写在前面

本文看下es的简介。

1：简介

背后公司，elastic，08年纽交所上市，与腾讯，阿里等云厂商有合作，推出云产品，类似功能的产品由solr，splunk，但使用量es当前遥遥领先，下图是es与solr的对比图，可看到在03年左右es已经一骑绝尘了，如下图：


可看到，使用很大，并且使用的非常广泛，分布全球。

2：为什么会有es

es是基于lucene开发的一款分布式的搜索产品，但是已经有了lucene，为什么还需要es呢？为了了解这个问题，我们先来看下lucene，lucene是Doug Cutting开发的，其也是hodoop的作者，就是下图的哥们：

lucene是99基于Java语言开发，05年成为apache的顶级开源项目，优点是性能高，搜索能力强，但是也有如下的缺点：

1:只能基于Java语言开发，局限性比较大
2：学习曲线异常陡峭，本人就学过，已经世上无难事，只要肯放弃了
3：不支持水平扩展，想要支持大数据量的话，必须自己二次开发

基于以上的不足，就有大牛站出来带领像我这种小菜鸟走出困境了，这位大哥就是shaybanon：

04年基于Java语言开发，取名为compass，10重构comapass，取名为elasticsearch，优点如下：

1:支持水平扩展（此处应有掌声）
2:提供rest接口，可以跨语言使用
3：2降级了学习的门槛
4:支持jdbc（Java），odbc（微软）

3：es介绍

核心功能，搜索，聚合。10年正式发布，12年创立公司，半年时间就达到160万的下载量，并拿到1000万🔪的风险投资，具体版本历史如下：

任何一个产品都离不开良好的生态系统，es也一样，其生态圈我们叫做elastic stack，如下图：

各个组件作用如下：

1:logstash，beat数据收集，支持从不同的数据源收集数据，并做数据的处理，脱敏等
2：elasticsearch数据存储，搜索，聚合
3：kibana数据各种形式的展现，表格，报表等
4:X-pack扩展数据包，安全，告警，监控，机器学习等
5：云服务提供产品的云服务

其中beat有多种，如下图：

3.1：与数据库集成

因为es本身无法提供事务性的消息处理，所以这种场景还是需要依赖于MySQL ，但我们又想利用es高效的数据查询功能，该怎么办呢，这时就需要将mysql的数据同步到es中，此时一般采用如下的架构:

3.2：数据采集与展现

为了将各种数据源的数据，存储在es，并最终使用kibana进行展现，一般采用如下的流程：

写在后面

参考文章列表