1장. Elasticsearch 개요 — 검색 엔진이라는 다른 세계

"MySQL 비슷한데 검색이 빠른 것"이라는 오해에서 벗어나는 것이 첫걸음입니다. 인덱스 자료구조가 다르면, 시스템의 모든 것이 달라집니다.

1.1 Elasticsearch는 어떤 시스템인가

Elasticsearch는 Apache Lucene 기반의 분산 검색·분석 엔진(Distributed Search and Analytics Engine)입니다. 공식 문서의 정의를 풀어보면 네 가지 키워드가 나옵니다.

• Distributed — 처음부터 여러 대의 서버(클러스터)로 동작하도록 설계됐습니다. 단일 노드는 사실상 개발용입니다.
• RESTful — 모든 조작이 HTTP + JSON입니다. 전용 드라이버 없이 curl 한 줄로 색인·검색·진단까지 가능합니다.
• Search and analytics — 풀텍스트 검색뿐 아니라 집계(aggregation), 시계열 분석, 벡터 검색까지 한 엔진에서 처리합니다.
• Lucene-based — 실제 인덱스 자료구조(역색인, 세그먼트, 머지)는 Lucene이라는 자바 검색 라이브러리가 담당합니다.

마지막 항목이 핵심입니다. 한 줄로 요약하면 이렇게 이해해도 큰 무리가 없습니다.

버전에 대한 기준도 정해둡시다. 이 가이드는 8.17 LTS를 baseline으로 하고, 9.x 고유 변경점은 박스로 따로 표기합니다. 9.x는 Lucene 10 기반(8.x는 Lucene 9)이며, SIMD 최적화·BBQ(Better Binary Quantization) GA 등 성능 향상 대부분이 Lucene 10에서 옵니다.

1.2 RDB의 LIKE 검색 vs 역색인 검색

RDBMS의 인덱스는 보통 B-Tree입니다. B-Tree는 WHERE name = 'Alice' 같은 정확한 값 매치에 최적화되어 있습니다. 하지만 "본문에 'fox'라는 단어가 포함된 모든 문서"를 찾으려면 어떻게 될까요? LIKE '%fox%'는 인덱스를 쓰지 못하고 모든 행을 처음부터 끝까지 읽는 풀스캔이 됩니다.

Elasticsearch(Lucene)는 역색인(Inverted Index)을 씁니다. "term → 그 term이 등장한 문서 목록(posting list)"을 미리 만들어 두는 것입니다. 책 뒤편의 '찾아보기' 페이지와 정확히 같은 원리입니다. 두 방식이 같은 검색을 처리하는 과정을 비교해 봅시다.

역색인이라는 자료구조에서 Elasticsearch의 성격이 그대로 따라 나옵니다.

• 풀텍스트 검색이 본업입니다. 토큰 단위 검색 = 인덱스 룩업.
• 세그먼트는 immutable(불변)입니다. B-Tree처럼 제자리 수정을 하지 않고, 변경 시 새 세그먼트를 만들어 백그라운드 머지로 정리합니다 (3장).
• 관계형 JOIN은 약점입니다. 역색인은 단일 인덱스 안에서만 효율적입니다. 9.x에서 ES|QL JOIN이 GA됐지만 RDBMS의 임의 JOIN을 대체하지는 못합니다.

1.3 Near-Real-Time — "1초 늦는 것"은 버그가 아니다

Elasticsearch에 문서를 색인하고 곧바로 검색하면, 그 문서가 안 보일 수 있습니다. 처음 겪으면 당황하는 현상이지만, 이는 NRT(near real-time) 검색이라는 의도된 설계입니다. 새 문서는 기본 1초 간격의 refresh_interval이 지나야 검색에 노출됩니다.

직접 확인해 봅시다. Elasticsearch는 RESTful이므로 curl만 있으면 됩니다.

# 문서 색인 (인덱스가 없으면 자동 생성)
POST /products/_doc
{
  "name": "quick brown fox 인형",
  "price": 15000
}

# 풀텍스트 검색 — 1초 후에는 검색됨
GET /products/_search
{
  "query": { "match": { "name": "fox" } }
}

# 테스트용: refresh를 기다렸다가 응답 받기
POST /products/_doc?refresh=wait_for
{ "name": "바로 검색돼야 하는 문서" }

1.4 무엇에 쓰는 물건인가 — 4대 사용 사례

1.5 Elastic Stack — 혼자 다니지 않는다

Elasticsearch는 보통 수집기·시각화 도구와 한 세트로 움직입니다. 데이터가 흐르는 경로를 봅시다.

1.6 분산 시스템 핵심 원칙 — 미리보기

Elasticsearch가 Lucene 위에 얹는 분산 레이어의 핵심 개념 세 가지만 미리 잡아둡시다. 자세한 내용은 2장과 4장에서 다룹니다.

• 샤드(shard): 하나의 인덱스는 여러 샤드로 분할됩니다. 각 샤드는 독립적인 Lucene 인덱스이며 어느 노드에든 배치될 수 있습니다. 인덱스는 논리, 샤드는 물리입니다.
• 레플리카(replica): 각 primary 샤드의 복제본. 노드가 죽으면 replica가 primary로 승격(고가용성)되고, 평소에는 검색 요청을 분담(읽기 처리량)합니다. primary와 replica는 절대 같은 노드에 배치되지 않습니다.
• 일관성은 eventual: 검색 요청은 primary/replica 어느 쪽으로든 라우팅되며, refresh 지연과 복제 지연이 있어 방금 쓴 문서가 즉시 안 보일 수 있습니다.

# 클러스터가 살아있는지, 샤드 상태는 어떤지 — 운영자의 첫 명령
GET /_cluster/health

{
  "cluster_name": "prod-search",
  "status": "green",          ← green/yellow/red
  "number_of_nodes": 6,
  "active_primary_shards": 120,
  "active_shards": 240          ← primary + replica
}

✍️ 이해도 체크