1.ES是什么
ES是面向文档的Nosql,这意味着它可以存储整个对象或文档。然而它不仅仅是存储，还会索引（index）每个文档的内容使之可以被搜索。在es中，你可以对文档（而非成行成列的数据）进行索引，搜索、排序、过滤。这种理解数据的方式与以往完全不同，这也是es能够执行复杂的全文搜索的原因之一。
ES使用json作为文档序列化格式。
在ES中存储数据的行为叫索引（indexing）
数据存储在索引中（index），索引有多个分片组成
数据有类型（type）一个索引可以有多个类型
数据是文档（document）
一个数据库表（Table）下的数据由多行（ROW）多列（column，属性）组成，等价于1个Type由多个文档（Document）和多Field组成。
对比一下es和传统数据类型：
(DB) database(数据库) -- table（表） -- row（行） -- column(属性)
(ES) index （索引） -- type （类型） -- document（文档） -- filed（字段类型）
索引
user_result
类型
{
"user_result": {
//通过Mapping 映射
"properties": {
"createTime": {
"type": "date"
},
"isDelete": {
"type": "boolean"
},
"name": {
"type": "keyword"
},
"id": {
"type": "keyword"
},
"age": {
"type": "integer"
}
}
}
}
文档
{
"age": 26,
"createTime": 1563713312228,
"id": "123abc6",
"isDelete": false,
"name": "张三"
}
2.ES定义
ES=Elasticsearch是一个开源的分布式全文检索引擎，它可以近乎实时的存储、检索数据；可以扩展到上百台服务器，处理PB级别的数据。
ES也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它的目的是通过简单的RESTful API来隐藏Lucene的复杂性，从而让全文搜索变得简单
3.ES核心
3.1 Cluster 集群
ES可以作为一个独立的单个搜索服务器。不过，为了处理大型数据集，实现容错和高可用性，ES可以运行在许多互相合作的服务器上。这些服务器的集合称为集群
3.2 Node 节点
形成集群的每个服务器称为节点
3.3 Shard 分片
1.ES中所有数据均衡的存储在集群中各个节点的分片中，会影响ES的性能、安全和稳定性。
2.简单来讲就是咱们在ES中所有数据的文件块，也是数据的最小单元块，整个ES集群的核心就是对所有分片的分布、索引、 负载、路由等达到惊人的速度
举例：
假设 IndexA 有2个分片，我们向 IndexA 中插入100条数据 (100个文档)，
那么这100条数据会尽可能平均的分为50条存储在第一个分片，
剩下的50条会存储在另一个分片中
3.创建 Index索引时候，在 Mapping 中可以如下设置分片 (curl)
PUT indexName
{
"settings": {
"number_of_shards": 5
}
}
注意：索引建立后，分片个数是不可以更改的
4.分片的个数可根据索引数据量的大小来计算
举例：
如果 IndexA 所有数据文件大小是300G，改怎么定制方案了？
建议:建10个节点 (Node)，Mapping 指定分片数为 10，满足每一个节点一个分片，每一个分片数据带下在30G左右。
SN(分片数) = IS(索引大小) / 30
NN(节点数) = SN(分片数) + MNN(主节点数[无数据]) + NNN(负载节点数)
3.4 Replia 副本
为提高查询吞吐量或实现高可用性，可以使用分片副本。
副本是一个分片的精确复制，每个分片可以有零个或多个副本。ES中可以有许多相同的分片，其中之一被选择更改索引操作，这种特殊的分片称为主分片。
当主分片丢失时，如：该分片所在的数据不可用时，集群将副本提升为新的主分片。
4.ES的可视化插件
Head 谷歌应用中有
Kibana 数据可视化展
5.ES特点和优势
1.分布式实时文件存储，可将每一个字段存入索引，使其可以被检索到。
2.实时分析的分布式搜索引擎。
分布式：索引分拆成多个分片，每个分片可有零个或多个副本。集群中的每个数据节点都可承载一个或多个分片，并且协调和处理各种操作；
负载再平衡和路由在大多数情况下自动完成。
3.可以扩展到上百台服务器，处理PB级别的结构化或非结构化数据。
---------------------