1. MySQL模糊查询like可以解决检索、搜索的问题（全文索引）
    2. ES可以进行PB级的数据的近实时搜索—->秒级！！！IT男的梦想
    3. 搜索引擎
    4. 分析引擎
    5. 存储引擎
    6. kibana可以对未来可能发生的情况进行预测——>机器学习的应用
    7. ElasticSearch在索引创建之后，你可以在任何时候动态地改变**复制数量，但是不能改变**分片的数量。

    8. 什么是倒排索引？

      经过Lucene分词之后，维护一个类似于“词条—文档ID”的对应关系，当我们进行搜索某个词条的时候，就会得到相应的文档ID。不同于传统的顺排索引根据一个词，知道有哪几篇文章有这个词。 Elastic Stack - 图1

    9. elasticsearch中文档自动生成的 ID 是 URL-safe、 基于 Base64 编码且长度为20个字符的 GUID 字符串，这些 GUID 字符串由可修改的 FlakeID 模式生成，这种模式允许多个节点并行生成唯一 ID ，且互相之间的冲突概率几乎为零。

    10. elasticsearch中整个批量请求都需要由接收到请求的节点加载到内存中，因此该请求越大，其他请求所能获得的内存就越少。 批量请求的大小有一个最佳值，大于这个值，性能将不再提升，甚至会下降。 但是最佳值不是一个固定的值。它完全取决于硬件、文档的大小和复杂度、索引和搜索的负载的整体情况。
    11. 幸运的是，很容易找到这个 最佳点 ：通过批量索引典型文档，并不断增加批量大小进行尝试。 当性能开始下降，那么你的批量大小就太大了。一个好的办法是开始时将 1,000 到 5,000 个文档作为一个批次, 如果你的文档非常大，那么就减少批量的文档个数。密切关注你的批量请求的物理大小往往非常有用，一千个 1KB 的文档是完全不同于一千个 1MB 文档所占的物理大小。 一个好的批量大小在开始处理后所占用的物理大小约为 5-15 MB。
    12. 个性化分词
    13. cianel阿里的主从同步
    14. es操作单独抽出来做一个服务，使用类似主从同步的原理不将更新es的操作嵌入到业务代码中去，而是拉取mysql数据库的binlog来同步数据
    15. minIO集群—->文件系统
    16. 处理消息，消息中间件
    17. docker笔记
    18. docker的windows操作台
    19. 地图前端页面，前端页面—->地图组件
    20. Windows Subsystem for Linux（简称WSL）
    21. 剖析mapping：一个mapping由一个或多个analyzer组成， 一个analyzer又由一个或多个filter组成的。当ES索引文档的时候，它把字段中的内容传递给相应的analyzer，analyzer再传递给各自的filters。
    22. 装专业版的docker，不装企业版的，社区版也不行
    23. es中聚合搜索的开关打开
    24. IK分词器（设置head）—->个性化分词