一句话介绍 ：Elasticsearch是「实时」的「分布式搜索分析引擎」，内部使用 Lucene 做索引与搜索。
主要功能

• 分布式搜索引擎

• 大数据近实时分析引擎

产品特性

• 高性能
• 易用
• 易扩展

1 与的关系 Lucene

Lucene

• 是基于Java语言开发的类库
• 具有高性能、易扩展的特点
• 具有局限性
  • 只能基于Java语言开发
  • 类库的接口学习曲线陡峭
  • 原生并不支持水平扩展

与Lucene关系
ES是基于Lucene开发的，主要扩展点在于

• 支持分布式
• 可水平扩展
• 降低了全文检索的学习曲线

• 可以被其他编程语言调用

  2 生态圈

  

  2.1 与数据库集成

  

• 单独使用ES存储

• 与数据库并存，集成

  • 与现有系统的集成
  • 需要考虑事务性
  • 数据更新频繁

    2.2 日志分析

    

    3 什么是Kibana

• Kibana是操作ElasticSearch的图形化工具

• 基于Node.js，可以通过web进行操作
• 使用Kibana进行API操作时，有友好提示
• Kibana工具可以生成各种图表

  4 与mysql

  
  （1）关系型数据库中的数据库（DataBase），等价于ES中的索引（Index）
  （2）一个数据库下面有N张表（Table），等价于1个索引Index下面有N多类型（Type）， 但是type适合放置java继承关系的类。

1 type，是一个index中用来区分类似的数据的，类似的数据，但是可能有不同的fields，而且有不同的属性来控制索引建立、分词器
2 field的value，在底层的lucene中建立索引的时候，全部是opaque bytes类型，不区分类型的
3 lucene是没有type的概念的，在document中，实际上将type作为一个document的field来存储，即_type，es通过_type来进行type的过滤和筛选
4 一个index中的多个type，实际上是放在一起存储的，因此一个index下，不能有多个type重名，而类型或者其他设置不同的，因为那样是无法处理的

（3）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。
（4）在一个关系型数据库里面，schema定义了表、每个表的字段，还有表和字段之间的关系。 与之对应的，在ES中：Mapping定义索引下的Type的字段处理规则，即索引如何建立、索引类型、是否保存原始索引JSON文档、是否压缩原始JSON文档、是否需要分词处理、如何进行分词处理等。
（5）在数据库中的增insert、删delete、改update、查search操作等价于ES中的增PUT/POST、删Delete、改_update、查GET.

本地部署与水平扩展

其中主要有如下几个核心术语需要理解：

• 词条（Term）： 索引里面最小的存储和查询单元，对于英文来说是一个单词，对于中文来说一般指分词后的一个词。
• 词典（Term Dictionary）： 或字典，是词条 Term 的集合。搜索引擎的通常索引单位是单词，单词词典是由文档集合中出现过的所有单词构成的字符串集合，单词词典内每条索引项记载单词本身的一些信息以及指向“倒排列表”的指针。
• 倒排表（Post list）： 一个文档通常由多个词组成，倒排表记录的是某个词在哪些文档里出现过以及出现的位置。每条记录称为一个倒排项（Posting）。倒排表记录的不单是文档编号，还存储了词频等信息。
• 倒排文件（Inverted File）： 所有单词的倒排列表往往顺序地存储在磁盘的某个文件里，这个文件被称之为倒排文件，倒排文件是存储倒排索引的物理文件。

从上图我们可以了解到倒排索引主要由两个部分组成：

• 词典
• 倒排文件

词典和倒排表是 Lucene 中很重要的两种数据结构，是实现快速检索的重要基石。词典和倒排文件是分两部分存储的，词典在内存中而倒排文件存储在磁盘上