本文目录一览：
- 1、MySQL和ES的索引对比
- 2、python读取mysql数据写入ES总结
- 3、mysql同步数据到elasticsearch用什么工具
2、MySQL支持全文索引和搜索功能 。在MySQL中可以在CHAR、VARCHAR或TEXT列使用FULLTETXT来创建全文索引 。
3、mysql底层B-tree 支持矮胖，高胖的时候就很难受 ， 说白了就是数据量多会增加IO操作 。ES底层倒排索引 。
【es数据库如何查询 es查询mysql数据库】4、底层基于Lucene实现，虽然ES也提供存储，检索功能 ， 但我一直不认为ES是一款数据库，但是随着ES功能越来越强大，与数据库的界限也越来越模糊 。天然分布式 ， p2p架构，不支持事务，采用倒排索引提供全文检索 。
5、ES新手入门学习的时候，经常会和MySQL做对比，一个索引可以理解为一个数据库，分片就可以理解为一张表被分割了shards_numbers - 1次，文档类型为type类型 ， 在高版本中在逐渐被剔除 。
python读取mysql数据写入ES总结其实es中是没有单独的数组这一类型，因为他所有的字段都支持数组 ， 比如你是text，你可以放多个值进去 ， 以name为例，你可以放 name：[张三， 李四] 这样的数据进去 。
记录一个读取my.cnf配置的脚本，可以基于该函数做一些mysql 后端运维工作 。各位可以基于自己的需求进行修改 。
可以使用Python的MySQL Connector来连接MySQL数据库，然后执行SQL查询语句 。查询结果是一个结果集，每一行代表一个记录 ， 可以使用for循环或者fetchone（）函数来逐行遍历结果集 ， 并对每一行进行处理 。
MySQL（发音为myesscueel，不是mysequel）是一种开放源代码的关系型数据库管理系统（RDBMS），MySQL数据库系统使用最常用的数据库管理语言--结构化查询语言（SQL）进行数据库管理 。
mysql同步数据到elasticsearch用什么工具使用Binlog 数据同步 Elasticsearch，业务方就可以专注于业务逻辑对 MySQL 的操作，不用再关心数据向 Elasticsearch 同步的问题 ， 减少了不必要的同步代码，避免了扩展中间表列的长耗时问题 。
可以看到在处理 MySQL 和 Elasticsearch 的关联查询时，由于数据源自身具备索引 ， QuickSQL 能够充分利用数据源本身的能力实现下推执行，性能会远远优于 Hive 数据源与其他数据源在同等规模数据下关联的性能 。
嵌套结构解决了我们查询嵌套文档字段的问题，同样的，也可以解决 ， 在es中实现类似mysql的join查询的问题 。
在 Apache Lucene 的基础上开发而成，Elasticsearch 以其简单的 REST 风格 API、分布式特性、速度和可扩展性而闻名，是 Elastic Stack 的核心组件 。Elastic Stack 是适用于数据采集、充实、存储、分析和可视化的一组开源工具 。
phpMyAdmin phpMyAdmin是最常用的MySQL维护工具，是一个用PHP开发的基于Web方式架构在网站主机上的MySQL管理工具 ， 支持中文，管理数据库非常方便 。不足之处在于对大数据库的备份和恢复不方便 。
可以将对es的操作记录下来，来确保当出现故障的时候，已经落地到磁盘的数据不会丢失，并在重启的时候可以从操作记录中将数据恢复过来 。Elasticsearch中使用一种称为倒排索引的结构，适用于快速的全文搜索 。
