因为Elasticsearch找不到系统学习的资料，而且官网写的比较凌乱，初来乍到有些不知所措，所以按照网上的思维导图先行动起来，一个个模块逐一学习之。首先学习基本概念： Elasticsearch基本概念 - 图1

基本概念

  1. 集群，多个相互合作的主机共同形成的一个集合称为集群。这个在分布式领域中常常被提及，应该不用多讲
  2. 节点，运行了单个ES实例的主机，称为节点，它往往是集群中的一员。在ES中，节点的类型还蛮多样的：
    1. master，候选节点。此master并非指主节点，而是表示 候选的节点。
    2. data，数据节点。主要是存储索引数据的节点，主要对文档进行增删改查操作，聚合操作等。数据节点对cpu，内存，io要求较高， 在优化的时候需要监控数据节点的状态，当资源不够的时候，需要在集群中添加新的节点。
    3. data_content
    4. data_hot，热数据节点。保存被访问频率最高的节点
    5. data_warm，访问频率比较一般的节点
    6. data_cold，冷节点，基本上就是只读的，无法做更新操作
    7. lngest，预处理节点。可以把日志的数据交给预处理节点进行处理。
    8. ml，机器学习节点。可以帮助发现一些潜在的问题。
    9. transform，转换节点。
    10. voting_only，在进行master选举的时候，候选节点和投票节点 可以参与投票。但是投票节点不参与选举。
  3. 分片，将一个索引（一个数据库）切分为多个块，这个块就叫“分片”，这些分片本质上是一个Lucene的实例。样的好处是可以把一个大的索引拆分成多个，分布到不同的节点上。降低单服务器的压力，构成分布式搜索，提高整体检索的效率（分片数的最优值与硬件参数和数据量大小有关）。分片的数量只能在索引创建前指定，并且索引创建后不能更改。
  4. 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。副本的作用一是提高系统的容错性，当某个节点某个分片损坏或丢失时可以从副本中恢复。二是提高es的查询效率，es会自动对搜索请求进行负载均衡。

数据架构

  1. 索引，ES将数据存储于一个或多个索引中，索引是具有类似特性的文档的集合。类比传统的关系型数据库领域来说，索引相当于SQL中的一个数据库。

    一个ES集群中可以按需创建任意数目的索引，但根据不同的硬件配置，索引数有一个建议范围（这个知识点我们以后进行详细讲解）。

  2. 类型，一个索引可以有多个类型，这些类型的文档可以存储在相同的索引中。Lucene 没有文档类型的概念，每个文档的类型名被存储在一个叫 _type 的元数据字段上。 当我们要检索某个类型的文档时, Elasticsearch 通过在 _type 字段上使用过滤器限制只返回这个类型的文档。
  3. 文档， 文档是Lucene索引和搜索的原子单位，它是包含了一个或多个域的容器，基于JSON格式进行表示。文档由一个或多个域组成，每个域拥有一个名字及一个或多个值，有多个值的域通常称为“多值域”。每个文档可以存储不同的域集，但同一类型下的文档至应该有某种程度上的相似之处。相当于mysql表中的row。
  4. 映射， 映射是定义文档及其包含的字段如何存储和索引的过程。例如，使用映射来定义： 哪些字符串字段应该被视为全文字段。 哪些字段包含数字、日期或地理位置。 文档中所有字段的值是否应该被索引到catch-all _all字段中。 日期值的格式。 用于控制动态添加字段的映射的自定义规则。 每个索引都有一个映射类型，它决定了文档的索引方式。