一、ElasticSearch介绍
ES是一款非常强大的开源搜索引擎，可以帮我们从海量的数据中快速找到我们需要的内容。
ElasticSearch结合kibana、Logstash、Beats，也就是elastic stack(ELK)，被广泛运用在日志数据分析，实时监控等领域。
ES负责数据 存储、计算、搜索数据。
LogStash和Beats负责 数据抓取。
Kibana 是数据可视化组件。
Lucence是ES的底层开发，java语言搜索引擎类库，是Apache公司顶级项目。
Lucence优势：
- 易扩展。
- 高性能。（基于倒排索引）
缺点：
- 只限于java语言开发。
- 学习难度高，曲线陡峭。
- 不支持水平扩展。
于是在lucence的基础上，ES优点：
- 支持分布式，可水平扩展。
- 提供restful接口，被任何语言调用。
什么是ElasticSearch？
一个开源的分布式搜索引擎，可以实现日志搜索，日志统计，分析等。
什么是ElasticSearch Stack(ELK)？
是以es为核心，logStash和beats负责数据抓取，kibana数据可视化的技术栈。
二、索引
传统数据库采用 正向索引，而es采用 倒排索引。
如mysql采用正向索引，比如一个表里有id，这个自增id就属于主键索引，也属于正向索引，查询非常快。
但如果查询某个字段，这个字段叫title其中存储着“明朝那些事”，这时候如果想查包含“那些”的title怎么查询呢，即使title有索引，这时候用模糊查询也会索引失效。
ElasticSearch采用倒排索引，倒排索引有两个概念，文档和词条。
- 文档（document）：每条数据就是一个文档。
- 词条（term）：文档按照语义分成的词语。
词条的唯一性保证不会重复，对词条创建索引。
查询“华为手机”的过程：
- 先拆分这个搜索为词条“华为”“手机”。
- 在倒排索引通过词条创建的主键索引，快速找到“手机”对应id为1,2,“华为”对应id为2,3。
- 文档id1,2,3可以查询到对应的三条数据，通过聚簇索引快速查询到结果集。
为什么叫倒排索引呢，因为平时数据库我们是先通过id去找具体的值，而es的倒排索引我们通过次创建新的索引，所以先是去找值再找对应索引的具体值。
三、ES与mysql对比
文档：
ElasticSearch是面向文档存储，可以是数据库一条商品或者一个订单信息。会被序列化成JSON格式存储。
索引（index）：
会把类型相同的索引放在一起，比如商品索引，用户索引，订单索引等。
- Mysql的table 对比与 es的索引index
索引就是文档的集合，类似与数据库的表。
- mysql的row对比与es的document
Document是json风格，row是一条条数据。
Mysql擅长事务，数据库一致性和安全。
Es擅长海量数据搜索和计算。
