原文：https://blog.csdn.net/m0_38004619/article/details/104663459
相关文章：https://www.cnblogs.com/mrwhite2020/p/14716102.html
https://www.cnblogs.com/tianyiliang/p/10291305.html
集群：https://www.elastic.co/guide/cn/elasticsearch/guide/current/distributed-cluster.html
配置说明：https://blog.csdn.net/chaoyu168/article/details/86609869
1.1 什么是搜索
搜索，就是在任何场景下，找寻你想要的信息，这个时候，会输入一段你要搜索的关键字，然后就期望找到这个关键字相关的一些信息。
1.2 如果用数据库做搜索会怎么样
用数据库来实现搜索，性能会很差。比如搜索某一篇文章里的某一个关键字，如果用mysql相当消耗性能，并且mysql对这方面的支持也不友好。说白了mysql就不是干这用的。
1.3 什么是Elasticsearch
Elasticsearch，基于lucene，隐藏复杂性，提供简单易用的restful api接口、java api接口（还有其他语言的api接口）。
Elasticsearch是一个实时分布式搜索和分析引擎。它用于全文搜索、结构化搜索、分析。
个人理解说白了就是Elasticsearch底层把所有的数据都进行了索引处理（各种算法二叉树等），类似mysql创建索引，所以查询起来又快性能又高。
1.4 Elasticsearch的适用场景
1）所有涉及搜索的项目都适合，比如商城首页搜索等等。
1.5 Elasticsearch的特点
1）可以作为一个大型分布式集群（数百台服务器）技术，处理PB级数据，服务大公司；也可以运行在单机上，服务小公司
2）Elasticsearch不是什么新技术，主要是将全文检索、数据分析以及分布式技术，合并在了一起，才形成了独一无二的ES；lucene（全文检索），商用的数据分析软件（也是有的），分布式数据库（mycat）
3）对用户而言，是开箱即用的，非常简单，作为中小型的应用，直接3分钟部署一下ES，就可以作为生产环境的系统来使用了，数据量不大，操作不是太复杂
4）数据库的功能面对很多领域是不够用的（事务，还有各种联机事务型的操作）；特殊的功能，比如全文检索，同义词处理，相关度排名，复杂数据分析，海量数据的近实时处理；Elasticsearch作为传统数据库的一个补充，提供了数据库所不能提供的很多功能
1.7 Elasticsearch的核心概念
1.7.1 近实时
近实时，两个意思，从写入数据到数据可以被搜索到有一个小延迟（大概1秒）；基于es执行搜索和分析可以达到秒级。
1.7.2 Cluster（集群）
集群包含多个节点，每个节点属于哪个集群是通过一个配置（集群名称，默认是elasticsearch）来决定的，对于中小型应用来说，刚开始一个集群就一个节点很正常
1.7.3 Node（节点）
集群中的一个节点，节点也有一个名称（默认是随机分配的），节点名称很重要（在执行运维管理操作的时候），默认节点会去加入一个名称为“elasticsearch”的集群，如果直接启动一堆节点，那么它们会自动组成一个elasticsearch集群，当然一个节点也可以组成一个elasticsearch集群。
1.7.4 Index（索引-数据库）
索引包含一堆有相似结构的文档数据，比如可以有一个客户索引，商品分类索引，订单索引，索引有一个名称。一个index包含很多document，一个index就代表了一类类似的或者相同的document。比如说建立一个product index，商品索引，里面可能就存放了所有的商品数据，所有的商品document。
1.7.5 Type（类型-表）
每个索引里都可以有一个或多个type，type是index中的一个逻辑数据分类，一个type下的document，都有相同的field，比如博客系统，有一个索引，可以定义用户数据type，博客数据type，评论数据type。
1.7.6 Document（文档-行）
文档是es中的最小数据单元，一个document可以是一条客户数据，一条商品分类数据，一条订单数据，通常用JSON数据结构表示，每个index下的type中，都可以去存储多个document。
1.7.7 Field（字段-列）
Field是Elasticsearch的最小单位。一个document里面有多个field，每个field就是一个数据字段。
1.7.8 mapping（映射-约束）
数据如何存放到索引对象上，需要有一个映射配置，包括：数据类型、是否存储、是否分词等。
映射就是相当于mysql的表结构，但是不一样的是es支持手动创建表结构，也支持自动创建表结构（就是在存放数据的时候自动创建自动分析数据类型）
这样就创建了一个名为blog的Index。Type不用单独创建，在创建Mapping 时指定就可以。Mapping用来定义Document中每个字段的类型，即所使用的 analyzer、是否索引等属性，非常关键等。创建Mapping 的代码示例如下：
client.indices.putMapping({
index : 'blog',
type : 'article',
body : {
article: {
properties: {
id: {
type: 'string',
analyzer: 'ik',
store: 'yes',
},
title: {
type: 'string',
analyzer: 'ik',
store: 'no',
},
content: {
type: 'string',
analyzer: 'ik',
store: 'yes',
}
}
}
}
});
1.7.9 elasticsearch与数据库的类比
关系型数据库（比如Mysql）
非关系型数据库（Elasticsearch）
数据库Database
索引Index
表Table
类型Type
数据行Row
文档Document
数据列Column
字段Field
约束 Schema
映射Mapping
1.7.10 ES存入数据和搜索数据机制
1）索引对象（blog）：存储数据的表结构 ，任何搜索数据，存放在索引对象上 。
2）映射（mapping）：数据如何存放到索引对象上，需要有一个映射配置， 包括：数据类型、是否存储、是否分词等。
3）文档（document）：一条数据记录，存在索引对象上
4）文档类型（type）：一个索引对象，存放多种类型数据，数据用文档类型进行标识