记录
- 词条（Term）：对数据进行分词后得到的有意义的词语
倒排索引是对正向索引的一种特殊处理：
- 将文档数据利用分词算法，得到一堆的词条
- ES 里保存的每行数据包括词条，词条所在文档 ID 等信息
- 因为词条具有唯一性，可以给词条创建索引
搜索流程：
- 发起搜索请求
- 分词得到词条
- 根据词条拿到 ES 里的文档 ID（这个 ID 会和 MySQL 里的 ID 同步）
- 根据 ID （去 MySQL）拿到具体数据
虽然需要查两遍，先查倒排索引，再查正向索引，但因为都走了索引，所以非常快，无需全表扫描
两者的关系如下表
| MySQL | Elasticsearch |
|---|---|
| table | index |
| row | document |
| column | field |
| schema | mapping |
| sql | dsl |
两者不能比较，关注的领域不同，MySQL 擅长事务类型操作，可以确保数据的安全和一致性，ES 则擅长海量数据的搜索，分析，计算，实际上往往两者结合使用
IK 分词器
- ik_smart：只能切分，粗粒度
- ik_max_word：最细切分，细粒度
ES 搜索高亮
- 给文档中的关键字加一个标签
- 页面给这个标签设置 高亮 CSS
ES 集群
不管什么集群，集群无非解决几个问题
- 海量数据存储
- 单点故障
ES 通过对数据进行分片，存储到不同的节点中，将备份放到对方节点，完成互相备份，当集群中的某个节点挂掉后，会立即将挂掉的节点上的分片数据迁移到其他节点，确保数据安全
集群监控
可以使用 Kibana 直接操作，或者 Cerebro