1、首先来介绍一下 Elasticsearch：
Elasticsearch是一个开源的分布式搜索和分析引擎，基于Apache Lucene构建。它提供了一个快速、实时的搜索和分析功能，适用于各种用例，包括全文搜索、日志和指标分析、安全事件检测等。
主要特点包括：
-
分布式架构：Elasticsearch采用分布式架构，可以水平扩展以处理大量数据和请求。它将索引划分为多个分片，并将这些分片分布在集群中的多个节点上，从而实现数据的并行处理和高可用性。
-
实时搜索：Elasticsearch提供了实时搜索功能，可以快速地检索和分析大规模数据，并在几乎实时的速度下返回结果。这使得它非常适用于需要快速响应的应用场景，如日志分析和监控系统。
-
多种数据类型支持：Elasticsearch支持多种数据类型的索引和查询，包括文本、数字、日期、地理位置等。这使得它可以用于各种不同类型的数据分析和搜索。
-
丰富的查询功能：Elasticsearch提供了丰富而灵活的查询功能，包括全文搜索、过滤、聚合等。它还支持复杂的查询语法和自定义查询逻辑，使用户可以根据自己的需求进行定制化的搜索和分析。
-
易于集成：Elasticsearch与许多其他流行的开源工具和技术（如Logstash、Kibana、Beats等）集成紧密，可以轻松地与它们一起构建完整的数据处理和分析解决方案。
2、Elasticsearch和MySQL在设计和应用方面有一些显著的区别：
-
数据存储方式：
- MySQL是一种关系型数据库管理系统（RDBMS），它使用表格和行来组织和存储数据，并支持 SQL 查询语言。
- Elasticsearch是一种面向文档的分布式搜索和分析引擎，它使用倒排索引和分布式文档存储来存储和索引数据。
-
数据模型：
- MySQL使用固定模式（schema），需要在创建表格时定义表格的结构和字段类型。
- Elasticsearch是schema-less的，它允许灵活地索引各种类型的文档，而无需预先定义模式。
-
查询语言：
- MySQL使用结构化查询语言（SQL）来执行各种查询操作，包括插入、更新、删除和查询。
- Elasticsearch使用基于 JSON 的查询语言来执行各种搜索和分析操作，包括全文搜索、过滤、聚合等。
-
搜索和分析功能：
- Elasticsearch专注于搜索和分析，提供了强大的全文搜索、聚合、地理空间搜索等功能。
- MySQL虽然也支持一些基本的搜索和聚合操作，但其功能相对较为有限，主要集中在传统的关系型数据库功能上。
-
实时性和扩展性：
- Elasticsearch具有良好的实时性和可扩展性，可以处理大量的实时数据，并支持水平扩展以应对高负载。
- MySQL在处理大规模数据和高并发访问时可能会遇到性能瓶颈，需要通过垂直或水平扩展来提高性能和容量。
总的来说，Elasticsearch适用于需要实时搜索和分析大规模数据的应用场景，而MySQL适用于传统的关系型数据存储和处理场景。在某些情况下，两者也可以结合使用，例如使用MySQL作为主要数据存储，而使用Elasticsearch作为搜索引擎来提供更快速和灵活的搜索功能。
Elasticsearch使用倒排索引（Inverted Index）来支持全文搜索和分析功能。倒排索引将文档中的每个词（或短语）映射到包含该词的文档列表，从而实现了快速的全文搜索。
3、怎么在elastic创建 Elasticsearch索引库：
创建索引库，最关键的是分析mapping映射，而mapping映射要考虑的信息包括：
为了实现多个属性一起查询会使用all ，代码如下：
PUT /hotel
{
"mappings": { // 定义索引的映射设置
"properties": { // 指定每个字段的属性和数据类型
"id": { // id字段
"type": "keyword" // 数据类型为关键字，不进行分词
},
"name":{ // name字段
"type": "text", // 数据类型为文本
"analyzer": "ik_max_word", // 使用ik_max_word中文分词器进行分词处理
"copy_to": "all" // 将该字段的值复制到名为"all"的字段中
},
"city":{ // city字段
"type": "keyword", // 数据类型为关键字，不进行分词
"copy_to": "all" // 将该字段的值复制到名为"all"的字段中
},
"all":{ // all字段
"type": "text", // 数据类型为文本
"analyzer": "ik_max_word" // 使用ik_max_word中文分词器进行分词处理
}
}
}
}
相关语句：
- 查询Elasticsearch索引库：GET /hotel/_mapping
- 查询Elasticsearch里的数据：GET /hotel/_search
如果觉得当前索引库不满意，可以查询创建一个索引库hotel1，然后使用如下语句，把hotel1绑定到hotel关联的Elasticsearch数据库：
//使用 Reindex API 将现有索引中的数据重新索引到新创建的索引中。例如：
POST _reindex
{
"source": {
"index": "your_old_index" //hotel
},
"dest": {
"index": "your_new_index" //hotel1
}
}
- 删除索引库：DELETE /your_old_index
4、最后对比一下Elasticsearch和Mysql分别使用什么索引：
Elasticsearch和MySQL分别使用不同类型的索引来支持其各自的查询和搜索功能：
Elasticsearch：
- Elasticsearch使用倒排索引（Inverted Index）来支持全文搜索和分析功能。倒排索引将文档中的每个词（或短语）映射到包含该词的文档列表，从而实现了快速的全文搜索。
- 此外，Elasticsearch还支持其他类型的索引，如地理空间索引（Geo Index）、日期索引（Date Index）等，以便于特定类型的搜索和分析。
MySQL：文章来源：https://www.toymoban.com/news/detail-849202.html
- MySQL主要使用B树索引（B-tree Index）来加速对表格中数据的查找和访问。B树索引适用于范围查询、等值查询和排序操作，能够有效地加速对表格中的数据行的检索。
- MySQL还支持全文索引（Full-Text Index），它可以用于全文搜索功能，但相较于Elasticsearch的倒排索引，其功能相对较为有限。
总的来说，Elasticsearch的主要索引结构是倒排索引，适用于全文搜索和分析；而MySQL主要使用B树索引来支持关系型数据库的各种查询操作，但也可以使用全文索引来实现一定程度的全文搜索功能。文章来源地址https://www.toymoban.com/news/detail-849202.html
到了这里，关于Elasticsearch介绍及其索引库的创建删除和重新绑定的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
![[C++项目] Boost文档 站内搜索引擎(3): 建立文档及其关键字的正排 倒排索引、jieba库的安装与使用...](https://imgs.yssmx.com/Uploads/2024/02/732017-1.png)
