b

背景

最近公司给外包做的一个项目我们接手维护了。一个HIS系统，随着部署的机构越来越多，数据库扛不住压力了。经常CPU飙的人血脉膨胀，在经过了一系列的优化（包括业务层面，代码优化，SQL优化）之后，随着数据量的不断增加，数据库还是顶不住了。

方案

1.分表分库

改动量太大。PASS

2.数据库分区

改动量还是不小，也是pass。

3.引入elasticsearch做搜索。

通过

使用

由于很久之前使用的是6.x版本，相对于现在来说已经是诺基亚了。而且与新版本相比做了很大的改动，其中最大的改动就是淘汰了（慢慢淘汰，听说8.x会去除）类型（types），API也有挺多不同。在优化完成后记录下本次使用。

概念

• 1.索引
• 2.字段类型（mapping）
• 3.文档（documents）
• 4.分片（倒排索引）

elasticsearch是面向文档的。

和关系型数据库的对比。elasticsearch是面向文档的，一切都是json。

物理设计

elasticsearch在后台把每个索引划分成多个分片(主分片和复制分片不在同一个节点内)，每份分片可以在集群中的不同服务器间迁移。

一个人就是一个集群！默认的集群名称就是elasticsearch

逻辑设计

elasticsearch是面向文档的，意味着索引和搜索数据的最小单位是文档。elasticsearch中，文档有几个重要属性

• 自我包含，一篇文档同时包含字段和对应的值,(json）
• 可以是层次类型的，一个文档中包含子文档，复杂的逻辑实体就是这么来的
• 灵活的结构，文档不依赖预先定义的模式，在elasticsearch中，对于字段的定义是非常灵活的，有时候我们可以忽略该字段，或者动态添加一个新字段
• 每个字段的类型非常重要。因为elasticsearch会保存字段和类型之间的映射和其他设置。这种映射具体到每个映射的每种类型。
• 总结：文档就是我们的一条条数据。

类型

类型是文档的逻辑容器，就像关系型数据库一样，表格是行的容器。类型中对于字段的定义称为映射，比如name映射成字符串类型。文档是无模式的，不需要拥有映射中所定义的所有字段。

倒排索引

采用Lucene倒排索作为底层。将每个文档拆分成独立的词条，然后创建一个包含所有不重复词条的排序列表。然后列出哪个词条出现在哪个文档。

IK分词器

如果要使用中文，建议使用IK分词器。

IK分词器提供了两种分词算法：ik_smart和ik_max_word。其中ik_smart为最少切分，ik_max_word为最细粒度划分。

ik词库扩展

安装

解决跨域

elasticsearch.yml添加跨域配置

http.cors.enabled: true
http.cors.allow-origin: "*"

其他

• es不能使用root账户启动
• kibana汉化
  • 
  • 

注意

版本要一致。